Prediction of power disturbances by artificial intelligence methods
Güç bozukluklarının yapay zeka yöntemleri ile tahmini
- Tez No: 785804
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞENER AĞALAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Güç Kalitesi Bozuklukları, Gerilim Çökmesi, Topluluk Makine Öğrenmesi, Heterojen Makine Öğrenmesi, Homojen Makine Öğrenmesi, Power Quality Disturbances, Voltage Sag, Ensemble Machine Learning, Heterogeneous Machine Learning, Homogeneous Machine Learning
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Makinaları Bilim Dalı
- Sayfa Sayısı: 131
Özet
Güç kalitesinin devamlılığının sağlanması sistemin verimli ve güvenilir bir şekilde çalışmasını sürdürmesinde en önemli etkendir. Dengeli üç faz sistemde gerilim ve akım sinüs ve nominal değerdedir. Güç sisteminde arıza olduğunda sistemin yük dengesi bozulur ve güç kalitesi bozuklukları meydana gelebilir. Güç kalitesi bozuklukları iletim ve dağıtım hattında güç kayıplarına, şebekeye bağlı cihazların arızalanmasına, canlı hayatını ve çevreyi etkileyecek yangın gibi felaketlere kadar istenmeyen durumlara sebep olmaktadır. Bu bağlamda güç kalitesi bozukluklarının olası etkilerini önlemek, güç sistemin verimli ve güvenli bir şekilde çalışabilirliğinin sağlanması, geleneksel şebekelerden akıllı şebeke ve mikroşebeke yapılarına geçiş sürecinde öngörücü yapay zekâ yöntemlerinin güç kalitesi bozukluklarının tahmininde kullanımı yenilikçi ve destekleyici çözüm sunar. Çalışmanın amacı IEEE 9 baralık test sisteminde oluşturulan toplamda 14 adet kısa devre arıza senaryosuna göre güç sisteminin bir barasında (7 adet tekli) veya baralarında (7 adet ikili arıza) meydana gelen kısa süreli gerilim çökmesi büyüklüğünü diğer baralarda belirlenen zaman ufkundan önce homojen ve heterojen topluluk makine öğrenmesi metodları ile tahmin etmektir. Yöntemler seçilirken gerilim düşümü davranışını incelemek için öncelikle yük akışı analizi yapılmış sonrasında sisteme kısa devre arızası verilmiştir. Homojen (rastgele orman) ve heterojen (destek vektör regresyonu, karar ağaçları, en yakın komşu) makine öğrenmesi yöntemlerinin tahmin performansı ve eğitim hızı karşılaştırıldığında heterojen topluluk eğitim modelinin daha başarılı olduğu gözlemlenmiştir.
Özet (Çeviri)
Ensuring the continuity of power quality is the most important factor for efficient and reliable operation of a power system. In a balanced three-phase system, voltage and current are sinusoidal and nominal. When any fault is occurred on power systems, the system is unbalanced and power quality disturbances can be occurred. They cause power losses on the transmission and distribution lines, malfunctioning of devices, disasters such as fire that will affect living life and the environment. In this context, the use of predictive artificial intelligence methods in the prediction of power quality disturbances offers an innovative and supportive solution in the process of preventing the possible effects of power quality disturbances, ensuring the efficient and safe operation of the power system, and transition from traditional grids to smart grid and microgrid structures. The aim of the study is to predict the magnitude of the instantaneous voltage sag in a bus (single fault-7 ones) or buses (double fault-other 7 buses) of the IEEE9 bus test system according to 14 total short circuit faults before defined time duration by homogeneous and heterogeneous machine learning methods. While selecting the methods, firstly load flow analysis was performed to investigate the voltage sag behavior and then a short circuit fault was in order to phase a. When homogeneous (random forests) and heterogeneous (support vector regression, decision tree, K- nearest neighbors) machine learning methods are compared in terms of prediction performance and speed, it is observed that the heterogeneous ensemble training model is generally more successful.
Benzer Tezler
- Application of hybrid simulation and improvement of decision tree algorithms for real-time transient stability prediction based on PMU measurements
PMU ölçümlerine dayalı gerçek zamanda geçici hal kararlılığı kestirimi için hibrit simülasyon uygulaması ve karar ağacı algoritmalarının geliştirilmesi
TOHID BEHDADNIA
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- An artificial neural network based emergency controller to improve transient stability in power systems
Güç sistemlerinde geçici kararlılığı artırmak için yapay sinir ağı tabanlı acil durum kontrolörü
KASRA MONTAKHABI OSKOUEI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Anomaly detection scenarios in cyber-physical systems
Siber-fiziksel sistemlerde anomali tespit senaryoları
AYŞE SAYIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. MEHMET TAHİR SANDIKKAYA
- Otomatik üretim kontrolü sistemlerine yapılan yanlış veri enjeksiyon saldırılarının torbalama ağaçları algoritması ile tespiti
Detection of false data injection attacks on automatic generation control systems with bagged trees algorithm
ATAKAN ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Yabancı uyartımlı ile fırçasız DC motorların hız ve tork karakteristiklerinin karşılaştırılması
Comparison of speed and torque characteristics of separately excited DC motors and brushless DC motors
HÜSEYİN CEM BAYRAKTAR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK