Geri Dön

Güç transformatörü hatalarının destek vektör makineleri yaklaşımıyla belirlenmesi

Fault diagnosis of power transformers with support vector machines

  1. Tez No: 410017
  2. Yazar: AKİF DEMİRÇALI
  3. Danışmanlar: YRD. DOÇ. DR. SELİM KÖROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 91

Özet

Tez çalışmasında, enerji sistemlerinin en önemli ve vazgeçilmez ekipmanlarından biri olan güç transformatörlerinde meydana gelen arızaların tanılanması ve sınıflandırılması destek vektör makineleri (DVM) ile gerçekleştirilmiştir. . Güç transformatörleri hatalarının erken teşhisinde sıklıkla kullanılan ve etkili bir yöntem olan yağda çözünmüş gaz analizi (YGA) yöntemi tanıtılmıştır. Bu yöntemle elde edilen YGA verileri geliştirilen DVM modeli ile sınıflandırılarak modelin performansı incelenmiştir. Geliştirilen modelin hataları daha yüksek doğrulukta tanılayabilmesi için model parametreleri örgü arama (ÖA), genetik algoritma (GA), diferansiyel evrim algoritması (DE) ve parçacık sürü optimizasyonu (PSO) yöntemleri ile optimize edilmiştir. Aynı veri seti üzerinde farklı yöntemlerle optimize edilen DVM sınıflandırıcısının hangi yöntem ile daha yüksek doğrulukla sınıflandırma yaptığı gösterilmiştir. Ayrıca akıllı bir yöntem olan DVM'nin klasik YGA değerlendirme yöntemleriyle karşılaştırması yapılmış ve optimizasyon yöntemine bağlı olmaksızın DVM'nin klasik yöntemlerden daha yüksek doğruluk oranı ile güç transformatörü hatalarını tanılayabildiği gösterilmiştir. Benzetim sonuçları göstermiştir ki, parçacık sürü optimizasyonu algoritması ile optimize edilen DVM diğer yöntemlere göre daha kısa sürede ve daha yüksek doğruluk oranı ile güç transformatörü hata tanılaması yapmıştır.

Özet (Çeviri)

In this thesis, support vector machine (SVM) is used for the fault diagnosis and classification of power transformer; one of the most substantial and expensive equipment in power systems. Effective and widely used dissolved gases analysis (DGA) technique is presented for the early detection of power transformer faults. Obtained DGA data with this method is classified with proposed SVM model to investigate the performance of the model. The model parameters are optimized with grid search method (GS), genetic algorithm (GA), differential evolution algorithm (DE) and particle swarm optimization (PSO) algorithm for higher diagnostic accuracy. It is presented which method is the most effective for the fault classification on the same data set. Moreover, SVM, an artificial intelligence method, is compared with classical DGA assessment techniques and it is found that SVM has better diagnostic accuracy from classical methods without depending on optimization method. Simulation results indicate that support vector machine optimized with particle swarm optimization method diagnose the fault more quickly and with higher diagnostic accuracy than the others.

Benzer Tezler

  1. Güç transformatörü hatalarının bulanık mantık ve Öz Düzenlemeli Haritalama Yöntemi ile belirlenmesi

    Fault diagnosis of power transformers with fuzzy logic Self-Organizing Map

    EMRE KEMİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELİM KÖROĞLU

  2. Havai güç hatlarının etrafındaki elektromanyetik alanlardan enerji hasadı

    Energy harvesting from electromagnetic fields around overhead power lines

    MAHMUT KABAKULAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiHarran Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERDAL ARSLAN

  3. Güç sistemlerinde dinamik voltaj regülatörün kullanılması

    Using dynamic voltage regulator in power systems

    ÖZGÜR ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELİM KÖROĞLU

  4. Laboratuar ölçekli bir karma iletim hattında statcom kullanılarak sistem dinamik ve sürekli hal davranışlarının incelenmesi

    Investigation of system dynamic and steady-state behaviours using statcom on a laboratory scale mixed transmission line

    MEHMET ALİ ANADOL

    Doktora

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSA AYDIN

  5. Convolutional neural network based partial discharge pattern classification of medium voltage cable terminations

    Orta gerilim kablo başlıklarında evrişimli sinir ağları ile kısmi boşalma örüntü sınıflandırılması

    HALİL İBRAHİM ÜÇKOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDOĞAN ÖZDEMİR