Determining the size of a hybrid energy system is a problem that must be solved by considering various criteria. The thesis proposes that the size of a hybrid PV/wind power generation system be determined using the Artificial Bee Colony algorithm, a heuristic optimization algorithm.
GİRİŞ
Tezin Amacı
Tezimizin genel amacı, belirli bir bölgedeki elektrik enerjisi talebini karşılamak üzere tasarlanması gereken fotovoltaik/rüzgar hibrit güç üretim sisteminin boyutunu sezgisel optimizasyon algoritması kullanarak belirlemektir. Bu bileşenlerin kullanıldığı hibrit sistemde optimizasyon algoritmasının genel amacı, yıllık toplam net maliyeti en aza indirmek ve hibrit güç üretim sistemi bileşenlerinin sayısını belirlemektir.
Literatür Araştırması
Hibrit sistemin boyutunu optimize ederek güç kaynağı güvenilirliğini en üst düzeye çıkarmayı ve enerji üretim maliyetlerini en aza indirmeyi hedeflediler. Li ve meslektaşları, rüzgar türbini/fotovoltaik paneller ve pillerden oluşan hibrit bir sistemdeki bileşen sayısını belirlemek için basit bir algoritma geliştirdi.
YENİLENEBİLİR ENERJİ KAYNAKLARI
Güneş Enerjisi
- Ülkemizde güneş enerjisi potansiyeli
- Marmara bölgesinin güneş enerjisi potansiyeli
- Güneş enerjisinden elektrik üretimi
- Isıl güneş enerjisi teknolojileri
- Düşük sıcaklık sistemleri
- Orta sıcaklık sistemleri
- Yüksek sıcaklık sistemleri
- Fotovoltaik sistemler (FV)
- Fotovoltaik hücrelerin yapısı ve çeşitleri
Parabolik oluk sistemleri, Şekil 2.6'da gösterildiği gibi, doğrudan güneş ışığını kolektör eksenindeki bir odak çizgisine odaklar. Yoğunlaştırılmış güneş enerjisi sistemleri (CSP teknolojisi) adı altında değerlendirilen merkezi alıcı sistemler literatürde güneş kuleleri olarak da adlandırılmaktadır (Zhang vd., 2013).
Rüzgar Enerjisi
- Ülkemizde rüzgar enerjisi potansiyeli
- Marmara bölgesinin rüzgar enerjisi potansiyeli
- Rüzgar enerjisinden elektrik üretimi
- Rüzgar türbinini oluşturan elemanlar
- Rüzgar türbinlerinin sınıflandırılması
- Yatay ve dikey eksenli rüzgar türbinleri
- Önden rüzgar alan ve arkadan rüzgar alan türbinler
- Kapasitelerine göre rüzgar türbinleri
- Şebeke bağlantılı ve şebeke bağlantısız rüzgar türbinleri
- Rüzgar enerjisini oluşturan parametreler
- Güç katsayısı
- Toplam güç dönüşüm katsayısı ve etkili güç çıkışı
- Lanchester-Betz limiti
- Güç eğrisi
Ayrıca TEİAŞ'ta yayınlanan 2017 yılından bu yana yenilenebilir enerji kaynaklarından üretilen elektriğin dağılımı Şekil 2.10'da gösterilmektedir. Ülkemizde km2 başına 5 MW gücündeki rüzgar santrallerinin yerden yüksekliği 50 metre ve rüzgar hızı 7,5 m/s'nin üzerinde olan bölgelere kurulabileceği kabul edilmektedir. Ülkemizin rüzgar enerjisi potansiyeli 48.000 MW olarak belirlenmiş olup, bu potansiyele karşılık gelen toplam alan ülkemiz yüzölçümünün %1,30'una karşılık gelmektedir.
Aşağıdaki Tablo 2.1'de bölgelere göre ortalama rüzgar gücü yoğunluğuna ilişkin bilgiler verilmektedir (Şenel ve Koç, 2015). Yine Kırklareli ilinde kurulabilecek rüzgâr santrali kapasitesi için aşağıdaki tablo 2.3 EİGM tarafından hazırlanmıştır. Atmosfer basıncı gradyanı arttıkça rüzgar hızı artar ve dolayısıyla rüzgar enerjisi dönüşüm makinelerinin rüzgardan elde edebileceği rüzgar gücü artar.
Rüzgar türbinlerinde belirli bir rüzgar hızı için sistemin aldığı güç en yüksek değere ulaşır. Rüzgar hızının nominal hız değerini aşması durumunda sistemin alacağı güç, nominal güce eşit olacaktır. Rüzgar türbinleri ürettikleri güce göre mikro, küçük, orta, büyük ve ultra büyük türbinler olarak sınıflandırılmaktadır.
HİBRİT GÜÇ SİSTEMLERİ
- Fotovoltaik Paneller
- Rüzgar Türbinleri
- Dizel Jeneratörler
- Jeotermal Enerji Güç Üretim Sistemi
- Hidrojen Yakıt Pilleri ve Hidrojen Depolama Tankı
- Depolama Birimleri
- Güç Dönüştürücüler
- Enerji Yönetimi ve Kontrol Sistemleri
- Merkezi kontrol düzeni
- Dağıtılmış kontrol düzeni
- Hibrit merkezi ve dağıtılmış kontrol düzeni
Yenilenebilir enerji kaynaklarının yerel potansiyeline göre iki veya daha fazla yenilenebilir enerji kaynağı tek bir sisteme bağlanabilir. Hibrit bir enerji üretim sistemi genel olarak AC jeneratörler, DC jeneratörler, AC ve DC dağıtım sistemleri, yükler, yenilenebilir enerji kaynakları (rüzgar türbinleri, güneş panelleri vb.), enerji depolama üniteleri, güç dönüştürücüler, kontrol yüklerinden oluşur. kontrol için kullanılan mekanizmaları ve kontrol birimlerini içerir (Oğuz, 2007). Yenilenebilir enerji sistemleri, kaynaklarına bağlı oldukları ve sabit bir güç çıkışı sağlamak üzere geleneksel güç kaynaklarıyla entegre oldukları için değişken güç çıkışı özelliklerine sahiptir.
Dizel jeneratör sistemleri, yenilenebilir enerji kaynağının akü ile birlikte yeterli gücü sağlayamaması durumunda güç sağlamak ve aynı zamanda depolama cihazını şarj etmek için tasarlanmıştır. Jeotermal enerji kullanmanın en büyük avantajı, bu yenilenebilir enerji kaynaklarının rüzgar veya güneş enerjisi gibi diğer yenilenebilir kaynaklara kıyasla günün 24 saati kesintisiz enerji sağlayabilmesidir (Banos vd., 2011). Elektrolizörün giriş enerjisi, suyun elektrolizi yoluyla hidrojen üretimine olan aşırı talebin olduğu dönemlerde yenilenebilir enerji kaynaklarından sağlanır.
Hidrojen, yenilenebilir enerji kaynaklarından üretilen enerjinin yükü karşılamaya yeterli olmadığı durumlarda yakıt hücreleri tarafından kullanılmak üzere tankta depolanır. Merkezi kontrol şemasında tüm sistem, farklı yenilenebilir enerji kaynakları ve enerji depolama sistemi için bir ana kontrolör ve birkaç yardımcı kontrolörden oluşur. Kaynak üretiminin kullanılabilirliğine ve yük talebine bağlı olarak entegre sistemdeki farklı yenilenebilir enerji kaynakları arasındaki enerji akışını önceliklendirecek ve yönetecek.
OPTİMİZASYON
Yenilenebilir Enerji Sistemlerinde Optimizasyon Teknikleri
Yenilenebilir enerji sistemleri sistem bileşenlerine büyük ölçüde bağımlıdır; dolayısıyla her bileşenin doğru modellenmesi, sistemin performansını ve güvenilirliğini daha iyi anlamak için araçlar sağlar ve sistemin optimize edilmesine yardımcı olur. Öte yandan, yeni nesil yaklaşımlar geleneksel yaklaşımlara göre daha hızlı ve daha esnektir, daha iyi yakınsama hızına ve etkili küresel arama çözümlerine sahiptir. Bu eğilim, yeni nesil algoritmaların (evrimsel-sezgisel) son yıllarda literatürde daha yaygın kabul gördüğünü ve kullanıldığını göstermektedir.
