Bayesian inference methods for detection of power systemoscillations
Güç siıstemi salınımlarını algılamada Bayes çıkarımı yöntemleri
- Tez No: 846949
- Danışmanlar: PROF. DR. UMUT ORGUNER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Bu tez çalışmasında düşük frekanslı güç sistemi salınımlarını karakterize eden dinamik değişkenlerin kestirimi için Bayes yaklaşımı uygulanmıştır. Bu amaç için iki adet Bayes yöntemi önerilmiştir. İlk yöntemde makine öğrenmesi uygulamalarında sıkça kullanılan ve bir olasılıksal regresyon yöntemi olan Seyrek Bayes Öğrenmesi (SBL) yöntemi uygulanması önerilmiştir. SBL yönteminden çıkarım yapmak bilindiği üzere analitik olarak zorlu bir işlemdir. Bu nedenle, model parametrelerini kestirebilmek amacıyla sayısal bir tahmin algoritması olan Beklenti Maximizasyon algoritması uygulanmıştır. Bu yöntemde salınım genliği durağan bir değişken olarak modellenmekte ve hesaplanmaktadır, fakat gerçek koşullarda bu parametre durağan değildir. Bu nedenle salınımı tanımlayan değişkenlerin kesitiriminin kalitesini ve kestirim zamanında iyileştirme yapabilmek amacıyla ikinci bir yöntem olarak Değişimsel Bayes (VB) yöntemi uygulanması önderilmiştir. Değişimsel Bayes, durağan olmayan ve zamanla değişebilen değişkenlerin kesitiriminde esneklik sağlayan bir Bayes yaklaşımı olarak bilinmektedir. İki yöntem de durağan ve durağan olmayan ölçüm sinyalleri ile simülasyon ortamında uygulanmıştır. SBL metodu durağan özellik gösteren osilasyonlar için doğruluğu yüksek kestirimler üretse de kullanılan pencere süresince durağan bir ölçüm varsaydığı için, durağan olmayan osilasyonları algılamakta gecikme yaşamıştır. Alternatif olarak önerilen ve VB yaklaşımını kullanan ikinci metod, osilasyonların zamanla değişen özelliklerini SBL ve literatürde yer alan Prony metoduna göre hızlı bir biçimde yakalayabilmiştir. Yapılan simülasyonlarda önerilen metodların, Prony metoduyla karşılaştırıldığında, artan ölçüm gürültüsü karşısında da performanslarını kabul edilebilir düzeylerde korudukları gösterilmiştir.
Özet (Çeviri)
In this thesis, a Bayesian approach is applied in order to detect low frequency power system oscillations by estimating the dynamic parameters that characterizes them. Two Bayesian methods are proposed for this purpose. Our first proposition is to apply Sparse Bayesian Learning (SBL) method which is a probabilistic regression method generally used in machine learning applications. It is known that the inference resulting from SBL method is analytically intractable. Therefore, Expectation Maximization algorithm, which is an iterative numerical approximation method is employed to estimate the parameters. In SBL, amplitude of the oscillation is modeled as a stationary variable, which in real world is not the case. In order to improve the quality and the detection time of the oscillation parameters, a second approach, namely, Variational Bayesian (VB) approach is used. VB is known to be a Bayesian approach which provides a more versatile way of estimating parameters that have non-stationary property and variations over time. Both of the proposed algorithms have been implemented in simulations for scenarios of stationary and non-stationary measurement signals. Although SBL is able to provide accurate estimates of oscillation parameters for a stationary measurement signal, due to its stationary assumption of the measurement signal over the utilized window, it fails to detect the oscillation in a timely manner. The VB framework, proposed as an alternative, rapidly captures the time-varying behavior of oscillations compared to both SBL and the existing Prony's method, included for comparative purposes. Furthermore, simulations indicate that the proposed methods maintain performance reasonably well even with elevated levels of measurement noise, in contrast to the Prony's method.
Benzer Tezler
- Conditional computation techniques in deep neural networks with conditional information gain
Derin sinir ağlarında koşullu bilgi kazanımı ile koşullu hesaplama yöntemleri
UFUK CAN BİÇİCİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LALE AKARUN ERSOY
- Olasılıksal alt-uzay yöntemleri ile hiperspektral imgelerde anomali saptama
Anomaly detection in hyperspectral images with probabilistic sub-space methods
NUR ALABUĞA
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KORAY KAYABOL
- Birleşik Bayes model seçimi ve gürültülü sinüzoidallerin kestirimi
Joint Bayesian model selection and estimation of noisy sinusoidals
MEHMET CEVRİ
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. DURSUN ÜSTÜNDAĞ
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Statistical analysis of graphs with abrupt changes
Ani değişimleri olan çizgelerin istatistiksel network analizi
TÜRKAN HAMZAOĞLU
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. A.TAYLAN CEMGİL