A study of deep neural network controller based power quality improvement of hybrid pv/wind systems by using smart inverter

Günümüzde dünya, ulaşım ve enerji üretimi için aşırı fosil yakıt kullanımı nedeniyle küresel ısınma ve iklim değişikliği gibi kontrol edilemeyen değişikliklere tanık oluyor; bu nedenle, gelişmiş dünya temel olarak alternatif kaynak geliştirmeye odaklanmaktadır; bunun için büyük araştırma ve geliştirme inisiyatifleri aldılar. Genel olarak, rüzgar, güneş ve hidroelektrik dahil olmak üzere belirli alternatif enerji üretim kaynakları doğaya zarar vermez. Bu nedenle güneş ve rüzgar enerjisi faydalı alternatif enerji kaynakları olarak ilan edilmiş ve ayrıca bol miktarda bulunmaktadır. Bu tez, hava koşulları değişmeye devam ederken rüzgar enerjisi sistemlerinin ve fotovoltaik hücrelerin performanslarının araştırılmasını göstermektedir. Bu araştırmanın bulguları, güç üretimini en üst düzeye çıkarmak için gelişmiş bir akıllı kontrol sistemi geliştirmek için temel sağlar. Yenilenebilir enerji kaynakları için, hava koşulları çoğunlukla tahmin edilemez olduğundan MPPT denetleyicisi önemlidir. Bu tez, derin sinir ağına (DNN) dayalı yeni bir algoritma önermek ve bunu maksimum güç noktası takibi (MPPT) için uygulamak amacıyla yazılmıştır. MATLAB, bu projeyi rüzgar tabanlı enerji üretim sistemleri ve fotovoltaik (PV) hücreler için simüle etmek için kullanıldı. Mikro şebekeye entegre hibrit rüzgar/PV güç üretim sisteminin THD değerini azaltmak ve çıkış gücü kalitesini iyileştirmek için gelişmiş bir DNN denetleyicisi geliştirildi. Önerilen sistemin performansı, işlevselliğini sağlamak için MATLAB kullanılarak çeşitli olası çalışma koşullarında test edildi ve analiz edildi. Sonunda, IEEE 1547 standardını kullanarak simülasyonların sonuçlarını da analiz ettik.