Yeni nesil yöntemler Yapay Zeka Tabanlı Tabu Arama, Genetik, Simüle Tavlama, Harmony Arama, Biyocoğrafya Tabanlı'dır. Alternatif olarak, optimum HES'leri tasarlamak için yaygın olarak iki tür yaklaşım kullanılır: simülasyon tabanlı (yazılım) optimizasyon ve buluşsal optimizasyon yöntemleri. Bu yöntemler global optimal sistemi belirleyebilir ve bir dizi optimal çözüm bulmada daha iyi yakınsamaya ve doğruluğa sahiptir.
Bağımsız PV-RT HES'ler için boyutlandırma optimizasyonunda en yaygın kullanılan yazılım araçları şunlardır: Elektrikli Yenilenebilir Enerji için Hibrit Optimizasyon Modeli (HOMER) ve Genetik Algoritma ile Geliştirilmiş Hibrit Optimizasyon (iHOGA). Tek amaçlı optimizasyon algoritmaları, fonksiyon tarafından tanımlanan minimum veya maksimum değere karşılık gelen en uygun çözümü bulmak için kullanılır. Modern yöntemler, tek amaçlı veya çok amaçlı optimizasyon problemlerini çözmek için tekil ve hibrit algoritmalar kullanır.
Sezgisel Optimizasyon Algoritmaları
- Genetik algoritma
- Tabu araştırma algoritması
- Benzetilmiş tavlama
- Parçaçık sürü optimizasyon algoritması
- Yapay arı koloni algoritması
- Arıların yiyecek arama davranışı
- Yapay arı koloni algoritmasının adımları ve akış diyagramı
N parametre varsa (N boyutlu bir problem), kromozomlar Denklem 4.1'deki amaç fonksiyonudur ve Denklem 4.2'deki gibi 1xN elemanlı bir dizi olarak tanımlanır. Algoritmanın mutasyon aşamasında kromozomda değişecek bit sayısı mutasyon hızına (μ) göre belirlenmekte ve kromozomda hangi bitin değişeceğinin seçimi Denklem 4.11'de verilmektedir. Şu ana kadar elde edilen her parçacık için en iyi çözüm, parçacık hafızasında ve parçacık deneyiminde depolanır.
Sosyallik, bir komşunun önceki en iyi konumuna ve orijinal (bir parçacığın önceki en iyi konumu) yönüne doğru hareket etme eğilimidir (Maleki ve diğerleri, 2016). Parçacıklar sabit bir hızla hareket eder ve küresel olarak en iyi konumu bulmak için tüm arama uzayını arar. Bir besin kaynağı işçi arı tarafından tüketilirse, o arı kaşif olur ve yeni bir besin kaynağı arar.
Bu kaynaklar Denklem 4.18'de gösterildiği gibi parametrelerin alt ve üst limitleri dikkate alınarak rastgele oluşturulur. Temel YAK algoritmasında her diskin uygunluk değeriyle orantılı olduğu Denklem 4.22'deki rulet tekerleği seçim yöntemi kullanılır. Denklem 4.22'deki olasılık değeri bu rastgele sayıdan büyükse, işçi arılar gibi gözcü arı da denklem 4.19'u kullanarak yeni bir besin kaynağı bulur.
ÖRNEK BİR HİBRİD (FOTOVOLTAİK-RÜZGAR) ENERJİ SİSTEMİNİN
Güç Sistemi Kurulacak Yerin Yük Karakteristiği
Uygulama alanı olarak 2016 yılı için seçilen okul binasının elektrik enerjisi ihtiyacı belirlenmiş olup, aylık toplam enerji tüketimi Tablo 5.1'de gösterilmektedir.
Güç Sistemi Kurulacak Yerin Yenilenebilir Enerji Kaynakları Potansiyeli
- Rüzgar enerjisi potansiyeli
- Güneş enerjisi potansiyeli
Çalışma alanına ait aylık ortalama güneş ışınım değerleri 5,90 kWh/m²/gün ile 1,20 kWh/m²/gün arasında değişmekte olup Tablo 5.3'te gösterilmektedir. Bu grafik değerlendirildiğinde en düşük aylık ortalama güneş ışınım değerinin Kasım, Aralık, Ocak ve Şubat aylarında, en yüksek aylık ortalama güneş ışınım değerinin ise Mayıs, Haziran ve Temmuz aylarında olduğu görülmektedir. Çalışma alanının saatlik ortalama güneş ışınımına (Wh/m²) ilişkin veriler Meteoroloji Genel Müdürlüğü TÜMAS veri tabanından alınmış olup Şekil 5.3'te gösterilmektedir.
Hibrit Enerji Sisteminin Tanımlanması
- Fotovoltaik panel özellikleri
- Rüzgar türbini özellikleri
- Batarya grubu özellikleri
- Hibrit sistem tasarım parametreleri
Akü bankası, rüzgar türbini ve PV dizisi elektrik üretmediğinde bile yüke güç sağlayacak enerji kapasitesini sağlar. Burada 𝑃𝐹𝑉(𝑡) birim zamanda üretilen güç, 𝜂𝐹𝑉 panel verimi, 𝑃𝐹𝑉𝑚𝑎𝑘 panelin üretebileceği maksimum güç, 𝐴(𝑡) birim zamanda panel yüzeyine düşen radyasyon miktarıdır (W/ m²) ve 𝐴(𝑠) 1000 W/m²'dir. Rüzgar türbininin çalışma prensibine göre rüzgar hızı, devreye girme hızını (Vc) aştığında rüzgar türbini elektrik üretmeye başlar.
Rüzgar hızı kesme hızı (Vco) değerini aştığında türbin kendini korumak için çalışmayı durdurur. Hibrit sistemde kullanılmak üzere Bergey Excel 6 kW 220 V AC rüzgar türbini seçilmiş olup güç eğrisi Şekil 5.4'te gösterilmiştir. Fotovoltaik panel ve rüzgar türbininin ürettiği toplam güç, yükün tükettiği güçten fazla ise aküler şarj durumundadır.
Güneş paneli ve rüzgar türbininin ürettiği toplam güç, yükün tükettiği akımdan az ise aküler boşalmış durumdadır. Başlangıç fiyatı 1.229$, işletme-bakım maliyeti ise 10$/yıl olarak belirlenen akünün teknik özellikleri Tablo 5.7'de yer alıyor.
Hibrit Sistemin Modellenmesi ve Boyut Optimizasyonu
- Amaç fonksiyonu
- Güvenilirlik
- Kısıtlamalar ve karar değişkenleri
- Yapay arı koloni algoritması
Sistemin akü sayısını hesaplamak için gerekli depolama kapasitesinin belirlenmesi denklem 5.10'da gösterilen denklem ile bulunur. 𝑆𝑘𝑎𝑝 = ∑𝑡𝑡𝑚𝑎𝑘(𝑃𝐹𝑉𝑡 + 𝑃𝑅𝑇𝑡 − 𝑃𝑡𝑎𝑑 − 𝑃𝑡𝑎𝑙 𝑡𝑡 𝑚𝑖𝑛(𝑃𝐹𝑉𝑡 + 𝑃𝑅𝑇𝑡 − 𝑃𝑡𝑎𝑙𝑝𝑒𝑒𝑡 )∆.𝑡 5.10 5.10 Bu, kümülatif enerjinin en yüksek olduğu zamanı ve pozitif enerjinin en büyük olduğu zamanı tanımlar en küçüğü 𝑃𝐹𝑉𝑡 t anında fotovoltaik panellerin ürettiği gücü, 𝑃𝑅𝑇𝑡 t zamanında rüzgar türbinlerinin ürettiği gücü ve 𝑃𝑡𝑎𝑙𝑒𝑝 t anında talep edilen gücü gösterir.
Sistemdeki fotovoltaik panellerin ve rüzgar türbinlerinin ürettiği güç, aşağıdaki denklem 5.11'de gösterildiği gibi elde edilir. 𝑇𝑡=1 (5.13) Burada 𝐿𝑃𝑆(𝑡), üretilen enerjinin ihtiyaç duyulan enerjiden az olduğu güç kaynağı kaybıdır ve denklem 5.14'te gösterilmektedir. Her besin kaynağı bir işçi arıyla ilişkilendirilir ve her işçi arı kendi ortamında yeni bir besin kaynağı bulmaya çalışır.
