Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.13091/1466
Title: | Akıllı şebekelerde yük yönetimi ve yük tahmini | Other Titles: | Load forecasting and load management in smart grid | Authors: | Üney, Mehmet Şefik | Advisors: | Çetinkaya, Nurettin | Keywords: | Elektrik ve Elektronik Mühendisliği Electrical and Electronics Engineering Akıllı şebekeler Intelligence networks Güç sistemleri Power systems Yönetim Management Yük tahmini Load forecasting Yükler Loads Şebeke Network |
Publisher: | Konya Teknik Üniversitesi | Abstract: | Mevcut şebeke altyapısı, hızla yenilenen, gelişen, büyüyen teknolojik ve endüstriyel ihtiyaçlara cevap vermede yetersiz kaldığından akıllı şebekeler umut verici bir çözüm haline gelmiştir. Gelişmiş ölçüm altyapısı, çift yönlü iletişim ve dağıtık üretim kaynakları gibi akıllı şebekenin temel unsurları, mevcut enerji yönetim yaklaşımlarını geliştirmeye adaydır. Her ne kadar geleneksel güç sistemleri, değişkenlik gösteren yük talebi cevabını ele almak için iyi kurgulanmış olsa da, akıllı şebekelerle birlikte sisteme dâhil edilen yenilenebilir enerji kaynaklarının getireceği ek değişkenlik ve belirsizlik, şebeke istikrarı için önemli bir sorun oluşturmaktadır. Bu tez çalışmasında bir güç sistemi işletmecisi tarafından kullanılabilecek olan akıllı şebekelerin, yönetim stratejisinin geliştirilmesi, güç kayıplarının düşürülmesi ve şebeke işletme hızının ve kabiliyetinin arttırılması üzerinde durulmuştur. Akıllı şebekelerin hayatımıza girmesi ile çözümü beklenen, birçok sorundan üç tanesi ele alınmıştır. Bu üç sorunun birleştirilmesi sonucunda önerilen çözüm yöntemi, şebeke sorunlarının çözümüne yeni bir bakış kazandırmıştır. İlk olarak; güç sistemi yönetiminde çok önemli bir rolü olan yük/üretim tahmin konusu ele alınmıştır. Güvenirliliği defalarca kanıtlanmış literatürde sıklıkla çalışılmış, üç farklı tahmin modelinin sonuçları birbiriyle karşılaştırılmıştır. Bu modellerin tümünde aynı veri setinden faydalanılmıştır. Tahminler bir saatlik kısa zaman dilimleri için yapılmıştır. Tahmin modellerinin çalışma mantığının farklı olmasına özellikle dikkat edilmiştir. İstatiksel çözüm altyapısını kullanan Regresyon Analiz yöntemi, beyin sinir yapısını temel alan Yapay Sinir Ağları (YSA) yöntemi ve bulanık mantık yaklaşımını esas alan ANFIS yöntemi tercih edilmiştir. Bu üç yöntemden ANFIS en başarılı yöntem olarak belirlenmiştir. ANFIS önerilen çözüm yönteminde yük tahmin modeli olarak seçilmiştir. İkinci olarak; güç sistemlerinin ekonomik ve güvenli bir şekilde işletilmesinde önemli bir rol oynayan Optimal Reaktif Güç Dağıtım (ORPD) konusu çalışılmıştır. ORPD, doğrusal olmayan bir amaç fonksiyonu ve kısıtları içeren karmaşık bir optimizasyon problemidir. ORPD'nin temel hedefi, generatör ayar noktaları, trafo kademe ayarı ve reaktif güç kompanzasyon çıkışı gibi tüm kontrol değişkenlerinin optimum ayarlarını belirlemektir. Bu amaçla adı geçen problemin çözümüne yönelik, literatürde araştırmacılar tarafından birden çok çözüm yöntemi sunulmuştur. Bu tezde, doğrusal olmayan problemlerin çözümünde başarısı kabul görmüş meta-sezgisel algoritmalar kullanılmıştır. ORPD problemine daha önce uyarlanmamış ağaç tohumu algoritması (ATA) ve kurbağa sıçrama algoritmasının (KSA) sonuçları literatürde çalışılmış yöntemlerle karşılaştırılmıştır. Karşılaştırmalar sonucunda başarısı kanıtlanan ATA algoritması, optimizasyon yöntemi olarak tercih edilmiştir. Optimizasyon algoritmalarının başarısını test etmek amaçlı IEEE-30 ve IEEE-118 bara test sistemleri kullanılmıştır. Üçüncü olarak; güç sisteminde yük talebinin enerji üretiminden fazla olması durumunda sıklıkla başvurulan yük atma konusu işlenmiştir. Yük atma yöntemi, hızlı cevap ve ani değişikliklere kolay uyum sağladığından dolayı tercih edilir. Güç sistemlerinin istikrarını sağlamak için optimize edilmiş yük atma yöntemleri son yıllarda önem kazanmıştır. Bundan dolayı güncel bir yöntem olan akıllı yük atma (AYY) yöntemi bu tezde çalışılmıştır. Bu yöntem kapsamında yükler önemine göre dört sınıfa ayrılmıştır. Her sınıf kendi arasında üç farklı gruba bölünmüştür. Yükler önem sırasına göre devreye alınıp veya devreden çıkarılmaktadır. Tahmini üretim değerine göre bir saat sonraki zaman diliminde devreye alınacak yükler önceden belirlenerek hafızaya alınmaktadır. Sonraki adımda gerçek üretim değeri ile tahmini üretim değeri arasındaki fark güç hesaplanır. Gerçek üretim gücü ve tahmini üretim gücü farkına göre önceden hafızaya alınan yüklerden yük atma veya yük devreye alma işlemi uygulanmıştır. Bu durum sistemi ekstra vakit kaybından kurtarmıştır. Yukarda bahsi geçen tüm yöntemler tek bir amaç için bir araya getirilerek yeni bir çözüm yaklaşımı sunulmuştur. Önerilen yöntem ANFIS, ATA ve AYY metodlarının bir araya getirilmesinden oluşturulmuştur. Bu nedenle yöntem, ANFIS+ATA+AYY hibrit model şeklinde tanımlanabilir. Sistemin tümünü göz önüne alacak olursak hedeflenen amaçları; gerçeğe yakın üretim tahmini, minimum güç kaybı ve sistemin işletme