Şebeke bağlantısız PM generatörlü rüzgar türbinlerinin YSA ile sistem optimizasyonu
System optimization of the outonomous PM generated wind turbines by artificial neural networks
- Tez No: 197361
- Danışmanlar: DOÇ.DR. AYDOĞAN ÖZDAMAR, PROF.DR. METİN ÇOLAK
- Tez Türü: Doktora
- Konular: Enerji, Energy
- Anahtar Kelimeler: Yapay Sinir Ağları, Rüzgar Enerjisi, RüzgarTürbini, PM Generatör Otonom Sistem, Sistem Optimizasyon, GüçFaktörü, Artificial Neural Networks, Wind Energy, WindTurbine, PM Generated Autonomous System, System Optimization, Power Factor
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Güneş Enerjisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 270
Özet
VÖZETŞEBEKE BAĞLANTISIZ PM GENERATÖRLÜ RÜZGARTÜRB NLER N N YSA ile S STEM OPT M ZASYONUÇET N, Numan S.Doktora Tezi, Güneş Enerjisi EnstitüsüTez Yöneticisi : Prof. Dr. Metin ÇOLAKEylül 2006, 242 SayfaYeryüzündeki fosil yakıt rezervlerinin gün geçtikçe azalmasınedeniyle, yenilenebilir enerji kaynakları son yıllarda çok fazla önemkazanmıştır. Rüzgar enerjisi bilindiği üzere, Türkiye için en önemliyenilenebilir enerji kaynaklarından birisidir. Rüzgar türbinteknolojisindeki gelişmeler, elektrik enerjisi üretimi amaçlı rüzgartürbinlerinin kurulu güçlerinin artmasına, dolayısıyla birim enerjimaliyetinin düşmesine sebep olmaktadır. Bunun sonucu olarak, rüzgartürbinlerinin elektrik enerjisi üretimindeki payı gün geçtikçe artmaktadır.Rüzgar enerjisi çevrim sistemlerinde verimin maksimizasyonu içinoptimizasyon, çok önemli kavramlardan birisidir. Özellikle sistemkurulumu açısından bakıldığında bir çok parametreyle birlikte, bunlarabağlı problemlerin çözümlenmesi gerekmektedir. Bu çalışma, sistemparametrelerinin belirlenmesinde ve optimizasyonunda yeni bir yaklaşımsunmaktadır.Çalışmada; otonom (şebeke bağlantısız) rüzgar türbinlerinde,sistem optimizasyonu için uygun bir algoritma sunulmaktadır. Bualgoritma, back-propagation (geriye-yayılım) kullanılarak Yapay SinirAğları (YSA)'nın eğitimine dayanmaktadır. YSA'nın paralel bilgi işlemeVIyeteneğinden dolayı, önerilen metod hızlı ve doğrudur. Yapılançalışma üç eğitme aşamasından oluşmaktadır.lk olarak; sistemin kurulacağı yerin yıllık ortalama rüzgarhızından, yüksekliğe bağlı bir şekilde, rüzgar türbininin enerjiüretebileceği rüzgar hızlarının esme süreleri tahmin edilmiştir. Bununiçin yapılacak eğitmede; farklı yerlere ait yıllık ortalama rüzgar hızları veHellman yükseltme katsayıları kullanılmaktadır.Böylelikle yapılan eğitme genelleştirilerek, optimizasyonun istenenher hangi bir yere uygulanması sağlanmaktadır. Daha sonra; her hangi biryerde kurulu olan ve farklı kanat boyları (farklı güçler) ile birlikte uygungeneratör kullanılarak elde edilen ölçüm sonuçlarından; rüzgar hızı (Vr),güç faktörü (Cp), elektriksel güç (PE) ve uç hız oranı (λ) değerleri tahminedilmiştir. Burada ilave olarak kurulu sistemlerin Cp-λ eğrileri degrafiksel olarak elde edilmiştir (Ek1, Ek2, Ek3). Yapılan bu iki eğitmeninsonunda elde edilen değerlere bağlı, üçüncü bir eğitmeyle de yıllık enerjiüretimi ve akümülatör kapasitesi tahmin edilmiştir. Son olarak sisteminbirim enerji maliyetinin şebekeyle karşılaştırılması yapılmıştır.Uygulama olarak; Urla'da kurulan 5 kW'lık otonom sistemüzerinde önerilen yaklaşım kullanılmış, sonuçların doğruluğu ve sonucaulaşma hızlılığı ortaya konmuştur.
