LEE- Elektrik Mühendisliği-Doktora

Bu koleksiyon için kalıcı URI

Gözat

Son Başvurular

Şimdi gösteriliyor 1 - 3 / 3
  • Öge
    Online impedance measurement of batteries using cross-correlation technique
    (Lisansüstü Eğitim Enstitüsü, 2021) Gücin, Taha Nurettin ; Ovacık, Levent ; 723130 ; Elektrik Mühendisliği
    Although the foundation of battery technologies had been laid out quite a long time ago, the recent increase of the interest for technologies such as renewable energies, portable devices, electric vehicles urged the battery technology to emerge as a major research topic. Moreover, for such applications, the batteries generally considered to be one of, if not the most crucial component of the system, as the energy provided within them ensures the continuity of system operations. Additionally, the lifetime of such systems is generally directly correlated with the lifetime of batteries utilized thereof. Consequently, the assessment of battery condition is a crucial aspect for the durability and stability of a very wide range of applications. However, as most of the parameters regarding the status of the batteries are not directly measurable, the battery status generally has to be estimated. This task is generally undertaken by a battery management system (BMS), which often runs some tests on the battery to predict certain parameters such as state of health (SOH) and state of charge (SOC). Electrochemical Impedance Spectroscopy (EIS) principally presents the complex impedance values of a battery over a frequency range of interest and it is widely accepted as the most advanced testing technique for batteries as it allows a foundation for the estimation of various battery parameters such as battery temperature, SOC and SOH. However, very often, these measurements have to be accompanied with advanced estimation algorithms for ensuring reliable and accurate estimation of parameters. This thesis aims to provide a practical implementation of EIS measurements. For this purpose, the study presented in this thesis implements the suggested method into the DC-DC converters, which are almost always present in the systems deploying batteries. The implemented method is based on cross-correlation calculations. In the first part of the thesis the motivation and the objectives of the study is elaborated and a literature overview of the state of the art is provided for representing the current approaches and for emphasizing the need for improvements. The first part is followed by a theoretical background section, where the principles of the cross-correlation calculations and it's adaptation to battery EIS measurements are explained in detail. Several improvements for the method, especially aimed for battery applications, are also provided. In the subsequent part, the theoretical findings are supported by simulations, which are created in MATLAB by using the Simulink graphical programming environment. In this part, the theory is preliminarily tested by simulations regarding impedance measurements of a passive RLC circuit. In the latter part, a test bench is designed for performing experiments to serve as proof of concept for the suggested approach. The test bench comprises a digitally controlled boost converter that is configured for charging a 12-V, 7-Ah sealed lead-acid (SLA) battery. The boost converter is controlled by an FPGA based platform, namely the Nexsys 4 DDR of Xilinx. The digital controller also comprises subprogram for injecting the necessary signals to the battery. The waveforms that occur during the tests are then recorded by a data acquisition system based on NI cDAQ platform so that the saved data can be processed in MATLAB environment for calculating the EIS diagrams. During the experiments, firstly, the battery is tested via the proposed method at 50% SOC. It is shown that the results of the present approach coincide with those obtained by a commercially-available, laboratory-type, high-precision instrument. Finally, the tests were also repeated for 25% and 75% SOC values. Additionally, further results are also presented to prove the validity of the approach even when the DC-DC converter is configured to provide a constant current under closed feedback loop. In conclusion, it is shown that the proposed approach can be reliably used to analyse the impedance of batteries over a wide frequency range during battery charging process.
  • Öge
    Adaptive signal processing based intelligent method for fault detection and classification in microgrids
    (Lisansüstü Eğitim Enstitüsü, 2021) Azizi, Resul ; Şeker, Şahin Serhat ; 724566 ; Elektrik Mühendisliği
    The ever-increasing energy demand, the environmental issue of fossil fuels and the high investment cost for the establishment of bulk power plants lead energy plans to more flexible and scattered small-scale energy sources. The main feature of these new topologies is that they consume renewable energy sources for electricity generation. It also requires less time to plan, build and operate. Moreover, they are close to energy sources and local loads. So, there are more efficient, with minimal environmental issues. However, besides their benefits and advantages, they pose a new challenge for traditional power systems. These challenges include protection issues, stability concerns, and complex control systems and so on. Traditional power systems include mass generation followed by transmission and distribution. In this topology, it is possible to plan generation because consumption at the transmission level of the power system is more predictable and fuel resources are always available for generation units. On the other hand, the transmission system and its conditions can be controlled by state estimators and SCADA system. Therefore, production and consumption uncertainties are minimal and conventional protection is sufficient to protect these systems. Also, distribution systems have no generating units, systems are mostly radial and overcurrent protection systems are sufficient to protect them. In these passive networks, it is not necessary to have fast and reliable protection systems as in transmission systems. The initial role of these new energy sources was to act as a backup for mass production and to eliminate the small generation and consumption mismatch during peak consumption. On the other side, huge demand growth and investment time of mass production units and environmental concerns make these distributed energy resources (DERs) (wind, solar, biomass, etc.) popular in the distribution system. However, the contribution of the early DER groups to the total production is low and the control systems are very sensitive to voltage disturbances such as faults. Thus, according to the grid codes, after any minor fault or disturbance in the system, the DERs are disconnected, synchronized manually and reconnected after the fault is cleared. With the increasing penetration of DERs in distribution systems, they play an important and rapidly increasing role in the total production of the system. Therefore, de-energizing all these DERs in an area in the distribution system after a fault has occurred can lead to stability problems due to generation and consumption imbalance. Accordingly, a new concept called microgrid emerged and mainly established in distribution systems. This topology is the microscale of the power system. It can operate autonomously and cover the total demand of this local distribution system. Like the SCADA power system, it has an equivalent centralized monitoring and control system. The total generation is almost sufficient for the total demand of the loads in distribution networks converted to microgrid. It can operate as a standalone ecosystem separated from the main grid and is self-sufficient. The basic requirement of this topology for connecting to the main grid through PCC (point of common coupling) is to increase the total inertia of the system and increase the post-fault stability region. In addition, this topology can transfer energy to the main system if it produces more power than the loads consume. This can reduce the stress of mass production units. Last but not least, if the main upper grid disturbed, the microgrid can continue to supply its loads by disconnecting from the grid. In this new concept, grid codes expect the micro grid to be able to ride through faults and disturbances thanks to low voltage ride through (LVRT) systems. In fact, as a micro-scale model of the power system, the voltage of the DERs at the time of fault occurance is controlled by the LVRT, and the DERs continue to operate without disconnection after the fault is cleared by circuit breakers or other elements). Therefore, more complex control systems are required for DERs. However, microgrids are distribution systems and unlike traditional power systems, there is a high amount of uncertainty in generation and consumption (loads). The distribution system has changed from a passive network to an active dynamic network. In this system, topology, generation and consumption are changed faster and faster than in conventional power systems. This situation constantly changes the fault current level and direction, and the conventional overcurrent protection is completely insufficient to protect them. Also, due to the high penetration of sensitive DERs, prolonged fault current is not allowed (stability concerns). Moreover, inverter-based DERs have a very small contribution to the fault current level. The current protection method of microgrids is adaptive protection. In this model, all operating conditions of the system are extracted and all components of the systems are continuously monitored by central or decentralized control system or even dynamic load estimation. This model cannot be applied to a central control system because it has to process large amounts of data at a high sampling rate and it is impossible to make real-time decisions. Based on these facts, a new intelligence-based method for fault detection and classification of microgrid is proposed in this thesis. In the proposed method, three different adaptive signal processing methods are used to extract the short-time transient component of the signal instead of the fault current level. It transfers data (feature extraction) into three different data spaces. The main feature of these signal processing methods is that they do not use a predefined basis to decompose a signal. The basis is adaptive to signal and extract components depend on the noise penetration level and frequency components of the signal. An intelligence-based method called Brwonboost is used to make decisions in these data spaces, and the total decision is taken by the majority of votes of these three intelligence-based methods in these three data spaces. The main unique feature of the proposed method compared to traditional machine learning methods is its adaptability and uses a non-convex optimization method for detection and classification. The proposed method is a set of weak classifiers and tries to learn the data space step by step and iteratively. It tries to adapt the data by classifying the data that was misclassified in previous iterations. On the other hand, the unique non-convex optimization feature of the proposed method gives it an intelligence to select or discard misclassified data. It can decide step-by-step removal of the algorithm's iteration data in the training process if there is an outlier or a violation in another class area. This feature provides evidence against overfitting and becomes as practical a method as it is for real-world measured data. Finally, a Brownboost decision is also made by a majority vote of the weak classifiers. An intelligence-based method called Brwonboost is used to make decisions in these data spaces, and the total decision is taken by the majority of votes of these three intelligence-based methods in these three data spaces. In this method the classifier works base on the margin. This means, instead of only finding a classifier that minimize the classification error, it selects a classifier that has maximum discrimination between data of every class. The unique feature of the proposed method compared to traditional machine learning methods is its adaptability and uses a non- convex optimization method for detection and classification. The proposed method is an ensemble of weak classifiers and tries to learn the data space step by step and iteratively. It tries to adapt to the data by classifying the data that was misclassified in previous iterations. On the other hand, the unique non-convex optimization feature of the proposed method gives it an intelligence to select or discard misclassified data. During this step-by-step process, the algorithm can detect outliers or misclassified data that intensely violated other class area and remove it. This feature makes it robust against overfitting and becomes as practical method for real-world measured data. In total, the proposed method tries to classify the data in three different data spaces. The data area that makes maximum distinction between the data of each class is less sensitive to noise. Thus, a classifier has are fewer generalization errors to unseen new data (higher margin). Therefore, its Brownboost has more voting power in decision making. The results are test in test benchmark microgrid. DERs are modeled with the detailed model to extract the true detail form of the signal. Various types of control model and fault ride thruogh feature of DERs are implemented.
