Geri Dön

RECURRENT NEURAL NETWORKS AND NEW WAVELET FUCTION FOR ANALYSIS AND CONTROL OF ELECTRICAL AND ENERGY SYSTEMS

ELEKTRIK VE ENERJI SISTEMLERININ ANALIZI VE KONTROLÜ IÇİN YENILENEN SINIR AĞLAR VE YENİ DALGALANMA FONKSIYONU

PDF İndir

  1. Tez No: 849673
  2. Yazar: SAEID SHEIKHMEMARI
  3. Danışmanlar: PROF. DR. ŞAHİN SERHAT ŞEKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  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: 106

Özet

Bu araştırma, ideal olmayan şebeke koşullarında üç fazlı dönüştürücüler aracılığıyla bağlanan PV panellerinin kontrolü için yenilenmiş sinir ağlarını ve gürültüyü ortadan kaldırma tekniklerini kullanarak dalga dönüşümü yöntemlerini incelemeyi amaçlamaktadır. Yaygın olarak kullanılan wavelet dönüşümü, zaman ve frekans alanlarında sinyal analizi için etkin bir yöntem olan hızlı Fourier dönüşümü ile kıyaslanmaktadır. Hızlı Fourier Dönüşümü, sabit olmayan sinyallerde bazı açıklık sorunlarına rağmen, sinyal analizindeki verimliliği ile tanınmaktadır. Bu çalışma, gürültüyle başa çıkma yeteneğine sahip dalga dönüşümlerini ve geleneksel olmayan istasyonel sinyallerin analizini içermektedir. Wavelet Dönüşümleri (WT) ve yumuşak ile sert küresel denoising tekniklerinin kullanımı, sinyal gürültüsünü azaltma bağlamında sıklıkla tercih edilmektedir. Bu çalışmanın ana hedefi, bu iki yöntemin etkinliğini artırmaktır. Tez, insan kalp atışının fizyolojik özelliklerinden ilham alarak geliştirilen yeni bir sürekli dalga dönüşümü yöntemi ve yenilikçi bir dalga denoising yöntemi üzerine odaklanmaktadır. Simülasyon sonuçları, yeni dalga fonksiyonu ve denoising algoritmasının, tek tekniğe kıyasla kök ortalama kare hatasını azaltma ve gürültüyü etkili bir şekilde giderme konusunda üstün sonuçlar elde ettiğini göstermektedir. Özellikle yüksek gürültü durumlarında sistemin doğruluğu önemli bir faktördür. Bu kabiliyet, sistemin gürültülü bir girdiden referans sinyali etkin bir şekilde geri kazanmasına olanak tanımaktadır. Araştırma, sürekli dalga dönüşümü kavramlarını ve denoising yaklaşımlarını kapsamlı bir şekilde sunacak ve istenen sonuçları elde etmek için MATLAB yazılımının nasıl kullanıldığını gösterecektir. Sonuçlar, Tablo 4.2 ve eşlik eden görsellerde detaylandırılmıştır. Önemli bir gürültü varlığında sinyalin etkili bir şekilde yeniden yapılandırılması, kullanılan tekniklerin yenilikçiliği, basitliği ve doğruluğu açısından dikkate değerdir. Gerçek zamanlı işlemeye uygun bu teknikler, işin içsel karmaşıklığını ele alırken, çok çözünürlüklü sistemlerde gürültüyü azaltmak için etkili bir denoising yaklaşımı sunmaktadır. Algoritma 4.1'de tanımlanan metodolojinin, sert prag denoising tekniği dahi kullanıldığında, diğer yaklaşımların performansını aşan sonuçlar sunduğu gözlemlenmiştir. Standart denoising yaklaşımları, tipik gürültü durumlarında iyi performans sergilemektedir. Ancak Tablo 4.2'deki verilere göre, yoğun gürültü varlığında bu yöntemlerin etkinliği önemli ölçüde azalmaktadır. Bu tezinde vaka çalışması ve dalgalanma fonksiyonun bir elektrik sistemde incelemek için, üç fazlı dönüştürücülerin düzenlenmesi