Geri Dön

An artificial neural network based emergency controller to improve transient stability in power systems

Güç sistemlerinde geçici kararlılığı artırmak için yapay sinir ağı tabanlı acil durum kontrolörü

PDF İndir

  1. Tez No: 737880
  2. Yazar: KASRA MONTAKHABI OSKOUEI
  3. Danışmanlar: PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  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: 164

Özet

Artan enerji talebi ve dagıtık enerji kaynaklarının elektrik ¸sebekelerine entegrasyonunun bir sonucu olarak, modern elektrik ¸sebekelerinin boyut ve karma¸sıklıgı gün geçtikçe artmaktadır. Senkron generatör ve diger kaynaklar tarafından beslenen bu aglarda kontrol edilebilir senkron generatör dinamikleri sistem kararlılıgında önemli bir role sahiptir. Güç sistemlerinde, bozucu etkiler (örnegin, bir kısa devre arızalar) sonrası uygun bir düzeltici eylemin olmaması halinde, kararsızlık ko¸sulları ya¸sanabilmektedir. Kritik arızaların bir sonucu olarak ortaya çıkan geçici hal kararsızlıkları, güç sistemlerinin dinamik güvenligi için önemli bir tehdit olu¸sturmaktadır. Güç sisteminin kararlılıgını tehdit eden bir durum ortaya çıktıgında, acil durum kontrolü gerçek zamanlı olarak bir kontrol operasyonu gerçekle¸stirmeye çalı¸sır. Bu kontrol i¸slemi, gerçek zamanlı degerlendirmelerin yapıldıgı bir kapalı devre içerisinde gerçeklestirilebildigi gibi, çevrim dısı kararlılık analizine de dayandırılan bir açık çevrim seklinde de tasarlanabilmektedir. Kapalı devre acil durum kontrolü, bir arıza meydana geldiginde eylemleri gerçek zamanlı olarak planlar ve yürütür ve sistem gerektiginde sürekli olarak denetlenir ve kontrol edilir. Bununla birlikte, bir arıza ˘ meydana geldiginde, sistemin kararsızlı ˘ ga gitmesini engellemenin en yaygın yöntemi, geçici hal kararlılıgının açık döngülü acil kontrolüdür. Bu kontrol sistemlerinde temel amaç, rotor açıları, çıkıs elektrik güçleri, giris mekanik güçleri, gerilimler gibi farklı degiskenlerin kontrol edilerek, sistemin ciddi bozucu etkiler sonrasında bile normal ˘ kosullara dönebilme yetenegini geli¸stirmektir. Modern güç sistemlerinin boyutu ve karma¸sıklıgı arttıkça, geçici hal kararlılık acil durum kontrolünde i¸slem verimliligine duyulan ihtiyaç artmaktadır. Güç sistemi stabilizatörleri, esnek alternatif akım iletim sistemi (FACTS) cihazları, fren dirençleri, generatörlerin devreden ayrılması, hızlı mekanik güç kontrolü, adalara ayırma gibi yöntemler, güç sistemlerinin geçici hal kararlılıgını gelistirmek için uzun yıllardır ˘ kullanılmaktadır. Bununla birlikte, daha verimli, dogru ve yüksek performanslı kontrolörler elde etmek için, dogrusal olmayan kontrol teorisi, optimal kontrol teorisi, uyarlamalı kontrol teorisi ve yapay zeka gibi daha gelismis yaklasımlar uygulanmaktadır. Yapay sinir agları (YSA) yıllar içinde popüler olmus ve birçok bilimsel ve teknolojik alanda etkin bir sekilde kullanılmaktadır. YSA'lar karmasık senaryolarla basa çıkma yetenegine sahiptir ve girdi verisi kümeleri arasındaki ilgili kalıpları kesfetme ve ögrenme ve girdi verileri ve hedef kümeleri arasındaki hedef degerleri eslestirme yetenegine sahiptirler. Yapay sinir agları, çok çesitli uyarlanabilir ve iyi anlasılmıs matematiksel prosedürlerden olusan güçlü bir matematiksel temel üzerine insa edildikleri için çok fazla potansiyel sunarlar. YSA'lar karmasık etkilesimleri simüle edebildikleri için standart kontrolör sistemlerinden daha iyi performans gösterirler. Kontrol edilen sistemin matematiksel modeline kolaylıkla erisilemiyorsa, geleneksel kontrolörler en iyi çözüm olmayabilir. Buna karsılık, çogu YSA denetleyiciler için bu gereksinimlerin karsılaması gerekmez ve en karmasık sistemleri bile kontrol edebilme yetenegine sahiptirler. Bu çalısmada, güç