Özet (Çeviri)
VIIABSTRACTSYSTEM OPTIMIZATION of THE AUTONOMOUS PMGENERATED WIND TURBINES by ARTIFICIAL NEURALNETWORKSÇET N, Numan S.Ph.D. Thesis, Solar Energy InstituteSupervisor : Prof. Metin ÇOLAKEylül 2006, 242 PagesThe sources of the fossil fuels on earth have been reducing,therefore renewable energy sources are regarded much more importantthan ever before. It is known that the wind energy is particularly one ofthe most important renewable energy sources for Turkey. Thedevelopments in the wind turbine technology provide the advance in theusage power of the wind turbines for electric energy production.Because of this advance, the unit energy cost is reduced and the use ofthe wind turbines for electric energy production increases day by day.The optimization of maximum efficiency in wind energyconversion systems is the most important concept, when it is consideredduring the system establishment. It is especially required to solve theproblems due to the maximum efficiency parameters. This studypresents a new approach to define and optimize the system parameters.In the study, a suitable algorithm is presented for the systemoptimization in autonomous wind turbines. The algorithm is based ontraining of artificial neural networks (ANN) by using the back-propagation algorithm. This method is fast and accurate because of itsparallel information processing capability.VIIIThe optimization consists of three training phases. First of all, theblow times of the wind speeds which can produce energy by windturbines are estimated from the installed place?s annual average windspeed which depends on the height. The annual average wind speeds ofdifferent places and Hellmann coefficients are used for the training.Therefore the optimization can be applied to any desired place bygeneralizing the training.In the second phase, the values of wind velocity(Vr), power factor(CP), electric power (PE) and tip speed ratio (λ) were assumed from themeasurement results which were obtained by using suitable generatorswith different wing sizes (e.g.different powers) in the different places.Additionally, the curve graphs of Cp-λ in the installed systems wereobtained. After these two trainings, the annual energy production and theaccumulator capacity were estimated with the third training.As a result, the comparison of the unit energy cost between thesystem and the grid was made. Practically, the proposed approach wasused for a 5kW autonomous system which was installed in Urla ( zmir).The accuracy of the results and the speed in reaching the targets areproved.
Benzer Tezler
- Şebeke bağlantısız fotovoltaik sistemler için çok ajanlı akıllı güç yönetimi
Smart power management with multi agent for stand-alone photovoltaic systems
TALAT ÖZDEN
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL İBRAHİM OKUMUŞ
- Şebeke bağlantısız FV-YP birleşik sistemleri için anahtarlamalı bir güç ve gerilim düzenleyici
A power and voltage compensator for utility independent PV-FC
GÖKSU GÖREL
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL H. ALTAŞ
- Şebeke bağlantısız güneş ve rüzgar enerji sistemlerinin yönetimi, kontrolü ve izlenmesi için yeni yaklaşımlar
Novel approaches for the management, control and monitoring of the off-grid solar and wind energy systems
SERHAT DUMAN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURAN YÖRÜKEREN
PROF. DR. İSMAİL HAKKI ALTAŞ
- Şebeke bağlantısız enerji depolamalı, fotovoltaik - dizel jeneratör hibrit güç sisteminin tasarımı: Hargiesa Üniversitesi kampüsü örneği
Design of off-grid hybrid power system with energy storage, photovoltaic - diesel generator: Case of Hargeisa University campus
SHARMAARKE MUSTAFE IBRAHIM
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ULAŞ KILIÇ
- 1 kW değerinde asenkron motor besleyen bir stand-alone PV sistemin dijital kompanzasyon yolu ile optimizasyonu
Optimization of a stand-alone PV system feeding a 1kW value asynchronous motor by digital compensation way
ALTAN KALAY
Doktora
Türkçe
2021
Bilim ve TeknolojiEge ÜniversitesiGüneş Enerjisi Ana Bilim Dalı
DOÇ. DR. KORAY ÜLGEN