Sabit güçlü yüklere sahip doğru akım mikro şebekelerde öğrenme tabanlı gerilim regülasyonu

Güç elektroniği tabanlı doğru akım (DA) dağıtım sistemleri, otomobil, uçak, gemi ve uydu gibi güç sistemlerinde avantajları nedeniyle yaygınlaşmaktadır. Ancak, güç elektroniği dönüştürücü yükleri sıkı bir şekilde kontrol edildiğinde sistemde kararsızlığa neden olabilir. Bu nedenle, DA mikro şebekelerinde (MŞ) sistemin kararlı bir şekilde çalışmasını sağlamak için hızlı ve dinamik yanıt elde etmek büyük önem taşır. Tez çalışması kapsamında ilk olarak, DA MŞ'de kararsızlığa neden olan, negatif empedans karakteristiğine sahip constant power loads (CPL) yani sabit güçlü yüklerin riski incelenmiştir. İdeal bir düzenlemeye sahip DA/DA dönüştürücünün, bir giriş filtresiyle birleştirildiğinde kararsız davranışa yol açabileceği belirlenmiştir. Çeşitli durumlar incelenmiş ve kararlılık koşulları ortaya konmuştur. Bununla birlikte DA/DA dönüştürücülerin CPL ile ilişkilendirilerek kararsız dinamik davranışlarının transfer fonksiyonları türetilmiştir. Bu transfer fonksiyonları, kontrol değişiklikleri ve dirençli yük durumlarında açık ve kapalı döngüdeki kararsızlıkları analiz etmek için kullanılmıştır. CPL'ler tarafından yüklenen DA/DA güç elektroniği dönüştürücüleri için literatürde çeşitli kontrol yöntemleri önerilmiştir. Pasif sönümleme stratejileri basit ve etkilidir, ancak maliyetlidir ve fiziksel kısıtlamalarla sınırlıdır. Aktif sönümleme yöntemleri, sanal elemanları taklit ederek sistemi stabilize etme yeteneğine sahiptir. Ancak, bu yöntemlerde yük performansından ödün verilme riski vardır. Bu nedenle, doğrusal olmayan kontrol yöntemlerinin kullanımı, büyük sinyal anlamında kararlılık sağlamak için zorunlu hale gelir. Tez çalışmasında tasarlanan kontrolörün etkinliğini göstermek amacıyla, literatürde yaygın olarak kullanılan sağlam kontrol stratejileriyle benzetim sonuçları karşılaştırılmıştır. Bu stratejilerden ilki olan backstepping control (BSC) yani geri adım kontrol, bir DA/DA yükseltecinin gerilim regülasyonu, kararlılığı ve referans güç izleme problemlerini çözmek için etkili bir doğrusal olmayan kontrol yöntemidir. BSC kontrolü ile birlikte çalışan non-linear observation (NDO) yani lineer olmayan bozulma gözlemcisi, belirsiz yük değişimini tahmin etmek için kullanılarak sistem dinamiklerini iyileştirir. Karşılaştırma amacıyla kullandığımız BSC kontrolörü, uyarlamalı geri adımlama algoritması kullanılarak tasarlanmıştır. Koordinat dönüşümü ve NDO kullanılarak, sistem kararlılığını sağlamak ve yük değişimini izlemek için kontrol parametreleri önceden ayarlanmıştır. İkincisi olan model predictive control (MPC) yani model öngörülü kontrol yöntemi, güç dönüştürücüler kontrol alanında performansı geliştirmek için etkili bir yöntem olarak bilinmektedir. MPC yönteminin temelinde, belirli bir zaman dilimi boyunca gelecekteki davranışı içeren bir optimizasyon problemini çözen ve doğrusal olmayan durumları göz önüne alarak kontrol sinyali elde eden bir yöntem vardır. MPC, gerçek zamanlı optimal kontrol kararlarını tahminlere dayanarak hesaplamaktadır. Literatürde, güç dönüştürücülerin büyük bir kısmına MPC algoritması uygulanmış ve geleneksel yöntemlere göre daha iyi sonuçlar verdiği ifade edilmiştir. Bu tez çalışmasında, yapay sinir ağı (YSA) kullanılarak geliştirilen öğrenme tabanlı lineer olmayan kontrol modeli, CPL problemine çözüm sunacaktır. Tasarlanan kontrolör, merkezi olmayan bir kontrol hiyerarşisiyle yönetilen bağımsız bir DA MŞ'nin, CPL yüklerin olumsuz etkilerine karşı sağlam bir kontrol stratejisi tasarlamayı amaçlamaktadır. Öğrenme tabanlı tasarlanan modelde, DA kaynak tarafındaki gerilim bir DA/DA yükseltici dönüştürücü üzerinden CPL ve omik dirençten oluşan karışık bir yüke iletilmektedir. Öğrenme tabanlı kontrol tasarımı, MATLAB/Simulink'te gerçekleştirilen benzetim çalışmalarında gösterildiği üzere, CPL yük değişimleri sırasında kararlılık, hızlı tepki ve doğru gerilim izleme sağlamak için etkili bir yöntemdir. Bu tasarım, geleneksel kontrol yöntemleri ile yukarıda bahsi geçen BSC ve MPC kontrol yöntemlerine göre daha düşük gerilim salınımları, daha hızlı oturma süresi gibi üstünlükler sunmaktadır. YSA'nın tasarımı, BSC kontrolörden elde ettiğimiz 200000 satırlık veriler kullanılarak bir sinir ağının eğitilmesini içerir. Eğitilen yapay sinir ağı daha sonra gerilim regülasyonu ve kontrolü için tasarlanan model tasarımında kullanılır. Sonuç olarak, tasarlanan kontrol stratejisinin performansını değerlendirmek için kapsamlı benzetim çalışmaları gerçekleştirilir. Elde edilen sonuçlar, geleneksel oransal integral (PI), BSC ve MPC kontrolörleri kullanılarak elde edilen sonuçlarla karşılaştırılır. Benzetim sonuçları, önerilen kontrol stratejisinin PI, BSC ve MPC üzerindeki etkinliğini ve üstünlüğünü açıkça göstermektedir.