Elektrik güç sistemlerindeki geçici olayların dalgacık analizi ve olasılıksal sinir ağları yöntemiyle sınıflandırılması
The classification of transient phenomena in the electrical power systems by using wavelet analysis and probabilistic neural networks
- Tez No: 213527
- Danışmanlar: Y.DOÇ.DR. ASLAN İNAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Mühendislik Bilimleri, Electrical and Electronics Engineering, Energy, Engineering Sciences
- Anahtar Kelimeler: Güç sistem geçici olayları, dalgacık analizi, wavelet analizi, arıza sınıflandırma, olasılıksal sinir ağları, hata tanıma, Power system transients, wavelet analysis, fault classification, probabilistic neural netwoks, fault recognition
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Güç sistem geçici olaylarının, ileri işaret işleme ve örüntü tanıma tekniği kullanarak karakterize edilmesi ve sınıflandırılmasını gerçekleştirecek bir araştırma yapılmıştır. Dalgacık (wavelet) analizi yardımıyla alınan bilgiler kullanılarak güç sistemi arıza tanıma otomasyonu yöntemi önerilmiştir. Güç sistemi operatörleri için bir yapay danışman olması amacıyla geliştirilen sistemde, güç sistemlerindeki geçici olayları karakterize etmek için dalgacık analizi uygulanmış ve bu analizden geçici olay dalga şekli ile ilgili özellikler çıkarılmıştır. İşareti yüksek frekans içeriğine sahip detay ve alçak frekans içeriğine sahip yaklaşım katsayılarına ayırmak için Daubechies dalgacık ailesi kullanılmıştır. Bu yöntemin geçici olayları ve kombinasyonlarını karakterize etmekte etkinliği değerlendirilmiştir. Sınıflandırma yöntemi olarak, olasılıksal sinir ağları kullanılmış ve bu yöntemle geçici olayın hangi arıza sınıfına ait olduğu tespit edilebilmiştir. Her geçici olay için dalgacık katsayı detayları karakteristik olduğundan dolayı, bu katsayılar olasılıksal sinir ağlarında dalga şekillerini ve bununla beraber geçici olayları birbirinden ayırmada kullanılmışlardır. Sistemin performansı, Matlab/Simulink ortamında simule edilen geçici olaylar üzerinde değerlendirilmiştir. Simulasyonu yapılan veriler için olasılıksal sinir ağları, eğitim kümesinde %99.4 ve test kümesinde %96.7 doğruluk oranı vermiştir. Sonuçlar, hem sınıflandırmanın hassasiyeti ve kullanılan dalga şekli özellikleri açısından üstün bir performans olarak değerlendirilmektedir.
Özet (Çeviri)
An investigation into the characterization and classification of power system transients, using advanced signal processing and pattern classification techniques has been realized. Automation of power system fault identification using information conveyed by the wavelet analysis of power system transients is proposed. In the system developed, which is intended to act as an artificial consultant to power systems operators, the implementation of wavelet analysis was for characterizing transients in power systems and to extract features from them. The Daubechies wavelet family used in this thesis decomposes the signal into details and approximations, which contain the high and low frequency content of the signal, respectively. The usefulness of this method in characterizing the transients as well as their combination is evaluated. As a classification method, the probabilistic neural network (PNN) has been used to identify the corresponding class of a transient. Because the wavelet detail coefficient for each type of simple fault is characteristic in nature, these coefficients are used in PNN for distinguishing between the waveforms and hence the faults. The performance of the system is evaluated on simulated transients in Matlab/Simulink Environement. For the simulated data, the PNN yielded an average accuracy of 99.4% with the training set and 96.7% with the testing set of data. The results show superior performance, both in the accuracy of the classification and selection of the waveform features used.
Benzer Tezler
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- The wavelet-based approach for k-factor filtering method on the evaluation of high voltage impulse signals
Yüksek gerilim darbe işaretlerinin incelenmesinde kullanılan k-faktör filtreleme yöntemine dalgacık tabanlı yaklaşım
KAHRAMAN YUMAK
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÜKRAN EMEL ÖNAL
- Multi resolution wavelet analysis for ferroresonance phenomenon on power systems and its nonlinear dynamics
Güç sistemlerinde ferrorezonans olayının çok çözünürlüklü dalgacık analizi ile incelenmesi ve doğrusal olmayan dinamiklerinin çıkartılması
SEZEN YILDIRIM ÜNNÜ
Doktora
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Şebeke Bağlantılı Fotovoltaik (PV) Sistemlerin Mevcut Elektrik Şebekesi ile Entegrasyonu ve Güç Sistemine Etkileri
Integration of Grid Connected Photovoltaic (PV) Systems with Current Electric Network and Effects on Power System
ALPER YILMAZ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKAY BAYRAK
- Alçak gerilim şebekeleri için durağan ve durağan olmayan güç kalitesi olaylarının tespiti ve sınıflandırılması için yeni bir yaklaşım
A new approach for the detection and classification of power quality disturbances of stationary and non-stationary for low voltage grids
MEHMET İSMAİL GÜRSOY
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERDAR YILMAZ
PROF. DR. SEYDİ VAKKAS ÜSTÜN