Artificial intelligence techniques for renewable energy based smart
Akıllı şehirlerde yenilenebilir enerji tabanlı akıllı şebeke yönetimi için yapay zeka teknikleri
- Tez No: 913067
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- Tez Türü: Yüksek Lisans
- Konular: Belirtilmemiş.
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Özellikle elektrik tüketimi yılda %0,6 oranında artarken, bu tüketim 1973'ten 2020'ye %3,2 oranında arttı. Tüketim zirvelerinin temel nedeni evlerde elektrikli ısıtmanın yoğun kullanımıdır. Elektrikli cihazların yeni kullanımları da vurgulanmaktadır (ev aletleri, BT, çoklu şarj). Enerji harcamasına büyük katkıda bulunan elektrikli ısıtma, yıllar içinde yalnızca artarak 1990'da %24'ten 2023'te %34'e çıkmıştır. RES, bu yeni zorluklara ve düzenleyici gerekliliklere çözümler sunmaktadır. Bunlar, tüm enerji kaynaklarının kullanımını ve enerji geçişine ilişkin bilgilerin işlenmesini geliştiren, gerçek zamanlı ağ yönetimine izin veren, elektrik enerjisi akışlarının optimizasyonunu artıran çift yönlü ağlardır. Bu çalışma, bir elektrik enerjisi ağındaki aktif gücün maksimum düğüm enjeksiyonu sorununu daha iyi anlamak için analiz edecektir. Daha açık olmak gerekirse, amaç, hangi düğümlerin bu gücün değerini en üst düzeye çıkarmak için en büyük potansiyele sahip olduğunu ve hangilerinin onu enjekte etmek için en iyi olduğunu belirlemektir. Bulanık Parçacık Sürü Optimizasyonu (PSO) olarak bilinen bir algoritmayı, eş zamanlı veya eş zamanlı olmayan düğüm enjeksiyon senaryosuna uygulamak ve ağların büyük çoğunluğunda kullanılabilecek şekilde kodlamak için değiştirmek amaçlanmıştır. Algoritmayı en fazla sayıda ağ için alakalı hale getirmek için, bu adımları gerçekleştirmek gerekiyordu. Buna ek olarak, bu
Özet (Çeviri)
Tez özet İngilizce ls assumes a significant part in boosting energassortment fro Electricity consumption increases by 0.6% per year in particular, this consumption increased by 3.2 from 1973 to 2020. The main reason for the consumption peaks comes from the massive use of electric heating in homes. New uses of electrical appliances are also highlighted (domestic appliances, IT, multiple charging). As a major contributor to energy expenditure, electric heating has only increased over the years, going from 24% in 1990 to 34% in 2023. The RES present solutions to these new challenges and regulatory requirements. These are bidirectional networks that enhance the use of all energy resources and the processing of information relating to energy transit, allowing network management in real time, enhancing the optimization of electrical energy flows This study will analyze the issue of maximum nodal injection of active power in an electrical energy network in order to better understand how to solve it. To be more explicit, the objective is to determine which nodes have the greatest potential for maximizing the value of this power and which ones are the best ones to inject it. It was intended to modify an algorithm, which will be known as the Fuzzy- Particle Swarm Optimization (PSO), in order to apply it to the scenario of nodal injection, whether simultaneous or non-simultaneous, and to encode it in such a way that it can be used on the vast majority of networks. In order to make the algorithm relevant to the greatest number of networks, it was necessary to carry out these steps. In addition to that, we planned to offer some suggestions on how the next step in the development of this work could be taken. a fuzzy-logic-based performance measure is proposed. m daylight. In this proposition, we propose an AI way to deal with decide the ideal direction of sun powered cells for accomplishing the best energy proficiency. We planned a sunlight based tracker framework to gather a dataset containing different sun powered cell directions and relating energy age estimations. This dataset was then used to prepare numerous AI models, including LightGBM, Irregular Timberland (RF), Histogram Angle Helping (HistGB), K-Closest Neighbors (KNN), Calculated Relapse (LR), and Choice Tree (
Benzer Tezler
- Design of management and monitoring system for renewable energy smart grid based on internet of things
Yenilenebilir enerji akıllı şebeke nesnelerin internetini tabanlı yönetim ve izleme sistemi tasarımı
MOHAMMED KAREEM MOHAMMED JANABI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Solar sistemler için akıllı evirici tasarımı ve uygulaması
An application of intelligent inverter for solar systems
ŞERİF ŞEREFOĞLU
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET DEMİRTAŞ
- Akıllı şebekelerde sanal güç santraline entegre edilen raylı sistemlerin yapay zekâ temelli enerji optimizasyonu ve santrale etkisi
Artificial intelligence based energy optimization of rail systems integrated into virtual power plants in smart grids and its impact on the plant
RAMAZAN GÜNGÜNEŞ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL ÇAM
- Akıllı şebekelerde yenilenebilir enerji üretimine sahip akıllı evlerin enerji ve yük yönetimi
Energy and load management of smart homes with renewable energy generation in smart grids
CEMAL KELEŞ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASİM KAYGUSUZ