Örüntü tanıma yaklaşımı kullanılarak güç sistemlerinde arıza analizi
Analysis of power system faults using pattern recognition approach
- Tez No: 507839
- Danışmanlar: PROF. DR. ŞABAN ÖZER, DOÇ. DR. HÜSEYİN ERİŞTİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Örüntü Tanıma, Güç Sistemi Arızaları, Yapay Sinir Ağları, Özellik Çıkarımı, Fourier Dönüşümü, Sınıflandırma, Pattern Recognition, Power System Faults, Artificial Neural Networks, Feature Extraction, Fourier Transform, Classification
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Güç sistemlerinde arıza analizi, sistem üzerinde oluşan arızanın tipinin ve yerinin belirlenmesini içermektedir. Son yıllarda bilgisayarlar sayesinde verilerin işlenmesi ve izlenmesi kolaylaştığı için sistemdeki arızaları tespit eden ve sistemi hızla eski haline döndürebilen sistemlerin geliştirilmesine yönelik çalışmalar önem kazanmıştır. Bu tez çalışmasında güç sistemlerinde meydana gelen kısa devre ve toprak arızalarının tespit edilmesi, sınıflandırılması ve arıza noktalarının tespit edilmesi amacıyla bir akıllı tanıma tekniği tasarlanmıştır. Akıllı tanıma sistemi tasarlanırken sinyal işleme ve sınıflandırma kısımlarından oluşan bir örüntü tanıma yaklaşımı kullanılmıştır. Bu yaklaşımın sinyal işleme aşamasında Fourier dönüşümü sınıflandırma aşamasında ise yapay sinir ağları kullanılmıştır. Arıza simülasyonları yapılırken oluşturulan güç sistemi modeli, MATLAB Simulink ortamında tasarlanmış ve IEEE 14 baralı sistem kullanılmıştır. İlk aşamada arıza analizi yapılarak, güç sistemi arıza verileri oluşturulmuştur. İkinci aşamada ise özellik çıkarımı yapılmış, arıza türlerine ait akım-gerilim sinyallerinin özellik vektörleri elde edilmiştir. Üçüncü aşama, sınıflandırma aşaması olarak kurgulanmış ve Yapay Sinir Ağları kullanılarak arıza türü belirlenmiştir. Son aşamada ise, Yapay Sinir Ağları kullanılarak arıza oluşum mesafesinin tahmininin yapılması öngörülmüştür. Elde edilen sonuçlara göre, bu tez çalışmasında geliştirilen arıza sınıflandırma ve arıza oluşum mesafesinin tahmini başarımları için oldukça başarılı değerler elde edilmiştir.
Özet (Çeviri)
Fault analysis in power systems involves identifying the type and the place of the fault occured in the system. Studies about fault analysis and systems that rapidly return the system back to its previous condition gained importance thanks to computers having easier data processing and tracking systems. In this thesis study, a smart recognition technique is designed to identify and classify short circuits and ground faults occured in power systems and to identify the points of fault. A pattern recognition approach that consists of signal processing and classifying is used while designing the smart recognition system. Fourier transform is used in the signal processing phase while artificial neural network is used in the classifying phase. The power system model that is obtained with fault simulation is designed in a MATLAB Simulink environment and IEEE 14 busbar system is used. In the first phase, power system failure data is obtained by applying fault analysis. In the second phase, feature extraction is applied and feature vectors of current-potential signals with different fault types are obtained. The third phase is fictionalized as the classifying phase and the fault type is identified using Artificial Neural Networks. In the last phase, making predictions on occuring fault distance using Artificial Neural Networks is foreseen. According to the results, considerably high values are obtained with the performances of fault classifying and occuring fault distance forecasting techniques that are developed in this thesis study.
Benzer Tezler
- Neuro classifiers for condition and bearing health assessment of an electric motor
Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar
MINA GHORBAN ZADEH BADELI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA
- 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
TEVFİK DENİZ OKTAY
Yüksek Lisans
Türkçe
2007
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ASLAN İNAN
- Design of high-performance CMOS circuits for interval type-2 fuzzy logic controller
Aralık değerli Tip-2 bulanık mantık sistemleri için yüksek başarımlı CMOS devre tasarımı
ALİ NADERİ SAATLO
Doktora
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SERDAR ÖZOĞUZ
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- İleri istatistiksel yöntemler kullanarak rüzgârdan üretilen elektriksel gücün tahmini
Wind-electric power forecast using advanced statistical methods
SERKAN BUHAN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIK ÇADIRCI