  • Öge
    Rüzgâr enerjisi kaynakları içeren güç sistemleri için güvenlik kısıtlı optimal güç akışı çözümü
    (Lisansüstü Eğitim Enstitüsü, 2021) Ayvaz, Alişan ; Genç, Veysel Murat İstemihan ; 693929 ; Elektrik Mühendisliği
    Rüzgâr enerjisi, ülkemizde ve dünya genelinde gün geçtikçe şebekede etkinliğini arttırmakta ve ihtiyaç duyulan enerji gereksinimini karşılamada önemli bir rol almaktadır. Konvansiyonel enerji kaynaklarının küresel ısınmayı tetiklemesi, temiz ve çevre dostu olan yenilenebilir enerji kaynaklarının ve bu enerji kaynakları içerisinde önemli bir yere sahip olan rüzgâr enerjisinin, ilerisi için kullanımının daha da hızlı bir şekilde artacağının göstergesi olmaktadır. Öyle ki bazı ülkeler, yakın gelecek planları dahilinde fosil yakıt kullanımını tamamıyla sıfırlamak ve bu kapsamda enerji ihtiyacının önemli bir kısmını rüzgâr enerjisinden karşılamayı amaçlamaktadır. Rüzgâr enerjisinin kullanımı sadece çevresel olarak değil, aynı zamanda ekonomik açıdan da avantajlar yaratmaktadır. Rüzgâr enerjisi kaynakları ile elden edilen gücün üretim maliyeti, yapılan doğru hesaplama ve planlamalar ile konvansiyonel enerji kaynaklarından elde edilene göre daha düşük olabilmektedir. Fakat, rüzgâr enerjisi, çevresel ve ekonomik olarak sunduğu avantajların yanında birtakım dezavantajlara da sahip bulunmaktadır. Bu dezavantajların temelinde ise rüzgâr enerjisi kaynağının, yani rüzgâr hızının, değişken ve belirsiz olması yatmaktadır. Bu değişken ve belirsiz olan rüzgâr hızına bağlı olarak rüzgâr enerjisi kaynakları ile üretilen güç de belirsiz olmakta ve bu kaynakları içeren güç sistemlerinde; ani yük akışı değişimleri meydana gelebilmekte, güç dengesi bozulabilmekte, güç sistemi bölgesel veya genel olarak aşırı yüklenmelere maruz kalabilmekte ve güç sistemi olası kritik arızalara karşı dayanıksız hale gelebilmektedir. Fakat, yine doğru hesaplama ve planlamalar ile rüzgâr enerjisi ile üretilen gücün belirsiz oluşuna bağlı bu dezavantajları telafi edebilir ve rüzgâr enerjisi kaynaklarının güç sistemine entegrasyonunu arttırarak, güç sistemini hem çevresel ve ekonomik açıdan avantajlı hem de teknik açıdan problemsiz bir şekilde işletebiliriz. Optimal güç akışı (OPF, optimal power flow), güç sistemindeki generatörler arasındaki güç dağıtımının güç akışı eşitlik kısıtları ve güç sistemi fiziksel ve işletimine dair sınırları tanımlayan eşitsizlik kısıtları altında ekonomik olarak yapılmasıdır. OPF problemi, literatürde tek veya çok amaçlı yapıda birçok farklı amaç fonksiyonu ile formüle edilse de genel olarak kullanılan amaç fonksiyonu, konvansiyonel generatörler tarafından üretilen gücün toplam maliyetidir. Geleneksel OPF yaklaşımı, her ne kadar iletim hatlarındaki maksimum güç taşınım sınırı ve generatör güç üretim limitleri gibi işletimsel kısıtları koruyarak güç sisteminin güvenliğinin sağlanması noktasında uygun çözümler sunsa da güç sisteminde meydana gelebilecek beklenmedik arızalara karşı güç sisteminin kararlılığını garanti etmemektedir. Bu kapsamda, güç sisteminin beklenmedik arızalara karşı kararlılığını hem arıza esnasında hem de arıza sonrasında dikkate alarak güç sisteminin güvenliğini sağlayan çalışmalar, geçici hal kararlılığı kısıtlı optimal güç akışı (TSCOPF, transient stability constrained optimal power flow) başlığı altında ele alınmaktadır. TSCOPF problem formülasyonunda, geleneksel OPF yaklaşımına ek olarak, güç sistemi dinamik davranışını belirleyen diferansiyel-cebirsel denklemler (DAEs, differential algebraic equations) de birer kısıt olarak yer almaktadır. Literatürde, son yıllarda yapılan çalışmalardan çok azı TSCOPF probleminin çözümünü yenilenebilir enerji kaynaklarının sebep olduğu güç üretim belirsizliklerini de dikkate