Elektrik kesintileri için mikro şebeke tabanlı yapay zeka yaklaşımı

Mikro şebekeler, dağıtılmış enerji kaynakları grubunda yer alan elektrik enerjisinin üretildiği bir sistem modelidir. Bu şebeke ana güç şebekesine bağlanabilir, bağlantı kesildiğinde farklı modlarla yine çalışabilir. Alternatif enerji kaynaklarıyla kendi kendine desteklenirken ana şebekeyi etkileyecek sorunlardan etkilenmez. UC Santa Cruz Elektrik ve Bilgisayar Mühendisliği Bölümünden Dr. Yu Zhang, mikro şebekeler için “Günümüzde mikro şebekeler, hem endüstrideki hem de akademideki insanların gelecekteki enerji dağıtım sistemleri için odaklandığı bir konu” ifadesini kullanmıştır. Dr. Yu Zhang ve ekibi, güç sistemlerinin verimliliğini, güvenilirliğini ve dayanıklılığını artırmak için yapay zeka (AI) tabanlı yeni bir yaklaşımdan yararlanarak güç için mikro şebekelerin kontrolünde yeni bir yaklaşım geliştirmişlerdir. IEEE Transactions on Control of Network Systems dergisinde Dr. Zhang’ın öğrencisi Shourya Bose, makalesinde yeni yapay zeka tanımlamaları yapmıştır ve geliştirilen yapay zekada eski tekniklere nazaran daha iyi bir güç restorasyonu olduğunu göstermek istemiştir.

Günümüzde toplu yerleşim yerlerinin kullandığı elektrik, altyapı konusunda hala yerel elektrik üreten kamu hizmeti şirketlerine bağımlıdır. Yerel elektrik kullanımında herhangi doğal afet veya hava olayları elektrik kesintilerine neden olmaktadır. Onarım süreci boyunca günlük yaşantıda aksama olmakta ve insanlar mağduriyet yaşamaktadır. Bazı hane sahipleri jeneratör veya enerji pilleri ile bu kesintileri en az hasar ile atlatmaya çalışmaktadır. Mikro şebekeler, jeneratör veya enerji pilleri gibi güç kaynaklarının karışımı olarak elektriği yeniden sağlamak için dağıtıcı görevi görür. Mikro şebekelerin boyutuna göre yayılım alanı farklılık gösterebilmektedir. Zhang, “Esasen, uzun iletim hatlarından kurtulmak için elektrik üretimini talep tarafına yaklaştırmak istiyoruz. Bu, güç kalitesini artırabilir ve hatlar üzerindeki güç kayıplarını azaltabilir. Bu şekilde, şebekeyi daha küçük ama daha güçlü ve daha dayanıklı hale getireceğiz.” diyerek daha küçük boyutlu mikro şebekelerle dağıtım gücünün artırılmasını amaçlamıştır. Mikro şebekelerin işlevinin artırılması için Zhang’ın laboratuvarı, büyük dil modellerinin temelini oluşturan “derin takviyeli öğrenme” adı verilen yapay zeka tabanlı bir teknik geliştirmiştir. Ayrıca, takviyeli öğrenme denetleyicisinin elektrik kesintisi anında geleneksel optimizasyon yöntemlerinden çok daha hızlı yanıt verdiği görülmüştür¹.

Takviyeli öğrenme, içinde yer alan ortamı algılayan ve kendi kendine çözebilen bir sistem, mevcut problemin çözümünde doğru kararları almayı öğrenebilecek bir yöntemdir. Aynı şekilde programlama dilinde programın çalıştırıldığında başarılı yanıt gönderen algoritmanın ödüllendirilmesine bağlıdır. Ağın güç alışverişinde takviyeli öğrenme önemli bir faktördür. Ağ problemine uygun olarak uyarlanabilen derin öğrenme işleminin belirlenmesi ve güç dengesinin ona uygun yapılması gerekmektedir. Bose, “Güneş enerjisi, rüzgar, küçük jeneratörler, piller gibi pek çok şeyi modelliyoruz ve aynı zamanda insanların elektrik talebi değiştiğinde de modelliyoruz. Yenilik, kısıtlı politika optimizasyonu (CPO) olarak adlandırdığımız takviyeli öğrenmenin bu özel çeşidinin ilk kez kullanılıyor olmasıdır².”  CPO yaklaşımları, zaman içerisinde şebekelerdeki değişen talep ve yenilenebilir enerji üretimini etkileyen uzun vadeli kalıpları bulmak için makine kullanımın artırılmasını söylemektedir. Bu, genellikle kararları optimizasyon sırasındaki mevcut koşullara dayandıran, model öngörülü kontrol (MPC) adı verilen bir tekniği kullanan geleneksel sistemlerden farklıdır. CPO yöntemi güneşin belirli bir zaman aralığında parlaklığının ve ısısının artacağını ve güneş enerjisinin kullanımını artırılmasını öngörür. Havanın bulutlu olduğu bir günde ise daha farklı bir strateji kullanarak uzun vadeli enerji tasarrufu sağlanmaya çalışılmaktadır. Farklı sistemlerle alakalı da bilgi veren bu sistem CPO tekniklerinin geleneksel MPC yöntemlerinden önemli ölçüde daha iyi performans gösterdiğini buldu. Metasezgisel bir algoritma olan yapay atom algoritmasının, Takviyeli Öğrenme Algoritması ile kullanılması ve bu algoritmanın av avcı problemi üzerinde uygulanarak bu tür problemlere uygun olup olmayacağının görülmesi amaçlanmıştır. Bu çalışmada takviyeli öğrenme algoritmalarından olan Q öğrenme algoritması kullanılarak av-avcı probleminin çözümü elde edilmiştir. Çalışmanın sonucunda algoritmanın problemin çözümünde başarılı olduğu ve bu tür optimizasyon problemlerine kolaylıkla uygulanabildiği belirtilmiştir³.

Zhang ve araştırma ekibi, takviyeli öğrenme ve CPO teknikleriyle güç şebekelerinde elektrik iletiminin daha verimli bir şekilde yapıldığını ulusal L2RPN Delft 2023 adı yarışmada birinci alarak kanıtlamışlardır.  UC Santa Cruz araştırmacıları bunu artık büyük ölçekli şebeke operatörlerinin yapay zeka ve yapay zekaya doğru ilerlemeye başlayabileceğinin bir göstergesi olarak görmektedir.

Artık simülasyonlarda başarılı bir algoritma geliştiren araştırma ekibi, modellerini laboratuvarlarında mikro şebekeler üzerinde test etmek için çalışıyor. Uzun vadede araştırmacılar, kampüs topluluğunun karşılaştığı kesinti sorunlarını gidermek için çözümlerini UC Santa Cruz kampüsünün enerji sistemine uygulamayı umuyorlar.

Kaynaklar

1. Ziya, T. A. N., & Karaköse, M. (2022). Dinamik ortamlarda derin takviyeli öğrenme tabanlı otonom yol planlama yaklaşımları için karşılaştırmalı analiz. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi, 9(16), 248-262.
2. https://techxplore.com/news/2023-11-ai-based-approach-microgrids-power-efficiently.html
3. Karboğan A. (2014). Takviyeli öğrenme için yapay atom algoritması (A3) kullanımı (Tez No. 390631) [Yüksek Lisans Tezi, İnönü Üniversitesi].