SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2013 / 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

↗New Tab

References (78)

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