Gerçek zamanlı kaçak elektrik kullanımının derin öğrenme ile tespit edilmesi
Real time detection of illegal electricity usage with deep learning
- Tez No: 741156
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA PATLAR AKBULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 47
Özet
Teknolojinin gelişimiyle elektrik enerjisine duyulan ihtiyaç günden güne hızla artmaktadır. Elektrik enerjisine artan talep ile paralel olarak kaçak enerji tüketimleri de başta Güneydoğu Anadolu Bölgesi olmak üzere yaygın şekilde kullanılmaya devam etmektedir. Bu durumun sonucunda literatürde kaçak elektrik tüketim tespiti analizlerine olan ihtiyaç artmaktadır. Bu çalışmada abonelere ait gerçek zamanlı kaçak elektrik tüketim durumu olan analiz başarı sayısı ve gerçek zamanlı anlık olarak elde edilen bir çok değişken ile derin öğrenme kütüphanelerinden biri olan Keras kütüphanesi Sıralı model kullanılarak eğitilmiş olup uygun hiper parameterler ile katmanlara ayrılarak açıklanmıştır. Proje sonucunda abonelerin kaçak tüketim gerçekleştirip gerçekleştirmediği durumu en yüksek doğru sınıflandırma ile oluşturulmuştur.
Özet (Çeviri)
With the development of technology, the need for electrical energy is increasing day by day. In parallel with the increasing demand for electrical energy, illegal energy consumption continues to be widely used, especially in the Southeastern Anatolia Region. As a result of this situation, the need for leakage electricity consumption detection analyzes is increasing in the literature. In this study, Keras library, which is one of the deep learning libraries with the number of analysis successes and many variables, which is the leakage electricity consumption status of the subscribers, is trained using the Sequential model and is explained by dividing into layers with the appropriate hyper parameters. As a result of the project, the status of whether or not the subscribers realized illegal consumption was created with the highest correct classification.
Benzer Tezler
- Akıllı şebekelerde yük şekilleme tabanlı mahremiyet koruma stratejilerinin karşılaştırmalı analizi
Comparative analysis of load shaping based privacy protection strategies in smart grids
CİHAN EMRE KEMENT
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT TAVLI
DOÇ. DR. HAKAN GÜLTEKİN
- Uzaktan sayaç okuma
Automated meter reading
AHMET BÜYÜKTOPCU
Yüksek Lisans
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Elektrik dağıtım şebekeleri için CBS tabanlı kesinti analiz sistemi
GIS based outage analysis system for electric distribution system
YASEMİN BÜŞRA KARAKAŞ
Yüksek Lisans
Türkçe
2021
Coğrafyaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ZAİDE DURAN
- İleri nesil kablosuz sistemlerde dinamik kaynak tahsisi ve kanal kestirimi
Dynamic code assignment and channel estimation for next generation wireless systems
MUSTAFA KARAKOÇ
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN KAVAK
- Çok düzeyli statik bellek gözesi ve kohonen türü yapay sinir ağına uygulanması
Multiple valued static storage cell and its application to kohonen type neural network
NURETTİN YAMAN ÖZELÇİ
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. UĞUR ÇİLİNGİROĞLU