KaydedilenlerDerginizi ekleyin

Dergiler / İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi / 2026 / Cilt: 25 Sayı: 49

GAMS YAZILIMI İLE BİR MİKROŞEBEKENİN ADA MODUNDA OPTİMUM İŞLETİMİ: BİR KIRSAL BÖLGE ÖRNEĞİ

OPTIMUM OPERATION OF A MICROGRID IN ISLAND MODE WITH GAMS SOFTWARE: A RURAL AREA EXAMPLE

Umut Üzülmez(TRAKYA ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ)0009-0004-1963-3470
Burak Şafak(TRAKYA ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ)0009-0001-2290-1729
Alper Çiçek(TRAKYA ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ)0000-0003-4540-2276
Sayfa
271–303
Yayın Tarihi
2026-06-26
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuçlar, ikinci senaryonun DG kullanımını ve karbon emisyonunu %14,2, toplam işletme maliyetini ise %7,5 oranında azalttığını göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın bilimsel amacı, ada modunda işletilen bir mikroşebekede (MG) enerji yönetimini optimize ederek yenilenebilir enerji kaynaklarının (RES) kullanımını en üst düzeye çıkarmak, fosil yakıt tüketimini ve işletme maliyetlerini en aza indirmektir.
📊
Temel Bulgular & Veri:Model GAMS/CPLEX ortamında çözülmüş ve iki farklı senaryo altında değerlendirilmiştir.
💡
Sonuç & Katkı:Sonuçlar, ikinci senaryonun DG kullanımını ve karbon emisyonunu %14,2, toplam işletme maliyetini ise %7,5 oranında azalttığını göstermektedir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Optimum enerji yönetimi · karbon emisyonu · mikroşebeke

Özet

Bu çalışmanın bilimsel amacı, ada modunda işletilen bir mikroşebekede (MG) enerji yönetimini optimize ederek yenilenebilir enerji kaynaklarının (RES) kullanımını en üst düzeye çıkarmak, fosil yakıt tüketimini ve işletme maliyetlerini en aza indirmektir. Kritik (hastane), yarı kritik (okul) ve esnek (konut) yükleri içeren sistemde fotovoltaik (PV), rüzgâr türbini (WT), batarya enerji depolama sistemi (BESS) ve dizel jeneratörün (DG) koordineli çalışması analiz edilmiştir. Çalışmada, “RES, BESS ve DG’nin koordineli optimizasyonu ada modunda işletilen bir MG’nin enerji maliyetini ve karbon emisyonunu ne ölçüde azaltabilir?” sorusuna yanıt aranmıştır. Bu kapsamda çalışma, MG enerji yönetiminde gerçek meteorolojik verilerin kullanıldığı senaryo analizi, yüklerin kritik düzeyine göre önceliklendirilmesi ve karma tamsayılı doğrusal programlama (MILP) tabanlı operasyonel optimizasyonun birlikte uygulanması açısından literatüre katkı sağlamaktadır. Model GAMS/CPLEX ortamında çözülmüş ve iki farklı senaryo altında değerlendirilmiştir. İlk senaryoda üretim kapasitesi %30 ile sınırlandırılmış, ikinci senaryoda ise Antalya bölgesine ait gerçek meteorolojik veriler kullanılarak sistem tam kapasitede çalıştırılmıştır. Sonuçlar, ikinci senaryonun DG kullanımını ve karbon emisyonunu %14,2, toplam işletme maliyetini ise %7,5 oranında azalttığını göstermektedir.

Abstract

The scientific objective of this study is to optimize energy management in an islanded microgrid (MG) to maximize the utilization of renewable energy sources (RES) while minimizing fossil fuel consumption and operating costs. The system incorporates critical (hospital), semi-critical (school), and flexible (residential) loads, and analyzes the coordinated operation of photovoltaic (PV) panels, wind turbines (WT), a battery energy storage system (BESS), and a diesel generator (DG). The study addresses the research question: To what extent can the coordinated optimization of RES, BESS, and DG reduce the energy cost and carbon emissions of an islanded MG? In this context, the work contributes to the literature by integrating scenario analysis based on real meteorological data, load prioritization according to criticality levels, and a Mixed Integer Linear Programming (MILP)-based operational optimization approach for MG energy management. The model was developed and solved using the GAMS/CPLEX platform and evaluated under two scenarios. In the first scenario, the generation capacity was limited to 30%, whereas in the second, the system operated at full capacity using real meteorological data from the Antalya region. The results demonstrate that the second scenario reduced DG utilization and carbon emissions by 14.2%, and total operating costs by 7.5%.

🔖

Bu Makaleye Atıf Yap

Üzülmez, U., Şafak, B., Çiçek, A. (2026). GAMS YAZILIMI İLE BİR MİKROŞEBEKENİN ADA MODUNDA OPTİMUM İŞLETİMİ: BİR KIRSAL BÖLGE ÖRNEĞİ. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, Cilt: 25 Sayı: 49, 271–303. https://doi.org/10.55071/ticaretfbd.1713304

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (32)

  1. Allwyn, R. G., Al-Hinai, A., & Margaret, V. (2023). A comprehensive review on energy management strategy of microgrids. Energy Reports, 9, 5565-5591. https://doi.org/10.1016/j.egyr.2023.04.360
  2. Amar, A., & Yusupov, Z. (2025). Real-Time Capable MPC-Based Energy Management of Hybrid Microgrid. Processes, 13(9), 2883. https://doi.org/10.3390/pr13092883
  3. Arslan, G., Bayhan, B., & Yaman, K. (2019). Mersin / Türkiye için Ölçülen Global Güneş Işınımının Yapay Sinir Ağları ile Tahmin Edilmesi ve Yaygın Işınım Modelleri ile Karşılaştırılması. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 7(1), 80-96. https://doi.org/10.29109/gujsc.419473
  4. Aslan, E., Beşli, N., & Gümüşçü, A. (2017). İnşaat Güneş Enerjisi Santrallerinin Akıllı Şebekelere Entegrasyonu. Turkish Journal of Scientific Reviews, 10(2), 10-13.
  5. Babatunde, O., Fasesin, K., Dosa, A., Ighravwe, D., Ogbemhe, J., & Olanrewaju, O. (2025). Multi-Stage Stochastic MILP Framework for Renewable Microgrid Dispatch Under High Renewable Penetration: Optimizing Variability and Uncertainty Management. Applied Sciences, 15(19), 10303. https://doi.org/10.3390/app151910303
  6. Bektaş, E., Bayındır, K. Ç., Terciyanlı, A., Tan, A., Canbolat, H., & Yılmaz, H. (2023). Mikro Şebekeler için Enerji Yönetimi ve Gerilim Kontrol Algoritmalarının Geliştirilmesi: Alçak Gerilim Seviyesinde Statik Voltaj Regülatörü Örneği. Uluslararası Doğu Anadolu Fen Mühendislik ve Tasarım Dergisi, 5(1), 31-54. https://doi.org/10.47898/ijeased.1247046
  7. Çetinbaş, İ., Tamyürek, B., & Demirtaş, M. (2018). Eskişehir Osmangazi Üniversitesi Kampüsünde Elektrik Tüketim Maliyetinin Azaltılmasına Yönelik FV Üretim ve Enerji Depolama Biriminden Oluşan bir Mikro Şebekenin Optimal Tasarımı. EMO Bilimsel Dergi, 8(1), 33-38.
  8. Esparza, A., Blondin, M., & Trovão, J. P. F. (2025). A Review of Optimization Strategies for Energy Management in Microgrids. Energies, 18(13), 3245. https://doi.org/10.3390/en18133245
  9. Eyimaya, S. E., & Altin, N. (2024). Review of Energy Management Systems in Microgrids. Applied Sciences, 14(3), 1249. https://doi.org/10.3390/app14031249
  10. Fei, M. (2025). Optimization of Microgrid Operation Control Strategy under New Energy Integration. Journal of Electronic Research and Application, 9(4), 242-247. https://doi.org/10.26689/jera.v9i4.11461
  11. Gbadega, P. A., & Sun, Y. (2022). A hybrid constrained Particle Swarm Optimization-Model Predictive Control (CPSO-MPC) algorithm for storage energy management optimization problem in micro-grid. Energy Reports, 8, 692-708. https://doi.org/10.1016/j.egyr.2022.10.035
  12. Ghalavand, F., Al-Omari, I., Karegar, H. K., & Karimipour, H. (2018). Hybrid Islanding Detection for AC/DC Network Using DC-link Voltage. 2018 IEEE International Conference on Smart Energy Grid Engineering (SEGE), 216-221. https://doi.org/10.1109/SEGE.2018.8499479
  13. IEA. (2019, Kasım 23). Data – World Energy Outlook 2019 – Analysis. IEA. https://www.iea.org/reports/world-energy-outlook-2019/data
  14. Issa, W. R., Abusara, M. A., & Sharkh, S. M. (2015). Control of Transient Power During Unintentional Islanding of Microgrids. IEEE Transactions on Power Electronics, 30(8), 4573-4584. https://doi.org/10.1109/TPEL.2014.2359792
  15. Jiayi, H., Chuanwen, J., & Rong, X. (2008). A review on distributed energy resources and MicroGrid. Renewable and Sustainable Energy Reviews, 12(9), 2472-2483. https://doi.org/10.1016/j.rser.2007.06.004 Khamis, A., Xu, Y., Dong, Z. Y., & Zhang, R. (2018). Faster Detection of Microgrid Islanding Events Using an Adaptive Ensemble Classifier. IEEE Transactions on Smart Grid, 9(3), 1889-1899. https://doi.org/10.1109/TSG.2016.2601656
