Dağıtılmış güç üretimi için solar fotovoltaik sistemin yapay zeka tabanlı hibrit kontrolü
Artificial intelligence based hybrid control of solar photovoltaic system for distributed power generation
- Tez No: 857285
- Danışmanlar: PROF. DR. AHMET AFŞİN KULAKSIZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 195
Özet
Kentleşme ve nüfus artışı nedeniyle artan enerji talebi ve sera gazı emisyonlarını azaltma ihtiyacı, enerji piyasalarını güneş fotovoltaikleri (PV) gibi yenilenebilir enerji kaynaklarına yönlendirmektedir. Bununla birlikte, güneş paneli verimliliği sınırlıdır (%15-25) ve çıkış gücü sıcaklık (T) ve ışınım (G) değişiklikleriyle dalgalanarak şebekeye bağlı PV uygulamalarını kısıtlar. Bu zorlukların üstesinden gelmek için bu tez, şebekeye bağlı 100 kW'lık bir PV sistemi için maksimum güç noktası izleme (MPPT) kontrolü olarak denetimli bir derin öğrenme uzun kısa süreli bellek (LSTM) ağı sunmaktadır. LSTM tabanlı MPPT, Simulink MATLAB2023© kullanılarak ileri beslemeli derin sinir ağı (FF-DNN) ve geleneksel değiştir ve gözle (P&O) MPPT ile karşılaştırılmıştır. DL tabanlı MPPT kontrolörlerinin performansı ortalama kare hata, kök ortalama kare hata, ortalama ortalama hata, R2 skoru ve güç tahmin hatası ile değerlendirilmiştir. Başlangıçta, bir milyon veri noktası toplanmış, ön işleme tabi tutulmuş (z-skor normalizasyonu) ve eğitim ve test setlerine 80/20 oranında bölünmeden önce görselleştirilmiştir (çubuk grafikler, histogram ve korelasyon matrisi). LSTM ve FF-DNN, Adam optimizer kullanılarak iki girdiye (T, G), tek hedefe (Vmp) ve iki gizli katmana (64 ve 32 birim) sahip zaman serisi veri odaklı yaklaşımlardır. DNN tarafından çıkarılan Vmp, gerçek Vpv ile karşılaştırılır ve hata sinyali, yükseltici tip DC-DC dönüştürücü çıkış voltajını giriş voltajına (Vpv) göre kontrol etmek için görev döngüsünü ayarlayan bir PI denetleyicisine verilir. Önerilen stack LSTM MPPT'nin yükseltici tip bir DC-DC dönüştürücü ile entegre edilmiş yüksek verimliliği göz önüne alındığında, DC bağlantı voltajının 800V'luk bir referansa göre düzenlenmiş kontrolünü sağlar. Ayrıca, bağımsız PI kontrolörlerine sahip 3 seviyeli nötr nokta kenetli (NPC) inverter kontrolü, güç şebekesiyle sorunsuz entegrasyon sağlamak için DC bara voltajının hassas bir şekilde düzenlenmesini sağlar. Özellikle, önerilen LSTM MPPT, PV dizisinden 98,7 kW güç çekmekte ve NPC inverter kontrolü ile 98,4kW aktif gücü şebekeye aktarmaktadır. Bu şekilde, güç kalitesinin dağıtılmış enerji kaynaklarının ve mikro şebekelerin şebeke ara bağlantısına yönelik uluslararası standartlara uygun olmasını sağlarken %99'un üzerinde bir güç aktarım verimliliği elde edilmektedir.
Özet (Çeviri)
Rising energy demand from urbanization and population growth coupled with the need to mitigate greenhouse gas emissions is driving energy markets toward renewable energy sources such as solar photovoltaics (PV). However, solar panel efficiency is limited (15-25%) and output power fluctuates with temperature (T) and irradiance (G) changes, constraining grid-tied PV applications. To address these challenges, this thesis presents a supervised deep learning long short-term memory (LSTM) network as a maximum power point tracking (MPPT) control for a 100-kW grid-connected PV system. The LSTM-based MPPT is compared to a feedforward deep neural network (FF-DNN) and conventional perturb and observe (P&O) MPPT using Simulink MATLAB. Performance of DL based MPPT controllers is evaluated via mean square error, root mean square error, mean average error, R2 score and power prediction error. Initially, one million data points are collected and pre-processed (z-score normalization), and visualized (bar charts, histogram, and correlation matrix) before an 80/20 split into training and test sets. The LSTM and FF-DNN are time series data driven approaches that have two inputs (T, G), single target (Vmp), and two hidden layers (64 and 32 units), using the Adam optimizer. The DNN extracted Vmp is compared to actual Vpv and the error signal is given to a PI controller, which adjusts the duty cycle to control the DC-DC boost converter output voltage with respect to the input voltage (Vpv). Given the high efficiency of the proposed stacked LSTM MPPT integrated with a DC-DC boost converter enables regulated control of the DC link voltage to a reference of 800V. Furthermore, a 3-level neutral point clamped (NPC) inverter with independent PI controllers allows precise regulation of the DC bus voltage to ensure seamless integration with the power grid. In particular, the proposed LSTM MPPT draws 98.7 kW of power from the PV array and, together with the NPC inverter control, transfers 98.4kW of active power to the grid. In this way, a power transfer efficiency of over 99% is achieved while ensuring that the power quality complies with international standards for grid interconnection of distributed energy resources and microgrids.
Benzer Tezler
- Dağıtılmış enerji kaynaklarının ve mikro şebekelerin uyarlamalı ve hesaplamalı zekâ denetimi
Adaptive and computational intelligence control of distributed energy sources and microgrids
TARIQ KAMAL
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KARABACAK
- Impacts of distributed generations on distribution system reliability
Dağıtık güç üretiminin elektrik daĞıtım sistemlerinin güvenilirliği üzerinde etkisi
SORUSH SAEEDI
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOGAN OZDEMİR
- Optimal integration of dg units into unbalanced distribution networks
Dengesiz elektrik dağıtım şebekelerinde dağıtık üretim birimlerinin optimal entgrasyonu
MOHAMMED BAMATRAF
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOĞAN ÖZDEMİR
PROF. DR. OĞUZHAN CEYLAN
- Investigation of transposition models, optimization of tilt angles, and solar radiation intensity for fixed and tracked south-facing solar photovoltaic surfaces in provinces of türkiye
Transpozisyon modellerinin incelenmesi, türkiye illerinde sabit ve güneş takipli güneye bakan fotovoltaik yüzeyler için eğim açılarının ve güneş radyasyon yoğunluğunun optimizasyonu
BATUR ALP AKGÜL
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiHasan Kalyoncu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SADETTİN ÖZYAZICI
- Akıllı şebekelerde güç kalitesinin optimizasyonu ve yenilenebilir enerji kaynakları ile entegrasyonu
Optimization of power quality in smart grids and integration with renewable energy sources
MUSTAFA YILMAZ
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKBABA