A study of deep neural network controller based power quality improvement of hybrid pv/wind systems by using smart inverter
Akıllı invertör kullanarak hibrit pv /rüzgar sistemlerinin derin sinir ağı denetleyicisi tabanlı güç kalitesi iyileştirmesi üzerine bir çalışma
- Tez No: 672892
- Danışmanlar: Prof. Dr. OĞUZ BAYAT
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Günümüzde dünya, ulaşım ve enerji üretimi için aşırı fosil yakıt kullanımı nedeniyle küresel ısınma ve iklim değişikliği gibi kontrol edilemeyen değişikliklere tanık oluyor; bu nedenle, gelişmiş dünya temel olarak alternatif kaynak geliştirmeye odaklanmaktadır; bunun için büyük araştırma ve geliştirme inisiyatifleri aldılar. Genel olarak, rüzgar, güneş ve hidroelektrik dahil olmak üzere belirli alternatif enerji üretim kaynakları doğaya zarar vermez. Bu nedenle güneş ve rüzgar enerjisi faydalı alternatif enerji kaynakları olarak ilan edilmiş ve ayrıca bol miktarda bulunmaktadır. Bu tez, hava koşulları değişmeye devam ederken rüzgar enerjisi sistemlerinin ve fotovoltaik hücrelerin performanslarının araştırılmasını göstermektedir. Bu araştırmanın bulguları, güç üretimini en üst düzeye çıkarmak için gelişmiş bir akıllı kontrol sistemi geliştirmek için temel sağlar. Yenilenebilir enerji kaynakları için, hava koşulları çoğunlukla tahmin edilemez olduğundan MPPT denetleyicisi önemlidir. Bu tez, derin sinir ağına (DNN) dayalı yeni bir algoritma önermek ve bunu maksimum güç noktası takibi (MPPT) için uygulamak amacıyla yazılmıştır. MATLAB, bu projeyi rüzgar tabanlı enerji üretim sistemleri ve fotovoltaik (PV) hücreler için simüle etmek için kullanıldı. Mikro şebekeye entegre hibrit rüzgar/PV güç üretim sisteminin THD değerini azaltmak ve çıkış gücü kalitesini iyileştirmek için gelişmiş bir DNN denetleyicisi geliştirildi. Önerilen sistemin performansı, işlevselliğini sağlamak için MATLAB kullanılarak çeşitli olası çalışma koşullarında test edildi ve analiz edildi. Sonunda, IEEE 1547 standardını kullanarak simülasyonların sonuçlarını da analiz ettik.
Özet (Çeviri)
Nowadays, the world is witnessing uncontrollable changes, such as global warming and climate change because of excessive fossil fuel utilization for transportation and power generation; therefore, the developed world is mainly concentrating on alternative resource development; for which, they have taken major research and development initiatives. Generally, certain alternative power generation sources, including wind, solar, and hydropower are not detrimental to nature. For this reason, solar and wind power have been declared as useful alternative energy resources, and besides, they are abundant. This thesis shows the investigation of the performances of wind energy systems and photovoltaic cells when weather conditions keep on changing. The findings of this research provide the basis for developing an advanced intelligent control system to maximize power generation. For renewable energy sources, the MPPT controller is essential because weather conditions are mostly unpredictable. This thesis has been written with a major objective to suggest a new algorithm, which is based on deep neural network (DNN), and to apply it for maximum power point tracking (MPPT). MATLAB was used to simulate this project for wind-based power generation systems and photovoltaic (PV) cells. An advanced DNN controller was developed for reducing the THD value and improving the output power quality of a microgrid-integrated hybrid wind/PV power generation system. The performance of the proposed system was tested and analyzed in several possible operating conditions using MATLAB to assure its functionality. In the end, we also analyzed the results of simulations using the IEEE 1547 standard.
Benzer Tezler
- Derin öğrenme ağlarını kullanarak güneş enerji fotovoltalik sisteminin güç kalitesinin iyileştirmesi
Power quality improvement of solar energy system with of the photovoltalic with deep neural network controller
WISAM HAZIM GWAD GWAD
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYBABA HANÇERLİOĞULLARI
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAPRAK YALÇIN
- Optimizing the lifetime of wireless sensor networks using deep reinforcement learning in a software-defined network architecture
Yazılım tanımlı bir ağ mimarisinde derin takviyeli öğrenmeyikullanarak kablosuz sensör ağlarının ömür boyu optimizasyonunu sağlama
ZAINAB ALI ABBOOD
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY AYDIN
DR. MAHMOUD SHUKER MAHMOUD
- BGA malzemelerin x-ışını görüntülerindeki lehim hatalarının derin sinir ağı kullanarak tespiti
Detection of BGA solder defects from x-ray images using deep neural network
CEREN TÜRER AKDENİZ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