Rüzgar Enerji Sistemlerinde Kontrol Yöntemleri

Abstract

Günümüzde artan nüfus ve teknolojik gelişmeler enerji talebini hızla artırmakta ve ülkeleri sürdürülebilir enerji kaynaklarına yönlendirmektedir. Türkiye’de enerji ihtiyacının büyük kısmı fosil yakıtlardan karşılanmakta olup, bu durum çevresel etkilerin artmasına ve enerji güvenliği sorunlarına yol açmaktadır. Bu bağlamda, yenilenebilir enerji kaynakları, özellikle rüzgâr enerjisi, çevre dostu, sürdürülebilir ve ekonomik bir çözüm olarak önem kazanmaktadır. Rüzgâr enerjisinde türbinlerin verimli çalışması kritik olup, kontrol yöntemleri türbin performansını optimize etmek, mekanik zorlanmaları azaltmak ve enerji üretiminde sürekliliği sağlamak açısından hayati bir rol oynamaktadır. Kanat açısı, rüzgâr yönü, frenleme mekanizmaları ve maksimum güç noktası izleme (MPPT) gibi mekanik ve elektronik kontrol sistemleri, türbinin güvenli ve verimli çalışmasını destekler. PID (Oransal–İntegral–Türevsel) kontrol yöntemleri, rotor hızı ve kanat açısı gibi parametreleri sürekli izleyerek türbinin değişken rüzgâr koşullarında optimum performans göstermesini sağlar. Günümüzde adaptif kontrol, bulanık mantık ve yapay zekâ tabanlı yaklaşımlar da türbinlerin çevresel değişimlere hızlı uyum sağlamasını sağlayarak enerji üretim verimliliğini artırmaktadır. Bu çalışma, rüzgâr türbinlerinde kullanılan modern kontrol yöntemlerini kapsamlı biçimde inceleyerek sistem verimliliğini artırmaya yönelik teknik yaklaşımları ortaya koymakta ve özellikle MPPT algoritmalarının türbinlerin optimum güç üretmesini sağlama rolünü vurgulamaktadır. Sonuç olarak, rüzgâr enerjisi çevresel etkileri düşük, sürdürülebilir bir enerji kaynağı olarak öne çıkmakta; uygun kontrol yöntemleri ile türbinlerin enerji üretim verimliliği önemli ölçüde artırılabilmektedir.

Keywords

• Rüzgar Türbinleri
• Kontrol Sistemleri
• Yenilenebilir Enerji
• Enerji Verimliliği
• Rüzgar Türbini Verimliliği
• Maksimum Güç Noktası Takibi
• PID Kontrol

Control Methods in Wind Energy Systems

Abstract

Today, the increasing population and technological developments rapidly raise energy demand, directing countries towards sustainable energy sources. In Turkey, a significant portion of energy needs is met by fossil fuels, which leads to increased environmental impacts and energy security concerns. In this context, renewable energy sources, particularly wind energy, have become important as environmentally friendly, sustainable, and economical solutions. Efficient operation of wind turbines is critical in wind energy systems, and control methods play a vital role in optimizing turbine performance, reducing mechanical stress, and ensuring continuity in energy production. Mechanical and electronic control systems, such as blade pitch, wind direction adjustment, braking mechanisms, and Maximum Power Point Tracking (MPPT), support safe and efficient turbine operation. PID (Proportional–Integral–Derivative) control methods continuously monitor parameters like rotor speed and blade pitch to ensure optimal performance under variable wind conditions. Nowadays, adaptive control, fuzzy logic, and artificial intelligence-based approaches also enhance turbines’ ability to quickly adapt to environmental changes, increasing energy production efficiency. This study comprehensively examines modern control methods used in wind turbines, highlighting technical approaches to improve system efficiency and emphasizing the role of MPPT algorithms in ensuring optimal power generation. In conclusion, wind energy stands out as a sustainable energy source with low environmental impact, and appropriate control strategies can significantly enhance turbine energy production efficiency.