sistemlerinde geçici hal kararlılıgını artırmak için yapay sinir agı tabanlı bir acil durum kontrolü önerilmektedir. YSA tabanlı kontrolör, jeneratörlerin normal hızını ve sistemin çalısma durumunu arızadan önceki durumuna döndürmeyi amaçlar. Jeneratörün rotor hızı, senkron frekansa göre düzenlenir ve dengelenir ve mekanik güç, arıza öncesi degerine geri yüklenir. YSA tabanlı kontrolör, YSA'nın büyük bir dogrulukla tahmin ettigi referans mekanik güç P iv re f olan kontrol girisini ayarlar. YSA, egitimlerine dayanarak, güç sistemini kararlı yapan uygun bir P iv re f tahmin etmeye çalışır. Bu P iv re f , intercept valve'nin mechanical actuation, reheat, ve crossover bilesenleri aracılıgıyla ve ardından government sisteminin geri kalanı aracılıgıyla gönderilir. government sisteminin çıkısı senkron jeneratöre giden mekanik güç Pm'dir. Senkron jeneratörde, mekanik güç etkisini gösterir ve sistemi kararlı etmeye çalısır. Önerilen YSA tabanlı denetleyicinin performansı, bu amaç dogrultusunda düsünülebilecek baska bir etkin yaklasım olan Model öngörülü kontrol (MPC) performansı ile karşılastırılmıstır. Tezde ele alınan problem için MPC uygulamasının arastırması, ¸seması ve sonuçları, TÜB˙ITAK proje no. 118E184'den türetilmistir. Bu tezin baslıca katkısı ise, YSA tabanlı denetleyicinin proje amaçları dogrultusunda gelistirilmesidir. Tezde elde edilen sonuçlar, söz konusu proje çalısmasın sonuçları ile karsılastırılmıstır. MPC tabanlı denetleyiciler sistemin dinamik ve matematiksel denklemlerine bagımlıyken, YSA tabanlı denetleyiciler bagımlı olmadıkları için, sistemin matematiksel modeline baglı bir denetleyicinin, sistemin matematiksel modelinden bagımsız olandan daha iyi performans gösterip göstermediginin belirlenmesi bu tezde ayrıca amaçlanmaktadır. Önerilen çözümün performansını degerlendirmek için test sistemleri gereklidir. Bu nedenle, test sistemleri, kontrolörler tasarlanmadan önce olusturulur. Önerilen kontrolörün performansını degerlendirmek için üç ayrı test sistemi düsünülmüştür. ˙Ilk test sistemi, üç jeneratörlü IEEE WSCC 9 baralı test sistemidir. Kontrolör degerlendirmesini iyilestirmek için yukarıda bahsedilen sistem için yeni bir çalısma noktası olusturulacaktır. Ek olarak, 16 jeneratörlü IEEE New England 68 baralı test sistemi, daha büyük ve daha karmasık sistemlerde kontrolörün performansını belirlemek için ikinci test sistemi olarak kabul edilmistir. Bir YSA tabanlı denetleyicinin kullanılması göz önüne alındıgında, ¸su soru önem kazanmaktadır: ˘ YSA tabanlı denetleyici, giris verilerinde gürültü varlıgında kabul edilebilir bir performans düzeyini koruyor mu? Bu soruyu cevaplamak için, YSA tabanlı kontrolörlerin performansını test etmek amacıyla IEEE 68 baralı sisteminin bazı bilesenlerine gürültü uygulanmıstır. Son olarak, senkron olmayan jeneratörlere (NSG'ler) sahip bir güç sisteminde kontrolörlerin performansını degerlendirmek için, NSG'li IEEE New England 68 baralı test sistemi incelenmistir. Test sisteminin jeneratörlerinden ikisi NSG'lerle degistirilir. Birinci bölüm, güç sistemi kararlılıgını, acil durum kontrolünü ve son teknoloji yaklasımları incelemektedir. İkinci bölümde, senkron jeneratörleri ve diger tüm alt sistemleri içeren test sistemlerinin modelleri, denklemleri, hesaplamaları ve ba¸slangıç degerleri anlatılmaktadır. Ek olarak, bu bölümde senkron olmayan jeneratör modelleri ele alınmaktadır. Üçüncü bölüm, MPC'yi bir karsılastırma yöntemi olarak sunacak, özellikleri ve konfigürasyonları kapsamlı bir ¸sekilde ele alınacaktır. Dördüncü bölüm, bu çalısmanın ana çözümü olan YSA tabanlı acil durum kontrol yöntemini ayrıntılı olarak açıklayacaktır. Besinci ve son bölüm, grafikler ve tablolar kullanarak iki kontrolörün sonuçlarını açıklayacak ve karsılastıracaktır.

