An efficient model for partial electric discharge fault detection machine learning and IoTs techniques
Kısmi elektrik boşaltma arıza tespit makine öğrenimi ve IoT teknikleri için verimli bir model
- Tez No: 768999
- Danışmanlar: YRD. DOÇ. DR. AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Arıza tespiti, Temel bileşenler analizi, Uzun kısa süreli bellek, İletim hatları, Fault diagnosis, Principal components analysis, Long- short term memory, Transmission lines
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İletim hatları, elektrik güç yapısının gerçek önemli bileşenidir. Sonuç olarak, güç sistemi güvenlik şemasını iyileştirmek ve güvenilirliğini artırmak için iletim hatları arıza türlerinin ve yerlerinin öngörülmesi ve belirlenmesi gerekmektedir. Bu çalışmada, PSO algoritması ile optimize edilmiş LSTM ve PCA'yı birleştiren İletim hatları arıza tespit sistemi önerilmiştir. Sunulan yöntem, çeşitli veri madenciliği teknikleri ile karşılaştırılmıştır. Bu yazıda, iletim hatlarındaki kusur sorununu çözmek için otomatik bir PCA-LSTM-PSO kullanımını öneriyoruz. Giriş verilerinin boyutunu azaltmak için kullanılan ilk otomatik PCA'dır. Daha sonra PCA'nın çıktısı sınıflandırıcılara bağlanır. SVM, öznitelikleri üç saldırıya (normal ve anormal) ayırır. Önerilen sistem, bazı çalışmalara kıyasla %99,54 doğrulukla sonuç göstermiştir.
Özet (Çeviri)
Transmission lines are actual significant constituent of the electric power structure. Consequently, it is required to foresee and identify transmission lines fault kinds and places to improve the power system safety scheme and improve its dependability.In this study, Transmission lines fault detection system proposed combining LSTM optimized by PSO algorithm and PCA. The presented method was compared with various data mining techniques. In this paper, we propose the use of an automatic PCA-LSTM-PSO to solve the defect problem in the transmission lines. It is the first automatic PCA to be used to reduce the size of input data. Then, the output of the PCA is connected to classifiers. SVM categorizes the attributes into three attacks (normal and abnormal). The proposed system showed results with an accuracy of 99.54% compared to some studies.
Benzer Tezler
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Eksternal etmoidektomiler
Başlık çevirisi yok
ERCÜMENT AKMAN
Tıpta Uzmanlık
Türkçe
1987
Kulak Burun ve BoğazGazi ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF.DR. NECMETTİN AKYILDIZ
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
Yüksek Lisans
Türkçe
1986
Besin Hijyeni ve Teknolojisiİstanbul ÜniversitesiÇocuk Gelişimi Ana Bilim Dalı
DOÇ. DR. TÜRKAN KUTLUAY