Akıllı elektrık şebekeleri için derin öğrenme kullanarak elektrikli ev aletlerinin sınıflandırması
Classification of home electrical appliances using deep learning for smart grid
- Tez No: 700262
- Danışmanlar: PROF. DR. İSMAİL HAKKI ÇAVDAR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Akıllı elektrik şebekelerinde (smart grid) enerji talep tarafı yönetiminin (TTY) başarılı bir şekilde uygulanmasının temel koşullarından biri elektrik yük izleme sistemi ile farklı yüklerinin izlemesidir. Enerji ve sürdürülebilirlik sorunları, veri madenciliği ve makine öğrenmesi yaklaşımları kullanılarak ele alınabilecek çok sayıda sorunu beraberinde getirmektedir, Ancak, kamuya açık veri kümelerinin bulunmamasından dolayı bu tür problemlerin çözümü yavaş olmuştur. Bu çalışmada, önce verimli bir Enerji Ayrıştırma (energy disaggregation) modeli tasarlanmış ve Konutsal Enerji Ayrıştırma Veri Kümesi (REDD) adı verilen kamuya açık ortak kriter (benchmark) verilerine ve başarı metriklerine dayanarak model değerlendirmesi yapılmıştır, daha sonra akıllı şebekede cihaz sınıflandırma araştırmalarını ilerletmeyi hedefleyen ve ev elektriği kullanım verilerini içeren Türkiye Elektrikli Ev Aletleri Veri Seti (TEEAVS) adı verdiğimiz bir veri kümesi sunulmuştur. Ayrıca, bu çalışmada TEEAVS ile önerilen cihaz sınıflandırıcı modeli eğitilmiş ve performans değerlendirmesi yapılmıştır. Yapılan bu değerlendirmenin başarısı REDD veri seti ile yapılan performans testi ile doğrulanmıştır. Bu tezde veri toplamak için akım sensörleri ve Node-Red yazılım kurulumları ile Nesnelerin İnterneti (IoT) mimarisi kurulmuştur.
Özet (Çeviri)
One of the basic conditions for the successful implementation of energy demand side management (TTY) in smart grids is the monitoring of different loads with an electrical load monitoring system. Energy and sustainability issues present a multitude of issues that can be addressed using data mining and machine learning approaches. However, resolution of such problems has been slow due to the lack of publicly available datasets. In this study, first an efficient Energy Disaggregation model was designed and model evaluation was performed based on publicly available benchmark data and success metrics called the Residential Energy Disaggregation Dataset (REDD). A dataset we call the Turkish Electrical Appliances Dataset (TEAD), which includes data on domestic and household electricity usage, is presented. In addition, in this study, the device classifier model proposed with TEAD was trained and performance evaluation was made. The success of this evaluation was confirmed by the performance test with the REDD data set. In this thesis, Internet of Things (IoT) architecture was established with current sensors and Node-Red software installations to collect data.
Benzer Tezler
- Elektrikli araçların akıllı şebekeye entegrasyonu ve şebekeye etkilerinin yapay zekâ yöntemleriyle analizi
Integration of electric vehicles into the smart grid and analysis of their effects on the grid with artificial intelligence methods
KADİR OLCAY
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURETTİN ÇETİNKAYA
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- Clustering based deep learning strategy for the short-term load aggregate load forecasting for smart grids
Akıllı şebekeler için kısa vadede yük toplam yük tahmini için kümeleme tabanlı derin öğrenme stratejisi
MİRAY ALP
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN DEMİRKIRAN
- Deep neural network-based stealthy false data injection attack detection on der integrated systems
Dek entegre sistemlerinde derin sinir ağı tabanlı gizlenmiş yanlış veri enjeksiyon saldırısı tespiti
CAN GÜRKAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA