Yapay sinir ağları kontroluna dayalı statik var kompanzatörünün PSpice ile simülasyonu
Başlık çevirisi mevcut değil.
- Tez No: 79109
- Danışmanlar: PROF. DR. HÜSEYİN ÇAKIR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1998
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Yapay sinir ağlan; örnek sınıflandırma, konuşma sentezi ve tanıma, fonksiyona yaklaşım, ilişkili bellek ve kontrola yönelik pek çok uygulamada kullanılmıştır. Adaptif yapılan ve paralel hesaplama özellikleri sebebiyle mühendislik biliminin geleceği için pek çok ümit vadetmektedir. Bu çalışmada, yapay sinir ağlarının kontroldaki bir uygulaması sunulmuştur. Yüksek gerilimli doğru akım (HVDC) konverter merkezinin yük modeli olarak alındığı sisteme reaktif enerji sağlamak için modellenen statik var kompanzatörü, iki adet çok katmanlı ileri beslemeli yapay sinir ağı ile kontrol edilmiştir. Sistemin simülasyonu, PSpice simülasyon paket programı ile gerçekleştirilmiştir. İki tristör anahtarlamalı kapasitör (TSC), bir tristör kontrollü reaktör (TCR) ve bir sabit kapasitör bankasından ( filtreleri temel frekansta temsil eden) oluşan statik var kompanzatörü; HVDC konverter merkezini temsil eden sabit direnç ve değişken reaktörlü bir yük, ve generatör ünitelerini toplu halde temsil eden bir kaynaktan oluşan sistem ele alınmıştır. Yapay sinir ağlanın eğitmek amacıyla PSpice programı kullanılarak 80 örnek seti elde edilmiştir. Bu örneklerin % 70'i ile ağlar eğitilmiş, geri kalan örneklerle ağlar test edilmiştir. Daha sonra yapay sinir ağlarının giriş çıkış eşlemeleri simülasyon programında ROM'a (Read Only Memory) yerleştirilmiştir. Statik var kompanzatörünü kontrol amacıyla iki ROM kullanılmıştır. Bunlardan birisi tristör anahtarlamalı kapasitörlerin devreye alınıp çıkanlmalarını belirlerken, diğeri de tristör kontrollü reaktörün tetikleme açısını belirlemektedir. YSA'ları temsil eden ROM'ların da bulunduğu sistem tekrar PSpice Programı ile çalıştırılmıştır. Bu durumdaki yapay sinir ağlarının performansı çok iyi olduğu gözlemlenmiştir. YSA'lar kullanılarak güç faktörünün düzeltilmesi %2 hata ile gerçekleştirilmiştir. Sonuç olarak yapay sinir ağlarının statik var kompanzatörlerinin kontrolunda kullanılabileceği gösterilmiştir.
Özet (Çeviri)
Artificial neural networks have been used in many applications of pattern classification, speech synthesis and recognition, function approximation, associative memory and control. They are promissing a lot of hope for future of engineering, because of their adaptive nature and parallel computational features. In this study, an application of Artificial Neural Network (ANN), in control has been presented. A Static VAR Compensator model that has been used to provide reactive energy for a load model of a HVDC converter station was controlled using two multi layer feed forward neural networks. System simulation was made by PSpice simulation program. A system consisted of two thyristor swicthed capacitor banks (TSC), one thyristor controlled reactor (TCR) and one constant capacitor bank ( representing filters at power frequency) in static var compensator (SVC); a load with a constant resistor and variable reactor to represent an HVDC converter station, and a source which represented lump generator units was taken into consideration. Total of 80 samples was gathered by using P Spice simulation program in order to train artificial neural networks. The networks were trained with 70 % of the samples and tested with the remaining samples. Then, ANN input-output mapping was put on Read Only Memory (ROM) in the simulation program. There were two ROMs that used to control the SVC. One of them determined " On-Off ' status of the TSCs and the other predicted necessary firing angle of the TCR. The system with the presence of ROMs that represented ANNs was simulated again by PSpice Program. ANNs performed very well. They provided power factor correction with a 2% error. In conclusion, it has been shown that artificial neural networks could be used to control of static var compensators.
Benzer Tezler
- Deep learning based dynamic turkish sign language recognition with leap motion
Derin öğrenme tabanlı leap motıon ile dinamik türk işaret dili tanıma
BURÇAK DEMİRCİOĞLU KAM
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Yapay zeka modelleri kullanarak ankara bölgesinin kısa dönem elektrik enerjisi yük tahmini
Short term electric energy load forecasting of ankara region using artificial intelligence methods
TUĞBA AKMAN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL YILMAZ
DOÇ. DR. YUSUF SÖNMEZ
- A novel framework to evaluate the performance of responsive kinetic shading devices in the early design stages
Tepkisel kinetik gölgeleme araçlarının erken tasarım aşamalarında performans değerlendirmesi için özgün bir yaklaşım
MUSTAFA TEKSOY
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. İKBAL SEVİL SARIYILDIZ
YRD. DOÇ. DR. ONUR DURSUN
- Event-driven state estimation in electric distribution systems
Elektrik dağıtım sistemlerinde olay güdümlü durum kestirimi
FIAZ AHMAD
Doktora
İngilizce
2017
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. MELTEM ELİTAŞ
Prof. Dr. ASIF SABANOVIC
- A software environment for behavior-based mobile robot control
Mobil robotlar için davranışa dayalı kontrol yazılım ortamı
ONUR BEKMEN
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. AYDIN ERSAK