Implementation of artificial intelligence models for electrical smart grid satability
Elektrik akıllı şebeke stabilitesi için yapay zeka modellerinin uygulanması
- Tez No: 854099
- Danışmanlar: DR. ÖĞR. ÜYESİ OGUZ KARAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 102
Özet
Bu çalışma, XGBoost, SVM, Rastgele Orman, KNN, Lojistik Regresyon, Karar Ağacı, Sinir Ağı, SimpleRNN, LSTM ve GRU dahil olmak üzere çeşitli modellerin karşılaştırmalı bir analizini yapmaktadır. Bu modellerin performansı doğruluk, kesinlik, geri çağırma ve F1 puanı gibi metriklere göre değerlendirilir. XGBoost Sınıflandırıcı, üstün hassasiyet, hesaplama etkinliği ve yorumlanabilirlik kombinasyonundan dolayı en uygun model olarak kabul edilir. Bu çalışmada sunulan bulgular, akıllı şebekeler bağlamında tahmine dayalı analitiği kolaylaştırmada makine öğreniminin önemli kapasitesinin altını çizmektedir. Ayrıca, bu sonuçlar bu alandaki daha ileri araştırma çalışmaları için sağlam bir temel oluşturmaktadır. Bununla birlikte literatür, modellerin karmaşık doğası, sınırlı yorumlanabilirliği ve dayattıkları önemli hesaplama talepleri gibi bazı zorlukların altını çizmektedir. Bu sorunlar, bu alanda daha fazla araştırma ve iyileştirme yapılmasının gerekliliğini vurgulamaktadır. Çalışma sonuçlandığında, bu makale, bulguları akıllı şebekelerin gerçek uygulamalarına etkili bir şekilde entegre etmek için stratejik öneriler sunmaktadır. Ek olarak, bu alanda gelecekteki araştırmalar için potansiyel yolları da özetlemektedir.
Özet (Çeviri)
This study does a comparative analysis of several models, including XGBoost, SVM, Random Forest, KNN, Logistic Regression, Decision Tree, Neural Network, SimpleRNN, LSTM, and GRU. The performance of these models is evaluated based on metrics such as accuracy, precision, recall, and F1-score. The XGBoost Classifier is considered the optimal model due to its superior combination of precision, computational effectiveness, and interpretability. The findings presented in this study underscore the considerable capacity of machine learning in facilitating predictive analytics within the context of smart grids. Moreover, these results establish a robust basis for further research endeavours in this domain. Nevertheless, the literature highlights some challenges, such as the intricate nature of models, their limited interpretability, and the substantial computational demands they impose. These issues underscore the necessity for more research and enhancements in this field. As the study concludes, this paper offers strategic recommendations for effectively integrating the findings into actual applications of smart grids. Additionally, it outlines potential avenues for future research in this field.
Benzer Tezler
- Yapay zeka tabanlı bara diferansiyel koruma sistemi
Artificial intelligence based busbar differential protection system
EMRE ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Güç transformatörleri sfra tarama frekans cevabı analizi sonuçlarının yapay zeka uygulamaları ile karşılaştırılması
Comparison of power transformer sfra sweep frequency response analysis results with artificial intelligence applications
HAKAN ÇUHADAROĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Fault diagnosis in smart grids using artificialintelligence techniques
Akilli şebekelerde yapay zeka teknikleriyleariza teşhisi
AHMED SAMI KHAIRULLAH ALHANAF
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK
PROF. DR. MURTAZA FARSADI
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- Yenilenebilir enerji destekli elektrikli araç şarj istasyonları için yük tarafı talep yönetiminin akıllı kontrol yöntemleri ile geliştirilmesi
Implementation of a load side demand management with intelligent control methods for renewable energy supported electric vehicle charging stations
HASAN MERAL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK