A novel and effective method based deep learning model for detecting non-technical electricity losses
Başlık çevirisi mevcut değil.
- Tez No: 826006
- Danışmanlar: DR. ÖĞR. ÜYESİ TİMUR İNAN
- 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: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, güç kesintilerini tespit etmeye yönelik daha az teknik bir yaklaşımı araştırmaktı. Daha önce söylendiği gibi, YTL'lerin kamu hizmetleri ve ekonomiler için önemli finansal sonuçları olabilir. Hırsızlık, dolandırıcılık veya yanlış ölçüm, negatif enerji dengeleri olan NTL'lere neden olmada rol oynar. Kamu hizmetlerinin güç dağıtımı için harcadığı paranın çoğu, dağıtım ağındaki (NTL) kayıpları telafi etmeye gidiyor. NTL'leri bulmak için veri merkezli yaklaşımlar, ağ merkezli yöntemler ve hibrit yollar vardır. Bu analizde birçok sayı kullanılmıştır. Bu prosedürlerin ardından sağlanan teknik, dört ayrı makine öğrenimi algoritması (rastgele orman, karar ağacı, KNN ve lojistik regresyon) ve ayrıca dört farklı sinir ağı modeli (DNN, CNN, CNN-LSTM ve CNN-GRU) kullandı. Elde edilen verileri değerlendirmek için. CNN modeli, doğruluk, kararlılık ve onu eğitmek için gereken süre açısından daha üstündür.
Özet (Çeviri)
The purpose of this study was to investigate a less technical approach of detecting power interruptions. As was previously said, NTLs can have significant financial consequences for utilities and economies. Theft, fraud, or incorrect metering all play a role in causing NTLs, which are negative energy balances. Most of the money that utilities spend on distributing power goes toward compensating for losses in the distribution network (NTL). There are data-centric approaches, network-centric methods, and hybrid ways for finding NTLs. Many numbers were used in this analysis. Following these procedures, the provided technique employed four separate machine learning algorithms (random forest, decision tree, KNN, and logistic regression), as well as four distinct neural network models (DNN, CNN, CNN-LSTM, and CNN-GRU), to evaluate the resultant data. The CNN model is more superior in terms of accuracy, stability, and the time required to train it.
Benzer Tezler
- Derin öğrenme tabanlı spektro-temporal ve cnn özellik birleşimi ile derin sahte ses tespiti ve sentezleyici tanıma
Deep learning-based spectro-temporal and cnn feature fusion for deepfake speech detection and synthesizer recognition
BUKET SOYHAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZUHAL CAN
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Application of a voting-based ensemble method for recognizing seven basic emotions in real-time webcam video images
Gerçek zamanlı web kamerası video görüntülerinde yedi temel duygunun tanınmasına yönelik oylamaya dayalı topluluk yönteminin uygulanması
AHMET TUNAHAN ŞANLI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT SARAN
- Elektronik izleme sisteminin planlanmasında yeni bir hibrit tahmin modelinin geliştirilmesi ve uygulaması
Development of a novel hybrid forecasting model for electronic monitoring system planning and application
FERHAT ELÇİ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR
- Fractional-order derivative based adaptive methods for control and optimization
Kontrol ve optimizasyon için kesir mertebeli türev tabanlı adaptif yöntemler
MERT CAN KURUCU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GÜZELKAYA
PROF. DR. İBRAHİM EKSİN