Predictive maintenance in substation automation system using deep learning
Derin öğrenme ile trafo merkezi otomasyon sisteminde kestirimci bakım
- Tez No: 1020056
- Danışmanlar: DOÇ. DR. HÜSEYİN ALTINKAYA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, ileri derin öğrenme tekniklerine dayalı kapsamlı bir kestirimci bakım çerçevesi sunmakta olup, işletme telemetri verilerinin yüksek gerilim teçhizatları için güvenilir ve risk odaklı bakım zekâsına dönüştürülmesini amaçlamaktadır. Önerilen yöntem, Irak'ta bulunan 120 MW kapasiteli Basra Gaz Türbini Enerji Santrali'nin SS1 trafo merkezinden elde edilen 1.000.000 satır, 21 sütun dakika-çözünürlüklü ölçüm ile birlikte doğrulanmış 139 arıza olayı kullanılarak gerçek saha verileri üzerinde doğrulanmıştır. Çalışma kapsamında; veri kalitesi değerlendirmesi, veri sızıntısını önleyici ön işleme süreçleri, alan bilgisine dayalı öznitelik mühendisliği, arıza taksonomisi analizi ve hibrit derin öğrenme tabanlı arıza tahminini içeren bütüncül bir analitik iş akışı geliştirilmiştir. Önerilen Hibrit Trafo Merkezi Olay Tahminleyicisi (Hybrid Substation Event Predictor) ve bunu destekleyen Dijital İkiz–Yapay Zekâ (Digital Twin–AI) mimarisi; Kısıtlanmış Boltzmann Makinesi (Restricted Boltzmann Machine, RBM) tabanlı öznitelik çıkarımı, Uzun Kısa Süreli Bellek (Long Short-Term Memory, LSTM) tabanlı zamansal öğrenme, topluluk (ensemble) model karşılaştırmaları, operatör odaklı grafiksel kullanıcı arayüzü (GUI) desteği ve IEC 61850, CIM, OPC UA ve IEC 62443 standartlarıyla uyumlu birlikte çalışabilirlik özelliklerini bütünleşik bir yapıda sunmaktadır. Deneysel sonuçlar, trafo merkezinin kritik güvenilirlik özelliklerini ortaya koymuş; faz-toprak arızalarının baskın arıza türü olduğunu, A fazı bileşenlerinin daha yüksek hassasiyet sergilediğini, risklerin belirli ekipman seviyelerinde yoğunlaştığını ve bozulmaya duyarlı elektriksel göstergelerin mevcut olduğunu göstermiştir. Performans değerlendirmeleri, Dijital İkiz ile bütünleştirilmiş topluluk modelinin 0,98 F1-skoru ve 0,995 AUC değeri elde ettiğini göstermektedir. Ayrıca, risk farkındalığına sahip erken uyarı modülü, alarm yükünü kontrol altında tutarken 0,8898 F1-skoru ve 0,9424 PR-AUC performansına ulaşmıştır. Sonuç olarak, önerilen çerçeve modern dijital trafo merkezlerinde kestirimci ve prognostik bakım uygulamaları için saha verileriyle doğrulanmış, siber dayanıklı ve operatör odaklı bir çözüm sunmaktadır. Bu yaklaşım, varlık güvenilirliğinin artırılmasına, operasyonel verimliliğin geliştirilmesine ve bakım karar verme süreçlerinin daha akıllı hale getirilmesine önemli katkılar sağlamaktadır.
Özet (Çeviri)
This thesis investigates predictive maintenance in substation automation systems using deep learning, with the objective of transforming operational telemetry into reliable, risk-informed maintenance intelligence for high-voltage assets. The study is grounded in the SS1 substation of the 120 MW Badra Gas Turbine Power Plant in Iraq and uses a 1,000,000-row, 21-column minute-resolution operational dataset, together with 139 validated fault events. A complete analytical framework is developed, including data-quality control, leakage-safe preprocessing, domain-informed feature engineering, fault-taxonomy analysis, and hybrid deep-learning prediction. The proposed Hybrid Substation Event Predictor and subsequent Digital Twin–AI architecture integrate RBM-based feature extraction, LSTM-based temporal modelling, ensemble benchmarking, GUI-supported operator supervision, and standards-aware interoperability aligned with IEC 61850, CIM, OPC UA, and IEC 62443 principles. The results identify dominant reliability patterns, including phase-to-ground fault prevalence, A-phase vulnerability, component-level risk concentration, and degradation-sensitive electrical signatures. Validation shows that the Digital Twin–embedded ensemble achieved F1 = 0.98 and AUC = 0.995, while the risk-governed early-warning layer achieved F1 = 0.8898 and PR-AUC = 0.9424 under controlled alarm-burden conditions. Overall, the thesis contributes a field-validated, operator-oriented, and cyber-resilient framework for predictive and prognostic maintenance in modern digital substations.
Benzer Tezler
- Yapay zeka tabanlı bara diferansiyel koruma sistemi
Artificial intelligence based busbar differential protection system
EMRE ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Kaynak istasyonunda dijitalizasyon ile kestirimci bakım uygulaması: yapısal ve mekanik özelliklerin incelenmesi
Predictive maintenance application with digitalization in welding station: investigation of structural and mechanical properties
AHMET CAN AYBAR
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK EFE
- Formal verification of fault detection and service restore system in smart grid using probabilistic model checker
Öncelikli model kontrolörü kullanarak smart gride hatalı algılama ve servis geri dönüş sisteminin oluşturulmasının oluşturulması
SYED ATIF NASEEM
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. DIAA GADELMAVLA
- Türkiye'de yaşlanan rüzgâr enerji santrallerinin yeniden güçlendirme potansiyelinin teknik ve ekonomik analizi
Technical and economic assessment of repowering potential in aging onshore wind farms in Türkiye
İPEKNUR HAZAR
Yüksek Lisans
Türkçe
2026
Ekonomiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. ELÇİN TAN
- Küresel iklim değişikliği sürecinde güneş enerjisi potansiyelinin belirlenmesi: Ankara, Antalya ve İstanbul örneği
Determination of solar energy potential in the globalclimate change process: The case of Ankara, Antalya andİstanbul
ATAGÜN UNAN
Yüksek Lisans
Türkçe
2019
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÖZTOPAL