A power line fault detection system design based on a hybrid bilstm network
Hibrit bilstm ağı esaslı bir güç hattı hata tespit sistemi tasarımı
- Tez No: 809125
- Danışmanlar: PROF. DR. İHSAN PEHLİVAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 119
Özet
Yüksek ve orta gerilim iletim hatları, şehirlere tesisleri ve evleri çalıştırmak için elektrik sağlamak üzere kilometrelerce uzanır. Geniş mesafe aralığından dolayı, elektrik hatlarının hasara karşı manuel olarak kontrol edilmesi olanaksız ve abartılı hale gelir. Ayrıca, elektrik hatlarının destekleyici ve montaj izolatörlerindeki bir arızadan kaynaklanan kısmi boşalma (PD) oluşumu, elektrik hatlarını arızaya karşı daha savunmasız hale getirebilir. Bu hatlar, katı cisimlerin çarpmasıyla da zarar görebilir. Onları tamir etmeden bırakan PD, ekipmana tamamen çalışmayı durduracak kadar zarar verebilir. Bu tezdeki zorluk, herhangi bir kalıcı hasar oluşmadan önce onarımların yapılabilmesi için kısmi deşarjları tespit etmektir. PD'yi saptamak için çift yönlü Uzun kısa süreli bellek (BiLSTM) derin sinir ağı yaklaşımı önerilmiştir. Bu tezde, BiLSTM sinir ağı, önceden eğitilmiş AI modeli için bir transfer öğrenme yaklaşımı kullanarak Sakarya veya Türkiye genelindeki elektrik iletim hatlarındaki pratik deşarj olayını tespit etmek için kullanılabilecek önceden eğitilmiş bir model sağlamak üzere tasarlanmıştır. VSB-Technical University of Ostrava'daki ENET Merkezinde tasarlanan yeni bir sayaç ile bu güç hatlarından elde edilen sinyaller biçimindeki bir veri kümesine dayalı olarak eğitilmiştir. Sinir ağı modelini eğitmek için kullanılan veri seti, Türkiye dışındaki bir ortamdan alınmıştır. Bu verilere bağlı olarak etkili sınıflandırıcılar tasarlamak, enerji hatlarının sürekli olarak izlenmesini ve arızaların tespit edilmesini mümkün kılacaktır. Etkili bir sınıflandırıcı elde etmek için, merkezi eğilim, istatistiksel dağılım ile ilgili istatistiksel teknikler ve ayrıca entropi ve fraktalite ile ilgili karmaşık öznitelik çıkarma teknikleri veri setini ön işlemek için kullanıldı çünkü sinyal verileri bir laboratuvardan değil gerçek ortamdan geliyor ve bunlar bir çok fazla arka plan gürültüsü. Gürültü spektrumundaki önemli fark ve PD'lerin kalitesi, hala devam eden bir sorun olan doğru ve güvenilir sınıflandırma elde etmek için bir zorluk teşkil etmektedir. Son olarak, bu araştırmada, her biri belirli bir şeyle karakterize edildiğinden, iki sistemi veya iki şeyi birleştirme fikri izlendi. İki sistemin özelliklerinden yararlanmak veya özelliklerini birleştirmek ve her birinden üstün bir sistem elde etmek için Model_160 ve Model_320 olarak adlandırılan ve her biri farklı veri girdileri alan iki sinir ağı tasarlanmış ve daha sonra hibrit bir model tasarlanmıştır. iki modeli birbirine bağlayarak daha yüksek bir doğruluk (0.975) ve MCC (0.79) elde edildi. Üstelik bu hibrit model, Kaggle kazananı ve aynı verileri kullanan diğer modellerden daha iyi performans gösteriyor. Böylece birleştirme fikri istenilen amaca ulaşmış oldu.
Özet (Çeviri)
High and medium-voltage transmission lines extend for many miles to provide cities with electricity to run the facilities and homes. Because of the wide range of distance, manual checking of power lines for damage gets infeasible and extravagant. In addition, The occurrence of partial discharge (PD), which is caused by a malfunction in the supporting and installing insulators of power lines, can make the power lines more vulnerable to malfunction. These lines may also be harmed by solid objects colliding with them. Leaving them unrepaired, PD can damage equipment to the point that it stops functioning completely. The challenge in this thesis is to detect partial discharges so that repairs can be made before any permanent damage occurs. Bidirectional Long short-term memory (BiLSTM) deep neural network approach has been proposed to detect the PD. In this thesis, BiLSTM neural network was designed to provide a pre-trained model that can be used to detect the practical discharge phenomenon in electric power transmission lines in Sakarya or Turkey in general by using a transfer learning approach for the pretrained AI model which was trained based on a dataset that is in form of signals acquired from these power lines with a new meter designed at the ENET Centre at VSB-Technical University of Ostrava. The dataset used to train the neural network model was sourced from an environment outside of Turkey. Designing effective classifiers depending on this data will make continuously monitoring power lines and detecting faults possible. To attain an efficient classifier, statistical techniques related to central tendency, statistical dispersion and also complex features extraction techniques related to entropy and fractality were utilized to preprocess the dataset because the signal data comes from the real environment, not a lab, and they contain a lot of background noise. The significant difference in the spectrum of noise and quality of PDs poses a challenge for achieving accurate and reliable classification, which is still an ongoing issue. Finally, in this research, the idea of merging two systems or two things was followed, as each of them is characterized by a specific thing. To take advantage of or combine the characteristics of the two systems and obtain a system that is superior to each of them, two neural networks were designed and named Model_160 and Model_320, each of which receives different data inputs, and then a hybrid model was designed by linking the two models, and a higher accuracy (0.975) and MCC (0.79) were obtained from it. Moreover, this hybrid model outperforms Kaggle winner and other models that used the same data. Thus, the idea of merging achieved the desired goal.
Benzer Tezler
- İstanbul-Paşaköy-B.Bakkalköy arası enerji nakil hattı kamulaştırma bilgi sistemi pilot çalışması
Başlık çevirisi yok
NURAY BAŞ
Yüksek Lisans
Türkçe
1998
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GONCA COŞKUN
- Yeni bir hata değişik delta ağ maddeli arttırılmış delta ağı (ADA)
Başlık çevirisi yok
M.EBRU KOLUSAYIN
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BÜLENT ÖRENCİK
- Aktif dağıtım şebekelerini asimetrik arızalara karşı korumak için yeni bir tümleşik koruma sistemi tasarımı ve geliştirilmesi
Design and development of a novel integrated protection system to protect active distribution networks against asymmetrical faults
FATİH ÖZVEREN
Doktora
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Güç sistemleri için akıllı bir koruma rölesi
An Intelligent protection relay for power systems
KÖKSAL ERENTÜRK
Doktora
Türkçe
2002
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL HAKKI ALTAŞ
- Wide-area measurement-based early prediction and corrective control for transient stability in power systems
Güç sistemlerinde geçici hal kararlılığı için geniş alan ölçümlerine dayalı erken kestirim ve düzeltici kontrol
MOHAMMED S.M. MAHDI
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VEYSEL MURAT İSTEMİHAN GENÇ