Mi̇kro şebekeler için derin öğrenme kullanılarak pasif ada çalışma tespit yöntemi̇ geli̇şti̇ri̇lmesi̇

Abstract

Mikro şebekeler fotovoltaik, rüzgar ve hidroelektrik enerji gibi başta yenilenebilir enerji kaynakları olmak üzere dağıtık üretim birimlerinin dağıtım şebekesine entegrasyonunu sağlayarak şebekeye bağlı veya ada modunda çalışabilen geleceğin enerji sisteminin önemli bir parçasını oluşturmaktadır. Mikro şebekenin işletilmesinde karşılaşılan zorluklardan biri ana şebekede meydana gelen arıza sonucu oluşan istenmeyen ada çalışma durumunun sonucu olarak gerilim ve frekansta kabul edilmeyen seviyelerin meydana gelmesi, kişilerin can ve mal güvenliği ile bağlı olduğu yüklerin zarar görmesidir. Bu durumu önlemek için ada çalışma tespiti yapılmakta ve dağıtık üretimler şebekeden izole edilmektedir. Literatürdeki çalışmaların büyük çoğunluğu dağıtık üretim seviyesinde olup, mevcut konvensiyonel ada tespit yöntemleri ihtiyacı karşılamamaktadır. Bu tez çalışmasında derin öğrenmeye bağlı algoritmalardan uzun kısa süreli bellek ağları (LSTM) ve tek boyutlu evrişimsel ağlar (1D CNN) ada çalışmanın tespitinde kullanılmıştır. Veri setindeki özelliklerin daha etkin bir şekilde ortaya çıkarılması amacıyla iki ağın güçlü özelliklerinden yararlanılarak 1D CNN-LSTM yöntemleri birleştirilmiştir. Önerilen yöntemlerde mikro xiv

şebekenin ortak bağlantı noktasında ölçümü yapılan gerilim, akım ve harmonik verileri kullanılmıştır. Önerilen yöntemin testi MATLAB/Simulink platformunda kurulan mikro şebeke sistemi üzerinde yaklaşık 4000’e yakın ada olayları (küçük ve büyük çapta aktif ve reaktif güç değişimi) ve ada olmayan şebeke olayları (arızalar ve kapasitör, doğrusal olmayan yükler, motor yükü, dağıtık üretimler gibi çeşitli anahtarlamalar) dikkate alınarak gerçekleştirilmiştir. Literatürdeki çalışmalardan farklı olarak şebekenin harmonikli olması durumu ilk kez bu çalışmada dikkate alınmıştır. Önerilen ada çalışma tespit yöntemlerinin performansı doğruluk, kayıp, duyarlık, kesinlik, F1 skor gibi farklı performans metrikleri kullanılarak farklı açılardan karşılaştırılmış ve değerlendirilmiştir. Önerilen yöntemler daha önce görülmeyen düşük algılama dışı bölge (NDZ)’ye sahip durumlarla ve mikro şebekeye ilave dağıtık üretimlerin eklenmesi durumunda oluşturulan senaryolarla test edilmiştir. Elde edilen sonuçlara göre uygulaması basit, yüksek doğrulukta, düşük NDZ’ye sahip, yüksek hızda ada çalışmayı tespit edebilen yöntemler ortaya konmuştur.