Combined wavelet-neural classifier for power distribution systems
Elektrik dağıtım sistemlerinde birleşik dalgacık-sinir ağı tabanlı sınıflayıcı
- Tez No: 126908
- Danışmanlar: DOÇ. DR. CANBOLAT UÇAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 175
Özet
ELEKTRİK DAĞITIM SİSTEMLERİNDE BİRLEŞİK DALGACIK-SİNİR AĞI TABANLI SINIFLAYICI ÖZET Bu çalışmada, dağıtım sistemlerinde hibrid“Dalgacık- Yapay Sinir Ağı (YSA) tabanlı”bir yaklaşımla arıza sınıflama işlemi gerçeklenmiştir. 34.5 kV“Sağmalcılar- Maltepe”dağıtım sistemi PSCAD/EMTDC yazılımı kullanılarak arıza sınırlayıcı için gereken veri üretilmiştir. Tezin amacı, on farklı kısa-devre sistem arızalarını tanımlayabilecek bir sınıflayıcı tasarlamaktır. Sistemde kullanılan arıza işaretleri 5 kHZ lik örnekleme frekansı ile üretilmiştir. Farklı arıza noktalan ve farklı arıza oluşum açılarındaki hat-akımları ve hat-toprak gerilimlerini içeren sistem arızaları ile bir veri-tabanı oluşturulmuştur.“Çoklu-çözünürlük İşaret Ayrıştırma”tekniği kullanılarak altı-kanal akım ve gerilim örneklerinden karakteristik bilgi çıkarılmıştır. PSCAD/EMTDC ile üretilen veri bu şekilde bir ön işlemden geçirildikten sonra YSA-tabanlı bir yapı ile sınıflama işlemi gerçekleştirilmiştir. Bu yapının görevi çeşitli sistem ve arıza koşullarım kapsayan karmaşık arıza sınıflama problemini çözebilmektir. Bu çalışmada, Kohonen'in öğrenme algoritmasını kullanan bir“Kendine-Organize Harita”ile“Eğitilebilen Vektör Kuantalama”teknikleri kullanılmıştır. Bu“dalgacık-sinir ağı”tabanlı arıza sınırlayıcı ile eğitim kümesi için % 99-100 arasında ve sınırlayıcıya daha önce hiç verilmemiş test kümesi ile de % 85-92 arasında sınıflama oranları elde edilmiştir. Elde edilen başarım oranlan literatürdeki sonuçlara yakındır. Geliştirilen birleşik“dalgacık-sinir ağı”tabanlı sınırlayıcı elektrik dağıtım sistemlerindeki arızaların belirlenmesinde iyi sonuçlar vermiş ve iyi bir performans sağlamıştır. xıı
Özet (Çeviri)
COMBINED WAVELET-NEURAL CLASIFIER FOR POWER DISTRIBUTION SYSTEMS SUMMARY In this study an integrated design of fault classifier in a distribution system by using a hybrid“Wavelet-Artificial Neural Network (ANN) based”approach is implemented. Data for the fault classifier is produced by using PSCAD/EMTDC simulation program on 34.5 kV“Sagmalcilar-Maltepe”distribution system in Istanbul. The objective is to design a classifier capable of recognizing ten classes of three-phase system faults. The signals are generated at an equivalent sampling rate of 5 KHz per channel. A database of line currents and line-to-ground voltages is built up including system faults at different fault inception angles and fault locations. The characteristic information over six-channel of current and voltage samples is extracted by the“Wavelet Multi-resolution Analysis”technique, which is a preprocessing unit to obtain a small size of interpretable features from the raw data. After preprocessing the raw data, an ANN-based tool was employed for classification task. The main idea in this approach is solving the complex fault (three-phase short-circuit) classification problem under various system and fault conditions. In this project, a self-organizing map, with Kohonen's learning algorithm and type-one learning vector quantization technique is implemented into the fault classification study. The performance of the wavelet-neural fault classification scheme is found to be around“99-100%”for the training data and around“85-92%”for the test data, which the classifier has not been trained on. This result is comparable to the studied fault classifiers in the literature. Combined wavelet-neural classifier showed a promising future to identify the faults in electric distribution systems. xm
Benzer Tezler
- Asenkron motorlarda çoklu rotor çubuğu arızalarının evrişimsel sinir ağları yaklaşımı ile teşhisi
Diagnosis of multiple rotor bar faults in asynchronous motors using convolutional neural networks approach
FIRAT DİŞLİ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET GEDİKPINAR
- Emotion recognition in children: Single and multimodal approaches with facial and physiological data
Çocuklarda duygu tanima: Yüz ve fizyolojik verilerle tekli ve çoklu modalite yaklaşimlari
ŞEYMA TAKIR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques
FATMA AKALIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Classification of lung sounds using wavelet-based neural networks
Solunum seslerinin dalgacık tabanlı sinir ağları ile sınıflandırılması
METE YEĞİNER
Yüksek Lisans
İngilizce
2002
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN KAHYA
- Biyomedikal görüntülerin sınıflandırılması için yeni bir evrişimli sinir ağı mimarisi
A novel convolutional neural network architecture for classification of biomedical images
ÖZNUR ÖZALTIN
Doktora
Türkçe
2023
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MURTAZA ÖZGÜR YENİAY
DR. ORHAN ÇOŞKUN