Geri Dön

Yenilenebilir enerji sistemleri ile entegre iki alanlı güç sisteminde yük frekans kontrolü için optimizasyon yöntemleri kıyaslaması

Comparison of optimization methods for load frequency control in a two-area power system integrated with renewable energy systems

PDF İndir

  1. Tez No: 953360
  2. Yazar: FATİH DEMİRCAN
  3. Danışmanlar: PROF. DR. AYŞEN DEMİRÖREN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  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: 109

Özet

Günümüzde kaynakların kısıtlılığına dair artan farkındalık ve sürdürebilirlik endişelerinin yükselmesi, kaynakların verimli kullanılmasını öncelik haline getirmiştir. Bu nedenle, yenilenebilir enerji kaynaklarının kullanımı izole şebekelerde ve enterkonnekte güç sistemlerinde artış göstermektedir. Ancak bu artış güç sistemleri üzerine ek karmaşıklık getirmekte ve modern güç sistemlerinin kararlılığını ve güvenilirliğini sağlamada önemli zorluklar ortaya koymaktadır. Bu karmaşıklığın başlıca nedenlerinden biri, yenilenebilir enerji kaynaklarının sürekli olmayan yapısıdır. Bu durum güç üretiminde ani güç değişimlerine yol açabilmektedir. Bu dalgalanmalar, yük ve üretim arasında uyumsuzluklara ve ardından frekans sapmalarına neden olabilir. Bu dengesizliklerin üstesinden gelmede, yük frekans kontrolü önemli bir rol oynar. Yük frekans kontrolü için öncelikle matematiksel modellerden faydalanılır. Frekans kontrolü temel olarak, hızlı cevap veren birincil kontrol ve birincil kontrol kaynaklı oluşan kararlı durum hatasını ortadan kaldırmayı hedefleyen ikincil kontrolden oluşmaktadır. Ayrıca sistem modellenirken, hız regülatörü ölü bandı ve üretim oranı kısıtlaması gibi sistemin doğrusal olmayan dinamiklerini dahil etmek, fiziksel kısıtlamaları hesaba katarak, gerçek sistem koşullarını daha doğru bir şekilde yansıtabilir. Meta sezgisel yöntemler, karmaşık sistemler için çözüm üretmede oldukça yararlı oldukları için çok alanlı güç sistemlerinde oransal-integral-türev kontrolörlerin kazanç katsayılarını bulmada yaygın olarak kullanılır. Ayrıca bu katsayılar, sistemin değişen girdilerine karşı daha verimli sonuç elde edebilmek için adaptif olarak değişebilmektedir. Yani sistem değişken durumlara maruz kaldığında kontrolörün katsayıları bu duruma uyarlanabilmektedir. Bu çalışmada, nominal gücün yarısında çalışan iki adet termik enerji santrali alanı yük frekans kontrolü için modellenmiş ve enterkonnekte olarak birbirine bağlanmıştır. Her iki alan oransal-integral-türev kontrolörü ile kontrol edilmektedir. Ardından hız regülatörü ölü bandı ve üretim oranı kısıtlaması gibi lineer olmayan dinamikler modele eklenmiştir. Bir sonraki aşamada ise güç sisteminin birinci alanına rüzgâr enerji sistemi, ikinci alanına güneş enerji sistemi entegre edilmiştir. Rüzgâr enerji sistemi kanat açısı kontrolüne sahiptir. Yük talebinde değişim gibi sistem girdisinde değişikliklere karşı, en iyi frekans cevabını meydana getirecek kontrolör katsayılarını tespit edebilmek için, üç ayrı model için benzetim çalışmaları üzerinde optimizasyon algoritmaları uygulanmıştır. Birinci modelde parçacık sürü optimizasyonu, genetik algoritma ve diferansiyel evrim algoritmaları uygulanmıştır. Uygunluk fonksiyonu olarak hatanın karesinin integrali tercih edilmiştir. Her üç algoritma için popülasyon sayısı 100 alınmış, yineleme sayısı ise 50 alınmıştır. Parçacık sürü optimizasyonu ve diferansiyel evrim algoritmalarının oldukça hızlı bir şekilde minimumlarına yakınsadığı görülmüşken, genetik algoritma, çok işlemli ve yavaş çalışan yapısı nedeniyle geride kalmıştır. Parçacık sürü optimizasyonu ve diferansiyel evrim algoritmasının belirlediği katsayıların birbirine oldukça yakın olduğu görülmüştür. Sistem çıktıları olarak her iki alanın frekans sapmaları ve bağlantı hattı gücünün değişimi incelenmiştir. Frekans değerlerinde ve bağlantı hattı güç değişiminde her üç algoritma birbirine oldukça yakın sonuçlar vermiştir. En iyi sonuçları parçacık sürü optimizasyonu ve diferansiyel evrim vermiştir. Birinci alanın frekans cevabının yerleşme süresi parçacık sürü optimizasyonu ve diferansiyel evrim için 6.3650 saniye iken genetik algoritma için 6.6740 saniyedir. Kararlı durum hatalarında, parçacık sürü optimizasyonu ve diferansiyel evrim 3.7810-6 Hertz sonucunu verirken genetik algoritma 