Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 26, No 3, 683-69, 211 Vol 26, No 3, 683-69, 211 YAPAY ARI KOLONİSİ ALGORİTMASI TABANLI KARARLI GÜÇ SİSTEMİ DENGELEYİCİSİ TASARIMI İbrahm EKE, M. Cengz TAPLAMACIOĞLU ve İlhan KOCAARSLAN * Elektrk-Elektronk Mühendslğ Bölümü, Mühendslk Fakültes, Gaz Ünverstes,Maltepe 675, Ankara * Elektrk-Elektronk Mühendslğ Bölümü, Mühendslk Fakültes, İstanbul Ünverstes, Avcılar 3432, İstanbul brahmeke@gaz.edu.tr, taplam@gaz.edu.tr, lhankocaarslan@gmal.com (Gelş/Receved: 18.1.211; Kabul/Accepted: 24.3.211) ÖZET Bu çalışma, klask güç sstem dengeleycs (PSS) le parçacık sürüsü optmzasyon tabanlı PSS yerne yapay arı kolons (ABC) tabanlı PSS kullanarak genş alan çalışma bölgesnde güç sstem kararlılığını artırmak çn güç sstem sönümleme performansını yleştren optmal PSS parametrelernn elde edlmesn açıklamaktadır. Optmze edlen PSS n parametreler, güç sstem kalıcı durum kararlılığını gösteren hatanın mutlak değernn toplamı olan performans ndeks le elde edlmştr. Bu çalışmada tek makne (jeneratör) sonsuz güçlü bara (TMSGB) sstem le k farklı uyarma sstem kullanılmıştır. Smülasyon sonuçları tasarlanan ABC tabanlı PSS n klask ve parçacık sürüsü optmzasyon algortması tabanlı PSS lere göre daha hızlı cevap ve daha y sönümleme verdğn göstermştr. Anahtar Kelmeler: Güç sstem dengeleycs, yapay arı kolons algortması, tek makne sonsuz güçlü bara sstem, uyarma sstem, parçacık sürüsü optmzasyonu. DESIGN OF ROBUST POWER SYSTEM STABILIZER BASED ON ARTIFICIAL BEE COLONY ALGORITHM ABSTRACT Ths paper descrbes the optmal tunng for the parameters of the power system stablzer (PSS), whch can mprove the system dampng performance wthn a wde regon of operaton condtons to enhance power system stablty usng artfcal bee colony algorthm (ABC) based PSS nstead of a conventonal PSS and partcle swarm optmzaton (PSO) based PSS. The parameters of the optmzed PSS are obtaned by mnmzng a performance ndex based on ntegral of the absolute error (IAE) that shows steady state stablty of power system. Sngle machne nfnte bus (SMIB) system and two types of exctaton system were used for the present work. The smulaton results demonstrate that the proposed ABC based PSS performs well n dampng and qucker response when compared wth the other two PSSs. Keywords: Power system stablzer, artfcal bee colony algorthm, sngle machne nfnte bus system, exctaton system, partcle swarm optmzaton. 1.GİRİŞ (INTRODUCTION) Yen teknolojlern kullanımı, güç talebnn kesntsz ve stenen lmtlerde gerlm ve frekans htyacı, güç sstemlernn kontrolünün karmaşıklığını artırmaktadır. Güç sstemler elektrk enerjs üretm çn ağırlıklı olarak senkron jeneratörlere bağımlıdır. Sstemdek jeneratörlern senkronzasyonda kalması ve kararlı çalışmaya devam etmes sstemn düzgün çalışması çn gerekl koşullardan brdr. Farklı arıza durumlarında (kısa devreler, üretm brmlernn veya büyük güçlü tüketclern devre dışı kalması vb.) senkron jeneratörlern senkronzasyondan çıkmalarına ve kararlılık sorunlarına neden olmaktadır [1].
