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
- Tez No: 776488
- Danışmanlar: PROF. DR. AYBABA HANÇERLİOĞULLARI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Güç kalitesi kontrolü elektrik enerji üretimi özellikle yenilenebilir enerji sisteminde önemli bir yer tutar. Bu çalışmada, derin öğrenme yapay sinir ağı ile PV güneş enerjisi sisteminin güç kalitesi analiz edilmiş ve incelenmiştir. Genel olarak, rüzgâr, güneş ve hidroelektrik dahil olmak üzere belirli alternatif enerji üretim kaynakları doğaya zarar vermez. Bu nedenle güneş ve rüzgâr enerjisi faydalı alternatif enerji kaynakları olarak kabul edilmiştir ve ayrıca bol miktarda bulunmaktadır. Bu çalışmada, değişen hava koşullarında güneş enerjisi sistemlerinin performansları incelenmiştir. Bu makale, derin yapay sinir ağına dayalı yeni bir algoritma önermek ve bunu maksimum güç noktası takibi için uygulamak amacıyla yazılmıştır. Günümüzde güneş enerjisi, doğadaki muazzam mevcudiyeti nedeniyle çok popüler bir alternatif enerji kaynağıdır. Bu tezde, fotovoltaik hücre sistemleri çeşitli hava koşulları altında incelenerek, maksimum güç noktasını izleyen gelişmiş bir akıllı kontrol sistemi geliştirilmiştir. Maksimum Güç Noktası İzleme kontrolörü, öngörülemeyen hava koşulları nedeniyle yenilenebilir enerji kaynakları için bir zorunluluktur. Yüksek güç kalitesi ideal olarak her zaman kullanılabilir, tamamen saf ve gürültüsüz, sinüzoidal dalga formuna sahip, her zaman voltaj ve frekans toleransları dahilinde olan elektrik gücü üretir. Bu tezde, derin öğrenme yapay sinir ağına dayalı olarak güç kalitesini iyileştirmek için güneş enerjisi sistemi üzerinde yeni bir yöntem gerçekleştirilmiştir. Bağdat üniversitesi mühendislik fakültesi binası tasarımı için akü depolama kurulumu ile şebeke bağlantılı PV sisteminin optimum yeni bir yaklaşım ve enerji verim algoritması sunmaktadır. Çalışmamız boyunca simülasyonların testi Matlab 2020a versiyonu uygulanmıştır.
Özet (Çeviri)
Power quality control has an important place in electrical energy production, especially in renewable energy systems. In this study, power quality of PV solar energy system with deep learning artificial neural network was analyzed and investigated. 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. In this paper the performances of solar energy systems in weather conditions changing are investigated. This paper has been written with a major objective to suggest a new algorithm, which is based on deep neural network, and to apply it for maximum power point tracking. Today, solar power is very popular alternative energy source due to its enormous availability in nature. In this thesis, the photovoltaic cell systems will investigate under various weather conditions. Based on the findings, the developed an advanced intelligent controller system that tracks the maximum power point. The Maximum Power Point Tracking controller is a must for the renewable energy sources due to unpredictable weather conditions. High power quality ideally produces electrical power that is always available, completely pure and noise-free, has a sinusoidal waveform, and is always within voltage and frequency tolerances. In this paper, a new method is implemented on the solar energy system for improving the power quality based on the deep learning neural network. In this study, a new approach and energy efficiency algorithm are presented for the optimum design of the grid-connected PV system with battery storage installation in the engineering faculty building of Baghdad University.Throughout our study, the simulations were tested in Matlab 2020a version.
Benzer Tezler
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Deep neural network-based stealthy false data injection attack detection on der integrated systems
Dek entegre sistemlerinde derin sinir ağı tabanlı gizlenmiş yanlış veri enjeksiyon saldırısı tespiti
CAN GÜRKAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- A new approach to satellite communication: Harnessing the power of reconfigurable intelligent surfaces
Uydu iletisimine yeni bir yaklaşım: Yeniden yapılandırılabı̇lı̇r akıllı yüzeylerden faydalanma
KÜRŞAT TEKBIYIK
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Model-free load frequency control in isolated microgrids based on reinforcement learning
İzole mikroşebekelerde pekiştirmeli öğrenmeye dayalı model bağımsız yük frekans kontrolü
AMJAD MUNEIM MOHAMMED
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiMuğla Sıtkı Koçman ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA YILDIZ TAŞCIKARAOĞLU