Elde edilen sonuçlar, GA ile çalışmakoşullarının belirlenmesi durumunda aktif güç kayıpları minimize edileceğinden ciddi oranda ekonomik kazançve enerji tasarrufu sağlanacağını ortaya koymaktadır.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Bu çalışmada optimizasyon yöntemlerinden biri olan Genetik Algoritma (GA) ile elektrik güç sistemlerindeoptimum çalışma koşulları belirlenmiştir.
📊
Key Findings & Data:Çalışmanın ana hedefi iletim hatlarında meydana gelen aktif güçkayıplarının minimum olmasını sağlayacak yük baralarının gerilim genlik değerlerinin belirlenmesidir.
💡
Conclusion & Impact:Elde edilen sonuçlar, GA ile çalışmakoşullarının belirlenmesi durumunda aktif güç kayıpları minimize edileceğinden ciddi oranda ekonomik kazançve enerji tasarrufu sağlanacağını ortaya koymaktadır.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Genetik algoritma · güç sistemleri · reaktif güç optimizasyonu
Özet
Bu çalışmada optimizasyon yöntemlerinden biri olan Genetik Algoritma (GA) ile elektrik güç sistemlerindeoptimum çalışma koşulları belirlenmiştir. Çalışmanın ana hedefi iletim hatlarında meydana gelen aktif güçkayıplarının minimum olmasını sağlayacak yük baralarının gerilim genlik değerlerinin belirlenmesidir. Örnekolarak 5 baralı bir sistem ele alınmış ve bu sistem üzerinde hem GA hem de Newton-Raphson (NR) güç akışıyöntemi kullanılarak yük baralarının çalışma gerilim değerleri belirlenmiştir. Bu değerler kullanılarak StatikVAR Kompanzatör (SVC) ile reaktif güç kompanzasyonu yapılmıştır. Elde edilen sonuçlar, GA ile çalışmakoşullarının belirlenmesi durumunda aktif güç kayıpları minimize edileceğinden ciddi oranda ekonomik kazançve enerji tasarrufu sağlanacağını ortaya koymaktadır.
ÖZTÜRK, A., DUMAN, S. (2013). GENETİK ALGORİTMA KULLANILARAK GÜÇ SİSTEMLERİNDE OPTİMAL ÇALIŞMA ŞARTLARININ BELİRLENMESİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 24 - Sayı: 3, 0. https://ajindex.com/articles/20892
Zhang, W. and Liu, Y., “Reactive Power Optimization Based on PSO in a Partical Power System”, Power Engineering Society General Meeting, 2004
IEEE., Vol. 1, 239-243,6-10
June - Hazra, J. and Sinha, A.K., “A Study on Real and Reactive Power Optimization using Particle Swarm Optimization”, International Conference on Industrial and Information Systems, 323-328, 9-11 August 2007.
Zhang, W. and Liu, Y., “Fuzzy Logic Controlled Particle Swarm For Reactive Power Optimization Considering Voltage Stability”, Power Engineering Conference, 1-5, 29 Nov. - 2 Dec. - Sheng, S. and Li, J., “Study of Reactive Power Optimization Based on Artificial Immune Ant Colony Algorithm”, Third International Electric Utility Deregulation and Restructuring and Power Technologies, 2311-, 6-9 April 2008.
Lu, Z. and Ma, L., “Power System Reactive Power Optimization Based on Direct Neural Dynamic Programming”, 3rd International Conference on Intelligent System and Knowledge Engineering, 862-866, 17-19
Nov. - Lirui, G., Limin, H., Liguo, Z., Weina, L. and Jie, H., “Reactive Power Optimization for Distribution Systems Based on Dual Population Ant Colony Optimization”, Control Conference, -93, 16-18 July 2008.
Grudinin, N., “Reactive Power Optimization Using Successive Quadratic Programming Method”, Power Systems, Vol. 13, Issue 4, -1225, Nov. 1998.
Wei, H., Cong, Z., Jingyan, Y., Jianhua, Z., Zifa, L., Zhilian, W. and Dongli, P., “Using Bacterial Chemotaxis Method for Reactive Power Optimization”, Transmission and Distribution Conference and Exposition, 1-7, 21-24
April - Li, Z., Shi, J. and Liu, Y., “Distributed Reactive Power Optimization and Programming for Area Power System”, International Conference on Power System Technology, Vol. 2, 1447-1450, -24 Nov. 2004.
Zhang, X., Chen, W., Dai. C. and Guo, A., “Selfadaptive Differential Evolution for Reactive Power Optimization”, Fourth International Conference on Natural Computation, Vol. 6, -564, 18-20 Oct. 2008.
Li, D., Gao, L., Zhang, J. and Li, Y., “Power System Reactive Power Optimization Based on Adaptive Particle Swarm Optimization Algorithm”, The Sixth World Congress on Intelligent Control and Automation, Vol. 2, -7576, 2006.
Wan, Z.P., Fan, H., Wang, S.F. and Wang, G.M., “A Bilevel Programming Model for the Reactive Power Optimization”, The 7th International Power Engineering Conference, 1-24, 29 Nov- Dec. 2005.
Wang, C., Cheng, H.Z. and Yao L.Z., “Reactive Power Optimization by Plant Growth Simulation Algorithm”, Third International