Neural network and model predictive control for synchronous generator system
Başlık çevirisi mevcut değil.
- Tez No: 796032
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Bugün tüm dünyada yaşanan toparlanma, sanayileşmenin bir yönü olarak elektrik enerjisine yönelik yüksek ivme ile gelecek gibi görünüyor. Elektrik üretimi olan bu proje, tesis harcamalarının daha önemli bir parçası olan yedek ve endüstriyel tesisler olarak kullanılan jeneratörlerin doğru seçimidir. Bu çalışmada, bu problemin üstesinden gelmek için yeni yöntem tabanlı sinir ağı tekniği LSTM ve parçacık sürüsü optimizasyon algoritmaları sunulmuştur. Bu çalışmanın amacı, senkron generatör sistemi için kestirimci kontrol yapmaktır. İlk aşamada bu probleme destek vektör makinesi, rastgele orman ve karar ağacı gibi çeşitli teknikler uygulanmıştır. O zaman elde edilen sonuçların uygun olmaması bizi yeni teknik tabanlı LSTM'ye götürdü. Elde edilen klasik LSTM sonuçları ve daha sonra yeni bir çalışma olan bu problemin üstesinden gelmek için LSTM tabanlı PSO uygulandı. Elde edilen sonuçlar karşılaştırıldı ve önerilen LSTM tabanlı pso'nun diğer çalışmalardan daha iyi olduğunu gösterdi.
Özet (Çeviri)
Today's recovery in the whole world seems to come with the high momentum towards electrical energy as a direction of industrialization. This project, which is electricity generation, is the right choice of generators used as backup and industrial facilities, which are a more important part of facility expenditures. In this study, new method based neural network technique LSTM and particle swarm optimization algorithms presented to deal with this problem. The aim of this study predictive control for synchronous generator system. In the first stage, several techniques such as support vector machine, random forest, and decision tree applied to this problem. Then, the obtained results are not suitable which lead us to developed new technique-based LSTM. The results of classical LSTM obtained and then the LSTM based PSO applied to deal with this problem which is new study. The obtained results are compared and show that the proposed LSTM based pso is best than other studies
Benzer Tezler
- 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
- 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
- COVID-19 pandemi sürecinin eğitim üzerindeki etkilerinin makine öğrenme teknikleriyle tespit edilmesi
Determining the effects of the COVID-19 pandemic process on the education via machine learning methods
KEMAL KARGA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MANSUR ALP TOÇOĞLU
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Tip 1 diyabet için doğrusal olmayan model öngormeli kontrol
Nonlinear model predictive control for Type 1 diabetes
EDA SEMIZER
Yüksek Lisans
Türkçe
2009
BiyomühendislikAnkara ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RIDVAN BERBER