Implementing ML in the detection of solar power plants anomalies using a hybrid support vector machine with grey wolf optimization algorithm
Gri kurt optimizasyon algoritması ile hibrit destek vektör makinesi kullanarak güneş enerjisi santralleri anomalilerinin tespitinde makine öğreniminin uygulanması
- Tez No: 819695
- Danışmanlar: DR. ÖĞR. ÜYESİ ERCAN AYKUT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Gelişim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sanayide güneş enerjisinin kullanımında önemli bir artış olmuş, bu da elektrik santrallerinden ve akıllı şebekelerden yenilenebilir enerji konusunda daha fazla farkındalığa yol açmıştır. Bu alandaki zorluklardan biri, fotovoltaik (PV) sistemlerdeki anormallikleri tespit etmektir. Bu araştırma, PV bileşenlerindeki anormallikleri belirlemek için çeşitli makine öğrenimi algoritmaları ve regresyon modelleri kullanarak bu zorluğu ele almayı amaçlamaktadır. Amaç, hangi modellerin PV sistemlerinin normal ve anormal davranışlarını en doğru şekilde ayırt edebildiğini belirlemektir. Bulgularımız, bu karmaşık problem alanında hangi makine öğrenimi yaklaşımlarının en etkili olduğu konusunda bilinçli kararlar vermek için net bir rehberlik sağlayacaktır.
Özet (Çeviri)
There has been a significant increase in the use of solar energy in industry, which has led to greater awareness about renewable energy from power plants and smart grids. One challenge in this field is detecting photovoltaic (PV) system anomalies. This research aims to address this challenge by using various machine learning algorithms and regression models to identify abnormalities in PV components. The goal is to determine which models can most accurately distinguish between normal and abnormal behavior of PV systems. Our findings will provide clear guidance for making informed decisions about which machine-learning approaches are most effective in this complex problem.
Benzer Tezler
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- Kısmi gölgelemenin ve arıza durumlarının güneş panellerinin verimliliğine etkisinin regresyon tabanlı makine öğrenmesi yöntemleriyle analizi
Machine learning-based regression analysis of solar panels efficiency under partial shading and fault conditions
SHUHRATJON MANSUROV
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiYenilenebilir Enerji Kaynakları Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ YILDIRIM ÖZÜPAK
DR. ÖĞR. ÜYESİ EMRAH ASLAN
- Sosyal mühendislikte metin tabanlı tehditlerin yapay zeka destekli analizi ve tespiti
Detection and analysis of text-based threats in social engineering with artificial intelligence assistance
ARWA MAHMOOD ABDULGHAFOOR AL-ANI
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELMAN HIZAL
- Deep convolutional neural network based broken magnet detection of PMSM using finite element analysis
Sonlu elemanlar analizi kullanarak PMSM'nin derin dönüşümlü sinir ağı tabanlı kırık mıknatıs tespiti
AMIN GHAFOURI MATANAGH
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH BARIŞ ÖZTÜRK
- Kuru dutlarda okratoksin a varlığının belirlenmesi
Determination of ochratoxin a in dried mulberries
NEBİYE YARAR CABA
Yüksek Lisans
Türkçe
2025
Gıda MühendisliğiHitit ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT KABAK