Geri Dön

Parçacık sürüsü optimizasyonu ve k-ortalamaları algoritmalarıyla güç dağıtım şebekeleri belirsizlik koşullarında dağıtık üretimlerin optimal yerleşimi

Optimal placement of distributed generation in power distribution networks under uncertainties using particle swarm optimization and k-means algorithms

PDF İndir

  1. Tez No: 673590
  2. Yazar: ONUR HAKKI EYÜBOĞLU
  3. Danışmanlar: DOÇ. DR. ÖMER GÜL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 105

Özet

Artan talep ve sera gazı emisyonları göz önünde bulundurulduğunda daha temiz ve yaşanabilir bir gelecek için her alanda olduğu gibi güç sistemleri alanında da gerekli yatırımların gerçekleştirilmesi gerekmektedir. Bu yatırımları gerçekleştirirken mevcut şebekenin ihtiyaçlarının göz önünde bulundurulması ve olası durumlara uygun modellerle incelenmesi gerekmektedir. Bu doğrultuda dağıtık üretim birimlerinin en uygun şekilde boyutlandırılması ve şebekeye yerleştirilmesi problemi incelenmiştir. Devamında ise dağıtık üretim birimi olarak yenilenebilir enerji kaynaklarının şebekeye yerleştirildiği kabul edilmiş ve karakteristiklerine göre saatlik şebeke analizi gerçekleştirilmiştir. Dağıtık üretimlerin en uygun şekilde boyutlandırılması ve şebekeye yerleştirilmesinin uygun yapılmaması durumunda şebekeye sağlayacağı katkılardan daha çok yüksek kısa devre akımları, gerilim sınırlarının aşımı gibi zararları olabilmektedir. Problemin incelenmesinde parçacık arama algoritmasıyla (Particle Swarm Optimization PSO) beraber k-Ortalama Kümele (k-Means Clustering) yöntemlerinden oluşan hibrit bir yöntem önerilmektedir. Önerilen bu yöntem baraları kümeleyerek uygun kümenin seçimine dayanmaktadır. Böylelikle optimizasyon algoritması için arama kümesinin de küçültülmesini sağlamaktadır. Bara sayısının fazla olduğu sistemlerde arama uzayını küçülttüğü için oldukça değerli bir avantaj sağlayacağı öngörülmektedir. Tez çalışmasında dağıtık üretimler şebekeye yerleştirilirken literatürdeki diğer çalışmalardan farklı olarak çeşitli birçok durum analiz edilerek kıyaslanmıştır. Uygulanan durumlarda dört adete kadar dağıtık üretim biriminin yerleştirilmesi gerçekleştirilmiştir. Bununla birlikte, farklı sayıda dağıtık üretim içeren dağıtık üretim grupları ve dağıtık üretimin farklı üretim kapasiteleri dikkate alınarak detaylı analizler yapılmıştır. Yapılan analizler, dağıtık üretim sayısı, büyüklüğü ve sınırlarının en iyi işletme şartlarının (gerilim düşümü, hat akımları ve kayıpları) belirlenmesinde etkili olduğunu göstermektedir. 36 adet farklı durum göz önünde bulundurularak yapılan yerleştirmeler sonucunda her dağıtık üretim sayısı için en iyi sonuçlar detaylı bir şekilde incelenmiştir. Yapılan incelemede durumlar toplam güç kayıpları, bara genlikleri ve hat akımları üzerinden kıyaslanmıştır. Sonrasında ise elde edilen en iyi sonuçlar yenilenebilir enerji kaynağı olarak kabul edilerek incelenmiştir. Karakteristikleri gereği üretimleri belirsiz ve değişken olan yenilenebilir enerji kaynakları uygun modellerle oluşturulup şebekeye etkileri saatlik olarak analiz edilmiştir. Ayrıca yük tarafında da baralardaki yüklerde baz alınan yük profiline göre saatlik olarak ±%10'luk değişimlerle rastgele belirlenmiştir. Böylelikle hem yük hem de üretim tarafında, rastgele model ve karakteristiklerle belirsizlik elde edilmiştir. Saatlik analizlerde yenilenebilir enerji kaynağı olarak rüzgâr ve güneş kullanılmıştır. Dağıtık üretim kaynaklarının reaktif enerji sağlama yükümlülükleri bulunmadığından, sadece aktif güç sağladıkları kabul edilmiştir. Abonelerin elektrik dağıtım şirketlerine, elektrik dağıtım şirketlerinin de iletim şirketlerine karşı reaktif enerji sorumluluğu bulunduğundan, reaktif enerji kompanzasyonunun etkisi de analizlere dahil edilmiştir. Gerilim ve güç kayıplarının dağılımlarına göre elde edilen sonuçlar incelenmiştir. 0,9 pu sınır değerine göre baralardaki gerilim aşımları kontrol edilmiştir. Tez çalışması Python yazılım dili üzerinden 33 baralı test sistemine uygulanmıştır. Çalışmada sunulan algoritmaların hem en iyileme hem de kümeleme oluşturulması, güç akışı analizinin grafiklerinin oluşturulması, tek hat şemasının ve grafiklerinin oluşturulması, saatlik analizlerdeki gerilim ve güç kayıplarının grafiklerinin oluşturulması, çalışmada kullanılan verilerin çalışma sayfası olarak dışarı aktarılması ve daha fazlası yazar tarafından yazılan Python kodları ile gerçekleştirilmiştir.

