Geri Dön

Intelligent fault diagnosis in power systems using neural networks

Güç sistemlerinde yapay sinir ağları kullanarak akıllıca arıza tahmini

  1. Tez No: 23619
  2. Yazar: CAHİT GEZGİN
  3. Danışmanlar: DOÇ. DR. İSMET ERKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Güç Sistemi Arıza Tespiti, Yapay Zeka, Örüntü Tanıma, Yapay Sinir'Ağları, Power System Fault Diagnosis, Artificial Intelligence, Pattern Recognition, Neural Networks
  7. Yıl: 1992
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 117

Özet

ÖZ GÜÇ SİSTEMLERİNDE YAPAY SINIR AĞLARI KULLANARAK AKILLICA ARIZA TAHMİNİ GEZGİN, Cahit Yüksek Lisans Tezi, Elektrik ve Elektronik Mühendisliği Anabilim Dalı Tez Yöneticisi: Doç. Dr. ismet ERKMEN Ağustos. 1992, 107 sayfa Bu tezde, elektrik güç sistemlerinde arızaların tespiti için yapay sinir ağı tabanlı bir örüntü tanıyıcı geliştirilmiştir. Kullanılan sinir ağı ileribeslemeli çok tabakalı, geri yayılım öğrenme algoritmasını kullanmaktadır. Sinir ağına gelen girdiler elektrik güç sisteminde çalışan rölelerden ve açma yapan devre kesicilerden alınmaktadır. Bir arıza sonrasında, sinir ağı koruma sisteminden elde edilebilen bilgiyi kullanarak, tek bir satır halinde arızanın en muhtemel yerini vermektedir. Öngörülen metot, biri hipotetik, diğeri Türkiye Elektrik Kurumu güç sisteminden alman gerçek bir sistem üzerinde denenmiştir. Metodun performansının değerlendirilmesi ve sonuçlar tartışılmıştır.

Özet (Çeviri)

ABSTRACT INTELLIGENT FAULT DIAGNOSIS IN POWER SYSTEMS USING NEURAL NETWORKS GEZGİN, Cahit M.S. in Electrical and Electronics Engineering Supervisor: AssocJProf Dr. Ismet Erkmen August, 1992, 107 pages In tiiis thesis, a neural network based pattern recognizer for the diagnosis of electric power system faults is developed. The neural network architecture used consists of a feedforward -layered ANN with foackpropagation training algorithm. Inputs to the neural network are obtained from operated relays and tripped circuit, breakers of the electric power system. After the -occurrence of a fault, the neural network gives the most possible zone for the fault with a line of text using the data available from protection system.The proposed method is tested on two power systems, one of which is hypothetical and the other is real system taken from Turkish Electricity Authority power system. Performance evaluation of the method is also carried out and results are discussed.

Benzer Tezler

  1. Tez No

    402032

    Multi-sensor fusion for induction motor aging analysis and fault diagnosis

    Başlık çevirisi yok

    ALİ SEYFETTİN ERBAY

    Doktora

    İngilizce

    İngilizce

    1999

    Elektrik ve Elektronik MühendisliğiThe University of Tennessee

    DR. BELLE R. UPADHYAYA

  2. Tez No

    127194

    Elektrik motorlarında dalgacık analizi yaklaşımı ile rulman arıza tanısı ve yapay zeka tabanlı bir durum izleme sistemi

    Bearing fault diagnosis with the approach of wavelet analysis and a condition monitoring system based on artificial intelligence in electric motors

    EMİNE AYAZ

    Doktora

    Türkçe

    Türkçe

    2002

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT ŞEKER

  3. Tez No

    709483

    Microcontroller-based real-time motor bearing fault detection and diagnosis using 1D convolutional neural networks

    1B evrişimsel sinir ağları ile mikrodenetleyici tabanlı gerçek zamanlı motor rulman arızası tespiti ve teşhisi

    SERTAÇ KILIÇKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜRKER İNCE

  4. Tez No

    835668

    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

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    PROF. DR. MEHMET GEDİKPINAR

  5. Tez No

    854773

    Rüzgar türbinlerinde yapay zeka tabanlı arıza teşhisi mekanizması

    Artificial intelligence based fault diagnosis mechanism in wind turbines

    OKAN YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. TOLGA YÜKSEL

Geri Dön