kabiliyeti/hızının artması şeklinde sıralayabiliriz. Smart grid have become a promising solution since the current grid infrastructure is inadequate to meet rapidly renewed, developing, growing technological and industrial needs. The key elements of the smart grid, such as advanced metering infrastructure, bi-directional communication and distributed production resources, challenge current energy management approaches. Although conventional power systems are well-established to address the varying load demand response, the additional variability and uncertainty of renewable energy sources incorporated into the system with smart grids pose a significant threat to network stability. In this study, it has been focused on developing the management strategy of smart grids that can be used by a power system operator, reducing power losses and increasing network operational speed. Three of the many problems that are expected to be solved with the introduction of smart grids have been addressed. As a result of combining these three problems, the proposed solution method provides a new insight into the solution of network problems. Firstly; load forecasting which has a very important role in power system management is discussed. The results of three different prediction models, whose reliability has been repeatedly proven and frequently studied in the literature, have been compared. The same data set was used in all of these models. estimates are made for short periods of time, such as one hour. In particular, attention was paid to the different logic of the prediction models. Regression Analysis Method which uses the statistical solution infrastructure, Artificial Neural Networks (ANN) method based on brain neural structure and artificial neural fuzzy inference system (ANFIS) method based on fuzzy logic approach have been preferred. ANFIS was the most successful method in these three methods. ANFIS was chosen as the load prediction model in the proposed solution method. Secondly; Optimal Reactive Power Dispatch (ORPD), which plays an important role in the economic and safe operation of power systems, has been studied. ORPD is a complex optimization problem that involves a nonlinear objective function and constraints. The main objective of ORPD is to determine the optimal settings of all control variables, such as generator setpoints, transformer step adjustment and reactive power compensation output. For this purpose, multiple solution methods have been presented by the researchers for the solution of the mentioned problem. In this thesis, meta-heuristic algorithmic methods which are successful in solving linear problems are used. The results of tree seed algorithm (TSA) which previously has never been adapted to the ORPD problem and shuffled frog leaping algorithm (SFLA) were compared with the methods studied in the literature. As a result of the comparisons, TSA which has a better success was preferred to be used in the proposed solution method. IEEE-30 and IEEE-118 bus systems were used to test the success of optimization algorithms. As the third; In the power system, if the load demand is higher than the energy production, the subject of load shedding, which is frequently applied, is discussed. Load shedding is preferred because of its rapid response and easy adaptation to sudden changes. In order to ensure the stability of power systems, optimized load shedding methods have gained importance in recent years. Therefore, the current method of intelligent load shedding (ILS) has been studied in this thesis. In this method, loads are divided into four classes according to their importance. Each class is divided into three groups in order of importance. Loads are switched on or off in order of their importance. According to estimated production value, loads that to be used in the following period are pre-determined and stored. When the actual production information was transmitted to the system, the operations were continued over the stored loads. This saved the system from wasting extra time. All methods used in this thesis are brought together for a single purpose, a new solution approach is presented. The proposed method was developed by using ANFIS, TSA and ILS methods. Therefore, the method can be defined as ANFIS+TSA+ILS hybrid model. If we take the whole system into consideration, the total targeted objectives are listed as realistic production forecasting, minimum power loss and increased operating capability. |
URI: | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=FgmkGchPKo23qQqBeqzVZl7Tn1xori9lspg8QtRLVZ8ybxV0J_MQXQJmAThmBUaf https://hdl.handle.net/20.500.13091/1466 |
Appears in Collections: | Tez Koleksiyonu |
Files in This Item:
File | Size | Format | |
---|---|---|---|
562691.pdf | 2.74 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
652
checked on Aug 26, 2024
Download(s)
494
checked on Aug 26, 2024
Google ScholarTM
Check
Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.