Yapay zeka algoritmaları kullanarak kompanzasyon kapasitörleri için kalan faydalı ömür kestirimi
Prediction of remaining useful lifetime for compensation capacitors using artificial intelligence algorithms
- Tez No: 747173
- Danışmanlar: PROF. DR. BURCU ERKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 74
Özet
Her geçen gün teknolojinin gelişmesiyle insanların elektrikli olan sistemlere ihtiyaçlar ve talepler artmaktadır. Bu sistemlerde olan gelişmeler bazı kolaylıklar sağlarken gelişmesiyle beraber bazı sorunlar ortaya çıkarmaktadır. Elektrikli araçlar tüketimi ve iç yapılarıyla alakalı biçimlerine göre elektrik şebekelerine ek yük oluşturabilmektedir. Örneğin bazı kullandığımız cihazlar aktif gücün yanında reaktif güçte çekmektedir. Bu güç kullanılabilir bir güç olmamasına sistemin kaybı olmasına rağmen elektrik üreteçlerine ek yük olarak tesir etmektedir. Elektrik yüklerinin dengelenmesi için geçmişte oluşturulan ve günümüze kadar olan periyotta ciddi gelişmeler yaşanmıştır. Bu geliştirilen teknikler reaktif güç kompanzasyonu başlığının altında toplanmaktadır. Reaktif güç kompanzasyonu sayesinde çok ciddi elektriksel kayıpların önüne geçilmekte ve çok büyük oranda elektriksel tasarruflar sağlanmaktadır. Günümüzde endüstri 4.0 ve gelecekte daha gelişecek olan teknolojik atılımların projeksiyonu ekipmanların ve sistemlerin sürerlilik açısından çalışmasının gerektiği yönündedir. Ekipmanların uzun vadede daha iyi çalışabilmesinin herkes tarafından bilinen yolu bakım uygulamalarının doğru yapılmasıdır. Bakım uygulamalarıda her sektör gibi teknoloji sayesinde yaklaşımı değişen geleceğe yönelik kesin ve net veriler yardımıyla sonuca daha akılcıl yoldan ulaşabilme yeteneği kazanmıştır. Bakım uygulamalarının teknoloji sayesinde gelişen çeşidi kestirimci bakımdır. Kestirimci bakım yaygınlaşan ek ölçüm enstrümanları yardımıyla ekipmanların sağlıklı çalışma ömürlerinin belirlenebilmesine olanak vermektedir. Elde edilen bu sonuç neticesinde kestirimci bakım uygulanan ekipmanlar daha verimli ve daha uzun süreli işletmeleri aksatmadan yada mali olarak daha az ekonomik bedeller harcanarak bakım yapılıp faaliyetlerini devam ettirebilirler. Kestirimci bakım uygulamalarının düzgün işleyebilmesi için sadece ekipmanların enstrümansal olarak geliştirilmiş veya eklentiler yapılmış olması yetmez. Ölçüm cihazları yardımıyla elde edilen veriler yapay zeka metotları yardımıyla işlenir. Verilerin tiplerine ve ekipmanların uygulamalarına göre uygulanacak algoritmalar değişiklik gösterebilir. Bu çalışmada ekipman kalan faydalı ömür tayini yapılması amacıyla bir adet derin öğrenme metotu, üç adet makine öğrenmesi metodu seçilerek başarı oran karşılaştırılması yapılmıştır. Derin öğrenme metodu olarak seçilen uzun kısa süreli bellek algoritması bahsi geçen makine öğrenme algoritmalarından daha iyi performans göstererek ileriye dönük kestirim yapılması için seçilmiştir. Daha sonra zamansal olarak ilerideki durumda ekipmanın kalan faydalı ömür projeksiyonu yapılmıştır.
Özet (Çeviri)
With the development of technology, people's needs and demands for electrical systems are increasing day by day. While the developments in these systems provide some conveniences, they cause some problems with their development. Electric vehicles can create additional load on electricity networks according to their consumption and forms related to their internal structures. For example, some devices we use consume reactive power along with active power. Although this power is not a usable power and is a loss to the system, it affects the electricity generators as an additional load. There have been serious developments in the period from the past and up to the present for the balancing of electrical loads. These developed techniques are collected under the title of reactive power compensation. Serious electrical losses are prevented and great electrical savings are achieved due to reactive power compensation. The projection of industry 4.0 and future technological breakthroughs is that equipment and systems should work in terms of sustainability. The well-known way for equipment to work better, in the long run, is to perform maintenance practices correctly. Maintenance applications, like every sector, it has gained the ability to reach the result more rationally with the help of precise and clear data for the future, whose approach has changed thanks to technology. Predictive maintenance is the type of maintenance practice that develops thanks to technology. Predictive maintenance makes it possible to determine the healthy working life of equipment with the help of additional measuring instruments that are becoming widespread. As a result, the equipment with predictive maintenance can continue its activities by performing maintenance without disrupting the more efficient and longer-term operations or by spending less economic costs. In order for predictive maintenance applications to work correctly, it is not enough that the equipment has been developed instrumentally or add-ons have been made. The data obtained with the help of measuring devices are processed with the help of artificial intelligence methods. The algorithms to be applied may vary according to the types of data and the applications of the equipment. In this study, in order to determine the remaining useful life of the equipment, one deep learning method and three machine learning methods were selected and the success rate comparison was made. The long-short-term memory algorithm chosen as the deep learning method has been selected for forward estimation by outperforming the aforementioned machine learning algorithms. Then, a certain proportion of time is projected on the remaining useful life of the equipment in the advanced state.
Benzer Tezler
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Endüstri 4.0 perspektifinde yapay sinir ağları kontrollü reaktif güç kompanzasyonu
Artificial neural networks controlled reactive power compensation in the perspective of industry4.0
MEHMET BEDRİ DOĞRUYOL
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURETTİN BEŞLİ
- Enhance the performance of preprocessing techniques by using artificial intelligence algorithms
Yapay zeka algoritmaları kullanarak ön işleme tekniklerinin performansını artırın
HUMAM QUTAIBA ABDULRAHMAN AL-DOORI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHİ ABDUL IBRAHIM
- Optimizasyon ve yapay zekâ algoritmaları kullanarak menü planlama yazılımı geliştirilmesi
Developing menu planning software using optimization and artificial intelligence algorithms
SHAHMİRZALİ HUSEYNOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gedik ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH TARLAK
- Short-term forecast for Turkey's electricity demand DNN VS LSTM
Türkiye'nin kısa vadeli elektrik talep tahmini DNN VS LSTM
BERK DEDE
Yüksek Lisans
İngilizce
2023
EnerjiKadir Has ÜniversitesiEnerji ve Sürdürülebilir Kalkınma Ana Bilim Dalı
DOÇ. DR. GÖKHAN KİRKİL