İrfanoğlu, BülentAli, Issa Yousf SaidNazlıbilek, Sedat2022-02-152022-02-152022-02-15http://hdl.handle.net/20.500.11905/439MODERN DENETİM YAKLAŞIMLARI KULLANAN TEK MAKİNALI SONSUZ BÜS SİSTEMİ İÇİN GÜRBÜZ GÜÇ SİSTEMİ KARARLILAŞTIRICI TASARIMIÖZ: Elektriğe olan talebin hızla artması nedeniyle, günümüzde güç sistemleri çeşitli kararsızlık sorunlarına neden olan ve potansiyel olarak ciddi teknik zorluklara yol açan kararlılık sınırları yakınında çalıştırılmaktadır. Konvansiyonel Güç Sistemi Kararlaştırıcıları (KGSK) güç sistemlerinde en yaygın kullanılan denetleyiciler olduğu için, konvansiyonel güç sistem kararlaştırıcılarının performansını artırmak için son yıllarda Genetik algoritmalar, bulanık mantık, partikül sürüsü gibi bazı akıllı optimizasyon algoritmaları kullanan pek çok teknik önerilmiştir. Ancak, kararlılaştırıcı parametrelerinin optimal bir şekilde ayarlanması vasıtasıyla tatminkar bir derecede yerel optimizasyon sağlanabilmiş olmasına rağmen, kararlılaştırıcıların gürbüzlüğü halen kuşkuludur ve çalışma noktası değişiklikleri ve bazı beklenmeyen bozucu etkiler vukuu bulduğunda iyi bir performans garanti etmeyebilmektedir. Bu tezde sistemin dinamik kararlılığının artırılması için güç sisteminde modern gürbüz denetim stratejilerinin iki türünün bir uygulaması sunulmaktadır. Bu iki tür denetim stratejisi Aktif Bozulum Dışlama Denetimi (ABDD) ile Geribesleme Hata Öğrenme Denetimi (GHÖ)’dir. İlk önerilen denetleyici olan ABDD algoritması, bu tür sistemlerde yaygın olarak karşılaşılan sorun yaratıcı bozucu etkilere karşı güç sistemini daha gürbüz kılan bir üstünlüğe sahiptir. ABDD yaklaşımının en önemli özelliği, bazı şartlar altında sistem modeli hakkında çok az bir bilgi gerektirmesidir. Gürbüz bir denetleyici tasarımlamak için açık döngü transfer fonksiyonuna ait bir bilgi oldukça yeterli olmaktadır. İkinci denetleyici olan GHÖ sistemin dinamik kararlılığını artırmak için geribesleme hata öğrenme denetim stratejisi çerçevesinde Yapay sinir Ağı (YSA) teknolojisi kullanan bir denetleyicidir. Konvansiyonel güç sistem kararlılaştırıcısı ile sinir ağını birleştiren GHÖ denetleyicisinin yapısal konfigürasyonunun doğası, onu, yapay sinir ağlarının adaptasyon ve doğrusalsızlık gibi ilave özellikleriyle birlikte, KGSK’nın iyi bilinen avantajlarını içeren güçlü bir denetleyici kılar. Bu tez çalışmasında önerilen ABDD ve GHÖ denetleyicileri küçük bozulmalar altında harici bir reaktans üzerinden Sonsuz Büs’e bağlı Senkron Makinadan ibaret bir güç sistemi için geliştirilmiştir. Hem ABDD ve hem de GHÖ’nün etkinlikleri her ikisinin de optimal olarak akordlu konvansiyonel güç sistem kararlaştırıcı ile kıyaslanmasıyla doğrulanmıştır. Ayrıca, bu kıyaslama önerilen ABDD ve GHÖ denetim stratejilerinin geniş bir çalışma koşulu aralığında yapılmıştır. Tüm testler ve durum çalışmaları Matlab®Simulink® ortamında icra edilmiştir. Simülasyon sonuçları önerilen denetim yöntemlerinin farklı yüklenme koşulları varlığında özellikle de konvansiyonel kararlaştırıcıların başarısız kaldığı bazı kritik çalışma noktalarında sistem kararlılığı ve yüksek performans sağladıklarını göstermiştir.Due to the rapid growing demand for electricity, power systems nowadays have become operating nearer to their stability limits which cause a lot of instability problems and could potentially result in serious technical challenges. Since the Conventional Power System Stabilizer (CPSS) is the most commonly used controller in power systems, many techniques have been proposed in the last few years aimed to improve the performance of conventional power system stabilizer using some intelligent optimization algorithms such as Genetic Algorithm, Fuzzy Logic, Particle Swarm and others. However, although local optimization can be achieved to a satisfactory degree by setting the stabilizer parameters in optimal way, the robustness of the stabilizer is still in doubt and it may not guarantee good performance when the operating point changes or some unexpected disturbance occurs. This dissertation presents an application of two types of modern robust control strategies on power system in order to improve system dynamic stability. Those two control strategies are Active Disturbance Rejection Control (ADRC), and Feedback Error Learning Control (FEL). The first proposed controller which is ADRC algorithm has an advantage that makes the power system more robust against wide range of troublesome disturbances that commonly encountered in such systems. The most important feature of ADRC approach is that it requires little information from the plant model forasmuch ‘under certain circumstances’ the relative order of open loop transfer function information is quite sufficient to design a robust controller. The second is FEL controller which employs the Artificial Neural Network (ANN) technology in framework of feedback error learning control strategy to enhance dynamic stability of the system. The nature of structural configuration of FEL controller, which combines a conventional power system stabilizer and a neural network, makes it powerful controller includes the well-known advantages of CPSS with the additional features of artificial neural networks like adaptation and nonlinearity. The proposed ADRC and FEL controllers have been developed in this study for a power system consists of Synchronous Machine connected to an Infinite Bus (SMIB) through external reactance under small disturbance. The effectiveness of both ADRC and FEL have been verified by comparing both of them with an optimally tuned conventional power system stabilizer. Moreover, the comparison has been done between the proposed ADRC and FEL control strategies under wide range of operating conditions. All tests and case studies have been conducted under Matlab Simulink environment. The simulation results showed that the proposed control schemes ensured high performance and system stability with presence of different types of loading conditions especially at some critical operating points where the conventional stabilizer had failed.enengineering systemsmechatronics engineeringThesis