Özet (Çeviri)

Nowadays, climate change is increasingly becoming a vital issue and fighting against it can be ensured by reducing fossil oils and carbon emissions in area of power systems. Increasing efficiency of power production, encouraging the usage of renewable sources and decreasing power losses are the fundamental options for fighting against climate change. Therefore, installing distributed generation (DG) units has received much attention in the past decade due to the developing technology and DGs great benefits. The most specific feature of DGs is the capability of locating near load-side thereby, DGs are significantly capable of reducing the transmission losses. Moreover, renewable DGs (wind, photovoltaic etc.) are society's best option to stop climate change immediately for cleaner future. The principal impacts of DGs penetration to distribution networks are improving voltage regulation, improving voltage stability, increasing reliability and reducing the system losses. According to these impacts, both power quality and system operators' profits will have increase. However, inappropriate placing and inefficient sizing of these assets have several critical consequences such as increased system operation cost, high short-circuit currents etc. Therefore, appropriate placing and sizing of DGs under the operational constraints is attracting considerable interest due to both improving network performance and increasing system operators' profits while avoiding its possible drawbacks. Optimal allocation of DGs is an optimization problem that objective is achieved by minimizing real and reactive power losses, node voltage deviation, carbon emission or maximizing the network reliability etc. Even though objective of the problem is important for comparing the results of the studies, problems have always their constraints depending on their physical limitations. Constraints are crucial in the field of implementing model to real life, yet additional constraints increase computational process and it might end up with infeasible solutions. Bus voltages, power balances and production capacities are constraints implemented in this study. The aim of our study was to extend current knowledge of reducing the network losses and improving voltage regulation by a novel algorithm. Therewithal, providing a suitable model to analyze impacts of DGs including uncertainties with multiple scenarios in distribution networks are also main concern of this study. Uncertainty is fundamental characteristic in the real-life systems also, it is the main difficulty faced while modeling the networks. In order to include uncertainties, different types of DGs performance are considered hourly basis. DG types are divided into two groups as renewable and non-renewable sources. Also, renewables sources are divided into subgroups as wind and solar plants due to the different characteristic of the renewable sources. To sum up, three DG types are taken into account which are wind, photovoltaic and non-renewable sources. Additionally, hourly production data is received from the real-world plants depending on the evaluated DG sizing and type. Uncertainties similarly production of renewable DGs are also considered at load side. Further, uncertainties at load side are also considered similarly. In this context, feeder loads of both real and reactive powers are randomly varied at range 10%. In order to analyze network line flows, bus voltages and power losses including variations of network supply and demand, hourly power flow analyses are performed. A linear power flow algorithm was chosen in order to perform power flow analyses because of better time complexity. Further, linear power flow results are very accurate when it is compared with Forward- Backward Sweep power flow method. In summary, optimal placing of DGs are allocated with novel algorithm additionally hourly performance of the network is analyzed depending on different DG types and configurations and including uncertainties in the distribution networks. Several methods have recently been proposed which they are mostly meta-heuristic algorithms. Studies generally differs from each other according to their algorithm used, required computation time and effectiveness or success of algorithm to achieve objectives. Different than other studies in the literature, a novel algorithm is proposed for both more robust placing of the DGs and requiring less computation time. Proposed algorithm is combination of K-means clustering and Particle Swarm Optimization (PSO) algorithms. K-means clustering one of the most used clustering algorithms is described as an unsupervised learning method which aims for dividing dataset into k clusters. We chose this particular method on account of the fact that its easy implementation and effective results. Clustering algorithm objective is maximizing the similarities in each cluster and minimizing the similarities between clusters. It achieves to its objective by minimizing the distances between data in each cluster. Other method that used in this study is PSO which is population-based meta-heuristic optimization technique. In PSO, initial conditions of population are randomly determined, and optimal solution is updated by each generation. Proposed algorithm divides network into several pieces by K-mean clustering thereafter starts to detect the most proper placement with PSO for DGs depending on the decided objective of the problem. Voltage magnitude and angle data obtained by initial power flow results are used for clustering. Regardless from the distribution network size, buses can be clustered into 3 different clusters. Voltage magnitudes and angles in each cluster are relatively close to each other. Therefore, connectivity between buses will not be interrupted inside of clusters. Connection of the buses are not interrupted at any of clusters due to the voltage data at each bus has to be near points at that cluster. However, it should be noted that connectivity between buses at same cluster might fail if number of clusters are increased too much. After the clustering of network is completed, DGs are allocated to selected cluster depending on DG types with PSO. Selecting one of the clusters lowers the possible placing of the DGs thereby reducing required number of iterations. For this reason, preprocessing of data decreases computational time significantly, yet does not decrease efficiency of the algorithm. Finally, proposed algorithm is repeated as much as number of the DGs while considering DG type and generation constraints. There is a vast amount of literature on different optimization algorithms implemented for allocation of DGs. Despite this interest, problem has not yet been analyzed enough with various scenarios whether distribution networks are capable to accomplish future needs. Therefore, optimal allocation and sizing of DGs up to four units is considered depending on the different DG types in this study. Type of DGs is crucial depending on its real and reactive generation capacity. Different than other studies in the literature, a novel algorithm is proposed for more robust placing of the DGs. Despite this valuable interest on this subject, problem has not yet been analyzed enough with various scenarios whether distribution networks are capable to accomplish future needs. Therefore, optimal allocation and sizing of DGs is considered up to four units in this study. Different DG types are included with different DG real and reactive generation capacities. Allocated DGs are analyzed regarding their performance on voltage profile, power losses and line currents for both instant and hourly performances. Hourly performances of the networks are examined applying uncertainties of both generation and loads sides. Uncertainty of production side is implemented using wind speed and solar radiation probability density function at each DG. Proposed algorithm is implemented to radial 33 bus test feeder using programming language Python. Results are compared with each other on subjects of improving voltages, reducing the system losses and line currents.