Keywords

• Wind Turbines
• Control Systems
• Renewable Energy
• Energy Efficiency
• Wind Turbine Efficiency
• Maximum Power Point Tracking
• PID Control

References

1. Abouheaf, M., Gueaieb, W., & Sharaf, A. (2018). Model‐free adaptive learning control scheme for wind turbines with doubly fed induction generators. IET Renewable Power Generation, 12(14), 1675–1686.
2. Acaravcı, A., & Erdoğan, S. (2018). Yenilenebilir enerji, çevre ve ekonomik büyüme ilişkisi: Seçilmiş ülkeler için ampirik bir analiz. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 13(1), 53–64.
3. Aissaoui, H. E., Ougli, A. E., & Tidhaf, B. (2021). Neural networks and fuzzy logic based maximum power point tracking control for wind energy conversion system. Advances in Science, Technology and Engineering Systems Journal, 6(2), 586–592.
4. Almaged, M., Mahmood, A., & Alnema, Y. H. S. (2023). Design of an integral fuzzy logic controller for a variable-speed wind turbine model. Journal of Robotics and Control, 4(6), 762–768.
5. Altaş, İ. H. (1999). Bulanık mantık: Bulanık denetim. Enerji, Elektrik, Elektromekanik-3e, 64, 76–81.
6. Altınsoy, M., & Bal, G. (2019). Uzun dönem rüzgâr hızı tahmininde yapay sinir ağlarının kullanımı ve performans incelemesi. Mesleki Bilimler Dergisi, 8(1), 21–28.
7. Boztaş, A., Demirbaş, O., & Şahin, M. E. (2021). Investigation of vertical axis wind turbines and the design of their components. Turkish Journal of Electromechanics and Energy, 6(2), 64–72.
8. Bossanyi, E. A. (2000). The design of closed loop controllers for wind turbines. Wind Energy, 3(3), 149–163.