3.8310-6 Hertz sonucunu sağlamıştır. İkinci modelde, sisteme üretim oranı kısıtlaması ve hız regülatörü ölü bandı dinamikleri eklenmiştir. Hız regülatörü ölü bandı ±%0.06 bir aralıkla uygulanmış, üretim oranı kısıtlaması ise türbini, dakikada %10 oranında güç çıkışını değiştirebilecek şekilde ayarlanmıştır. Bu bölümde, birinci bölümde uygulanan üç optimizasyon algoritması ile beraber üç farklı uygunluk fonksiyonu ile kombinasyonlar yapılmıştır. Parçacık sürü optimizasyonu en hızlı şekilde minimum değerine yakınsamıştır. Yerleşme zamanında en düşük değerler, parçacık sürü optimizasyonu ve zaman ağırlıklı hatanın mutlak değerinin integrali uygunluk fonksiyonu ikilisi ile 20.278 saniye olarak elde etmiştir. Tüm kararlı durum hatalarında en düşük değerler genetik algoritma ve zaman ağırlıklı hatanın mutlak değerinin integrali uygulaması sonucu edinilmiştir. Birinci alanın frekansının kararlı durum hatası için bu değer 9.082610-5 Hertz olarak elde edilmiştir. Lineer olmayan dinamiklerin, frekans cevabı üzerindeki etkisi açıkça görülmektedir. Üçüncü benzetim çalışmasında birinci alana rüzgâr enerji sistemi, ikinci alana güneş enerji sistemi modeli eklenmiştir. Rüzgâr enerji sistemi şebekeye bağlı sabit hızlı bir asenkron generatör ve kanat açısı kontrolörüne sahip türbinden oluşmaktadır. Bu model üzerinde yapılan optimizasyon çalışmalarında, daha önceki çalışmalara ilaveten rüzgâr enerji sisteminin kontrolör katsayıları için de arama yapılmıştır. Uygunluk fonksiyonu için zaman ağırlıklı hatanın mutlak değerinin integrali tercih edilmiştir. Uygulama sonucunda en hızlı şekilde minimuma yakınsayan algoritma parçacık sürü optimizasyonu olmuştur. Sistem cevabında rüzgâr enerji sisteminin çıkış gücünün şebeke frekansına oldukça duyarlı olduğu görülmüştür. Genetik algoritma sonuçlarında birinci alanın frekansının yerleşme zamanı 22.7140 saniye ile öne çıkmıştır. Kararlı durum hataları incelendiğinde diferansiyel evrim algoritması diğerlerinden daha iyi sonuç vermektedir. Birinci alanın frekansı için bu değer (-3.6310-5) Hertz olarak elde edilmiştir. Yenilenebilir enerji sisteminin güç sistemi entegre edilmesi ile sistem cevaplarının tepe değerlerinde artma görülmüştür. Dördüncü çalışmada, yenilenebilir enerji sistemi ile entegre iki alanlı güç sisteminin rastgele sistem girdilerine karşı sistem cevaplarında iyileştirme sağlamak amacıyla adaptif bir kontrolör tasarlanmıştır. Bu amaçla gradyan iniş algoritmasından faydalanılmıştır. Bu çalışmada, üçüncü uygulamada en iyi kararlı durum hatası veren diferansiyel evrim sonucu elde edilen katsayılar referans kontrolör katsayıları olarak alınmıştır. Bu katsayıların bir vektörü temsil ettiği varsayılmıştır. Bu çalışmada hata sapma fonksiyonun bu vektöre türevinin bulunması amaçlanmıştır. Bu türevi elde etmek için zincir kuralından faydalanılmıştır. Zincir kuralı ile erişilen türevler, sistem modelinden faydalanılarak ve yapay sinir ağı modeli üretilerek çıkarılmıştır. Yapay sinir ağı modeli olarak Doğrusal Olmayan Otoregresif Dışsal Girdili Model tercih edilmiştir. Sinir ağı modeli, birinci alan ve ikinci alan için ayrı ayrı üretilmiştir. Erişilen asıl türev sonucunun işaretinin tersi, bir öğrenme oranı ile çarpılarak kontrolör katsayılarını güncellemiştir. Sistem cevabı, adaptif kontrolör ve adaptif olmayan diferansiyel evrim kontrolörü arasında kıyaslanmıştır. Buna göre kontrolör katsayılarının 80. saniyeden itibaren dikkate değer değişim kaydettiği ve sistem cevabında 100. saniyeden itibaren gözle görülür iyileşme sağladığı görülmüştür. Birinci alanın frekansının kararlı durum hatası için diferansiyel evrim algoritması (-6.843810-4) Hertz sonucunu verirken, adaptif kontrolör 7.155110-6 Hertz değerini sağlamıştır. Benzer iyileştirmeler diğer parametreler içinde geçerlidir. Bu tez ile iki alanlı bir güç sisteminde frekans kontrolü için çeşitli optimizasyon yöntemleri ve uygunluk fonksiyonları kıyaslanmış. Lineer olmayan dinamiklerin model üzerine etkileri tartışılmıştır. Yenilenebilir enerji sistemlerinin, güç sistemi üzerindeki etkileri incelenmiştir. Son olarak, değişken durumlara karşı daha iyi sistem cevabı üretebilmek için yapay sinir ağı temelli gradyan iniş yöntemi ile oluşturulan adaptif bir kontrolör tasarlanmış ve sonuçları adaptif olmayan kontrolör ile kıyaslanmıştır.

Özet (Çeviri)

The growing awareness of resource limitations and increasing concerns about sustainability have prioritized the efficient use of available resources. Consequently, the utilization of renewable energy sources has been rising in both isolated and interconnected power systems. However, this increase introduces additional complexity to power systems and presents significant challenges in ensuring the stability and reliability of modern power systems. One of the primary causes of this complexity is the intermittent nature of renewable energy sources. For instance, solar energy is only available during daylight hours and can be affected by obstacles such as cloud cover. Similarly, the unpredictable behavior of wind can lead to sudden fluctuations in power generation. These variations may cause mismatches between load and generation, subsequently resulting in frequency deviations. Load frequency control plays a vital role in addressing these imbalances. Mathematical models are primarily employed for load frequency control. These models may include conventional power generation plants, such as thermal or hydroelectric power stations. The model designed for load frequency control comprises elements such as the generator, load, turbine, and governor. Frequency control mainly consists of a fast-responding primary control and a secondary control aimed at eliminating the steady-state error caused by primary control. Additionally, incorporating nonlinear dynamics such as governor dead-band and generation rate constraints into the system model allows for a more accurate representation of real-world physical limitations. Due to their effectiveness in solving complex problems, metaheuristic methods are widely used to determine the gain parameters of proportional-integral-derivative controllers in multi-area power systems. Particle swarm optimization, genetic algorithm and differential evolution are three widely used population-based metaheuristic algorithms inspired by natural processes. These methods are employed to solve complex optimization problems across various engineering and scientific domains. Particle swarm optimization is inspired by the social behavior of birds flocking or fish schooling. In particle swarm optimization, each particle in the population represents a candidate solution and adjusts its position in the search space based on its own experience and the experience of neighboring particles. The algorithm is known for its fast convergence and simplicity in implementation, especially in continuous optimization problems. Genetic algorithm, based on the principles of natural selection and genetics, uses a population of individuals that evolve over generations through selection, crossover, and mutation. Genetic algorithm is highly flexible and capable of exploring diverse regions of the solution space, making it suitable for both combinatorial and continuous optimization problems. Differential evolution is another evolutionary algorithm that emphasizes the mutation process by generating new candidate solutions through the weighted differences between randomly selected individuals. Differential evolution is particularly effective for continuous parameter optimization and is recognized for its robustness and strong global search ability. Proportional-integral-derivative parameters can also adapt dynamically to system input changes to yield more efficient responses. In other words, the controller gains can be adjusted based on varying system conditions. In this study, a two-area load frequency control model has been developed, consisting of two thermal power plant areas, each operating at half of their nominal power and interconnected. Both areas are controlled by proportional-integral-derivative controllers. Subsequently, nonlinear dynamics such as governor deadband and generation rate constraints were integrated into the model. In the next stage, a wind energy system was integrated into the first area, while a solar energy system was added to the second. The wind energy system includes blade pitch control. To determine the optimal controller parameters that would yield the best frequency response against input changes such as load variations, optimization algorithms were applied to three separate simulation models. Finally, an adaptive controller is designed based on the optimal controller parameters obtained for the hybrid power system. This controller is developed using the gradient descent method and incorporates a neural network model. The system responses obtained with the adaptive controller are compared to those of the non-adaptive controller. In the first model, particle swarm optimization, genetic algorithm, and differential evolution were applied. The integral of squared error was selected as the fitness function. For all three algorithms, the population size was set to 100 and the number of iterations