Benzer Tezler

  1. Tez No

    726812

    Enerji etkin bina kabuk tasarımları için en iyileme tabanlı yeni yaklaşımlar

    Optimization-based new approaches for energy-efficient building envelope designs

    SALİH HİMMETOĞLU

    Doktora

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiErciyes Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. EMEL KIZILKAYA AYDOĞAN

    DOÇ. DR. YILMAZ DELİCE

  2. Tez No

    769817

    Data mining approach based on harris hawks optimization (HHO) algorithm for multiple sclerosis lesions segmentation on brain magnetic resonance images

    Beyin manyetik rezonans görüntülerinde çoklu skleroz lezyonları için harrıs hawks optimizasyonu (HHO) algoritmasına dayalı veri madenciliği yaklaşımı

    AMAL F A ISWIASI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. OĞUZ KARAN

  3. Tez No

    800223

    Agrivoltaik sistemler ile elektrikli traktörleri şarj etmek için doğru arazilerin saptanması

    Determining the right lands to charge electric tractors with agrivoltaics

    SAMED PEKDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. İLHAN KOCAARSLAN

  4. Tez No

    618642

    Mikro şebekelerde yeniden yapılandırma problemine üretim ve tüketim tahmini destekli yeni bir algoritmik yaklaşım

    A novel algorithmic approach for reconfiguration problem in microgrids considering generation and consumption forecasts

    FATMA YAPRAKDAL

    Doktora

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL

  5. Tez No

    650040

    Development of a novel candidate solution quality prediction approach to artificial algae algorithm

    Yapay alg algoritması için yeni bir aday çözüm kalite tahmin yaklaşımı geliştirilmesi

    ABDULKERIM MOHAMMED YIBRE

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA SERVET KIRAN

Geri Dön