9. Çabuk, A. S., & Üstün, Ö. (2023). Thermal optimization of a radial flux permanent magnet synchronous motor with axial division. Turkish Journal of Electrical Power and Energy Systems, 3(2), 61–68.
10. Çelik, H., Karakaya, F., & Toker, O. (2022). Wind energy potential and renewable energy policies in Turkey: A comprehensive assessment. Renewable Energy, 182, 1103–1113.
11. Çetin, S. K., Genç, M. S., & Daldaban, F. (2019). Dikey eksenli rüzgâr türbinleri: Küçük ölçekli uygulamalar. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 6(2), 539–551.
12. Dirim, S. N. (2010). Adaptif kontrol sistemleri ve gıda endüstrisindeki bazı uygulamaları. Akademik Gıda, 8(3), 43–46.
13. Döşoğlu, M. (2016). Değişken hızlı rüzgar türbinlerinde MPPT algoritmalarının uygulanması ve performans analizi.
14. Elibüyük, U., & Üçgül, İ. (2014). Rüzgâr türbinleri, çeşitleri ve rüzgâr enerjisi depolama yöntemleri. Yekarum, 2(3).
15. Goswami, D. Y., & Kreith, F. (2020). Handbook of renewable energy technology and economics. CRC Press.
16. Govinda, C. V., Udhay, S. V., Rani, C., Wang, Y., & Busawon, K. (2018). A review on various MPPT techniques for wind energy conversion system. In Proceedings of the IEEE ICCPEIC Conference (pp. 310–326).
17. Hannan, M. A., Parvin, K., Kit, Y. K., Jern, K. P., & Hoque, M. M. (2019). Particle swarm optimization based fuzzy logic MPPT inverter controller for grid-connected wind turbine. International Journal of Renewable Energy Research, 9(1), 164–174.
18. Hau, E., & Von Renouard, H. (2006). Wind turbines: Fundamentals, technologies, application, economics. Springer.
19. Huang, G., & Yang, L. (2016). Design and optimization of emergency braking systems for wind turbines. Renewable Energy, 93, 73–81.
20. URL1: Link: https://www.fenusbilim.com/2022/09/04/8-sinif-1-unite-iklim-ve-hava-olaylari/
21. URL2: Link: https://web.itu.edu.tr/~kaymak/windpower.html
22. Johnson, K. E., Pao, L. Y., Balas, M. J., & Fingersh, L. J. (2006). Control of variable-speed wind turbines: Standard and adaptive techniques for maximizing energy capture. IEEE Control Systems Magazine, 26(3), 70–81.
23. Kestane, Ö., & Ateş, A. M. (2013). CBÜ Soma Meslek Yüksekokulu Teknik Bilimler Dergisi Otonom rüzgâr türbinlerinde bulanık mantıkla kanat açı kontrolü uygulaması.
24. Kopuri, N. T. S. (2024). Pitch control of wind turbines using PID and fuzzy logic controllers (Doctoral dissertation). Flinders University.
25. Kusiak, A., Zhang, Z., & Verma, A. (2013). Prediction, operations, and condition monitoring in wind energy. Energy, 60, 1–12.
26. López-Flores, D. R., Márquez-Gutierrez, P. R., Baray-Arana, R. E., & Ramirez-Alonso, G. (2024). Efficient and fast wind turbine MPPT algorithm using TS fuzzy logic and optimal relation methods. IEEE Latin America Transactions, 22(7), 612–619.
27. Lozano Silva, J. (2019). Artificial Neural Network Based Reinforcement Learning for Wind Turbine Yaw Control.
28. Muljadi, E., & Butterfield, C. P. (2001). Pitch-controlled variable-speed wind turbine generation. IEEE Transactions on Industry Applications, 37(1), 240–246.
29. İlhan, A., Bilgili, M., & Şahin, B. (2020). Analyses of Current Wind Energy Status of Turkey and its Future Prospect. Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 35(4), 1059-1072.
30. Onat, N., & Ersöz, S. (2011). Analysis of wind climate and wind energy potential of regions in Turkey. Energy, 36(1), 148–156.
31. Öztürk, K., & Şahin, M. E. (2018). Yapay sinir ağları ve yapay zekâya genel bir bakış. Takvim-i Vekayi, 6(2), 25–36.
32. Pao, L. Y., & Johnson, K. E. (2009, June). A tutorial on the dynamics and control of wind turbines and wind farms. In 2009 American Control Conference (pp. 2076-2089). IEEE.
33. Pao, L. Y., & Johnson, K. E. (2011). Control of wind turbines. IEEE Control systems magazine, 31(2), 44-62.
34. Pao, L. Y., & Johnson, K. E. (2011). Control of wind turbines. IEEE Control systems magazine, 31(2), 44-62.
35. Rafaat, S. M., & Hussein, R. (2018). Power maximization and control of variable-speed wind turbine system using extremum seeking, Journal of Power and Energy Engineering, 6(1), 51-69.
36. Reddy, P.R.K., Rao, K.M., Kishore, P.B. (2015). Wind Turbine Pitch and Yaw Control. International Journal of Science, Technology & Management, 04(01), 618-623.
37. Rende, I. (2023). Sürdürülebilir enerjinin ülke ekonomileri üzerine etkisi (Master's thesis, Dokuz Eylul Universitesi (Turkey)).
38. Saenz-Aguirre, A., Zulueta, E., Fernandez-Gamiz, U., Lozano, J., & Lopez-Guede, J. M. (2019). Artificial neural network based reinforcement learning for wind turbine yaw control. Energies, 12(3), 436.
39. Sayyad, J. K., Ramesh, B. T., & Attarde, K. (2024, July). A Systematic PID Tuning for Enhanced Performance in a Wind Turbine Systems. In 2024 Asia Pacific Conference on Innovation in Technology (APCIT) (pp. 1–7).
40. Shao, Y., Liu, J., Huang, J., Hu, L., Guo, L., & Fang, Y. (2022). The implementation of fuzzy PSO-PID adaptive controller in pitch regulation for wind turbines suppressing multi-factor disturbances, Frontiers in Energy Research, 9, 828281.
41. Şahin, M. E. (2020). Comparison of IG And DFIG for Wind Power Generation Systems. Gazi Mühendislik Bilimleri Dergisi, 6(3), 230-241.
42. Şekerciler, E., Sermet, N., & Ünal, B. K. Kestirim Ufkunun Model Öngörülü Kontrol Yaklaşımı ile Uyarlanabilir Hız Kontrolü Tasarımına Etkisi
43. Şenel, M. C., & Koç, E. (2014). Yatay eksenli rüzgar türbinlerinin dinamik davranışı-teorik bir model. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 5(1), 69-80.
44. Volker Quaschning: Regenerative Energiesysteme. (2007). Hanser Verlag, München.
45. Yaren, T., & Kizir, S. (2022). Model Öngörülü Kontrol ile DA Motor Konum Kontrolü. Duzce University Journal of Science and Technology, 10(3), 1151-1164.
46. Yesudhas, A. A., Joo, Y. H., & Lee, S. R. (2022). Reference model adaptive control scheme on PMVG-based wecs for MPPT under a real wind speed. Energies, 15(9), 3091.
47. Yıldırım, H. H., & Aksu, M. Rüzgâr Ve Güneş Enerjisi Santral Yatirimlarinin Ekonomik Performanslarinin Değerlendirilmesi. Uluslararası Bankacılık Ekonomi ve Yönetim Araştırmaları Dergisi, 4(1), 53-75.
48. Yılmaz, H., & Şahin, M. E. (2023). Bulanık Mantık Kavramına Genel Bir Bakış. Takvim-i Vekayi, 11(1), 94-129.