Sezgisel optimizasyon algoritmaları ile enerji hub optimizasyonu

Bu tez çalışmasında, rüzgar ve güneş enerjisi entegreli bir enerji hub (EH) modeli önerilmiştir. Önerilen modelin optimizasyonu için hibrit bir algoritma geliştirilmiştir. Bu kapsamda, tez çalışmasında genel olarak iki konu üzerinde çalışılmıştır. İlk olarak, enerji hub girişindeki enerji kaynaklarının elektrik, rüzgar enerjisi, güneş enerjisi, doğal gaz ve ısı olduğu, çıkışta ise elektrik, ısı, soğutma ve basınçlı hava üretilen bir model önerilmiştir. Bu model temel alınarak 69 EH yapısı oluşturulmuştur. Bu EH yapıları kullanılarak, dört farklı boyutta test sistemi oluşturulmuştur. EH optimizasyonunun ele alındığı çalışmada, toplam enerji hub maliyetinin minimize edilmesi, toplam enerji hub kayıplarının minimize edilmesi ve hem enerji hub maliyetinin hem de kayıplarının minimize edilmesi olarak üç amaç fonksiyonu kullanılmıştır. Literatürde toplam enerji hub maliyetinin minimize edildiği problemlerin aksine, bu çalışmada rüzgar ve güneş enerjisinin maliyet modeli doğrudan maliyet, ceza maliyeti ve rezerv maliyeti olarak hesaplanmıştır. Böylelikle, literatüre yeni bir problem önerilmiştir. Tez çalışmasında ele alınan ikinci konu, meta-sezgisel arama algoritma tasarımıdır. Buna göre, yarı parametre uyarlamalı LSHADE ile hibrit CMA-ES (LSHADE with Semi-Parameter Adaptation Hybrid with CMA-ES, LSHADE-SPACMA) algoritmasının erken yakınsama problemini ortadan kaldırmak amacıyla arama performansının geliştirilmesi amaçlanmıştır. Bu nedenle, algoritmada kullanılan mutasyon stratejisi uygunluk-mesafe dengesi (Fitness Distance Balance, FDB) yöntemi kullanılarak yeniden tasarlanmıştır ve önerilen algoritma FDB-LSHADESPACMA olarak isimlendirilmiştir. FDB-LSHADESPACMA algoritmasının performansını test etmek ve doğrulamak için CEC2017 ve CEC2020 kıyaslama problemleri kullanılarak kapsamlı bir deneysel çalışma gerçekleştirilmiştir. Bu doğrultuda, literatürde sıklıkla kullanılan ve güncel 14 meta-sezgisel arama (MSA) algoritması seçilmiştir. Çalışmada önerilen enerji hub optimizasyon problemleri, FDB-LSHADESPACMA algoritması ile çözülmüştür. Buna göre, EH yapıları kullanılarak oluşturulan dört test sistemi ve üç amaç fonksiyonu kullanılarak on iki durum çalışması oluşturulmuştur. FDB-LSHADESPACMA algoritması ve rakip MSA algoritmalarından elde edilen tüm sonuçlar, Friedman Testi ve Wilcoxon ikili işaret testi kullanılarak değerlendirilmiştir. Elde edilen sonuçlara göre, FDB-LSHADESPACMA algoritmasının rakip algoritmalardan daha iyi sonuçlar elde ettiği ve üstün performans sergilediği görülmüştür.