Yapay Sinir Ağları Tabanlı Reaktif Güç Kompanzasyonu

Abstract

Elektrik güç sistemlerinden çekilen reaktif gücün artması, kayıpların artmasına, üretim maliyetlerinin yükselmesine ve enerji sistemlerinin verimsizliğine sebep olmaktadır. Kayıpları azaltarak verimi artırmanın yolu ise, reaktif enerjiyi yükün bulunduğu yerde kompanze etmektir. Bu çalışmada, reaktif güç kompanzasyonunun yapay sinir ağları (YSA) kullanılarak gerçekleştirilmesi incelenmiştir. YSA ile kompanzasyonu sağlamak için oluşturulan ağda Levenberg-Marquardt (LM) öğrenme algoritması kullanılmıştır. Elde edilen YSA modelinin testinde, YSA’nın LM ile eğitilmesiyle yüksek performanslı ve hızlı kompanzasyon gerçekleştirilebileceği tespit edilmiş, YSA yapısının gerçek zamanlı uygulamalara kolaylıkla adapte edilebileceği değerlendirilmiştir.

Keywords

• Reaktif güç kompanzasyonu, yapay sinir ağları, öğrenme algoritması

Reactive Power Compensation Based on Artificial Neural Network

Abstract

Increasing demand in the reactive power drawn from electric power station increases the loss and the cost of the energy, and reduces the system efficiency. The reactive power compensation system installed near by the loads is one of the methods to increase the efficiency. In this study, reactive power compensation system has been realized using artificial neural network. Levenberg-Marquardt learning algorithm was used for the constituted network. The reactive power compensation trained with LM learning algorithm can be implemented for high performance and faster compensation systems. It is evaluated that the structure of neural network is easily adapted in real time applications

Keywords

• Reactive power compensation, artificial neural network, learning algorithm