Model-free load frequency control in isolated microgrids based on reinforcement learning
İzole mikroşebekelerde pekiştirmeli öğrenmeye dayalı model bağımsız yük frekans kontrolü
- Tez No: 910368
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA YILDIZ TAŞCIKARAOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Modern güç sistemlerinde kararlılığı sağlamak için üretim ve tüketim arasındaki dengeyi korumak gereklidir. Güç sisteminin dinamik yapısı, bu denge dalgalanırken sistem frekansının sürekli kontrolünü gerektirir. Yük frekans kontrolü (LFC) olarak bilinen bir kontrol süreci, sistem frekans dalgalanmalarını mümkün olan en kısa sürede sönümlemek ve istenilen referans değerde tutmak için gereklidir. Rüzgar enerjisi sistemleri ve güneş enerjisi sistemleri gibi yenilenebilir enerji kaynaklarının artan kullanımı ve değişken çıkış gücü nedeniyle güç sistemlerinde LFC konusu daha karmaşık hale gelmiştir. Bu tez çalışmasında, rüzgar türbinleri ve güneş enerjisi sistemleri gibi yenilenebilir enerji kaynaklarına sahip tek bir alanlı termal güç sisteminin yük frekans kontrolü için bir klasik denetleyici olan oransal-integral-türev (PID) tasarlanmıştır. Bu denetleyici, sistemden gelen geri beslemeleri kullanarak oransal, integral ve türev olmak üzere üç ana hiperparametreye dayalı olarak sürekli ayarlamalar yapar. Bu parametrelerin ayarlanması birbirlerine bağımlı olduğu için karmaşıktır ve bu parametreler klasik olarak başlangıçta belirlenir ve sonrasında sistem işlemi sırasında tekrar ayarlanamazlar. Bu çalışma, frekans kontrolü görevi yapılan güç sisteminde optimal PID parametrelerini tahmin etmek için derin pekiştirmeli öğrenme algoritması geliştirmektedir. Amaç, öğrenme algoritmasının, rüzgar veya güneş enerjisi ile üretilen güçle ilişkili yük talebi veya belirsizlikler tarafından oluşturulan bozulmalara karşı en uygun PID parametrelerini tahmin etmesini sağlamaktır. Ayrıca, uygulanan pekiştirmeli öğrenmenin güç sistemlerinde uyarlanabilir yük frekans kontrolü için optimal PID parametrelerini tahmin etmede nasıl kullanılabileceğini araştırmaktadır. Tez kapsamında geliştirilen yöntemde modern güç sistemlerinde frekans kontrolünü sağlamak için Derin Belirginlik Politika Gradyanı (DDPG) algoritması kullanılmıştır. Bu algoritma, yapay sinir ağları ve pekiştirmeli öğrenmenin bir karışımıdır. Bu yöntem, PID denetleyiciler gibi klasik kontrol yaklaşımlarının, sisteme yönelik bozucuları ve istenmeyen çevresel etkileri ortadan kaldırmak için uygun bir kontrol sinyali üretme yeteneğine her zaman sahip olmaması sebebiyle tercih edilmiştir. DDPG algoritması sürekli aksiyon uzayına olanak tanır ve belirli bir ödül fonksiyonuna dayanarak ödülü maksimize eden kontrol eylem değerleri üretebilir. Bu eğitim, yapay sinir ağlarının kontrol yeteneklerini ve optimal kontrol eylemi için genelleme yeteneğini artırmayı amaçlamaktadır. Denetleyicinin ve algoritmaların performansı, değişken yük talebi ve RES üretim sistemi gibi çeşitli işletme koşullarında test edilmiştir. Elde edilen sonuçlardan, tasarlanan PID denetleyicinin sistem frekansı dalgalanmalarının aşım ve karar süresi açısından parçacık sürü optimizasyonu (PSO), genetik algoritma (GA) and bulanık mantık kontrolcü (FLC) gibi diğer yöntemlere kıyasla önemli iyileştirmeler sağladığı gözlemlenmiştir. Çalışmadaki mikroşebeke modeli ve kontrol stratejisi, MATLAB Simulink ve SimPowerSystems araçları kullanılarak geliştirilmiştir.
Özet (Çeviri)
To ensure stability in modern power systems, it is necessary for maintaining a balance between generation and usage of elecrticity. The dynamic characteristics inherent in power systems necessitates continuous monitor and regulate the system's frequency , as this balance fluctuates. A control process known as load frequency control (LFC) is required to damp system frequency fluctuations as quickly as possible and maintain it at the acceptable value. With increasing adoption of renewable energy sources (RESs), including solar and wind energy systems, collectively with their fluctuating output, makes the issue of LFC in power system increasingly complex. In this thesis study, a classic proportional-integral-derivative (PID) has been designed for LFC in a single-area thermal power system (SAPS) integrated wind turbines and solar systems. In this type of controller, the three main hyperparameters that this controller iteratively adjusts based on are derivative, integral, and proportional. It does this by utilizing system feedback. Since these parameters depend on one another, fine-tuning them can get complex. Furthermore, once established, these parameters remain unchangeable during system operation. Thus,This study explores the feasibility of utilizing deep reinforcement learning (RL) to predict optimal PID values. The research focuses on developing a RL algorithm tailored for power system operation tasked with frequency control. The aim is to enable the algorithm of learning to anticipate the PID parameters most suitable for disturbance caused by executed load demand or uncertainties associated with wind power generated or solar. This thesis investigates the application of RL in forecasting optimal PID parameters for adaptive LFC. The study used the Deep Deterministic Policy Gradient (DDPG) algorithm to regulate the frequencies in modern power system. This algorithm is a mix of artificial neural networks and reinforcement learning. This method was chosen since classic control approaches like PID controllers are not always capable of producing an appropriate control signal to eliminate disturbances and undesired environmental influences on the system in consideration. The DDPG algorithm allows for continuous action space and can generate control action values that maximize the reward based on a specific reward function. This training aims to enhance control capabilities and the generalization ability of artificial neural networks for an optimal control action. The controller performance was tested under various operating conditions, such as variable load demand and the RES production system. The results obtained were compared with other of methods found in the literature. Based on the obtained results, it was observed that the designed PID controller provided significant improvements compared to other methods, particle swarm optimization (PSO), genetic algorithm (GA), and fuzzy logic controller (FLC), for overshoot and time-settling of frequency variations. The modelling of the studied system was designed on Simulink by MATLAB and SimPowerSystems tools.
Benzer Tezler
- Towards more reliable medium access control with data-driven spectrum allocation
Veri tabanlı spektrum tahsisi ile daha güvenilir ortam erişim kontrolüne doğru
UMURALP KAYTAZ
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNEM ÇÖLERİ ERGEN
- H&-robust optimal kontrol tekniğinin kullanılması ile T 700 turbo motorunun güç türbini hızının kontrolü
Power turbine speed control of the GE-T700 turbo engine using the H -robust optimal control technique
CÜNEYT YILMAZ
- DC/DC çevirici yardımıyla doğru akım motor hız kontrolü
DC motor speed control by using DC/DC converter
HALUK TAŞAN
Yüksek Lisans
Türkçe
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NEJAT TUNCAY
- Kavramsal ağ temelli yerel alan ağı alt yapısı tasarım modeli
Cognitive network based local area network infrastructure design model
AYŞE KALE
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Tekerlek ebatları değişebilen uzaktan kumandalı takip cihazı
Remote controlled tracking system of which size of tire is adjustable
EMİRHAN ÇAĞRI TÜRKOĞLU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. SERHAT İKİZOĞLU