Genetik algoritma ile dağıtım şebekesinde elektrikli araç şarj süresi optimizasyonu

Basit Öğe Kaydı
dc.contributor.advisorÖztürk, Ali
dc.contributor.authorÇelik, Hakan
dc.date.accessioned2021-12-01T18:07:16Z
dc.date.available2021-12-01T18:07:16Z
dc.date.issued2021
dc.departmentDÜ, Fen Bilimleri Enstitüsü, Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractElektrikli araçlar çevre dostu olması, fosil yakıtlara bağımlılığı azaltması ve yakıt ekonomisi sebebi ile birçok ülke tarafından teşvik edilmekte, bu da araç kullanıcıların ve araç üreticilerinin ilgilerini her geçen gün arttırmaktadır. Şuan için sayısı az olsa da giderek artan, 2040 yılında trafikteki toplam araç sayısının %58'ini kapsayacağı öngörülen elektrikli araçlar, avantajlarının yanı sıra bazı sorunları da beraberinde getirmektedir. Elektrikli araç şarj istasyonlarının mevcut dağıtım şebekelerine bağlantısı; gerilim düşümü, frekans dalgalanması, şebeke çökmesi gibi olumsuz etkilere sebep olacaktır. Bu çalışmada Elektrik şebekelerinin kapasite değerleri, şebeke yük eğrilerinin saatlik değişimleri gibi çoklu değişkenler içeren karmaşık problemlerin çözümü için sadece amaç fonksiyonuna gerek duyan ve olasılık kurallarına göre çalışan Genetik Algoritma, optimizasyon yöntemi olarak kullanılmıştır. Genetik Algoritmalar doğal seçim ilkelerine dayanan bir optimizasyon yöntemidir. Çözüm uzayının tamamını değil belirli bir kısmını tarayarak etkin bir arama yapar ve daha kısa sürede çözüme ulaşır. Bu tezde, Genetik Algoritma ile şarj istasyonlarının optimum yük profilleri oluşturulmuş, koordine edilmemiş yük profilleri ile test fideri üzerinde kıyaslamaları yapılmıştır.en_US
dc.description.abstractBecause of their environmental friendliness, reducing dependence on fossil fuels and advantage of fuel economy, Electric vehicles are supporting by many countries and getting more interest of vehicle users and vehicle manufacturers every day. Although their number is small for now, the ever-increasing electric vehicles, which are predicted to cover 58% of the total number of vehicles in traffic in 2040, bring along some problems as well as their advantages. Connection of electric vehicle charging stations to existing distribution networks; will cause adverse effects such as voltage drop, frequency fluctuation and network black out. In this study, Genetic Algorithm, which requires only the objective function and works according to probability rules, is used as an optimization method for solving complex problems involving multiple variables such as capacity values of electrical networks and hourly changes of grid load curves. Genetic Algorithms is an optimization method based on natural selection principles. It performs an efficient search by scanning a certain part, not the entire solution space, and reaches a solution in a shorter time. In this thesis, optimum charging stations load profiles were generated with the Genetic Algorithm and compared with uncoordinated load profiles on the test feeder.en_US
dc.identifier.endpage57en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=9MiDp3x86xrwjpi5-14w-f_tOeSgVPhy_-Jr6Kzj4rdynNdVCFTgABWVdJRlqfm-
dc.identifier.urihttps://hdl.handle.net/20.500.12684/8799
dc.identifier.yoktezid661644en_US
dc.institutionauthorÇelik, Hakanen_US
dc.language.isotren_US
dc.publisherDüzce Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectElektrik ve Elektronik Mühendisliğien_US
dc.subjectElectrical and Electronics Engineeringen_US
dc.subjectElektrikli araçlaren_US
dc.subjectElectric vehiclesen_US
dc.subjectGenetik algoritmalaren_US
dc.subjectGenetic algorithmsen_US
dc.subjectGlobal optimizasyon yöntemien_US
dc.subjectGlobal optimization methoden_US
dc.titleGenetik algoritma ile dağıtım şebekesinde elektrikli araç şarj süresi optimizasyonuen_US
dc.title.alternativeOptimization of electric vehicle charging times in the distribution network with genetic algorithmen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
661644.pdf
Boyut:
2.3 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Full Text / Tam Metin
İndir

Koleksiyon

Tez Koleksiyonu