Sünter, Sedat

Profile Picture
Name Variants
S., Sunter
S.,Sünter
S., Sünter
Sunter,Sedat
S.,Sedat
Sedat Sünter
S., Sedat
S.,Sunter
Sünter, Sedat
Sunter S.
Sedat, Sünter
Sedat, Sunter
Sunter,S.
Sünter S.
Sünter,S.
Sunter, Sedat
Job Title
Profesör Doktor
Email Address
sedat.sunter@atilim.edu.tr
ORCID ID
0000-0002-4013-0876
Scopus Author ID
7004164902
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
W-1422-2018
Scholarly Output

2

Articles

1

Citation Count

8

Supervised Theses

1

Filters

2021 - 20232
Reset filters

Settings

Scholarly Output Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Article
    Citation Count: 8
    Modeling and analysis of a single-phase core-type transformer under inrush current and nonlinear load conditions
    (Springer, 2021) Sünter, Sedat; Sunter, Sedat; Aydogmus, Omur; Electrical-Electronics Engineering
    In this paper, a transformer model based on the equivalent electrical circuit considering the nonlinearity of the iron core has been developed. The nonlinear behavior of the iron core was taken into account by using the inverted Jiles-Atherton hysteresis model. The single-phase core-type transformer was analyzed under different energization, remnant flux for inrush current and nonlinear load conditions. Illustrative and remarkable simulation and experimental results related to inrush current along with the primary and secondary currents under nonlinear load conditions were demonstrated. In addition, magnetic flux in the iron core and the hysteresis curve as a consequence of the relation of the magnetic flux and magnetizing inrush current were demonstrated. Operation of the transformer under various nonlinear load conditions have been demonstrated with simulation and experimental results. Variation of peak value of the inrush current for different levels of remnant flux in the iron core and different switching-on angles of the voltage applied to the primary was further indicated.
  • Thumbnail Image
    Master Thesis
    Farklı çalışma koşulları altında güneş ve rüzgar sistemleri için MPPT tekniklerinin karşılaştırmalı analizi
    (2023) Sünter, Sedat; Sünter, Sedat; Electrical-Electronics Engineering
    Yenilenebilir enerji teknolojileri, fosil yakıtlara güvenin azalması, iklim değişimlerinin etkisini azaltması gibi sebeplerden dolayı son birkaç 10 yıldır önem kazanmıştır. Güneş, rüzgar ve su gibi yenilenebilir kaynaklar temiz ve sürdürülebilirdir. Bu teknolojiler son yıllarda önemli derecede dikkatleri üzerine çekmiştir. Yenilenebilir enerji teknolojileri birçok avantajlara sahip olmalarına rağmen fosil yakıtlarına göre oldukça düşük verimlere sahip olmaları önemli bir dezavantajdır. Sonuç olarak, yenilenebilir enerji sistemleri, fosil-yakıt temelli sistemlerin ürettiği miktardaki bir enerjiyi üretmek için daha fazla yere ve kaynağa ihtiyaç duyarlar. İlave olarak, yenilenebilir enerji sistemlerinin verimi hava ve diğer çevresel koşullara bağlı olarak değişebilir. Örnek olarak, güneş panelleri bulutlu günlerde daha az etkiliyken rüzgar türbinleri de sakin (rüzgarsız) havada daha az etkilidir. Bu durumlar yenilenebilir enerji sistemlerinin üreteceği enerji miktarını tahmin ve kontrol etmeyi zorlaştırabilir. Bu durum yenilenebilir enerji sistemlerinin şebekeye entegrasyonunu zorlaştırabilecektir. Maksimum güç noktası takip (MPPT) tekniklerinin kullanılmasıyla verimle ilgili problemlerin üstesinden gelinebilir. Bu teknikler, maksimum güç noktasında veya en çok gücü üreteceği noktada çalışmayı sağlayarak yenilenebilir enerji sistemlerinin performansını optimize etmek için kullanılır. Birkaç çeşit maksimum güç noktası izleme (MPPT) tekniği vardır, fakat genel olarak üç kategoride sınıflandırılırlar. : Basit, Yapay zeka (AI) ve hibrit. PO ve IC gibi basit MPPT teknikleri en temel olanlardır ve MPPT'de oldukça fazla kullanılır. Bu teknikler, maksimum güç noktasını sağlamada sistemin çalışma koşullarını sürekli olarak ayarlamak için oldukça basit algoritmalar kullanırlar. PSO ve ANN gibi AI-temelli MPPT teknikleri, yenilenebilir enerji sistemlerinin performansını optimize etmek için ileri algoritmalar ve makine öğrenme teknikleri kullanır. Bu teknikler çevresel koşulların değişimine kendilerini uyarlayabilir ve gerçek zamanda sistemin çalışma koşullarını sürekli olarak ayarlayabilirler. ANFIS ve PSO&PO gibi hibrit MPPT teknikleri, basit ve AI-temelli tekniklerinin bir birleşimidir. Bu teknikler maksimum güç noktasını hızlıca takip etmek için basit algoritmalar kullanır ve daha sonra gerçek zamanda sistemin çalışma koşullarının ince ayarı için AI-temelli teknikler kullanırlar. Hibrit enerji (güneş ve rüzgar) sistemleri için basit, AI, ML ve hibrit MPPT tekniklerinin karşılaştırmalı analizi bu tezde sunulmuştur. MPPT algoritmaları, verim, yerleşme zamanı, MPPT noktasında salınım ve algoritma karmaşıklığı gibi farklı metriklere dayanan verilere göre sıralanmıştır. PV sistem için, hibrit ve konvansiyonel tekniklere göre AI-temelli teknikler en iyi performansı göstermiştir. Rüzgar sistemi için ise, konvansiyonel ve AI tekniklerinin faydalarını birleştiren hibrit teknikler en iyi sonucu göstermiştir.