//
Yeni arama için tıklayınız.
 

Tez

Salih Ermiş

Güç Sistemlerinde Gerilim Kararlılığının Optimizasyonunda Yeni Bir Akıllı Yöntem Geliştirilmesi Ve Uygulaması

Güç Sistemlerinde Gerilim Kararlılığının Optimizasyonunda Yeni Bir Akıllı Yöntem Geliştirilmesi Ve Uygulaması

Türkçe

Doktora

Gazi Üniversitesi

Fen Bilimleri Enstitüsü Elektrik Eğitimi Ana Bilim Dalı

Prof. Dr. Ramazan BAYINDIR,ikinci danışman DR.ÖĞR.Üyesi Mehmet YEŞİLBUDAK

2018

Güç sistemleri, gerilim kararlılığı, ÖÖTO optimizasyon, RGK

 

Güç sistemlerinde güç talebinin sürekli artması, şebekelerin genişlemesi gibi durumlar gerilim kararlılığı çalışmalarını zorunlu hale getirmiştir. Güç sistemleri, sistemdeki tüm noktalarda normal çalışma koşullarında ve bozulma sonrası dönemlerde kabul edilebilir gerilim değerini muhafaza edebilmelidir. Gerilim kararsızlığı, gerilim seviyesindeki düşme veya yükselmelerdir ve gerekli önlemler alınmazsa kontrol edilemeyen düşüme veya yükselmeler nedeniyle sistemde ciddi sorunlara yol açabilmektedir. Bu tezin odak noktası, güç sistemlerinde gerilim kararlılığını arttırmaktır. Bu doğrultuda, güç sistemlerinde gerilim kararlılığının optimizasyonu için öğrenme öğretme tabanlı optimizasyon algoritması düzenlenerek yeni bir akıllı yöntem geliştirilmiştir. Geliştirilen akıllı yöntem ve literatürde kullanılmış parçacık sürü optimizasyonu (PSO), yerçekimi arama algoritması (YAA) ve öğretme-öğrenme tabanlı optimizasyon algoritmaları (ÖÖTO), standart IEEE 14 baralı ve İstanbul-Anadolu yakasında 17 baralı güç sistemlerinin güç akış analizlerine uygulanmıştır. Simülasyon sonuçları klasik Newton-Raphson güç akış yöntemi sonuçları referans alınarak değerlendirilmiştir. Bu iki güç sistemine, yük artışı, hat kesintileri gibi senaryolar uygulanmış ve yük baralarına reaktif güç kompansatörleri (RGK) bağlanmadan önceki ve bağlandıktan sonraki gerilim kararlılık analizleri gerçekleştirilmiştir. Gerilim kararlılığını sağlamak için aktif güç kayıplarını azaltma ve gerilim sapma değerini en aza indirme olmak üzere iki amaç fonksiyonu belirlenmiştir. Tüm çalışma durumlarında, geliştirilen akıllı yöntem ve literatürde kullanılmış PSO, YAA ve ÖÖTO algoritmaları gerilim kararlılığı açısından olumlu sonuçlar vermiştir. Yapılan karşılaştırılmalarda, çalışma zamanı dışında en iyi sonucun geliştirilen Düzenlenmiş Öğretme Öğrenme Tabanlı Optimizasyon (D-ÖÖTO) algoritmasıyla elde edildiği görülmüştür. Bilim

 

The continuous increase of active and reactive power demand in power systems and the expansion of networks cause very serious problems. Power systems should be able to maintain acceptable voltage values at all points in the system under normal operating conditions and post-deterioration periods. Voltage instability is a decrease or increase in voltage level and if necessary measures are not taken, it can lead to serious problems in the system due to uncontrolled falling or rising. The focal point of this thesis is to increase the voltage stability in power systems. In this direction, a new intelligent method has been developed by arranging a learning-teaching-based optimization algorithm for the optimization of voltage stability in power systems. The developed intelligent method and the PSO, GSA and TLBO algorithms used in the literature have been applied to the power flow analysis of standard IEEE 14-bus and 17-bus power systems in Istanbul Anatolia. Simulation results were evaluated with reference to the results of the classical Newton-Raphson power flow method. Scenarios such as load increase and line interruptions were applied to these two power systems and voltage stability analysis were carried out before and after connecting reactive power compensators (RPC) to the load buses. In order to achieve voltage stability, two objective functions are defined as reducing active power losses and minimizing voltage deviation value. In all working situations, the developed intelligent method and the PSO, GSA and TLBO algorithms used in the literature gave positive results in terms of voltage stability. The comparisons made were found to be obtained by the Regulated Learning Teaching-Based Optimization (R-TLBO) algorithm, which developed the best outcome out of working time