İ. Eke ve Ark. Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem Güç sstemnde meydana gelen, bozucu etkler sonrasında senkron jeneratörlern rotor açıları salınım yapar. Rotor açısı salınımının gderek azalarak belrl br değere oturması kararlı çalışmayı, artması da kararsızlığı fade eder [2]. Güç sstemlernde oluşablecek bozucu etkler sonucu, mekank ve elektrksel güç dengesnn bozulması durumunda; sstemn açısal kararlılığını koruyablmes çn öncelkle yeterl senkronzasyon momentnn üretlmes gerekldr. Bu sebepten senkron jeneratör uyarma kontrolü, güç sstem kararlılığı ve elektrk gücü kaltesnn sağlanmasında en öneml krterlerden brdr. Uyarma sstemler genellkle, yüksek kazançlı ve küçük zaman sabtne sahp sstemlerdr [3]. Bu sebeple sstem şletme koşullarında çabuk kompanzasyon yapablecek kapasteye sahptr. Yüksek kazançlı uyarma kontrolü genellkle geçc kararlılığı sağlar, ancak bu durumda kontrolörün an cevabında kalıcı düşük frekans salınımları oluşablr. Bu da sstemde bulunan dğer maknelerle (jeneratörler) arasında dnamk kararsızlık oluşmasına yol açablr [4]. Güç sstemlernde görülen salınımların sönümlenmes ve böylece güç sstemnn dnamk kararlılığının yleştrlmes çn, senkron jeneratör (SG) uyarma sstemne destekleyc br kontrol şaret üreten ve etkn kontrol mekanzmalarına sahp olan güç sstem dengeleycs (PSS) kullanımı özellkle modern sstemlerde hemen hemen zorunluluk halne gelmştr. Bu güç sstem dengeleycsnn en temel fonksyonu, jeneratörün rotor salınımlarını sönümlemektr. 196 lardan sonra kullanılmaya başlayan PSS ler, grş şaretlerne göre sınıflandırılablr. Bu sstemlerde güç sstem dengeleycsne grş şaret olarak rotor hız sapması, rotor açısal değşm, frekans, güç değşm ve vmelendrme gücü gb şaretler seçlmektedr [5]. PSS tasarımına yönelk yapılan ve lteratürde öneml bulunan çalışmalar; doğrusallaştırılmış modele dayalı, doğrusal olmayan modele dayalı ve sezgsel yöntemler olmak üzere 3 ana grupta nceleneblr. Doğrusallaştırılmış modele dayalı yöntemde, DeMello ve Concorda güç sstemlernde görülen düşük frekanslı ve küçük genlkl salınımların analznde tek makne sonsuz güçlü bara (TMSGB) sstemn kullanmışlardır [6]. Doğrusal olmayan modele dayalı yöntemde Rajkumar ve Mohler doğrusal olmayan ayrık zaman öngörülü kontrol ve ger beslemel doğrusallaştırmaya dayalı kontrol olmak üzere 2 farklı kontrol teknğn uygulamışlardır [7]. Sezgsel yöntemlerde se yapay snr ağları, bulanık mantık, genetk algortma, dferansyel gelşm algortması ve parçacık sürüsü optmzasyonu gb yöntemler le PSS parametrelernn ayarlanması üzerne çalışılmıştır [8]. Bu çalışmada, doğrusal modele dayalı yöntem olan TMSGB sstem kullanılarak sezgsel yöntemlerden br olan yapay arı kolons (ABC) Algortması kullanılarak PSS parametreler optmze edlmştr. Tasarlanan ABC tabanlı PSS le sezgsel yöntemlerden br olan parçacık sürüsü optmzasyon (PSO) algortması tabanlı PSS ve klask PSS çıktılarının karşılaştırılmaları yapılmıştır. İlave olarak doğrusal modele dayalı yöntemde kullanılan TMSGB sstem le PSS parametrelernn ayarlanması, farklı uyarma sstemler kullanılarak yapılmıştır. Sstemde k tp uyarıcı (Statk ve AC veya DC Tp Uyarıcı), tüm PSS parametre ayarları çn ncelenmş ve çıktılar brbrleryle kıyaslanmıştır. 