için nöral ağ kullanımını ele almaktır. Bu süreç, faz açısının koordinat dönüşümünde kullanılması gerektiği için, faza kilitli bir döngü gerektirir. Bu süreç, faz açısının koordinat dönüşümünde kullanılması gerektiği için, faza kilitli bir döngü gerektirir. Üç fazlı sistemlerde, ağ ile senkronizasyon sağlamak ve akımların akışını düzenlemek için şebeke gerilim fazı tespiti önemlidir. Şebeke gerilim sensörlerinin kullanımı , şebekenin ideal olmayan özellikleri nedeniyle faz açısını etkileyebilir ve bu da kontrol süreçlerinin karmaşıklığını artırabilir. Faz kilitli döngü teknolojisini geliştirmek , ideal bir güç ağının etkilerini azaltma amaci güderken, aynı zamanda daha karmaşık kontrol tekniklerinin uygulanmasını gerektirebilir. Bu nedenle, şebeke frekansının doğru şekilde izlenmesi, kontrol hatalarını önlemek ve faz kilitli döngüsüz kontrol tekniklerini etkinleştirmek açısından kritik bir öneme sahiptir. Bu projenin amacı, ideal olmayan şartlarda çalışan fotovoltaik güneş sistemlerine bağlı üç fazlı dönüştürücüler için adaptatif yenilenen sinir ağları tabanlı kontrolörler geliştirmektir. Bu kontrolörler, faz kilitli döngü gerektirmeden DC bağlantı gerilimini ve TPI çıkış akımlarını etkin bir şekilde kontrol edeceklerdir. Önerilen teknik, nöral vektör kontrolörünün referans değerlerini doğru bir şekilde izleyerek, sistem bozukluklarına karşı direnç gösterme ve kusursuz bir güç sistemi kontrolü sağlama kapasitesini artırmayı hedeflemektedir. Ayrıca, Phase-Locked Loop (PLL) sistemlerinin yüksek maliyeti göz önünde bulundurularak, bu teknoloji yerine yenilikçi bir kontrol yöntemi geliştirilmesi öngörülmektedir. Klasik PI-PLL yöntemine kıyasla, önerilen yaklaşım harmonik dağılımı etkili bir şekilde azaltacaktır. Bu çalışmanın birinci bölümünde, gürültü azaltma teknikleri kapsamında dalga dönüşümü yöntemlerinin kullanımı detaylı bir şekilde incelenmektedir. Wavelet Dönüşümü (WT), sinyal işlemede yaygın olarak kullanıldığı için, zaman ve frekans alanlarında sinyallerin analiz edilmesinde etkili bir araç olan Hızlı Fourier Dönüşümü (FFT) ile sıklıkla mukayese edilir. FFT'nin sinyal analizindeki etkinliği geniş çapta kabul görmüş olmasına rağmen, hem zaman hem de frekans alanlarında aynı anda yüksek netlik sağlamak ve sabit olmayan sinyallerle başa çıkmak konusunda WT'ye kıyasla bazı zorluklar içermektedir. Bu bölüm, dalga dönüşümünün, özellikle standart dışı istasyonel sinyallerde gürültüyü etkili bir şekilde filtrelemek için nasıl kullanıldığını göstermeye odaklanmaktadır. İkinci bölüm, dalga dönüşümünün ayrıntılı analizini ve bu yöntemin pratik uygulamalarını ele almaktadır. Özellikle, gürültü azaltma teknikleri bağlamında, bu bölümde önerilen yeni dalga fonksiyonu ve denoising metodunun, DWT (Discrete Wavelet Transform) ile kapsamlı bir karşılaştırması dördüncü bölümde yapılacaktır. Ayrıca, bu bölümün temel amacı Daubechies dalgaletlerinin detaylı bir incelemesine odaklanmaktır. Üçüncü bölümün temel amacı, kalp atışı verilerinden ilham alarak geliştirilen yeni bir sürekli dalga dönüşümü fonksiyonunu tanıtmaktır. Bu sunulan wavelet, yüksek