Güç sistemlerindeki durum tahmininin karga arama algoritması ile incelenmesi

Modern elektrik güç sistemlerinde, şebekenin izlenmesi, kontrolü ve yönetimi için doğru ve güvenilir durum tahmini sonuçları elde etmek kritik bir öneme sahiptir. Ölçüm cihazlarından toplanan veri setleri kullanılarak, sistemin durumu olan tüm baraların gerilim genlik ve açı değerleri tahmin edilmektedir. Bu tez çalışmasında, alternatif bir durum tahmincisi olarak yeni bir sezgisel yöntem olan Karga Arama Algoritması (KAA) önerilmiştir. Önerilen KAA tabanlı durum tahmincisi, IEEE 9, 14, 30, 57 ve 118 baralı test sistemlerinde test edilmiştir. KAA tabanlı durum tahmincisinin sonuçları, Newton-Raphson yük akışı çözümü referans kabul edilerek, literatürde iyi bilinen klasik sezgisel yöntemler olan Genetik Algoritma (GA), Parçacık Sürüsü Optimizasyonu (PSO) ve Yapay Arı Sürüsü Optimizasyonu (YASO) sonuçları ile karşılaştırılmıştır. Sonuçlar, KAA tabanlı durum tahmincisinin doğruluk ve güvenilirlik açısından, ortalama mutlak yüzde hata gibi hata metrikleri aracılığıyla diğer yayımlanmış yöntemlerden daha iyi performans gösterdiğini kanıtlamaktadır. Bu çalışmada ayrıca, literatürdeki varsayımlara ek olarak kanal sayısı kısıtlı Fazör Ölçüm Birimi (FÖB) yerleşimi yapılarak türetilmiş ölçüm veri seti güçlendirilmiştir. Kanal sayısı dikkate alınarak yapılan optimal FÖB yerleşiminde, FÖB'lerin kurulduğu baraların konumu göz önünde bulundurularak ölçüm veri seti oluşturulmuştur. Bununla birlikte, siber saldırılar sonucunda ortaya çıkan kötü verilerin tespiti ve eliminasyonu için durum tahmin sonuçlarına ki-kare testi uygulanmıştır. Ki-kare testi ile ölçüm veri setinde kötü veri olup olmadığı tespit edilebilir ve sonrasında normalize edilmiş artık değerlere bakarak bu kötü veriler belirlenip elimine edilebilir. Ancak, kötü verilerin ölçüm veri setinden çıkarılması eksik veri oluşmasına neden olabilir ve bu da sistemin gözlemlenebilirlik şartlarını tehlikeye sokabilmektedir. Eksik ölçüm verilerini tamamlamak amacıyla yapay sinir ağları destekli bir veri madenciliği yaklaşımı önerilmiştir. Bu yöntem, KAA tabanlı durum tahmininin doğruluğunu artırarak, siber saldırı gibi beklenmedik durumlarda sistemin güvenilirliğini sağlamaya yardımcı olur. Sonuç olarak, KAA tabanlı durum tahmincisi, güç sistemlerinin daha güvenilir ve verimli bir şekilde yönetilmesine olanak tanımış ve bu alanda literatüre önemli bir katkı sağlamıştır. Bu tez çalışması, güç sistemlerinin analizi, işletilmesi ve planlanmasında gelecekteki araştırmalara yol gösterici niteliktedir.