2. GÜÇ SİSTEMİ MODELİ (POWER SYSTEM MODEL) Güç sstemlernde kararlılık analz yapılırken genelde senkron jeneratörün br letm hattı üzernden sonsuz güçlü br şebekeye bağlı olduğu sstem model terch edlr [9]. Tasarlanan ABC tabanlı PSS, kıyaslama yapablmek amacı le tasarlanacak olan klask PSS ve PSO tabanlı PSS yapılarının performansı, Şekl 1 de bastleştrlmş blok dyagramı le gösterlen TMSGB sstemnde ncelenmştr. Şekl 1. TMSGB (SMIB) 2.1 Uyarma Sstem (Exctaton System) Uyarma sstem, senkron jeneratörde (SG) üretlen çıkış gerlmn kontrol eder. Dolayısı le SG çıkış gerlmnn yanı sıra, güç faktörü, yük açısı ve hat akımı değerler de uyarma sstem le değştrleblr [1]. Tpk br uyarma sstemne at fonksyonel blok dyagramı Şekl 2 de görülmektedr. Şekl 2. Uyarma Sstem (Exctaton System) Uyarma sstem, uyarıcı ve otomatk gerlm regülatöründen (OGR) oluşmaktadır. Uyarıcı, senkron jeneratörün uyarma sargıları çn gerekl olan doğru akımı üreten, uyarma sstemnn güç devresn oluşturan kısımdır [11]. Otomatk gerlm regülatörü, uyarma akımını kontrol ederek jeneratör uç 684 Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211
Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem İ. Eke ve Ark. gerlmnn ve reaktf gücün belrlenen değerlerde sabt kalmasını sağlayacaktır [12]. Yüksek kazanç ve küçük zaman sabtne sahp modern OGR sstemler, güç sstemnn kararlılığı üzernde brbrne zıt k etkye sahptr. Uyarma sstemlernde jeneratörü, uyarma sstemn ve sstemdek dğer chazları korumak amacı le uyarma akımı sınırlayıcısı, uç gerlm sınırlayıcısı vb. koruyucu elemanların bulunması gerekmektedr [13]. Uyarma sstemler yıllar boyu gelşme uğramış ve son sstemlerde uyarma devresnn brncl kaynağına göre üç grupta sınıflandırılmıştır. Bunlar DC, AC ve Statk uyarma sstemlerdr [14]. DC uyarma sstemler; uyarma gücü kaynağı olarak komtatörlü br doğru akım jeneratörü kullanır. AC uyarma sstemler; senkron jeneratör alan sargısı çn gerekl olan DC akımın üretlmesnde duran veya dönen doğrultuculu alternatör kullanırlar. Statk uyarma sstemler se uyarma gücü kaynağı olarak transformatörler veya yardımcı jeneratör sargıları ve doğrultucuları kullanırlar. Uyarma sstem ve PSS lave edlmş TMSGB sstemnn blok dyagramı Şekl 3 de görülmektedr [15]. Uyarma sstem ve PSS lave edlmş TMSGB sstemnn durum uzay matrs Denklem 5 te görüldüğü bçmde olacaktır. Δ δ Δ ω Δe ΔE K1 M = ' K4 q Td ' K AK5 fd TA wb K1 D M K2 M K3 Td ' K AK T A 6 1 Td ' 1 T A Δδ Δω Δe ΔE + U q' K A TA fd 3. YAPAY ARI KOLONİSİ ALGORİTMASI (ARTIFICIAL BEE COLONY ALGORITHM) Blm adamları doğada bulunan canlılara at sürü davranışlarından faydalanılableceğn ve özellkle sstemlern analznde ve kontrolünde kullanılableceğn göstermşlerdr. Kuş sürülernn göçlerndek uçuş düzenler, karıncaların yyecek aramaları, balık sürülernn brlkte yüzmes veya kaçışması bu sürü davranışlarından sadece brkaçıdır. Son yıllarda se byologlar le blgsayar uzmanları Yapay Yaşam alanı kapsamı altında bu sürülern davranışlarının nasıl modellenebleceğ ve aralarındak letşm mantığı üzernde ortak brçok çalışmalar yürütmektedrler [16]. Özellkle Sürü Zekası (Swarm Intellgence) adı verlen bu yaklaşımların, optmzasyon problemler, robotblm ve asker uygulamalarda