Elektrik güç sistemlerindeki kaçak kullanımların tahmini

Öz

Üretimi maliyetli olan elektrik enerjisinin doğru kullanılması önemli bir konudur. Ülkemizdeki önemli sorunlardan birisi olan kaçak elektrik kullanımların tahmin edilmesi, enerji piyasasında çözülmesi gereken bir problemdir. Birlikte değerlendirilen kayıp ve kaçak kullanım miktarları, birbirinden farklı terimlerdir ve ayrı ayrı değerlendirilmesi gerekmektedir. İki terimin ayrı değerlendirilmesi, herhangi bir şebeke üzerinde alınacak önlemlerin veya yapılacak yatırımların daha sağlıklı olmasını sağlayacak ve elektriğe bakış açısını da olumlu yönde değiştirecektir. Bu sayede bölgelere yapılacak yatırımların, kaçak ile mücadele üzerine mi yoksa kayıpların azaltılması üzerine mi yapılması gerektiği hakkında bilgi verecektir. Kaçak kullanımların tahmin edilmesi sosyo-ekonomik yönden ve kaçak kullanımlarla mücadele kapsamında büyük gelişmelerin önünü açacaktır. Bu çalışmada kaçak kullanım miktarlarının tahmin edilmesi yapay sinir ağları ile gerçekleştirilmiştir. Tahmin yapılması istenilen şehirlerin şebekeleri tek bir trafo bölgesine indirgenerek yapay sinir ağlarında tüm kayıpların ve kaçak kullanım miktarlarının tahmin edilmesi sağlanmıştır. Literatürde kaçak kullanımların doğal kayıplardan ayrı değerlendirilmesiyle ilgili pek çalışma olmasa bile, bu çalışma ile kaçak kullanımların tahmin edilebilmesi önerilen algoritmalar ile mümkün hale gelmiştir. Önerilen algoritmalar yardımıyla doğal kayıplar ve kaçak kullanımlar birbirlerinden ayrılacak şekilde tahmin edilmiştir. Sonuçlar farklı eğitim fonksiyonları ile eğitilen yapay sinir ağları yardımıyla da desteklenmiştir. Hem şehirlerin kaçak kullanım miktarları tahmin edilmiş, hem de eğitim fonksiyonlarının performansları karşılaştırılmıştır.

Anahtar Kelimeler

• Kayıp
• Kaçak
• Dağıtım hatları
• Güç sistemleri
• Enerji
• Yapay sinir ağları (YSA)

Forecasting of illegal consumption in electrical power systems

Öz

Correctly using electrical energy, which is costly to produce, is essential. Estimating illegal electricity, which is one of the critical problems in our country, usage is a problem that needs to be solved in the energy market. Loss and illegal use, considered together, are different terms and should be evaluated separately. Evaluating each term separately will ensure that the measures to be taken or the investments to be made on any network will be healthier and positively change the perspective on electricity. In this way, it will provide information on whether the investments to be made in the regions should be made to fight against illegality or reduce losses. Estimating illegal uses will pave the way for significant developments in socio-economic terms and the fight against illicit uses. The estimation of the amount of illegal usage was carried out with artificial neural networks. Reducing the cities' networks to be estimated to a single transformer zone ensures that the amount of illegal use in artificial neural networks is estimated. Although there are not many studies evaluating illegal uses separately from natural losses, this study has made it possible to predict illegal uses with the proposed algorithms. With the help of the proposed algorithms, natural losses and illegal uses are estimated separately. The results are also supported with the help of artificial neural networks trained with different training functions. Both the amount of illicit use in the cities were estimated, and the performances of the education functions were compared.

Anahtar Kelimeler

• Loss
• Illegal Use
• Distrubition Lines
• Power Systems
• Energy
• Artificial Neural Networks (ANN)

Kaynakça

1. Referans1 Örsek B. (2016). Türkiye’de Kayıp Kaçak Oranı Düşme Eğiliminde. www.dogrulukpayi.com. (Erişim Tarihi: 25.10.2020).
2. Referans2 Sargın İ. (2006). Tavşanlı Enerji Dağıtım Sistemlerinde Meydana Gelen Kayıpların Oranlarının Belirlenmesi ve Azaltılması İçin Alınabilecek Önlemler ve Elde Edilen Enerji Kazanımları. Türkiye 10. Enerji Kongresi, İstanbul, Türkiye.
3. Referans3 Düzgün B. (2018). Türkiye Elektrik Iletim ve Dağıtım Şebekesinin Enerji Verimliliğinin Değerlendirilmesi ve 2023 Projeksiyonları. Politeknik Dergisi, 21(3): 621-632.
4. Referans4 World Bank Group (2016). Türkiye Cumhuriyeti: Elektrik Dağıtım Şirketlerinin Hizmet Kalitesinin İyileştirilmesine Yönelik Adımlar. World Bank Group Türkiye, ACS20668.
5. Referans5 Yaşar C., Aslan Y., Biçer T. (2010). Bir Dağıtım Transformatörü Bölgesindeki Kayıpların İncelenmesi. Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22, 9-22.
6. Referans6 Alperöz N. (1984). Elektrik Enerjisi Dağıtımı, Elektrik Enerjisi Dağıtımı, Nesil Matbaa, birinci baskı, Türkiye.
7. Referans7 Yıldız E., Çetinkaya N. (2018). The Proposed Forecasting Algorithm in Power Systems for Separating of Losses and Illegal Consumptions. Third International Symposium on Industrial Design & Engineering 2018 (ISIDE), Antalya, Türkiye.
8. Referans8 Bhatt MS. (2003). Energy Efficiency Improvement of Electrical Transmission Distribution Networks”. Journal of Scientific & Industrial Research, 62, 473-490.

9. Referans9 Balcı H., Esener İ., Kurban M. (2012). Regresyon Analizi Kullanılarak Kısa Dönem Yük Tahmini. ELECO 2012 Elektrik- Elektronik ve Bilgisayar Mühendisliği Sempozyumu, Bursa, Türkiye.
10. Referans10 Alcan Y., Öztürk A., Dirik H, Demir M. (2017). Güç Şebekelerinde Minimum Kayıpları Sağlayan STATCOM Konumunun ve Değerinin Belirlenmesinde Farklı Sezgisel Algoritmaların Karşılaştırılması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 23(5), 550-558.
11. Referans11 Özel K. (2006). Losses in Electric Distribution Systemes (Yüksek Lisans Tezi, Orta Doğu Teknik Üniversitesi, Ankara, Türkiye)
12. Referans12 Smith T.B. (2004). Electricity Theft: a Comparative Analysis. Deparment of Social and Behavioral Science. 32, 2067-2076.
13. Referans13 TEDAŞ (2018). 2017 Faaliyet Raporu. https://www.tedas.gov.tr. (Erişim Tarihi: 01.11.2020)
14. Referans14 Amjady N., Keynia F. (2008). Mid-term Load Forecasting of Power Systems by a Newprediction Method. Energy Conversion and Management, 49, 2678-2687
15. Referans15 Gürsoy E., Kaypmaz A. (2000). Yük Tahmini yöntemleri ve Çukurova Elektrik A.Ş, , Kepez Elektrik T.A.Ş. bölgelerine uygulaması (Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, Türkiye).
16. Referans16 İşcan S., Kaplan O., Lokman G. (2021). Güç sisteminde meta-sezgisel algoritmalarla güç kaybı ve gerilim kararlılığı optimizasyonu. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 27(2), 199-209.
17. Referans17 Uche O., Madueme T.C. (2015). A Power Flow Analysis of the Nigerian 330 kV Electric Power System. The International Organization of Scientific Research Journal of Electrical and Electronics Engineering, 10(1), 46-57.
18. Referans18 Viegas J.L., Esteves P.R., Melicio R, Mendes V.M.F., Vieira S.M. (2017). Solutions for detection of non-technical losses in the electricity grid: A review. Renewable and Sustainable Energy Reviews, 80(1), 1256-1268.
19. Referans19 Han W., Xiao Y. (2017). A novel detector to detect colluded non-technical loss frauds in smart grid. Computer Networks, 117, 19-31.
20. Referans20 Henriques H.O., Correa R.L.S., Fortes M.Z., Ferreira V.H. (2020). Monitoring technical losses to improve non-technical losses estimation and detection in LV distribution systems. Measurement, 161(1), 107840.
21. Referans21 Filho M.B.D.C., Silva A.M.L., Falcao D.M. (1990). Bibliography on Power System State Estimation (1968-1989). IEEE Transsactions on Power Systems, 5(3), 950-961.
22. Referans22 Nizar A.H., Dong Z.Y., Wang Y. (2008). Power utility nontechnical loss analysis with extreme learning machine method. IEEE Transactions on Power Systems, 23, 946-955.
23. Referans23 İnan A., Köroğlu S., İzgi E. (2005). Dengeli Elektrik Güç Sistemi Verilerini Kullanarak Dengesiz Sistem Kayiplarinin Yapay Sinir Ağlari Ile Belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 11(1), 47-52.
24. Referans24 Ghasemi A.A., Gitizadeh M. (2018). Detection of illegal consumers using pattern classification approach combined with Levenberg-Marquardt method in smart grid. International Journal of Electrical Power & Energy Systems, 99, 363-375.
25. Referans25 Monteiro R.V.A, Guimaraes G.C., Silva F.B., Teixeira R.F.S., Carvalho B.C., Finazzi A.P., Vasconcellos A.B. A medium-term analysis of the reduction in technical losses on distribution systems with variable demand using artificial neural networks: An Electrical Energy Storage approach. Energy, 164(1), 1216-1228.
26. Referans26 Çakır S.F., (2018). Yapay Sinir Ağları
27. Referans27 Neto E.A.C.A., Coelho J. (2013). Probabilistic methodology for Technical and Non-Technical Losses estimation in distribution system. Electric Power Systems Research, 97(1), 93-99.
28. Referans28 Navani J.P., Sharma N.K., Sapra S. (2017). Analysis of Technical and Non Technical Losses in Power System and its Economic Consequences in Power Sector. International Journal of Advanced Electrical and Electronics Engineering, 1(3), 396-405.
29. Referans29 TEİAŞ (2019). Faaliyet Raporu https://www.teias.gov.tr. (Erişim Tarihi: 05.04.2020)
30. Referans30 EPDK (2019). Faaliyet Raporu. https://www.epdk.org.tr. (Erişim Tarihi: 01.11.2020)