Geri Dön

PASSIVE ISLANDING DETECTION IN MICROGRIDS USING ARTIFICIAL NEURAL NETWORKS

YAPAY SİNİR AĞLARI KULLANAN MİKRO ŞEBEKELERDE PASİF ADALAMA TESPİTİ.

  1. Tez No: 770139
  2. Yazar: ALİ MAJEED MOHAMMED ALYASIRI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 101

Özet

Bu çalışmanın temel amacı, dağıtılmış adalama bulgularının yaşlarını kontrol etmek için voltajın kullanılabileceğini göstermektir. Bu çalışma, uzak bir adalama konumunda (YSA) birçok mikrogird üzerinden orta gerilim iletiminde gerilim kontrol dağıtımı için kural tabanlı bir sayısal modelin ve yapay bir sinir ağının potansiyel faydasını göstermektedir. Çevresel olarak sürdürülebilir güce artan vurgunun bir sonucu olarak, modern güç matrisleri daha eşit dağıtılmış yaş birimlerine dayanmaktadır. Bu mimariler, daha küçük entegre bileşenlere dayandıkları için geleneksel güç kafeslerine göre ada oluşumuna daha duyarlıdır. Sistemin bütünlüğünü korumak için güç hattının bağlı olması yine de önemlidir. Bir Pasif Ada Tespiti (PID) olayı meydana geldiğinde, ada oluşumunun nedenini bulmak için kafesi söken uzmanları korumak için ağın enerjisi kesilmelidir. Adaları üç yöntemden birini kullanarak keşfetmek mümkündür: yazışma tabanlı, dinamik veya uygulamalı. Adalamayı tespit etmek için dinamik algoritmalar, uygulanan matrisin gücünü sınırlayan ağ boyutunu belirleyebilir ve ürettikleri çerçeve bozulmasını ölçebilir. Yüksek maliyetleri ve değiş tokuş altyapısına bağımlılıkları nedeniyle yazışma tabanlı çözümlerin konuşlandırma potansiyeli sınırlıdır. Önceki yaklaşımlardan farklı olarak, önerilen YSA yöntemi, adalamayı tutarlı ve hassas bir şekilde tespit etmek için geçici akım ve gerilim ölçümlerini kullanır. YSA, bu özellikleri bileşen çıkarımına başvurmadan işler, bu da daha hızlı ve daha doğru karar verme ile sonuçlanır. Önerilen yöntem, daha hızlı ve daha doğru yerleştirme sağlamak için YSA'ların yüksek kesinliğini anlık özelliklerdeki hızlı değişim ile birleştirmeyi amaçlamaktadır. Veri setinin yüzde yetmişi çerçeve önerisini oluşturmak için kullanıldı, yüzde yirmisi test edildi ve yüzde onu nihai onay için kullanıldı. Amaçlanan bileşen vektörünün önemini vurgulamak için, mevcut adalama türlerinden bazılarını ele alan birkaç sınıf içeren bir veri seti kullandık. Bu nedenle, araştırma için MATLAB ve bir dizi derin öğrenme araç seti kullanılmıştır. Yöntemin eş zamanlı ve kapsamlı hazırlığa yaptığı vurgu, uygun planlama hakkında soru işaretleri uyandırabilir. Planımız üç faydalı beyin ağını içeriyor. Model çalışmazsa, tam olarak hangi kafa düzeninin hatalı olduğunu belirlemek imkansızdır. Modeli genişletmeden önce, temel tek başlı plan konseptinin doğru olup olmadığını kontrol etmek için her pratik konuyu kademeli olarak plan etkileşimimize ekledik.

Özet (Çeviri)

This study's major purpose is to demonstrate that voltage can be used to control the ages of distributed islanding findings. This study demonstrates the potential utility of a rule-based numerical model and an artificial neural network for voltage control distribution in medium-voltage transmission over many microgirds at a remote islanding location (ANN). As a result of the increased emphasis on environmentally sustainable power, modern power matrices rely on age units that are more evenly dispersed. These architectures are more susceptible to islanding occurrences than traditional power lattices due to their reliance on smaller integrated components. It is still important to have the power line connected in order to maintain the system's integrity. When a Passive Islanding Detection (PID) event occurs, the network must be de-energized to protect the specialists disassembling the lattice to find the reason of the islanding. It is possible to discover islands using one of three methods: correspondence-based, dynamic, or hands-off. To detect islanding, dynamic algorithms can determine the lattice size, which limits the strength of the applied matrix, and quantify the framework disruption they create. Due to their high cost and dependence on the infrastructure of the interchange, correspondence-based solutions have a limited potential for deployment. In contrast to previous approaches, the proposed ANN method uses transient current and voltage measurements to consistently and unambiguously detect islanding. The ANN processes these characteristics without resorting to component extraction, resulting in quicker and more accurate decision making. The proposed method aims to combine the high precision of ANNs with the rapid change in momentary attributes in order to enable faster and more accurate placement. Seventy percent of the data set was utilized to construct the framework proposal, twenty percent was tested, and ten percent was used for final approval. To highlight the significance of the intended component vector, we utilized a dataset containing various classes that addressed some of the existing kinds of islanding. Therefore, MATLAB and a number of deep learning toolkits were utilized for the research. The method's emphasis on simultaneous and extensive preparation may raise questions regarding proper planning. Our plan includes three beneficial brain networks. If the model does not function, it is impossible to determine which exact arrangement of the heads is at fault. Before expanding the model, we progressively added each practical head into our plan interaction to check that the fundamental, single-head plan concept was accurate

Benzer Tezler

  1. Passive detection of islanding events in microgrids using machine learning

    Başlık çevirisi yok

    ALI MAJEED MOHAMMED AL YASIRI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  2. Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi

    Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids

    ALPER YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK

  3. Islanding detection for microgrids using machine learning techniques

    Mikro şebekelerde ada durumuna geçme koşulunun yapay öğrenme teknikleri kullanarak tespit edilmesi

    AHMED MOHAMMED JAWAD KHALAF AL WAELI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    ASSOC. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  4. Mikro şebekeler için derin öğrenme kullanılarak pasif ada çalışma tespit yöntemi geliştirilmesi

    Development of passive islanding detection method based on deep learning for microgrids

    ASİYE KAYMAZ ÖZCANLI

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL

  5. Passive islanding detection technique for three-phase grid-connected PV inverter system

    Üç fazlı şebeke bağlantılı PV inverter sistemi için pasif adalama tespit tekniği

    MOHAMMED YASSINE EL HASSNI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Aydın Üniversitesi

    Elektrik-Elektronik Ana Bilim Dalı

    PROF. DR. MURTAZA FARSADİ