da başarılı olması bu konu üzerndek çalışmaları yoğunlaştırmıştır [17]. PSS (5) Br sürüde genel olarak kend başına organze olablme ve ş bölümü gb k temel şlev vardır [18]. Kend başına organze olablme; br sstemdek temel brmlern, dğer brmlerle etkleşmden aldıkları blgler kullanarak, kend başlarına şlev görüp sstemn bütününü düzenlemelerdr. İş bölümü se, topluluktak breylern eş zamanlı olarak farklı şler gerçekleştryor olmasıdır. Şekl 3. Doğrusallaştırılmış TMSGB Model (Lnearzed model of SMIB system) Bu blok dyagramına at matematksel model Denklem 1-4 le fade edlmştr. Δ δ = ωb Δω (1) K1 D K 2 ' Δ ω = Δδ Δω Δe q M M M (2) ' K4 1 ' 1 Δe q = Δδ Δe q + ΔE ' ' ' FD T T K T (3) d d K K K K Δ 1 3 d A 5 A 6 ' A E FD= Δδ Δe q ΔE FD+ UPSS (4) TA TA TA TA K Sürü zekasındak bu özellkler temel alan ve sürünün davranışını modelleyen çeştl metotlardan brs de yapay arı kolon algortmasıdır. Özellkle bal arısı sürüler, şlern doğal olarak dağıtablen ve çevresel değşmlere karşı topluluk zekalarıyla uyarlanablr cevaplar vereblen sürülerdr [19]. Kolon halnde yaşayan bu sosyal yaşamda 3 arı çeşd bulunmaktadır: Bunlar kralçe arı, erkek arı ve dş olan şç arılardır. Bu modelde, arıların yyecek arama davranışı ncelenerek yapay arı kolons algortması gelştrlmştr [2]. İşç arılar, gözcü arılar ve kaşf arılar olmak üzere, yapay arı kolons algortmasında da, üç grup arı bulunmaktadır. Algortmanın temel şleyş şu şekldedr. Modelde şç arılar kaynaklara gönderlerek nektar mktarlarını hesaplar. Eş zamanlı olarak gözcü arılar da başka kaynaklara gönderlerek nektar mktarları hesaplanır. Daha sonra rasgele yen kaynaklar bulmaları çn kaşf arılar gönderlr. Durma krter sağlanana kadar en y Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211 685
İ. Eke ve Ark. Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem kaynak hafızada tutulur. Yyecek kaynaklarının belrlenmes algortmada kullanılacak her br parametrenn alt ve üst sınırlarından faydalanılarak rastgele gelştrlr. mn max mn χj = χ j + rand(,1)*( χ j χ j ) (6) 4.1. Klask PSS (Conventonal PSS) Bast yapısı ve uygulama kolaylığından dolayı en çok terch edlen PSS yapısı olan klask PSS ye at fonksyonel blok dyagramı [21] Şekl 4 de verlmştr. Denklem 6 da X j, yyecek kaynağının yern fade ederken; ve j sırası le yyecek kaynağı ve optmze edlecek parametre sayısıdır [2]. x j mn j. parametre alt değer ve x j max j. parametre üst değerdr. Burada şç arı yen br yyecek kaynağı belrleyerek bunun kaltesn değerlendrr. Yen kaynağın yer şu eştlkle fade edlr. ν = χ + φ ( χ χ ) (7) j j j * j kj Denklem 7 de φ j, [-1,1] arasında üretlen rastgele br değerdr. Burada kaynağın mktarı seçlme olasığılığını etkler. Yan X j pozsyonundak kaynağın seçlme olasılığı p = SN = 1 uygunluk uygunluk olarak fade edlr. (8) Denklem 8 dek uygunluk, nektar mktarına karşılık gelr. Ayrıca X j konumundak nektar kaynağı lmt parametres sayısınca gelşememş se X j dek kaynak terk edlr ve o kaynağın arısı kaşf arı halne gelerek rasgele araştırma yapar. Yen bulduğu kaynak X j ye atanır. Algortmaya at akış algortması aşağıdak gbdr: Rasgele çözümlerle başlangıç arı popülasyonun oluşturulması Tekrar İşç arıların yyecek kaynağına gönderlmes Gözcü arıların yyecek kaynaklarına gönderlerek uygunluk değernn hesaplanması Kaşf arıların yyecek kaynağına gönderlmes ve lmt değernn belrlenmes En y değern hafızada tutulması Durdurma krter sağlanana kadar. 