Geri Dön

Güç sistemi sinyal örneklerinden derin öğrenme ile harmonik kestirimi için elektrik ark ocağı akımlarının istatistiksel modellenmesi

Statistical modeling of electric arc furnace currents for harmonic estimation from power system signal samples using deep learning framework

  1. Tez No: 650746
  2. Yazar: NAGİHAN SEVEROĞLU KÜÇÜK
  3. Danışmanlar: PROF. DR. ÖZGÜL SALOR DURNA
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 107

Özet

Bu doktora tezinde, güç sistemlerindeki harmonik bileşenlerin analizi için Derin Öğrenme (DÖ) tabanlı yeni bir yöntem geliştirilmiştir. Yöntemin amacı, herhangi bir öznitelik hesaplanmasına ihtiyaç duyulmadan, doğrudan gerilim ya da akım dalgasının örnekleri kullanılarak harmoniklerin kestirilmesidir. Önerilen yöntemde, harmonik genliklerin kestirilmesine odaklanan araştırma çalışmalarının çoğundan farklı olarak harmonik bileşenlerin hem genliklerinin hem de fazlarının kestirilmesi hedeflenmiştir. Böylece, yöntemin aktif süzgeç gibi modern güç sistemi kompanzasyon cihazlarına hizmet etmesi mümkündür. Tez çalışmasının bir diğer amacı da, DÖ sistemlerindeki büyük eğitim verisi ihtiyacını karşılamak üzere gerçeğe yakın yüksek miktarda sentetik akım ya da gerilim verisi oluşturan bir yöntem geliştirmektir. Çalışma kapsamında elektrik iletim sisteminin Elektrik Ark Ocağı (EAO) fabrikalarını besleyen transformatör merkezlerinden toplanan akım ve gerilim örnekleri kullanılmıştır. EAO zamanda hızlı değişen yüksek miktarda karakteristik ve karakteristik olmayan akım harmonikleri oluşturan özel bir yüktür. DÖ sistemini eğitmek için ihtiyaç duyulan veri miktarı, saha verisinin harmonik istatistikleri çıkartılıp, oluşturulan bu istatistiklere uygun olarak üretilen sentetik veriyle sağlanmıştır. Dolayısıyla EAO harmoniklerinin genlik ve fazlarının dağılım modeli de elde edilmiştir. Böylece, önerilen kestirim işlemi sürecinde herhangi bir zaman veya frekans özelliği hesaplanmadan, doğrudan dalga formunu kullanarak EAO akımlarının harmoniklerinin kestirimi sağlanmaktadır. EAO akımlarının dökümden-döküme süresinde elde edilen istatistiklere dayanarak büyük miktarlarda ve gerçeğe uygun zamanda hızlı değişen harmoniklere sahip EAO akım verileri üretilmiş ve önerilen DÖ sistemi kullanılarak harmonik analizi yapılmıştır. Önerilen yöntemin bir kompanzasyon sistemine uyarlanabilirliğinin gösterilebilmesi için, benzetim ortamında harmonik eleme için kullanılarak aktif süzgeçe uyarlanma başarımı da gösterilmiştir.

Özet (Çeviri)

In this dissertation, a new method is developed for the analysis of harmonic components in the power system using a Deep Learning (DL) framework. The method aims to estimate harmonics by supplying the DL system with the current or voltage samples directly, without computing any features from the data. The proposed method computes both the amplitudes and phases of the harmonics in contrast to many harmonic estimation methods listed in the literature, which focus on amplitudes only. Hence, the proposed method can serve reference signals to the modern compensation systems in a power grid, such as active power filters. Another aim of the thesis work is to develop a method to generate synthetic but realistic current or voltage waveform samples to satify the big data needs of the DL framework. Field data for this work is collected from a transformer substation supplying Electric Arc Furnace (EAF) plants. EAF is a special load of the power system which draws highly time-varying harmonics at both characteristic and uncharacteristic frequencies. Syntetic signals to train the DL framework have been generated based on the amplitude and phase statistictics of the field data, which is much smaller in size than the required by DL. Therefore, amplitude and phase distribution models of the EAF harmonics have also been obtained through the thesis work. Hence, EAF harmonic amlitudes and phases are estimated directly from the waveform samples without computing any features in time or frequency domain. Based on a single EAF tap-to-tap time data, synthetic but realistic EAF data with time-varying harmonics is generated for training the DL framework and EAF harmonics are estimated from field data. The applicability of the developed system to possible active filtering applications has also been demonstrated by active filtering the estimated harmonics from the field data in the simulation environment.

Benzer Tezler

  1. Energy management of P2 hybrid electric vehicle based on event triggered nonlinear model predictive control and deep Q network

    Olay tetiklemeli nonlineer model öngörülü kontrol ve derin Q ağı temelli P2 hibrit elektrikli aracın enerji yönetimi

    MEHMET CÜNEYT HASPOLAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAPRAK YALÇIN

  2. Data-driven prediction and emergency control of transient stability in power systems towards a risk-based optimal power flow operation

    Güç sistemlerinde risk tabanlı optimal güç akışı işletimineyönelik geçici hal kararlılığın veri güdümlü tahmini veacil durum kontrolü

    SEVDA JAFARZADEH

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. VEYSEL MURAT İSTEMİHAN GENÇ

  3. Householder yöntemi ile güç sistemlerinde küçük sinyal kararlılığının incelenmesi

    Analysis of small signal stabilitiy with the Householder method in power systems

    ASGHAR SABATI MOKARRAMI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RAMAZAN BAYINDIR

  4. An X-band electrical balance duplexer for in band full duplex communications

    X-bantta elektriksel denge çift yönleyicisi ile bant içi çift yönlü aktarım sistem

    ONUR MEMİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE ÖZLEM AYDIN ÇİVİ

    DR. FATİH KOÇER

  5. Pasif milimetre dalga görüntüleme sistemi uygulamaları

    Passive millimeter wave imaging system applications

    MEHMET DUMAN

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALP ORAL SALMAN