Modern elektrik güç dağıtım sistemleri, evsel ve endüstriyel yüklerin artan elektrifikasyonu ve yenilenebilir enerji kaynaklarının (rüzgâr, fotovoltaik güneş, yakıt hücresi, hidro elektrik santraller) ve ulaşımın (elektrikli araçlar) artan entegrasyonu ile daha karmaşık ve zor yönetilebilir hale gelmektedir. Güç taleplerinin aralıklı doğası ve yenilenebilir enerji kaynakları güç dağıtım sistemlerini oldukça karmaşık hale getirmektedir. Bu tez çalışmasında bu ana soruna çözüm önerisi olarak, mikro şebekelerin ve yenilenebilir enerji kaynaklarının (fotovoltaik güneş panelleri, ve yakıt hücresi) gerçek zamanlı denetimi ve enerji yönetimi için yapay zekâ tabanlı, dayanıklı ve uyarlamalı denetim sistemleri geliştirmek amaçlanmaktadır. Fotovoltaik güneş panellerinin için yeni bir uyarlamalı sinirsel bulanık maksimum güç izleme yöntemi, B-spline fonksiyonları ile elde edilmektedir. B-spline fonksiyonları ile fotovoltaik güneş panellerinin performansı, dönüşüm verimliliği ve dinamik cevabı açısından önemli ölçüde iyileşmiştir. Fotovoltaik güneş panellerinin dönüşüm verimliliği %17.14 civarında artmıştır. Bu tezin bir diğer önemli katkısı da katı oksit yakıt hücresinin denetimi olmuştur. Katı oksit yakıt hücresi sisteminin için uyarlamalı dalgacık tabanlı denetim yöntemi önerilmiştir. Önerilen denetim diğer klasik denetimlere kıyasla çıkış gerilimi, yakıt kullanımı, yakıt akışı, dönüşüm verimliliği ve geçici ve sabit durum yanıtı açısından daha iyi performans sağlamaktadır. Katı oksit yakıt hücresi sisteminin önerilen denetim ile dönüşüm verimliliği %5.04 civarında artmıştır. Mikro şebekelerde enerji yönetimine dair ise bir uyarlamalı sinirsel bulanık denetim yöntemi tasarlanmıştır. Çalışılan enerji yönetim sistemi, 24 saat boyunca yük gereksinimlerini karşılamak için mikro şebeke sistem bileşenleri arasında güç akışını ve güç paylaşımını yönetmiştir. Sonuç olarak, fotovoltaik güneş panellerinin ve yakıt hücrelerinin maksimum güç izleme performansı artırılmış ve aynı şartlar altında daha fazla enerji üretimi sağlanarak verim artırılmıştır.
The expanding electrification of domestic and industrial loads, as well as the penetration of renewable energy sources (such as wind, solar, fuel cell, and hydroelectric power plants), as well as transportation (electric vehicles), provide challenges to today's electrical power distribution systems. The intermittent nature of power demands and renewable energy sources make a complex distribution power system. The objective of this thesis is to develop artificial intelligence-based, robust, and adaptive control systems for real-time control of renewable energy sources (photovoltaic solar panels and fuel cell) and microgrids. A new adaptive neural fuzzy maximum power tracking technique for photovoltaic solar panels is designed with B-spline functions. With B-spline functions, the performance of photovoltaic solar panels is significantly improved in terms of conversion efficiency and dynamic response. The conversion efficiency of photovoltaic solar panels is increased by around 17.14%. Another important contribution of this thesis is the control of the solid oxide fuel cell. An adaptive wavelets control is developed for the solid oxide fuel cell system. The proposed controller provides better performance in terms of output voltage, fuel utilization, fuel flow, conversion efficiency, and dynamic response as compared to conventional controllers. The conversion efficiency of solid oxide fuel cell is increased by around 5.04% with the proposed controller. Finally, an adaptive neural fuzzy based control technique is designed for energy management in microgrids. The proposed energy management system managed power flow and power sharing among microgrid system's components to meet the load requirements for 24 hours. Consequently, the maximum power tracking performance and the performance of photovoltaic solar panels, and fuel cells are increased with the solutions developed in this thesis, as well as efficiency under the same operating conditions.
Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by/4.0/