4. PSS TASARIMI (PSS DESIGN) Bu çalışmada klask PSS, ABC tabanlı PSS ve PSO tabanlı PSS karşılaştırmalı olarak ncelenmştr. Bu amaçla, çalışmanın bu kısmında sırasıyla klask PSS, ABC tabanlı PSS ve PSO tabanlı PSS yapıları kısaca ncelenecektr. Şekl 4. Klask Güç Sstem Dengeleycs (Conventonal PSS) Şekl 4 de gösterlen klask PSS yapısında güç sstem dengeleycs kazancı K PSS, PSS tarafından ortaya konan sönüm mktarını belrler. İdeal olarak kazanç en büyük sönüme gelen değere ayarlanmalıdır. Bununla beraber kazanç değer çoğunlukla başka kavramlarla sınırlıdır [22]. Yüksek geçren fltre devre zaman sabt (T w ) krtk br değer değldr ve 1-2 sn aralığında olablmektedr [23]. Faz kompanzasyonu zaman sabtler se T 1 ve T 2 dr [24]. 4.2 ABC Tabanlı PSS (ABC based PSS) Modern kontrol teors, sstem mühendsnn gerekl sstem performansını ncel olarak belrleyebleceğn kabul etmektedr. Performans ndeks hesaplanablmekte, ölçüleblmekte ve sstem performansını değerlendrmek çn kullanılablmektedr. Performans ndeks, Denklem 9 le fade edlen hatanın mutlak değernn toplamıdır. Bu ndeks, özellkle benzetm çalışmaları çn yararlıdır [25]. J = T e t). dt ( (9) ABC Tabanlı PSS, klask PSS sstem parametrelernn ABC algortması le optmze edlmes prensbne dayanmaktadır. Amaç fonksyonu olarak J = T Δ ( t). dt ω (1) kullanılacaktır. Burada ω rotor hız değşmn, T se smülasyon zamanını göstermektedr. 4.3 PSO Tabanlı PSS (PSO based PSS) Canlılar (hayvanlar) arasındak sosyal etkleşmden esnlenlen parçacık sürüsü optmzasyonu kuş sürülernn davranışlarından esnlenlerek ortaya çıkmış olup, lk olarak James Kennedy ve Russel 686 Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211
Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem İ. Eke ve Ark. Eberhart tarafından gelştrlmştr [25]. Bu algortma zor ve karmaşık problemlern çözümünde etkl br teknk olarak kullanılmaktadır. PSO yu uygulamak, algortmasında ayarlanması gereken parametre sayısının az olması sebebyle oldukça basttr. Algortma rasgele çözümler çeren br popülasyonla başlar ve nesller güncelleyerek en optmum çözümü araştırır. Daha sonra bazı güncelleme denklemlerne göre arama uzayı üzernde hareket eder. χ k pozsyon l g vektörü, ν hız vektörü, p lokal en y ve p k global en yy göstermek üzere klask PSO denklem aşağıdak gbdr. χ k + 1 = χ k + ν k + 1 (11) g νk+ 1 = wν k + c1r 1( pk χk ) + c2r2 ( pk χk ) (12) Denklem 12 de w atalet sabt, c 1 -c 2 parçacığı sürünün bulduğu en y noktalara doğru görecel çekm belrleyen faktörler olup r 1 ve r 2 se [,1] arasında rasgele sayılar üreten değerlerdr. Algortmanın sonlandırılması çeştl krterlere bağlıdır. Bu krterler; referans, tükenme tabanlı, yleşme tabanlı, dağılım tabanlı ve brleşk krterlerdr. Algortmaya at akış algortması aşağıdak gbdr: Parçacıkların arama uzayındak başlangıç konumları ve hızlarının belrlenmes Tekrar Parçacıkların uygunluk değerlernn hesaplanması Her parçacığın uygunluk değernn, kend lokal en y konumunun uygunluk değer le karşılaştırılırması. Parçacıkların hızları ve konumları güncellenmes Durdurma krter sağlanana kadar. PSO tabanlı PSS, klask PSS sstem parametrelernn PSO algortması le optmze edlmes prensbne dayanmaktadır. Bu çalışmada amaç fonksyonu olarak yapılmış olup, karşılıklı olarak 2 durum kıyaslanmıştır. Brnc durumda uyarma sstem statktr, knc durumda uyarma sstemnn DC veya AC olarak farklı bozucu grşlerne göre benzetm çalışmaları yapılmıştır. Burada bozucu grşler, mekank bozucu grş (T m ) ve referans gerlm (V ref ) grşdr. 