Power system fault detection based on discrete wavelet transformation with decision tree
Karar ağacı ile ayrık dalgacık dönüşümüne dayalı güç sistemi arıza tespiti
- Tez No: 774365
- Danışmanlar: PROF. DR. AYŞEN BASA ARSOY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 133
Özet
Enerji kaynaklarının güç sistemine entegrasyonu artırıldı ve çoklu iletim ve dağıtım ara bağlantıları, güç sisteminde arıza meydana gelme olasılığını artırdı. Bu araştırma, arıza türü hakkında doğru bilgi ile hızlı röle yanıtı için koruyucu şema uygulayarak güç sisteminin güvenliğini sağlamak için Makine Öğrenme MÖ tekniğine odaklanmaktadır. Arızanın doğru bir şekilde tespit edilmesi ve arızalı fazın sistemden izole edilmesi ile güç sisteminin güvenilirliği ve kararlılığı artırılır. Büyük hasarları önlemek için arıza yayılmasını önlemek ve güç sistemindeki elektrikli bileşenleri korumak önemlidir. Hızlı arıza algılama algoritması, gerilim, akım ve frekans üzerinde özellik çıkarımı ile gerçekleştirilir. Normal durum modeli, veri setinden Arıza Göstergesi Vektörleri (AGV) üretmek için geliştirilmiştir. FIV, genelleştirilmiş ana modelden sapmayı analiz ederek hatanın türünü belirlemek için bir Karar Ağacı (KA) sınıflandırıcısı tarafından işlenir. AGV dizisi, L-G, L-L ve L-L-G hatalarına göre koruma kararları elde etmek için değerlendirilir. Önerilen yöntem, MATLAB'da 10 km'lik bir iletim hattında uygulanmaktadır ve sonuç, genelleştirilmiş ana modelden açık bir sapma göstermektedir, bu da arıza tipinin milisaniye cinsinden doğru bir şekilde hesaplanmasını kolaylaştırmaktadır.
Özet (Çeviri)
Integration of energy sources in the power system has been increased and multiple interlinks of transmission and distribution have enhanced the probability of fault occurrence in the power system. This research focuses on the Machine Learning ML technique to ensure the security of the power system by applying the protective scheme for fast relay response with accurate knowledge about the type of fault. The reliability and stability of the power system are increased by accurately detecting the fault and isolating the faulty phase from the system. It is important to prevent fault propagation and protect the electric components in the power system to avoid major damages. The fast fault detection algorithm is performed by feature extraction on voltage, current, and frequency. The normal state model is developed for generating Fault Indicator Vectors (FIV) from the dataset. The FIV is processed by a Decision Tree (DT) classifier to determine the type of fault by analyzing the deviation from the generalized principal model. The FIV array is evaluated to derive protection decisions according to L-G, L-L, and L-L-G faults. The proposed method is implemented on a 10 km transmission line in MATLAB and the result shows a clear deviation from the generalized principal model, which makes it easier to compute the type of fault accurately in milliseconds.
Benzer Tezler
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Wavelet frames and redundant wavelet transforms for fault detection
Dalgacık çerçeveleri ve artıklı dalgacık dönüşümleri ile arıza tespiti
TAYFUN ŞENGÜLER
Doktora
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Dağıtık üretim güç sistemlerinde geliştirilmiş oylama modeli tabanlı arıza tespiti ve sınıflandırması
Improved voting model based fault detection and classification in distributed generation power systems
FEVZEDDİN ÜLKER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER
- Dördün genlik modülasyonu kullanarak senkrofazör ölçüm yöntemi
Synchrophasor measurement method based on quadrature amplitude modulation
ALİ GÖKOĞLU
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜL SALOR DURNA
- Güç kalitesi olaylarının makine öğrenme teknikleri ile sınıflandırılması
Classification of power quality events using machine learning methods
FERHAT UÇAR
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİKRET ATA
PROF. DR. BEŞİR DANDIL