hassasiyet ve çok yönlülük gibi önemli iki özelliğe sahiptir. Bölüm, söz konusu fonksiyonun avantajlarını ve uygulama alanlarını çeşitli örneklerle detaylandırmaktadır. Dördüncü bölüm ise, benzersiz ve karmaşık bir dalga dönüşümü fonksiyonunu temel alan yenilikçi bir denoising metodolojisinin sunumuna adanmıştır. Ayrıca, bu bölümde orta filtreleme, yumuşak ve sert sınırlama gibi çeşitli denoising tekniklerine ilişkin bir inceleme de yer almaktadır. Sonuçta, bu metodolojiler önerilen yaklaşımın avantajlarını vurgulamak için önerilen bir yöntemle karşılaştırılmaktadır. Bu araştırma, önceki bölümde tartışılan tüm sorunları etkili bir şekilde ele almak için yeni icat edilen bir wavelet fonksiyonunu kullanan yenilikçi bir denoising yaklaşımı tanıtıyor. Bir sinyal üzerinde sürekli dalgalanma dönüşümünü gerçekleştirdikten sonra, sert bir küresel denoising tekniği kullanılır. İkinci adımda, denoised sinyal ters sürekli yaklaşım kullanılarak yeniden yapılandırılacaktır. Sonrasında yeni oluşturulan sinyal tekrar sürekli dalgalanma dönüştürme ve sert sınırlama işlemlerine maruz kalacak. İşlem, istenen seviyeye ulaşana kadar devam edecek. Sinyali bir yaklaşım ve ayrıntıya parçalamak için ölçekleme ve wavelet fonksiyonlarını kullanmak yerine, bu strateji sadece her seviyede sürekli wavelet işlevine bağlıdır. Her seviyede, sadece sürekli dalgalanma fonksiyonunu kullanacağız. İlk olarak, yukarıda belirtilen gereksinimleri karşılayan benzersiz bir wavelet fonksiyonu tasarlıyoruz. Daha sonra bu işlevi bir sinyali incelemek ve doğruluğunu göstermek için kullanırız. Metodoloji, önerilen yöntemi bir elektrokardiogram sinyali için uygular ve kök ortalama kare hatası değerlerini Dubachies, Bior, Symlets ve Sürekli (Morlet) dalgalanma fonksiyonlarından elde edilen RMSE değerlerine göre altı seviyede değerlendirir. Bu analizin amacı önerilen yaklaşımın doğruluğunu ve etkinliğini göstermektir. Beşinci bölümün temel amacı, ideal olmayan şebeke koşullarına bağlı bir PV güneş paneli dizisi üzerinden üç fazlı dönüştürücülerin düzenlenmesi için özelleştirilmiş adaptif yenilenen sinir ağ kontrolörlerinin geliştirilmesidir. Bu düzenleme, TPI'nin doğrudan akım bağlantı gerilimi ve çıkış akımlarının kontrolü için faz kilitli bir döngüyü gerektirmez. Kontrol metodolojisi, farklı radyasyon seviyelerine (1000, 500 ve 100) maruz kalan 100 birim fotovoltaik panel üzerinde uygulanmaktadır. Söz konusu güneş enerjisi sistemi, 400V ağ gerilimi ile üç fazlı bir şebekeye entegre edilmiştir. Önerilen yaklaşımın asıl hedefi, nöral ağ tabanlı kontrolörün referans değerlerini kesinlikle takip etme, sistem kesintilerine karşı dayanıklılık gösterme ve kusursuz bir güç sistemi kontrolünün gerekliliklerini etkin bir şekilde yerine getirme kapasitesini artırarak performansı iyileştirmektir. Ayrıca, bu çalışmanın bir diğer önemli amacı, PLL sistemlerinin yerini alacak yeni bir kontrol mekanizması geliştirmektir. PLL tipi sistemlerde kullanılan yüksek maliyetli voltaj sensörlerinin gerekliliğini azaltacak bu yeni teknoloji, maliyetleri düşürme ve verimliliği artırma hedefine katkıda bulunmaktadır.

Özet (Çeviri)

The objective of this research is to investigate the use of wavelet transform (WT) in the context of noise removal techniques and using recurrent neural networks to control PV panel connected to a non-ideal grid through a three-phase inverter as a case study to show the efficiency of the proposed the new wavelet and the denoising method. Given the widespread use of the wavelet transform, it is often subjected to comparisons with the fast Fourier transform, a well-established method for analyzing signals in both the time and frequency domains. The Fast Fourier Transform is well recognized for its efficacy in signal analysis. It's not as well-known as WT because FFT has problems with clarity in both time and frequency at the same time, as well as with non-stationary signals. The thesis employs a collection of conventional non-stationary signals to demonstrate that the wavelet transform has a novel capability to handle noise. The use of wavelet transforms and the application of soft and hard threshold denoising techniques are often employed in the context of signal denoising. The primary objective is to enhance the efficacy of these two approaches. This thesis employs a novel continuous wavelet transform methodology inspired by the physiological characteristics of the human pulse (heartbeat) and a new wavelet denoising method. The findings of the simulation demonstrate that the use of the novel wavelet function and denoising algorithm yields superior outcomes in terms of reducing the root mean square error (RMSE) and eliminating noise, as compared to the individual technique. One crucial aspect to highlight is the accuracy of the system, particularly in the presence of substantial noise. This capability enables the system to effectively restore a reference signal from a noisy input. The thesis will comprehensively illustrate the concepts of continuous wavelet transform and denoising approaches and demonstrate the use of MATLAB software to achieve the intended outcomes. The results are shown in Table 4.2 and the accompanying images. It is crucial to effectively reconstruct a signal in the presence of significant noise. The used technique has shown its efficacy due to its exceptional performance in reconstruction, simplicity, and accuracy. It is possible to implement. To enable real-time processing and address the intrinsic complexity of the job, a denoising technique is used in multiresolution systems to decrease noise. The performance of the methodology outlined in Algorithm 4.1 surpasses that of other approaches, even when just using the hard threshold denoising technique. The standard denoising approach has good performance when applied to typical noise situations. However, the efficacy of these measures might be reduced by a substantial quantity of noise, as seen by the data provided in Table 4.2. The second objective of this thesis is to regulate the operation of a three-phase inverter: Neural networks are often used for the regulation of three-phase inverters. A phase-locked loop is required since the phase angle of the grid is used in the coordinate transformation. Grid-connected inverters operating in three-phase systems often need the use of grid voltage phase detection to achieve synchronization with the grid and regulate the flow of actual and reactive currents. The use of grid voltage sensors for phase identification may be affected by the non-ideal characteristics of the grid, which may impact the phase angle. Enhancing phase-locked loop technology in order to mitigate the effects of an imperfect power grid might lead to the implementation of a more intricate control technique. Nevertheless, accurately monitoring the grid frequency is a challenge, potentially resulting in control inaccuracies and limiting the implementation of control techniques in the absence of a Phase-Locked Loop. The aim of this project is to create adaptive recurrent neural network controllers (ARNNC) for the regulation of a three-phase inverter linked to a non-ideal grid via a photovoltaic solar system. The controllers will be responsible for controlling the DC link voltage and the TPI output currents without the need for a phase-locked loop. The primary objective of the proposed technique is to enhance the neural vector controller's capacity to accurately monitor reference values, withstand system disruptions, and fulfill the control requirements of an imperfect power system. The second aim of this study is to provide an innovative control strategy for removing the Phase-Locked Loop system. Due to the exorbitant expense of voltage sensors used for PLL-type systems, it is imperative to abolish this technology. Compared to the classic PI-PLL approach, the suggested method effectively reduces the overall harmonic distribution.

Benzer Tezler

  1. Tez No

    714364

    Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini

    Solar radiation forecasting using system identification machine learning and deep learning models

    GÖKSEL KADER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ÖNDER GÜLER

  2. Tez No

    555669

    Artificial intelligence based detection schemes for secure wireless communication

    Güvenli telsiz iletişimin sağlanmasına yönelik yapay zeka tabanlı sınıflandırma metotları

    SELEN GEÇGEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT

  3. Tez No

    127194

    Elektrik motorlarında dalgacık analizi yaklaşımı ile rulman arıza tanısı ve yapay zeka tabanlı bir durum izleme sistemi

    Bearing fault diagnosis with the approach of wavelet analysis and a condition monitoring system based on artificial intelligence in electric motors

    EMİNE AYAZ

    Doktora

    Türkçe

    Türkçe

    2002

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT ŞEKER

  4. Tez No

    760613

    Deep wavelet neural network for spatio-temporal data fusion

    Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları

    AJLA KULAGLIC

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ

  5. Tez No

    627226

    Yeni nesil derin bağlamsallaştırılmış kelime gösterimleri ve derin öğrenme modelleriyle finansal haberler kullanarak borsa tahminlemesi

    Stock generation estimation using financial news with new generation deep contextualized word display and deep learning models

    DERYA OTHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ

Geri Dön