Geri Dön

Enerji iletim sistemindeki güç kayıplarının yapay sinir ağları ile analizi

Analysis of power loses in energy transmission systems by using artifical neural networks

  1. Tez No: 58095
  2. Yazar: RAŞİT ATA
  3. Danışmanlar: PROF. DR. HÜSEYİN ÇAKIR
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1996
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 141

Özet

Bir güç iletim sisteminde güç kayıplarının doğru ve hızlı olarak değerlendirmesinin önemi son günlerde daha fazla artmış durumdadır. Bunun, bugünün yeni işletim çevresi altında ekonomik olması istenir. Bu da sistemin işletimi ve etkili yönetimi gerçeğine bağlanabilir. Enerji iletim sistemi kayıplarının tahmini için birçok yaklaşık metod önerilmiştir. Ancak yüksek doğruluk ve hız bir kayıp değerlendirme metodolojisinde iki önemli gereksinimdir. Bu çalışma, bu gereksinimleri başarabilmek için tatminkar performansla yeni bir yaklaşım sunar. Bu çalışmada güç iletim sistemleri için uygun bir kayıp değerlendirme algoritması sunulur. Algoritma back-propagation(geri-yayılım) kullanılarak YSA'nın eğitimine dayanır. YSA'nın paralel bilgi işleme yeteneğinden dolayı, önerilen metod hızlı ve daha doğrudur. Lineer yüklerin bulunduğu durumda, generatörlerin aktif ve reaktif güçleri, yükler ve voltaj kontrollü baralardaki voltaj büyüklükleri gibi büyüklükler YSA'na giriş olarak seçilir. Sistemin güç kayıpları ise çıkış olarak seçilir. Eğitme verileri yük akış çalışmalarıyla elde edilir. Farklı sistem topolojileri için yük akış çalışmaları gerçekleştirilir ve sonuçlar eğitme setini oluşturmak için derlenir. Nonlineer (harmonikli) yük durumunda ise işletme kodu ve toplam harmonik distorsiyonu giriş büyüklüğü olarak seçilirken, sistemin toplam aktif güç kaybı (herbir harmonik için) çıkış olarak seçilir. Bu çalışmada önerilen algoritmanın doğruluk ve hız terimlerinde etkilerini göstermek için nümerik sonuçlar sunulmuştur. YSA'nın test etme fazında başarı oranı lineer yüklü durumda yaklaşık %100 olurken, harmonikli yük durumunda % 87,5 olmuştur. vnı

Özet (Çeviri)

ABSTRACT The importance of accurate and rapid evaluation of the power losses in a power system has become more recognized recently. This can be attributed to the fact that more efficient management and operation of the system is economically desirable under today's new operating environment. A number of approximate methods for estimating transmission system losses have been proposed. However, high accuracy and high speed are two conflicting requirements in a loss evaluation methodology. This study presents a new approach with which satisfactory performance in terms of these two requirements can be achieved. An adaptive loss evaluation algorithm for power transmission systems is proposed in this paper. The algorithm is based on training of artificial neural networks (ANNs) using back- propagation. Due to the capability of parallel information processing of the ANNs, the proposed method is fast and yet accurate. At the case of existing linear loads, active and reactive powers of generators and loads, as well as the magnitudes of voltages at voltage- controlled buses are chosen as inputs to the ANN. System power losses are chosen as the outputs. Training data are obtained by load flow studies. Load flow studies for different system topologies are carried out and the results are compiled to form the training set. At the case of existing non-linear (harmonic) loads, administration code (İK) and total harmonic distortion (THD) are chosen as inputs to the ANN. System active power losses (per harmonics) are chosen as the outputs. Numerical results are presented in the study to demonstrate the effectiveness of the proposed algorithm in terms of accuracy and speed. At the case of existing linear loads, the percentage of success was approximately 100 % and at the case of existing non-linear loads, it was tâ,5 % in the test phase of ANN. IX

Benzer Tezler

  1. Optimal integration of dg units into unbalanced distribution networks

    Dengesiz elektrik dağıtım şebekelerinde dağıtık üretim birimlerinin optimal entgrasyonu

    MOHAMMED BAMATRAF

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDOĞAN ÖZDEMİR

    PROF. DR. OĞUZHAN CEYLAN

  2. Numerical simulation of a magnetoplasmadynamic arcjet thruster

    Eksenel simetrik bir manyetoplazmadinamik itici içindeki akışın sayısal simülasyonu

    MELİH ALTINÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Astronomi ve Uzay Bilimleriİstanbul Teknik Üniversitesi

    PROF.DR. UMUR DAYBELGE

  3. Dağıtık üretim kaynaklarından beslenen değişken yük profiline sahip bir güç sisteminde yapay zeka tabanlı yeni yük dengeleme algoritması

    New ai-based load balancing algorithm in a power system with a variable load profile from distributed generaton resources

    ERTAN DAYE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. METİN VARAN

  4. Real and reactive power optimization by approximate sub-optimum techniques

    Yaklaşık ayrıştırma yöntemi ile etkin ve tek güç optimizasyonu

    AYDOĞAN ÖZDEMİR

  5. Corona ring design and parameter optimization for 380 kV V-insulator strings used in Turkish national power transmission system

    Türkiye ulusal elektrik iletim sisteminde kullanılan 380 kV V-askı izolatörleri için korona halkası tasarımı ve parametre optimizasyonu

    SUAT İLHAN

    Doktora

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDOĞAN ÖZDEMİR