Affiliation:
1. FATİH SULTAN MEHMET VAKIF ÜNİVERSİTESİ
Abstract
Mikro şebekeler fotovoltaik, rüzgâr ve hidrolik gibi enerji kaynaklarının şebekeye entegrasyonunu sağlayan ve şebekeye bağlı ve şebekeden bağımsız çalışabilen, geleceğin enerji sisteminin önemli bir parçasını oluşturmaktadır. Mikro şebeke konsepti; fosil yakıt kullanımı, hat kayıpları, karbon ayak izi, emisyon azaltma ve enerji verimliliğini arttırma hedefi ile geleceğin akıllı şebekeleri için büyük bir potansiyele sahiptir. Bununla birlikte dağıtık üretimin güç sistemine entegrasyonu, güç sisteminin kontrolü işletilmesi ve korunmasında bazı dezavantajlara ve risklere neden olabilmektedir. Bu konudaki en büyük problemlerden biri, şebekeye bağlı çalışan mikro şebekenin herhangi bir arıza durumunda ana şebekeden ayrılarak çalışmaya devam ettiği istenmeyen ada çalışma durumudur. İstenmeyen ada çalışma durumu, güç sisteminde frekans kararsızlığına neden olarak, personel güvenliği ve güç sistemindeki ekipmanları için tehdit unsuru oluşturabilir. Bu durumu önlemek amacıyla ada çalışmanın ivedilikle tespit edilerek ana şebeke ile mikro şebekenin bağlantısı fiziksel olarak kesilmelidir. Literatürde birçok ada çalışma tespit yöntemi önerilmiştir. Bu çalışmada, literatürde sunulan akıllı ada çalışma tespit yöntemleri detaylı olarak incelenmiş ve önerilen yöntemler algılama dışı bölge, tespit süresi, işletme maliyeti, doğruluk ve güç kalitesi bakımından analiz edilmiştir. Diğer çalışmalardan farklı olarak bu çalışmada, gerçek zamanlı deneysel çalışmalar, önerilen yöntemlerin uygulanabilirliğini göstermek amacıyla detaylı olarak incelenmiştir. Böylelikle ortaya konulan yöntemlerin pratikte uygulanabilirliği konusunda araştırmacılara önemli bir kaynak oluşturulmuştur.
Publisher
Gazi Universitesi Fen Bilimleri Dergisi Part C: Tasarim ve Teknoloji
Reference73 articles.
1. [1] IEA, “A 10-Point Plan to Reduce the European Union ’ s Reliance on Russian Natural Gas,” 2022.
2. [2] M. R. TÜR and F. YAPRDAKDAL, “Yenilenebilir Enerji Kaynaklarına Dayalı Bir Sistemde Güç Kalitesi Analizi, Kontrolü ve İzlemesi,” Gazi Üniversitesi Fen Bilim. Derg. Part C Tasarım ve Teknol., vol. 8, no. 3, pp. 572–587, 2020, doi: 10.29109/gujsc.722014.
3. [3] J. M. Lee, “Islanding Detection Methods for Microgrids,” p. 125, 2011.
4. [4] D. Kumar and P. S. Bhowmik, “Artificial neural network and phasor data-based islanding detection in smart grid,” IET Gener. Transm. Distrib., vol. 12, no. 21, pp. 5843–5850, 2018, doi: 10.1049/iet-gtd.2018.6299.
5. [5] J. A. Laghari, H. Mokhlis, M. Karimi, A. H. A. Bakar, and H. Mohamad, “Computational Intelligence based techniques for islanding detection of distributed generation in distribution network: A review,” Energy Convers. Manag., vol. 88, pp. 139–152, 2014, doi: 10.1016/j.enconman.2014.08.024.