dc.contributor.author |
BOJOD, JEMAA A. MOHMED |
|
dc.date.accessioned |
2024-08-20T08:41:52Z |
|
dc.date.available |
2024-08-20T08:41:52Z |
|
dc.date.issued |
2024-07 |
|
dc.identifier.uri |
http://acikerisim.karabuk.edu.tr:8080/xmlui/handle/123456789/3553 |
|
dc.description.abstract |
ÖZET
Dağıtılmış enerji kaynakları (DER'ler), yük merkezlerine yakın yük talebini karşılamak için daha iyi bir seçimdir. Optimum DER yerleşimi ve DER değerleri, güç kaybının azaltılmasına, voltaj profilinin iyileştirilmesine, çevre dostu olmasına, güvenilirliğe ve sistem değişikliklerinin ertelenmesine yol açar. Bu çalışma, güç kaybını azaltmak, voltaj seviyelerini düzenlemek ve öngörülemeyen yük talebi altında maliyet ve emisyonları azaltmak amacıyla yenilenebilir enerji kaynaklarının ve elektrikli araçların dağıtım besleyicilerindeki en iyi entegrasyonunu analiz etmek için yapay sinir ağlarını ve Bukalemun Optimizasyon Algoritmasını kullanmaktadır. Bu çalışmada modellerin üretilen çıkış güçleri güneş fotovoltaik üretim sistemleri ve rüzgar türbini üretim sistemleri ile karşılaştırılmıştır. Sonuç olarak, toplam aktif güç kaybını azaltırken aynı zamanda toplam maliyeti ve emisyon üretimini de
azaltmak için çeşitli hedefleri olan bir uygunluk fonksiyonu geliştirilmiştir. Çalışma, EV şarj/deşarj davranışının dağıtım sistemi üzerindeki etkisini dikkate aldı. Önerilen metodolojiyi test etmek için fiderlerdeki 28 buses kırsal dağıtım ağı kullanılmıştır. Sayısal sonuçların son analizi, Yapay Sinir Ağı ve Bukalemun Optimizasyon Algoritmalarının güç kaybı (440,94 kw) ve ortalama gerçek güç alımı (2224 kw) açısından daha iyi performans gösterdiğini ancak bu parametrelerin diğer optimizasyon algoritmalarını desteklemediğini gösterdi. Bu, önerilen stratejinin hem uygulanabilir hem de etkili olduğunu gösterdi.
ABSTRACT
Distributed energy resources (DERs) are a better choice to meet load demand close to load centers. Optimal DER placement and DER ratings lead to power loss minimization, voltage profile improvement, environmental sustainability, dependability, and deferment of system changes. This study uses artificial neural networks and the Chameleon Optimization Algorithm to analyze the best optimal assimilation of renewable energy sources and electric vehicles in the distribution infrastructure feeders to reduce power loss, regulate voltage levels, and decrease the cost and emissions under unpredictable load demand. In this investigation, the generated output power of the models is compared to solar photovoltaic generation systems and wind turbine generation systems. As a result, a fitness function with several objectives has been developed to reduce total active power loss while
also reducing total cost and emissions generation. The study took into account the effect of EV charging/discharging behavior on the distribution network. The 28-bus rural distribution network in feeders is used to test the suggested methodology. Final analysis of the numerical outcomes revealed that the Artificial Neural Network and Chameleon Optimization Algorithms outperformed in terms of power loss (440.94 kw) and average purchase of real power (2224 kw), but these parameters do not favor the other optimization algorithms. This showed that the proposed strategy is both viable and effective. |
en_EN |
dc.language.iso |
tr |
en_EN |
dc.subject |
Pratik Radyal Dağıtım Besleyici, Tekno-Ekonomik, Dağıtılmış Enerji Kaynakları, Yapay Sinir Ağı, Bukalemun Optimizasyon Algoritması |
en_EN |
dc.subject |
Practical Radial Distribution Feeder, Techno-Economic, Distributed Energy Resources, Artificial Neural Network, Chameleon Optimization AlgorithmIn this study, |
en_EN |
dc.title |
YAPAY SİNİR AĞLARI VE BUKALEMUN OPTİMİZASYON ALGORİTMASI İLE DAĞITIK ENERJİ KAYNAKLARINDA TEKNO-EKONOMİK VE ÇEVRESEL FAYDALAR SAĞLAYAN PRATİK RADYAL DAĞITIM BESLEYİCİ OPTİMİZASYONU |
en_EN |
dc.title.alternative |
PRACTICAL RADIAL DISTRIBUTION FEEDER FOR TECHNO-ECONOMIC AND ENVIRONMENTAL BENEFITS IN DISTRIBUTED ENERGY RESOURCES WITH ARTIFICIAL NEURAL NETWORK AND CHAMELEON OPTIMIZATION ALGORITHM |
en_EN |
dc.type |
Thesis |
en_EN |