  16. Malekpour, A. R., & Niknam, T. (2011). A probabilistic multi-objective daily Volt/Var control at distribution networks including renewable energy sources. Energy, 36(5), 3477-3488.
  17. Mohamed, M. A. E., Mahmoud, A. M., Saied, E. M. M., & Hadi, H. A. (2024). Hybrid cheetah particle swarm optimization based optimal hierarchical control of multiple microgrids. Scientific Reports, 14(1), 9313. https://doi.org/10.1038/s41598-024-59287-x
  18. Mquqwana, M. A., & Krishnamurthy, S. (2024). Particle Swarm Optimization for an Optimal Hybrid Renewable Energy Microgrid System under Uncertainty. Energies, 17(2), 1-21.
  19. Ramakrishna, G., & Rao, N. D. (1999). Adaptive neuro-fuzzy inference system for volt/var control in distribution systems. Electric Power Systems Research, 49(2), 87-97. https://doi.org/10.1016/S0378-7796(98)00073-X
  20. Ramenah, H., Khoodaruth, A., Oree, V., Coya, Z., Murdan, A., Bessafi, M., & Doseeah, D. (2023). Johansen model for photovoltaic a very short term prediction to electrical power grids in the Island of Mauritius. Clean Technologies and Recycling, 3(2), 107-118. https://doi.org/10.3934/ctr.2023007
  21. Renewables.ninja. (t.y.). Renewables.ninja. Geliş tarihi 09 Ekim 2025, gönderen https://www.renewables.ninja/
  22. Shrivastav, A. K., & Dutta, S. (2025). Multi-objective optimization of hybrid microgrid for energy trilemma goals using slime mould algorithm. Scientific Reports, 15(1), 29242. https://doi.org/10.1038/s41598-025-15207-1
  23. Thorp, J. S., Ilic-Spong, M., & Varghese, M. (1986). An optimal secondary voltage-VAR control technique. Automatica, 22(2), 217-221. https://doi.org/10.1016/0005-1098(86)90083-X
  24. Tür, M. R., & Yaprdakdal, F. (2020). Yenilenebilir Enerji Kaynaklarına Dayalı Bir Sistemde Güç Kalitesi Analizi, Kontrolü ve İzlemesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 8(3), 572-587. https://doi.org/10.29109/gujsc.722014
  25. Wang, J., Li, K.-J., Liang, Y., & Javid, Z. (2021). Optimization of Multi-Energy Microgrid Operation in the Presence of PV, Heterogeneous Energy Storage and Integrated Demand Response. Applied Sciences, 11(3), 1005. https://doi.org/10.3390/app11031005
  26. Worku, M. Y., Hassan, M. A., & Abido, M. A. (2019). Real Time Energy Management and Control of Renewable Energy based Microgrid in Grid Connected and Island Modes. Energies, 12(2), 276. https://doi.org/10.3390/en12020276
  27. Worku, M. Y., Hassan, M. A., & Abido, M. A. (2020). Real Time-Based under Frequency Control and Energy Management of Microgrids. Electronics, 9(9), 1487. https://doi.org/10.3390/electronics9091487
  28. Xiao, G., Zhang, M., Huang, W., Mo, Z., Xie, H., & Tang, X. (2025). A data-driven hybrid robust optimization approach for microgrid operators in the energy reserve market considering different wind power producers’ strategies. Applied Energy, 386(C). https://ideas.repec.org//a/eee/appene/v386y2025ics0306261925002946.html
  29. Xu, T., Meng, X., Zheng, F., Zhang, Y., Wu, X., & Li, M. (2025). Multi-objective operation optimization method of microgrid considering the influence of electric vehicle. Scientific Reports, 15(1), 20416. https://doi.org/10.1038/s41598-025-01083-2
  30. Yaghoubi, E., Yaghoubi, E., Maghami, M. R., Rahebi, J., Zareian Jahromi, M., Ghadami (Melisa Rahebi), R., & Yusupov, Z. (2025). A Systematic Review and Meta-Analysis of Model Predictive Control in Microgrids: Moving Beyond Traditional Methods. Processes, 13(7), 2197. https://doi.org/10.3390/pr13072197
  31. Zelaschi, A., Pliotti, L., Betti, G., Tonno, G., Sgrò, D., & Martelli, E. (2025). An effective MILP model for the optimal design of microgrids with high-reliability requirements. Applied Energy, 383, 125359. https://doi.org/10.1016/j.apenergy.2025.125359
  32. Zhang, H., Ma, Y., Yuan, K., Khayatnezhad, M., & Ghadimi, N. (2024). Efficient design of energy microgrid management system: A promoted Remora optimization algorithm-based approach. Heliyon, 10(1). https://doi.org/10.1016/j.heliyon.2023.e23394