alarak yapmaktadır. Bu çalışmalarda, genellikle, rüzgâr enerjisi kaynaklarının neden olduğu belirsizlik, rüzgâr hızı geçmiş verilerine bağlı olan veya varsayıma dayanan bir olasılıksal yoğunluk fonksiyonu ile ele alınmakta ve bu fonksiyon bilgisi kullanılarak rüzgâr enerjisi güç üretim belirsizliği farklı yöntemler ile modellenerek problem çözümü gerçekleştirilmektedir. Fakat belirsizlik modellemesi, bu yöntemler ile örneklemeye bağlı olarak gerçekleştirildiği için optimizasyon çözümünde hesaplama yükü meydana getirmektedir. TSCOPF probleminin çözümünde, geçici hal kararlılığı kısıtlarının kontrolü için gerçekleştirilen zaman bölgesi simülasyonlar hali hazırda bir hesaplama gücü gerektirirken, buna ek olarak, belirsizlik modellemesinin de dahil edilmesiyle problem çözümü daha da zorlu bir hal almaktadır. Diğer yandan, belirsizliklerin olasılıksal olarak ele alınması ile problem çözümü ile elde edilen sonuç da olasılıksal olmakta ve bu sonucun güvenirliği için Monte Carlo yöntemiyle yüksek örneklemeye bağlı test yapılması gerekebilmektedir. Bu durum, bu yöntemler için, pratikte uygulanabilirlik açısından bir dezavantaj teşkil etmektedir. Bu tez çalışmasında, literatürdeki eksikler göz önünde tutularak, rüzgâr enerjisi kaynaklarının neden olduğu güç üretim belirsizliği altında TSCOPF probleminin çözümüne yeni bir yaklaşım önerilmiştir. Bu çalışma dahilinde, rüzgâr enerjisinden kaynaklı belirsizliklerin ele alınması, olasılıksal olmayan ve örneklemeye dayanmadığı için hesaplama yüküne neden olmayan bilgi boşluğu karar teorisi (IGDT, information gap decision theory) yönteminin kullanımı ile gerçekleştirilmiştir. Önerilen metodoloji, uluslararası literatürde sıkça kullanılan küçük ve büyük ölçekli güç sistemleri üzerinde uygulanmış ve elde edilen sonuçlar literatürdeki diğer yöntemlerle karşılaştırmalı olarak analiz edilmiştir. Tez çalışmasının bir diğer aşamasında ise, rüzgâr enerjisi kaynaklarının yatırım planlamalarına yönelik literatürde yapılan çalışmaların güç sisteminin güvenliğini yalnızca statik kısıtlar altında ele aldığı tespit edilmiş ve bu kapsamda, statik kısıtların yanında güç sistemi dinamik kısıtlarının da dikkate alındığı ve bu şekilde muhtemel kritik arızaların meydana gelmesi durumunda güç sistemi kararlılığının korunduğu yeni bir rüzgâr gücü yatırımı (RGY) optimizasyon modeli geliştirilerek literatürdeki eksiklik giderilmeye çalışılmıştır. Bu yeni optimizasyon probleminin çözümü ile hedeflenen, güç sitemine yapılacak olan yatırımdan kaynaklanan ve güç sistemi işletim ve bakım masraflarını da kapsayan toplam maliyeti minimize edecek, aynı zamanda ise güç sistemi güvenliğini de statik ve dinamik açıdan geliştirecek en uygun rüzgâr tarlası konum ve kapasitelerinin bulunmasıdır. Rüzgâr gücü üretimine bağlı belirsizlik, bu çalışma kapsamında da dikkate alınarak pratikte uygulanabilir bir yatırım stratejisi hem yatırımcılar hem de güç sistemi operatörlerine yönelik olarak sunulmuştur. Ayrıca, parçacık sürü optimizasyon (PSO, particle swarm optimization) algoritmasının keşif, gri kurt optimizasyon (GWO, grey wolf optimization) algoritmasının ise sömürü aşaması kabiliyetlerinden yararlanılarak yeni bir hibrit optimizasyon algoritması (EHPSGWO, enhanced hybrid PSO-GWO) önerilen RGY probleminin çözümünde kullanılmak üzere geliştirilmiştir. Geliştirilen algoritma, RGY probleminin yanı sıra OPF probleminin çözümü için de uygulanmış ve literatürdeki benzer optimizasyon algoritmaları ile elde edilen sonuçlar da dikkate alınarak karşılaştırmalı şekilde performansı analiz edilmiştir. Bu kapsamda, bu tez çalışması, günümüz güç sistemlerinin artan enerji talebinin, temiz ve çevre dostu olan rüzgâr enerjisi kaynaklarının güç sistemlerine entegrasyonu ile karşılanmasına ve bu entegrasyonun, rüzgâr enerjisi kaynakları ile elde edilen güç üretimi belirsizliğinin de dikkate alınarak hem ekonomik anlamda fayda sağlayacak hem de güç sisteminin güvenliği noktasında herhangi bir zafiyete neden olmayacak şekilde gerçekleştirilmesine yönelik pratiğe uygun çözümler sunmaktadır. Nitekim, farklı büyüklükteki güç sistemleri üzerinde çeşitli durum çalışmaları ile elde edilen sonuçlar, yapılan çalışmanın yenilenebilir enerji kaynakları ile büyüyen ve aynı zamanda daha karmaşık hale gelen modern güç sistemleri için önemini göstermektedir.