Özet (Çeviri)

With the increased energy consumption and integration of distributed sources of energy into electric power grids, modern power systems have become larger and more complex. The dynamics of synchronous machines that can be controlled play an important in these networks where both synchronous generator and other sources are utilized. In the absence of remedial actions, instabilities can occur in power systems that are subjected to disturbances (e.g., short-circuit faults). Transient instabilities caused by critical faults pose a great threat to the dynamic security of power systems. Once the power system gets into an alarming state, emergency control seeks to take an action in real-time. As this control operation can done in a closed loop where real-time assessments are made, it can also be designed with off-line stability analysis to act in an open-loop. Closed-loop emergency control plans and executes actions in real-time once a fault occurs, and the system is continually supervised and controlled as necessary. On the other hand, when a contingency occurs, open-loop emergency control of transient stability is a more common approach. The main objective in these control systems is to improve the ability of system to survive even after severe disturbances by controlling system variables, such as rotor angles, electric power outputs, input mechanical powers and voltages. As the size and complexity of modern power systems get larger, the need for computational efficiency in transient stability emergency control (TSEC) grows. Methods such as utilization of FACTS devices, generator tripping, controlled islanding, power system stabilizers (PSSs), braking resistors and fast valving have been used to enhance transient stability of power systems for many years. Also, advanced approaches like as non-linear control theory, optimal control theory, adaptive control theory, and artificial intelligence are being applied to produce more efficient, accurate, and high-performing controllers. Artificial neural networks (ANNs) have become popular over the years and have effectively been used in various scientific and technological domains. ANNs can cope with complex circumstances and can find and learn related patterns between groups of input data as well as match target values among groups of input data and targets. Artificial neural networks offer a lot of potential since they are built on a strong mathematical basis that consists of a diverse set of adaptive and well-understood mathematical procedures. Because ANNs are capable of simulating complex interactions, they outperform standard controller systems. If the model of the system to be controlled is not easily accessible, conventional controllers may not be ideal solution. By contrast, the majority of ANN controllers are not required to fulfill these requirements and are capable of managing even the most complex systems. In this work, an artificial neural network-based emergency controller is proposed to improve transient stability in power systems. The ANN-based controller seeks to return the generators' rotor speeds and power outputs to their pre-fault values. The generator's rotor speed is regulated and brought to the synchronous frequency, and mechanical power is restored to its pre-fault set point. The ANN-based controller sets the control input, which is the reference mechanical power predicted by the ANN for the desired dynamic performance. Based on its training, ANN attempts to anticipate an appropriate reference signal to the mechanical actuator of the intercept valve of each controllable generator that stabilizes the overall power system. The performance of the proposed ANN based control is compared with the performance of Model Predictive Control (MPC), which is another effective approach that can be adopted for our objective. The research, scheme, and results of the MPC application for the thesis problem are derived from the studies of collaboration in the TUBITAK project no. 118E184. These results are compared with the results of this work on the development of ANN-based controller, which is the main contribution of this thesis, for