to 50, with a search range between 0 and 15. particle swarm optimization and differential evolution rapidly converged to near-optimal values, while genetic algorithm lagged due to its multi-process and slower structure. The gain parameters obtained by particle swarm optimization and differential evolution were found to be quite similar. The frequency deviations of both areas and the tie-line power variation were evaluated as system outputs. The tie-line power represents the power exchange between the two areas and should be maintained at a predetermined value for system stability. All three algorithms yielded similar results in terms of frequency and tie-line power deviations, with particle swarm optimization and differential evolution performing best. The settling time for Area 1 frequency was 6.3650 seconds for particle swarm optimization and differential evolution, and 6.6740 seconds for genetic algorithm. Steady-state errors were 3.781×10⁻⁶ Hz for particle swarm optimization and differential evolution, and 3.831×10⁻⁶ Hz for genetic algorithm. In the second model, the dynamics of governor deadband and generation rate constraints were included. The deadband was set to ±0.06%, and the generation rate constraint was adjusted to allow the turbine to change output by 10% per minute. In this stage, combinations of the three optimization algorithms with three different fitness functions were implemented. particle swarm optimization again showed the fastest convergence. The lowest settling time of 20.278 seconds was achieved using particle swarm optimization with the integral of time-weighted absolute error as the fitness function. The lowest steady-state errors were obtained using genetic algorithm combined with integral of time-weighted absolute error. For Area 1, this error was 9.0826×10⁻⁵ Hz. The impact of nonlinear dynamics on frequency response was clearly observed. In the third simulation, renewable energy systems were integrated into the model. A wind energy system was added to Area 1, and a solar energy system to Area 2. The wind system includes a fixed-speed asynchronous generator and a pitch controller. The output power of the wind turbine generator depends on wind speed, blade pitch control, and grid frequency. In the solar model, only solar irradiance was considered; temperature effects were neglected. Additional optimization was carried out for the wind system controller gains, with a search range from 0 to 4. integral of time-weighted absolute error was used as the fitness function. particle swarm optimization again converged most rapidly. The system response revealed that the wind power output was highly sensitive to grid frequency. The frequency settling time for Area 1 was 22.7140 seconds under genetic algorithm. Regarding steady-state errors, differential evolution performed best with a value of -3.631×10⁻⁵ Hz for Area 1. Integration of renewable energy increased the peak values of system responses. In the fourth simulation, an adaptive controller was designed to improve the system response of the two-area power system integrated with renewable energy sources under random input disturbances. A gradient descent algorithm was used for this purpose. The gradient vector, representing the direction and rate of the steepest increase of a function, was computed using derivatives. The gain values obtained from differential evolution, which produced the best steady-state error in the third simulation, were taken as the reference controller vector. The objective was to compute the derivative of the error function with respect to this vector using the chain rule. The derivatives were obtained from the system model by creating a nonlinear autoregressive model with exogenous input-based artificial neural network. Separate networks were trained for both areas. The negative of the computed gradient, scaled by a learning rate, was used to update the controller gains. The system response was compared between the adaptive controller and the non-adaptive differential evolution controller. Controller gains began to change significantly after 80 seconds, and a noticeable improvement in system response was observed after 100 seconds. The steady-state error for Area 1 frequency was (-6.8438×10⁻⁴) Hz with differential evolution, while the adaptive controller achieved 7.1551×10⁻⁶ Hz. Similar improvements were observed for other parameters. In conclusion, this thesis compares various optimization algorithms and fitness functions for frequency control in a two-area power system. The effects of nonlinear dynamics on the model were discussed, and the influence of renewable energy systems on power system dynamics was investigated. Finally, an adaptive controller based on a neural network-driven gradient descent method was designed to enhance the system's performance under variable conditions and was compared with a non-adaptive controller.