10: Amaç fonksiyonunu çalıştırın ve yeni çözümün uygunluk değerini hesaplayın, açgözlü seçimi 𝑥𝑘 ve 𝑣𝑘 çözümlerinin uygunluk değerine uygulayın ve iyi olanı kaydedin. 14: Amaç fonksiyonunu çalıştırın ve yeni çözümün uygunluk değerini hesaplayın, açgözlü seçimi 𝑥𝑘 ve 𝑣𝑘 çözümlerinin uygunluk değerine uygulayın ve iyi olanı kaydedin. 16: Kaynak geliştirememe sınırı maksimum sınırı (𝑙𝑖𝑚𝑖𝑡𝑖 ≥ 𝑙𝑖𝑚𝑖𝑡𝑚𝑎𝑥) aşarsa, 5.e.'yi kullanarak kaşif tarafından yeni bir kaynak üretin.
Bulgular
𝐿𝑃𝑆𝑃𝑚𝑎𝑘 değerini %3 olarak ayarladığımızda yıllık toplam maliyeti 26887,41$ olan hibrit PV/Rüzgar enerjisi üretim sisteminin tekli sistemlere göre daha ekonomik bir seçim olduğu görüldü. Sadece PV güç üretim sistemi ile yapılan optimizasyonda LPSP değeri %2,979 olarak elde edilmiş, maliyet 30812,85 $ olarak bulunmuş ve optimal boyut parametreleri 486 PV panel ve 30 batarya olarak belirlenmiştir. 2.637 adet elde edilmiş, maliyeti 61.780,06$ olarak bulunmuş ve optimum boyut parametreleri 13 adet rüzgar türbini ve 45 adet batarya olarak belirlenmiştir.
0,974 açı elde edilmiş, maliyeti 36849,06$ olarak bulunmuş ve optimal boyut parametreleri 570 adet PV panel ve 37 adet akü olarak belirlenmiştir. Yalnızca rüzgar enerjisi üretim sistemi ile optimizasyon yapıldığında LPSP değeri %0,584, maliyet 82024,10 $ olarak bulunmuş ve optimum boyut parametreleri 17 rüzgar türbini ve 62 batarya olarak belirlenmiştir. 0,197 olarak elde edilmiş, maliyeti 42140,66$ olarak bulunmuş ve optimal boyut parametreleri 645 adet PV panel ve 43 adet akü olarak belirlenmiştir.
Sadece rüzgar enerjisi üretim sistemi ile yapılan optimizasyonda LPSP değeri %0,152 olarak elde edilmiş, maliyet 91950,37 $ olarak bulunmuş ve optimal boyut parametreleri 19 rüzgar türbini ve 70 batarya olarak belirlenmiştir. Sadece PV güç üretim sistemi ile yapılan optimizasyonda maliyet 44963,01 $ olarak bulunmuş ve optimum boyut parametreleri 687 adet fotovoltaik panel ve 46 adet pil olarak alınmıştır. Aşağıdaki Şekil 5.12'de hibrit PV/rüzgar enerjisi üretim sisteminin LPSP değerlerine göre en iyi sonuçların alındığı bir bataryanın şarj ve deşarj grafikleri gösterilmektedir.
TARTIŞMA VE SONUÇ
A review on recent sizing optimization methodologies for stand-alone solar and wind hybrid renewable energy systems. Optimal design of hybrid power generation system to ensure reliable power supply to the health center at Umm Jamal, Mafraq, Jordan. Multi-objective optimization of a stand-alone hybrid renewable energy system using evolutionary algorithms: A review.
Sizing optimization for hybrid solar-wind energy system using ant colony optimization for continuous domain-based integer programming. Optimal sizing of a stand-alone hybrid solar/wind system using novel gray wolf optimization considering reliability. Optimal sizing of a grid-independent hybrid renewable energy system incorporating resource uncertainty and load uncertainty.
Optimal sizing of PV-Wind hybrid power system using Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). Review of recent trends in optimization techniques for solar photovoltaic-wind hybrid energy systems. Optimization with a simulated annealing algorithm of a hybrid system for renewable energy including battery and hydrogen storage.