the same objectives in the project. Since MPC-based controllers are dependent on the dynamical and mathematical equations of the system, whereas ANN-based controllers are not, we want to determine whether a controller that is liable to the mathematical prototype of the system performs better than one that is independent of the mathematical model. In order to compare the effectiveness of the ANN-based control action with another state-of-the-art approach, Model predictive control (MPC) is considered. Increasingly popular in business, model predictive control (MPC) is an approach for controlling the feedback of multivariable systems with state and input constraints. An appropriate cost function that accounts for the system's expected development over a defined time horizon is minimized at each sample period, and the control action is done by doing so at each sample period. To assess the proposed controller's performance, test systems are required. Therefore, test systems are built prior to designing controllers. Three separate test systems are considered for evaluating the controller's performance. The first test system is a three-generator IEEE WSCC 9 bus test system. To improve controller's evaluation, a new operating point will be created for the aforementioned system. Additionally, the IEEE New England 68 bus test system with 16 generators is considered the second test system to determine the controller's performance on larger and more intricate systems. Given the employment of an ANN-based controller, the following question is of importance: Is the performance of the ANN-based controller feasible in the presence of noise in the input data? To answer this question, a noise will be applied into some of the components of the IEEE 68 bus system in order to test the performance of ANN-based controllers. Lastly, in the interest of investigating the controller's efficacy, in a power system with non-synchronous generators (NSGs), the IEEE New England 68 bus test system with NSGs is investigated. Chapter 1 examines power system stability, emergency control, and state-of-the-art approaches. The second chapter discusses the models of the test systems, which include synchronous generators and all other subsystems, as well as their equations, calculations, and initial values. Additionally, this chapter discusses non-synchronous generator models. The third chapter will offer MPC as an alternative approach for comparison, its characteristics and configurations will be thoroughly addressed. The fourth chapter will instantiate this study's predominant panacea which is ANN based emergency control methodology in detail. The fifth and final chapter will describe and compare the results of the two controllers using graphs and tables.

Benzer Tezler

  1. Tez No

    634567

    Yapay sinir ağı destekli bir endüstriyel görüntü işleme uygulaması

    An industrial image processing application with artificial neural network

    GÖKTUĞ ÜLKÜER

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. SALMAN KURTULAN

  2. Tez No

    310564

    Destek vektör regresyonu ile PID kontrolör tasarımı

    Design of PID controller via support vector regression

    KEMAL UÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLAY ÖKE

  3. Tez No

    101002

    Yapay zekanın teorik temelleri

    Theoretical fundemantals of artificial intelligence

    ERCAN KAYAÖNÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    DOÇ.DR. A. COŞKUN SÖNMEZ

  4. Tez No

    432226

    Afet olaylarında acil departman kapasitelerinin simülasyon tabanlı modellenmesi: Beklenen İstanbul depremi uygulaması

    Simulation based modeling of emergency department capacity in disaster events: The case of possible major Istanbul earthquake

    MUHAMMET GÜL

    Doktora

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ FUAT GÜNERİ

  5. Tez No

    493687

    İnsan santrifüj sistemler için yapay sinir ağları tabanlı açısal hızın hesaplanması

    Calculating angular velocity for human centrifuge systems based on artificial neural networks

    YAKUP CENGİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞEREF SAĞIROĞLU

Geri Dön