Yenilenebilir enerji kaynaklarının akıllı şebekelere entegrasyonu için yeni bir optimizasyon metodunun geliştirilmesi

Abstract

Günümüzde, yenilenebilir enerji kaynaklarına olan ilgi, fosil yakıtların sonlu olması ve küresel ısınma gibi nedenlerle giderek artmaktadır. Ancak bunların şebekelere yerleştirilmesi bazı problemlerin ve zorlukların analizi ile gerçekleşmektedir. Bu bağlamda, yenilenebilir tabanlı kaynakların şebekeye optimal yerleştirilmesi ve boyutlandırılması problemi ele alınmaktadır. Üstelik, bu problem sezgisel yöntemlerle çözülebilmektedir. Bu çalışmada kartal stratejisi ile geliştirilmiş parçacık sürü optimizasyonu (KSPSO) algoritması adıyla yeni bir sezgisel algoritma önerilmiştir. Bu yöntem, bazı klasik test fonksiyonları üzerinde test edilmiştir. Sonraki adımda ise çoklu-amaç problemleri için modifiye edilmiş ve bazı test fonksiyonlarına uygulanmıştır. Önerilen yöntemin elde ettiği sonuçlar başka algoritmalar ile karşılaştırılmıştır. Karşılaştırma için parçacık sürü optimizasyonu (PSO), salp sürüsü algoritması (SSA) ve ateş böceği (AB) ve kaotik ateş böceği (KAB) algoritmaları kullanılmıştır. En nihayetinde bir çoklu-amaç gerçek dünya problemi olan en iyi yerleştirme ve boyutlandırma problemine uygulanmışlardır. Bu problemde, güç kaybı, kurulum maliyeti, gerilim dalgalanması ve gaz salınımı azaltma amaçları birlikte ele alınmıştır. Böylece problem çoklu-amaç problemi haline gelmiştir. Test alanlarındaki rekabetçi sonuçlara ulaşmak, önerilen yöntemin daha iyi bir performans gösterdiğinin kanıtıdır. Dahası güçlü bir yöntem olduğunu da göstermiştir. Çoklu-amaç test problemlerinde gerçek bir Pareto ön-yüzey bulunmaktadır. Bu çalışmada, önerilen yöntem rekabetçi bir şekilde bu önyüzeylere yakınsamıştır. Gerçek dünya probleminde, önerilen yöntem farklı baralara yüksek kapasiteli yenilenebilir enerji kaynaklarının yerleştirilmesinde başarılı olmuştur. Bu durum da yeteneklerinin bir kanıtı olabilir. Önerilen yöntem ile çözülen gerçek dünya problemi için akıllı şebeke uygulamalarında analiz amaçlı büyük ölçekli modifiye test sistemleri kullanılmıştır. Bu çalışmada modifiye edilmiş IEEE 30-baralı sistem, modifiye edilmiş IEEE 57-baralı sistem ve modifiye edilmiş IEEE 118-baralı sistem ele alınmıştır.

Today, the interest in renewable energy sources is increasing due to the finite fossil fuels and global warming. However, the placement of these energy sources in the networks is done with the analysis of some problems. In this context, the problem of optimal placement and sizing of renewable-based resources into the network is addressed. Moreover, this problem can be solved by heuristic methods. In this study, a new heuristic algorithm has been proposed, named an improved particle swarm optimization with eagle strategy algorithm (ESPSO). This method has been tested on some classical benchmark functions. In the next step, it has been modified for multi-objective problems and applied to some test functions. The results of proposed method have been compared with other algorithms. For comparison, particle swarm optimization (PSO), salp swarm algorithm (SSA) and firefly (FA) and chaotic firefly (CFA) algorithms have been used. Finally, they have been implemented to the optimal placement and sizing problem based on a multi-objective real world problem. In this problem, the minimizations of power loss, installation cost, the voltage deviation and gas emission are handled simultaneously. So the problem has become multi-objective problem. The achieving competitive results in test beds is evidence of the outperforming ability of the proposed method. It can be also shown that it is a superior method. Multi-objective test problems have a true Pareto front. In this study, both methods converged to this anterior surface. In the real world problem, the proposed method has success the placement of renewable energy sources with high capacity in different buses. This can also be a proof of its ability. Large-scale modified test systems have been used in the analysis of smart grid applications for the real world problem solved by the proposed method. In this study, the modified IEEE 30-bus system, the modified IEEE 57-bus system and the modified IEEE 118-bus system have been used.