5.1 Benzetm Çalışma Durumları (Smulaton Operatng Condtons) Farklı durumlarda yapılan benzetm çalışmalarında; ABC tabanlı PSS nn oturma zamanının, her k PSS yapısına göre daha az olduğu görülmüş olup, genş bölgel çalışma durumları çn güç sstem kararlılığına deal çözümler ürettğ anlaşılmıştır. Aşağıda güç sstemnn farklı durumları çn benzetm çalışmalarının sonuçları verlmştr. Durum 1a: Normal yük (P=1 ve Q=,1) durumunda, statk uyarıcı (K A =5 ve T A =) çn %1 V ref ve T m bozucu grşn uygulanması Şekl 5 de gösterlmştr. Şekl 5. Durum 1a (Case 1a) Durum 1b: Şekl 6, normal yük (P=1 ve Q=,1) durumunda, AC veya DC uyarıcı (K A =5 ve T A =,2) çn %1 V ref ve T m bozucu grşn uygulanması le elde edlmştr. J = T Δ ( t). dt ω (13) kullanılacaktır [27-29]. Burada ω rotor hız değşmn, T se smülasyon zamanını göstermektedr. 5. BENZETİM ÇALIŞMALARI (SIMULATION STUDIES) PSS nn parametre ayarlanmasında 3 farklı PSS yapısı (Klask PSS, ABC ve PSO tabanlı PSS) le beraber 2 farklı uyarma sstemnn ( Statk ve AC veya DC Tp Uyarıcı) benzetm çalışmaları MATLAB programında Şekl 6. Durum 1b (Case 1b) Durum 2a: Şekl 7 de haff yük (P=,7 ve Q=,1) durumunda, statk uyarıcı (K A =5 ve T A =) çn %1 V ref ve T m Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211 687
İ. Eke ve Ark. Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem bozucu grşn uygulanması sonucunda elde edlen sonuç görülmektedr. Durum 3b: Ağır yük (P=1 ve Q=,3) durumunda, AC veya DC uyarıcı (K A =5 ve T A =,2) çn %1 V r ve T m bozucu grşn uygulanması durumu Şekl 1 da görülmektedr. Şekl 7. Durum 2a (Case 2a) Durum 2b: Haff yük (P=,7 ve Q=,1) durumunda, AC veya DC uyarıcı (K A =5 ve T A =,2) çn %1 V ref ve T m bozucu grşn uygulanması durumunda elde edlen sonuç Şekl 8 de verlmektedr. Şekl 8. Durum 2b (Case 2b) Durum 3a: Ağır yük (P=1 ve Q=,3) durumunda, statk uyarıcı (K A =5 ve T A =) çn %1 V ref ve T m bozucu grşn uygulanması durumunda çıkış snyaller Şekl 9 da verlmektedr. Şekl 9. Durum 3a (Case 3a) Şekl 1, Durum 3b (Case 3b) Farklı yük durumlarında ve uyarma bloğunun değşmnde ABCPSS yapısının her k PSS yapısına nazaran aşma mktarının daha fazla olduğu görülmektedr. Fakat aşma mktarının çok küçük değerler olduğunu göz önüne alınırsa tüm PSS yapıları çn bu değern sstem kararlılığı çn çok etkn olmadığı gözlemlenmştr. Güç sstemnn kararlı hale gelmesnde en etkl olan süre oturma zamanıdır. Benzetm çalışmalarında ABCPSS yapısının tüm durumlar çn oturma zamanı süresnn en kısa olduğu ve PSOPSS ve CPSS yapılarına göre daha etkn ve başarılı br sönümle sağladığı görülmektedr. 6. SONUÇ (CONCLUSION) Bu çalışmada, klask, ABC ve PSO tabanlı PSS yapıları çn farklı uyarma sstemler (Statk ve AC veya DC Tp Uyarıcı) ve genş alan çalışma bölgeler (P=,1-1 pu ve Q=,1-1 pu) çn PSS parametre ayarları yapılmıştır. Öncelkl olarak tek makne sonsuz güçlü bara (TMSGB) sstemne uyarma sstem ve PSS eklenerek model oluşturulmuştur. Tasarlanan ABC ve PSO tabanlı PSS n parametre ayarları çn hatanın mutlak değernn ntegral (IAE) olan performans ndeks le optmal sonuçlar elde edlmştr. Bu sonuçlara göre, Şekl 5-1 dan da görüldüğü gb, PSS yapılarını karşılaştırdığımızda, tasarlanan ABC tabanlı PSS nn sstem kararlı hale getrme zamanı, hem klask PSS hem de PSO tabanlı PSS e göre daha düşük olduğu açıkça görülmektedr. Böylelkle güç sstemnn bozucu grşlerne karşı daha az zamanda kararlı hale gelmesn sağlayan, genş alanlı çalışma bölgeler çn farklı br PSS tasarımı ortaya konulmuştur. SİMGELER VE SEMBOLLER (NOMENCLATURE) P Aktf güç 688 Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211
Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem İ. Eke ve Ark. Q Reaktf güç E b Sonsuz bara gerlm V t Jeneratör uç gerlm Küçük değşmler ω Rotor açısal hızı δ Güç (Rotor) açısı E fd Uyarma gerlm x e İletm hattı empedansı K 1 -K 6 Senkron jeneratör dnamk model katsayıları u PSS Destekleyc kontrol şaret H Senkron jeneratör atalet sabt K A Uyarıcı kazancı T A Uyarıcı zaman sabt x d d-eksen geçc reaktansı T do d -eksen geçc zaman sabt 7. KAYNAKLAR (REFERENCES) 1. Leonard Lee G., Power System Stablty and Control, CRC Press, 27. 2. Akhrf, O., Okou, F.A., Dessant, L.A. ve Champagne, R, Applcaton of a Multvarable Feedback Lnearzaton Scheme for Rotor Angle Stablty and Voltage Regulaton of Power Systems, IEEE Transactons on Power Systems, Clt 14, No 2, 62-628, 1999. 3. Shouzhen, Z., Shande, S., Houlan C. ve Janmn J., Effects of the Exctaton System Parameters on Power System Transent Stablty Studes, 2nd Internatonal Conference on Advances n Power System Control, Operaton and Management, Hong Kong, 532-535, 7-1 Aralık 1993. 4. Paulus,M., Fuzzy System PSS, Control of Power&heatng systems, 5 th Internatonal Conference, Zln, Czech Republc, 21-22 Mayıs, 22. 5. Larsen, E.V. ve SWANN D.A., Applyng Power System Stablzers Part I: General Concepts, IEEE Transactons on Power Apparatus and Systems, Clt 1, No 6, 317-324, 1981. 6. Demello, F.P., ve Concordıa, C.: Concepts of Synchronous Machne Stablty as Affected by Exctaton Control, IEEE Transactons, Clt 88, 316-329, 1969. 7. Rajkumar, V., Zhu, W., Mohler, R.R., Spee, R., Mttelstadt, W.A. ve Maratukulam, D., A Blnear Self-Tunng Controller for Multmachne Transent Stablty, IEEE Transactons on Power Systems, Clt 9, No 3, 1379-1384, 1994. 8. Hassan, L.H., Moghavvem, M. ve Mohamed, H.A.F., Power System Stablzaton Based on Artfcal İntellgent Technques; A Revew, 29 Internatonal Conference for Techncal Postgraduates (TECHPOS), Kuala Lumpur, 1-6, 14-15 Aralık 29. 9. Shahgholan Ghfarokh, G., Arezoomand, M. ve Mahmoodan, H., Analyss and Smulaton of the Sngle-Machne İnfnte-Bus wth Power System Stablzer and Parameters Varaton Effects, ICIAS 27. Internatonal Conference on Intellgent and Advanced Systems, 167-171, 25-28 Eylül 27. 1. Bhattacharya S.K., Electrcal Machnes, Tata McGraw Hll, New Delh, 28. 