Geri Dön

A novel and effective method based deep learning model for detecting non-technical electricity losses

Başlık çevirisi mevcut değil.

  1. Tez No: 826006
  2. Yazar: ISRAA MOHAMMED RIDHA BALDAWI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TİMUR İNAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

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

  1. Derin öğrenme tabanlı çok modlu duygu analizi yöntemlerinin geliştirilmesi

    Development of deep learning based multimodal sentiment analysis methods

    MEHMET UMUT SALUR

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLHAN AYDIN

  2. Deep learning aided data detectionfor future wireless communication systems

    Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti

    MERVE TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT SARAN

  4. A new agro-meteorological drought index based on remote sensing

    Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi

    EYYUP ENSAR BAŞAKIN

    Doktora

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET CÜNEYD DEMİREL

  5. An attention based deep neural network architecture for identification of phishing URLS through character level n-gram embeddings

    Kimlik avcısı URL tespitinde karakter n-gram düzeyinde özyerleşiklerden yararlanan dikkate dayalı bir derin sinir ağı mimarisi

    FIRAT COŞKUN DALGIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT AYDOS

    DOÇ. DR. AHMET SELMAN BOZKIR