Güç sistemlerinde gerilim kararlılığı indekslerinin uç öğrenme algoritması ile tahmini

Günümüzde elektrik enerjisi ihtiyacı, teknolojik gelişmeler sonucunda nüfusla orantılı olarak hızla artmaktadır. Artan bu talebi karşılamak için büyük güçlü üretim merkezleri kurulmuştur. Üretim merkezlerinin tüketim merkezlerinden uzakta kurulma gerekliliği, üretilen elektrik enerjisinin çok yüksek gerilimle ve uzun iletim hatlarıyla tüketim merkezlerine iletim zorunluluğu getirmiştir. Güç sistemleri de bu duruma bağlı olarak hızla büyümüş ve karmaşık bir yapı oluşturmuştur. Bu durum önemli işletme ve kontrol sorunlarını da beraberinde getirmiştir. Güç sistemleri daha karmaşık ve yoğun bir şekilde yüklenirken, ekonomik ve çevresel kısıtlamaların yanı sıra, gerilim dengesizliği gittikçe daha ciddi bir problem haline geldiğinden güç sistemleri yüklenme limitlerine yakın çalışmaktadır. Gerilim dengesizliği ile ilgili problemler birçok güç sisteminin güvenli bir şekilde çalışması için büyük bir endişe haline gelmiştir. Bu çalışmada, IEEE 14-baralı güç sisteminde gerilim kararlılığı Uç Öğrenme Makinesi (UÖM) ve Yapay Sinir Ağları (YSA) yardımıyla incelenmiştir. Bu amaçla, IEEE 14-baralı güç sistemi modeli Matlab ortamında oluşturulmuş ve bu model kullanılarak Newton-Raphson yöntemi yardımı ile yük akış analizi yapılmıştır. Bu güç sisteminde gerilim kararlılığı Hat Kararlılık İndeksi (HKİ) hesaplanarak değerlendirilmiştir. Yük akış analizinde tüm baraların aktif ve reaktif güçleri 0.05 birim değer (pu) artırılmış ve her bir baraya ait toplam 1000 adet aktif güç, reaktif güç, ilgili baranın gerilimi ve faz açısı elde edilmiştir. Bu değerler kullanılarak HKİ değerleri hesaplanmıştır. UÖM'ye ve YSA'ya girişler; aktif güç, reaktif güç, ilgili baranın gerilimi ve faz açısı seçilmiştir. UÖM'nin ve YSA'nın çıkışı ise HKİ değerleri olarak belirlenmiştir. UÖM'nın test başarımı 5-kat çapraz doğrulama ile verilmiştir. Ayrıca UÖM'nın başarımı farklı sayıda gizli katman hücre sayısı ve farklı tip aktivasyon fonksiyonları için incelenmiştir. YSA'nın oluşturulması aşamasında belirlenen aktivasyon fonksiyonu hem girişler için hem de ara katmanda tanjant sigmoid aktivasyon fonksiyonu seçilmiştir. Eğitim aşamasında ise Levenberg-Marquardt eğitim algoritması tercih edilmiştir. Elde edilen tüm sonuçlardan, IEEE 14-baralı güç sistemlerinde gerilim kararlılığının tespitinde UÖM'nin ve YSA'nın HKİ'yi oldukça yüksek bir başarımla tahmin ettiği görülmüştür. Ancak YSA'nın tahmin süresi ve hata değerleri UÖM'nin değerlerinden daha büyük olmasından dolayı UÖM'nin tercih edilebileceği değerlendirilmiştir.