11. Suzuk, K., Sumda, T., Uda, S., Shmomura, M. ve Tanaka, S., The Characterstcs of Exctaton System, Internatonal Conference on Advances n Power System Control, Operaton and Management, Hong Kong, 479-484, 5-8 Eylül 1991. 12. Machowsk J., Balek J.W. ve Bumby J.R., Power System Dynamcs and Stablty John Wley & Suns Ltd., İngltere, 1997. 13. Pal, B. ve Chaudhur B., Robust Control n Power Systems, Sprnger, ABD, 25. 14. Klempner, G., ve Kerszenbaum, I., Operaton and Mantenance of Large Turbo-Generators, John Wley & Suns Ltd., İngltere, 24. 15. W. G. Heffron, R. A. Phllps, "Effect of a modern voltage regulator on underexcted operaton of large turbne generators," AIEE Trans. 71:692-97, 1952. 16. Korb, K., Randall, M. ve Hendtlass T., Artfcal Lfe: Borrowng from Bology, Sprnger, 29. 17. Van, F., Lzz, L., Rocca, P., Benedett, M., Donell, M. ve Massa, A., Object Trackng Through RSSI Measurements n Wreless Sensor Networks, Electroncs Letters, Clt 44, No 1, 653-654, 28. 18. Bonabeau, E., Dorgo, M. ve Theraulaz, G., Swarm Intellgence: From Natural to Artfcal Systems, New York, NY: Oxford Unversty Press, 1999. 19. Karaboğa, D. ve Akay B., A Survey: Algorthms Smulatng Bee Swarm Intellgence, Sprnger, Clt 31, No 1-4, 61-85, 21, 2. Karaboğa, D. ve Akay B., Artfcal Bee Colony (ABC) Algorthm on Tranng Artfcal Neural Networks, Sgnal Processng and Communcatons Applcatons, 1-4, Eskşehr, Türkye, 11-13 Hazran 27. 21. Sheetekela, S. ve Folly F.A., Breeder Genetc Algorthm for Power System Stablzer Desgn, IEEE Congress on Evolutonary Computaton (CEC), Barselona, İspanya, 1-7, 18-23 Temmuz 21, 22. Gupta N. Ve Jan S.K., Comparatve Analyss of Fuzzy Power System Stablzer Usng Dfferent Membershp Functons, Internatonal Journal of Computer and Electrcal Engneerng, Clt 2, No 2, 1793-8163, 21, 23. Sauer, P.W. ve Pa, M.A., Power System Dynamcs and Stablty, Prentce Hall, New Jersey, A.B.D., 1998. 24. El-Zonkoly, A.M., Khall, A.A. ve Ahmed, N.M., Optmal Tunnng of Lead-Lag and Fuzzy Logc Power Systemstablzers Usng Partcle Swarm Optmzaton, Expert Systems wth Applcatons, Clt 36, 297 216, 29. Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211 689
İ. Eke ve Ark. Yapay Arı Kolons Algortması Tabanlı Kararlı Güç Sstem 25. Dorf, R.C. ve Bshop R.H., Modern Control Systems, Pearson Prentce Hall, ABD, 28. 26. Kennedy, J.ve Eberhart, R., Partcle swarm optmzaton, IEEE Internatonal Conference on Neural Networks, Clt 4, 1942 1948, 1995. 27. Gözde, H., Taplamacıoğlu, M.C., Kocaarslan, İ., ve Şenol, M.A., Partcle swarm optmzaton based p-controller desgn to load-frequency control of a two area reheat thermal power system, Journal of Thermal Scence and Technology, Clt 3, No 1, 13-21, 21, 28. Gözde H., Taplamacıoğlu M. C., Kocaarslan İ., Çam E., İk Bölgel Güç Sstemnde Parçacık Sürüsü Algortması İle Yük-Frekans Kontrolü Optmzasyonu, ELECO 28, Elektrk - Elektronk Ve Blgsayar Mühendslğ Sempozyumu, Bursa, 26-3 Kasım 28. 29. Gözde H., Taplamacıoğlu M. C., Kocaarslan İ., Çam E., Partcle Swarm Optmzaton Based Load Frequency Control In A Sngle Area Power System, TPE-28 Conference Proceedngs Forth Internatonal Conference on Techncal and Physcal Problems of Power Engneerng, Ptest, Romanya, 16-11, 4-6 Eylül 28 69 Gaz Ünv. Müh. Mm. Fak. Der. Clt 26, No 3, 211