SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2008 / Cilt: 23 Sayı: 3

DESIGN AND IMPLEMENTATION OF AN INTELLIGENT SIMULATOR FOR REACTIVE POWER COMPENSATION

Reaktif Güç Kompanzasyonu İçin Zeki Bir Simülatör Tasarımı Ve Gerçekleştirilmesi

Ramazan Bayındır
Şevki Demirbaş
Ömer Sesveren
Pages
681–688
Publication Date
2013-03-01
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Furthermore, the model developed can also be used for educational purposes as well as different applications in which ANN algorithms and structures can be tested.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The reactive power drawn from the electrical power stations increases the cost of the energy produced and reduces the efficiency of energy systems.
📊
Key Findings & Data:The reactive energy should be compensated at the load sides in order to reduce the consumption of the reactive power.
💡
Conclusion & Impact:Furthermore, the model developed can also be used for educational purposes as well as different applications in which ANN algorithms and structures can be tested.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Yapay sinir ağı modeli · senkron kompansatör · reaktif güç kompanzasyonu

Abstract

The reactive power drawn from the electrical power stations increases the cost of the energy produced and reduces the efficiency of energy systems. The reactive energy should be compensated at the load sides in order to reduce the consumption of the reactive power. In this study, an artificial neural network (ANN) model has been designed and implemented to control the reactive power compensator (RPC) with a synchronous motor. Since the ANN model obtained has a flexible structure, it can easily be adapted to the real time applications. Furthermore, the model developed can also be used for educational purposes as well as different applications in which ANN algorithms and structures can be tested.

Özet

Elektrik güç sistemlerinden çekilen reaktif güç üretim maliyetlerinin yükselmesine ve enerji sistemlerinin verimsizliğine sebep olmaktadır. Güç sistemlerinden çekilen reaktif gücü azaltmanın yolu, reaktif enerjinin tüketildiği noktada kompanze edilmesidir. Bu çalışmada, senkron motor ile yapılan reaktif güç kompansatörü (RGK) denetiminde kullanılabilen Yapay Sinir Ağları (YSA) modeli tasarımı ve uygulaması gerçekleştirilmiştir. Sonuçta, YSA yapısının gerçek zamanlı uygulamalara kolaylıkla adapte edilebileceği esnek bir sistem elde edilmiştir. Gerçekleştirilen model eğitim amaçlı olarak kullanılabileceği gibi, farklı YSA yapılarının ve algoritmalarının test edilebileceği uygulamalarda da kullanılabilecektir.

🔖

Cite This Article

Bayındır, R., Demirbaş, Ş., Sesveren, Ö. (2013). DESIGN AND IMPLEMENTATION OF AN INTELLIGENT SIMULATOR FOR REACTIVE POWER COMPENSATION. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 23 Sayı: 3, 681–688. https://ajindex.com/articles/1078767

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (75)

  1. Bayram M., Kuvvetli Akım Tesislerinde
  2. Reaktif Güç Kompanzasyonu Ağustos 2000,
  3. Birsen Yayınevi.
  4. Mekhamer, S.F., El-Hawary, M.E., Mansour,
  5. M.M., Moustafa, M.A., & Soliman, S.A., “State
  6. of the art in optimal capacitor allocation for
  7. reactive power compensation in distribution
  8. feeders”, IEEE Large Engineering Systems
  9. Conference on Power Engineering, LESCOPE, 2002, 61-75.
  10. Bal G., Çolak İ., “Reactive power compensator
  11. using constant capacitor and thyristor controlled
  12. reactor”, Gazi University, J. of Institute of
  13. Science and Technology, vol. 8, No. 2, 1995, p.
  14. Miller TJE., Reactive Power Control in Electric
  15. Systems, October 1982, A Viley-Interscience
  16. Publication, New York, p.182-222.
  17. El-Sadek, M.Z., Fetih, N.H., & Abdelbar, F.N.
  18. “Starting of induction motors by static VAR
  19. compensators”, 1988, Third International
  20. Conference on Power Electronics and
  21. Variable-Speed Drives, 444–447.
  22. Al-Hamrani, M.M., Von Jouanne, A., & Wallace,
  23. A., “Power factor correction in industrial
  24. facilities using adaptive excitation control of
  25. synchronous machines”, Pulp and Paper Industry Technical Conference, Conference
  26. Record of the 2002 Annual, 148–154.
  27. Bayındır R., Sagiroglu S., Colak I, “Yapay sinir
  28. ağları tabanlı reaktif güç kompanzasyonu”, Gazi
  29. Üniversitesi Teknik Eğitim Fakültesi, Politeknik
  30. Dergisi, 2007, 10(2), 129-135.
  31. Colak I., Bayindir R., Bay O.F.: ‘Reactive Power
  32. Compensation Using A Fuzzy Logic Controlled
  33. Synchronous Motor’, Energy Conversion and
  34. Management, 2003, 44 (13), 2059-2215.
  35. Sagiroglu S., Colak I, Bayındır R., “Power Factor
  36. Correction Technique Based on Artificial Neural
  37. Networks”, Energy Conversion and
  38. Management, 2006, Vol. 47/(18-19), 3204-3215.
  39. Sağıroğlu Ş., Beşdok E., Erler M.,
  40. Mühendislikte Yapay Zeka Uygulamaları-I
  41. Yapay Sinir Ağları, 2003, Ufuk Yayınevi,
  42. Kayseri.
  43. Haykin, S., Neural Networks: A
  44. Comprehensive Foundation, New York,
  45. Macmillan College Publishing Company, 1994,
  46. ISBN 0-02-352761-7, 1994.
  47. Çetin, M., Uğur, A., Bayzan, Ş., “İleri Beslemeli
  48. Yapay Sinir Ağlarında Backpropagation (Geriye
  49. Yayılım) Algoritmasının Sezgisel Yaklaşımı”,
  50. Akademik Bilişim Kongresi, Pamukkale
  51. Üniversitesi, Denizli, Şubat 2006.
  52. Hagan M.T., Demuth H.B. and Beale M., Neural
  53. Network Design, Boston: PWS Publishing co.,
  54. Arifoğlu A., Doğru A., Yazılım Mühendisliği,, SAS Bilişim Yayınları.
  55. Alp M., Cığızoğlu H. K., “Farklı yapay sinir ağı
  56. metodları ile yağış-akış ilişkisinin
  57. modellenmesi”, İTÜ Dergisi, 2004, 3(1), 80-88.
  58. Elmas Ç., “Bulanık mantık denetleyicili bir
  59. iklimlendirme sistemi”, Gazi Üniv. Politeknik
  60. Dergisi, 2000, 3(3), 15-22.
  61. Elmas Ç., “Bulanık mantık denetleyicili fırçasız
  62. doğru akım motor hız kontrolü”, Gazi Üniv.
  63. Politeknik Dergisi, 2000, 3(3), 7-14.
  64. Albostan A., Gökbulut M., “Self-Tuning
  65. Adaptive Neurocontroller For Brushless DC
  66. Motors”, International Journal of Electronics,, 88,1, 103-114.
  67. Dandil B., Gökbulut M., “Asenkron Motorların
  68. Sinirsel-Bulanık Denetleyici ile Uyarlamalı
  69. Denetimi”, Gazi Üniversitesi, Mühendislik
  70. Mimarlık Fakültesi Dergisi, 2005, Vol:20,
  71. No:2, 145-153.
  72. Güvenç U., Biroğul S., Sönmez Y., “Yapay sinir
  73. ağları eğitim seti”, The Proceedings of 7th
  74. International Educational Tecnology
  75. Conference, North Cyprus, May 2007.