Benzer Tezler

  1. Tez No

    949604

    Optimization of ground heat exchangers for sustainable heating solutions: A case study approach

    Sürdürülebilir ısıtma çözümleri için toprak ısı eşanjörlerinin optimizasyonu: Bir vaka çalışması yaklaşımı

    NURULLAH YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DOÇ. DR. ZEHİR FATİH ÖZTÜRK

  2. Tez No

    705347

    Mobil batarya enerji depolama sistemleri kullanılarak dağıtım sistemi işletiminin iyileştirilmesi ve sistem üzerindeki etkilerinin analizi

    Improvement of distribution system operating using mobile battery energy storage systems and analysis of its effects on the system

    OĞUZHAN KARAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA BAĞRIYANIK

  3. Tez No

    948938

    Unknown input observer based cyber attack detection in load frequency control systems

    Yük frekans kontrol sistemlerinde bilinmeyen giriş gözlemcisi temelli siber saldırı tespiti

    ARSLAN METE BAYBARS

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  4. Tez No

    691733

    Management and control of distributed energy generation systems via artificial intelligence techniques

    Dağıtık enerji üretim sistemlerinin yapay zeka teknikleri ile yönetim ve kontrolü

    ALPER NABİ AKPOLAT

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET EMİN KUZUCUOĞLU

    DR. ÖĞR. ÜYESİ ERKAN DURSUN

  5. Tez No

    821342

    Theoretical modeling of the energy efficiency of a shopping mall

    Bir alışveriş merkezinin enerji verimliliğinin teorik modellenmesi

    HAMZA ABUALESS

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    EnerjiAtatürk Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. KADİR BİLEN

Geri Dön