Enerji iletim hatlarında derin öğrenme ile arıza tespiti
Fault detection in energy transmission lines with deep learning
- Tez No: 815174
- Danışmanlar: DOÇ. DR. BİLAL GÜMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Bu çalışmada, iletim hatlarındaki kısa devre arıza tespiti için veri tabanlı bir yöntem önerilmiştir. Önerilen yöntem, herhangi bir müdahalesi olmadan, verilerden farklı özellikleri kendi başına tespit edebilme avantajına sahip olan, derin ileri beslemeli yapay sinir ağlarının bir sınıfı olan Evrişimsel Sinir Ağları ve Uzun Kısa Dönem Hafıza Ağlarına dayanmaktadır. Hata tespit doğruluğunu azaltan gürültünün etkilerini azaltmak ve ağın sağlamlığını artırmak için bu makalede altı evrişim katmanlı ESA önerilmiştir. Bu çalışmada PSCAD simülasyon programında tek baralı bir güç sistem modeli hazırlanmıştır. Hazırlanan model yardımıyla akım ve gerilim ölçümlerine dayalı olarak kısa devre arızalarını tespit etmede önerilen yöntemin performansını doğrulanmıştır. Önerilen yöntemin başarı oranı gürültüsüz verilerde %100'e yakın elde edilmiştir. Elde edilen değerler yardımıyla önerilen yöntemin algılama doğruluğu sağlandığı bu çalışmada gösterilmiştir.
Özet (Çeviri)
In this study, a data-driven method has been proposed for short-circuit fault detection in transmission lines. The proposed method is based on Convolutional Neural Networks (CNNs) and Long Short-Term Memory Networks (LSTMs), which are classes of deep feedforward artificial neural networks that have the advantage of being able to detect different features from data without any intervention. In order to reduce the effects of noise that can decrease fault detection accuracy and enhance the robustness of the network, a 6-layered CNN is proposed in this article. A single-bus power system model is prepared using the PSCAD simulation program in this study. The performance of the proposed method in detecting short-circuit faults based on current and voltage measurements is validated using the prepared model. The success rate of the proposed method is achieved close to 100% in noise-free data. The detection accuracy of the proposed method is demonstrated in this study by obtaining these values.
Benzer Tezler
- A power line fault detection system design based on a hybrid bilstm network
Hibrit bilstm ağı esaslı bir güç hattı hata tespit sistemi tasarımı
MOHAMMED I.M. EISHORAFA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN PEHLİVAN
- Yüksek frekanslarda transformatör parametrelerinin hesaplanması ve ölçülmesi
Başlık çevirisi yok
NEJAT YUMUŞAK
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik MühendisliğiDumlupınar ÜniversitesiY.DOÇ.DR. M. ALİ EBEOĞLU
- Numerical modelling of wave induced soil liquefaction around buried pipelines and cables
Gömülü borular ve kablolar etrafında dalga kaynaklı zemin sıvılaşmasının sayısal modellenmesi
SELAHATTİN UTKU YILMAZ
Yüksek Lisans
İngilizce
2022
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. VEYSEL ŞADAN ÖZGÜR KIRCA
- Enerji iletim hatlarında manevra aşırı gerilimlerinin analizi
Analysis of switching overvoltages on transmission lines
NURİ SEZER
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. M. UĞUR ÜNVER
- Enerji iletim hatlarında oluşan elektromanyetik alanın insan sağlığına zararlarının araştırılması
Investigation of the electromagnetic field of human health in energy transmission lines
EMRULLAH SİZCAN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ŞEKKELİ