Enerji Sistemleri Kararlılığı Ve Güç Sistemi Dengeleyicisi Uygulamaları

Abstract

Elektrik enerji sistemleri kararlılığı, normal işletme koşullarında çalışan enterkonnekte sistemde iletim hatalarındaki geçici veya kalıcı arızalar, şalt teçhizatı arızaları, üretim ünitelerinin devreden çıkması, beklenmedik ek yüklerin gelmesi, üretim-tüketim dengesinin bozulması, sistem arızalarına bağlı olarak yük atılması, sistemin tümünü etkileyecek olup, arızalar sonrası geçici olaylar sönümlendikten sonra, tekrar normal işletme koşullarına dönebilme yeteneği olup, farklı sınıflandırmalar olmakla beraber literatürde genelde geçici hal kararlılığı ve küçük işaret kararlılığı olarak sınıflandırılmaktadır. Güç sistemi dengeleyicileri gerilim regülatörleri ile birlikte kullanılarak, generatörlerin uyarma akımlarının değişimi ve uygulama zamanları modüle edilerek, olumlu senkronizasyon ve sönümleme momentleri üretilmiş, rotorlarındaki elektromekanik salınımlar ile statorlarındaki aktif güç salınımlarının sönümlenmesine, sistemdeki frekans ve gerilim değişimleri belirli sınırlar içinde tutularak, sistemin kararlı çalışabilme güvenilirliği arttırılmıştır. Tez çalışmasında, Bis Enerji Elektrik Üretim A.Ş. Termik Santrali’nde işletmede olan 11,5 kV, 36 MVA gücünde, 11 no.lu Buhar Türbini Generatör ünitesinin küçük işaret kararlılığı ve geçici hal kararlılığı, bağlı olduğu TEİAŞ 154kV barasının sonuz güçlü olduğu varsayımı altında incelenmiştir. Küçük yük değişimlerinin senkron generatör üzerindeki etkisi güç sisteminin lineerleştirilmiş bir modeli olan Heffron-Phillips modeliyle; arızaların senkron generatör üzerindeki etkisi ise durum denklemleri yardımıyla çözülmüştür. Genetik Algoritma, Yapay Arı Kolonisi, Karınca Kolonisi Algoritması ve Parçacık Sürüsü Optimizasyonu algoritmalarıyla; güç sisteminin hem küçük işaret kararlılığını, hem de geçici hal kararlılığını arttıracak güç sistemi dengeleyicisi parametreleri “Çok Amaçlı Optimizasyon Probleminin Tek Amaçlı Optimizasyon Problemine İndirgenmesi” yöntemiyle belirlenmiştir. Algoritmaların performansları, optimizasyonların sonunda elde edilen hata değerlerin (ITAE) ortalaması ve standart sapması üzerinden değerlendirilmiş, bu yöntem için en başarılı optimizasyon algoritmasının Genetik Algoritma olduğu sonucuna ulaşılmıştır.

In the interconnected system that operates under normal operating conditions, since the temporary or permanent faults in the transmission lines, switchgear equipment faults, shut down of generation units, unexpected additional loads, destabilization of generation-consumption equilibrium, load shedding depending on system failures will affect the system integrity; electric power systems stability is a capability of returning to the normal operating conditions after damping of temporary faults and there are different classifications in the literature, it is generally classified as transient stability and small-signal stability. Positive synchronization and damping torques are produced by being used together with voltage regulators and power system stabilizer by modulating excitation time and exchange of the excitation currents of the generators; stable operating reliability of the system is enhanced by keeping the frequency, voltage changes within limits and damping of active power oscillations in the stators and electromagnetic oscillations in the rotors. In this study, transient state stability and small-signal stability of the Steam Turbine Generator unit no 11 that is 11,5 kV, 36 MVA, which operates in the Thermal Power Plant of Bis Enerji Elektik Üretim A.Ş., is investigated under the assumption that its connected TEİAŞ 154kV as an infinitive bus. Effects of small load perturbation on synchronous generator have been investigated by a linearized model, Heffron-Phillips model,of the power system; effects of faults on synchronous generator have been solved by the state equations. Power system stabilizer’s optimal parameters that will enhance both transient stability and small-signal stability are determined by the “Reduction of Multi-Objective Optimization Problem to the Single-Objective Optimization Problem” method using Genetic Algorithm, Artificial Bee Colony, Ant Colony Algorithm and Particle Swarm Optimization algorithms. Algorithms’ performances are evaluated through The Integral of Time multiply Absolute Error (ITAE) average and standard deviation obtained at the end of the optimizations; and it is concluded that Genetic Algorithm is the most successful optimization algorithm for this method.