Enerji iletim sistemlerinde makine öğrenmesine dayalı kısa devre arıza analizi
Short circuit fault analysis based on machine learning in energy transmission systems
- Tez No: 858798
- Danışmanlar: DOÇ. DR. NİHAT PAMUK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Günümüzde giderek artan elektrik enerjisi talebi beraberinde güç kalitesi problemlerini de ortaya çıkarmaktadır. Kesintisiz ve kaliteli enerji için ortaya çıkan problemlerin doğru analiz edilmesi ve etkili çözüm yöntemlerinin geliştirilmesi gerekir. Elektrik iletim sistemlerinde güç kalitesini düşüren hayati olaylardan bir tanesi sistemi kısa devre durumuna getiren arıza tipleridir. Güç sistemlerinde yatırım yapmanın ekonomik güçlüğü nedeniyle mevcut sistemlerin optimal kullanılması önem kazanmaktadır. Bilgisayar tabanlı geliştirilen ileri yöntemler karmaşık güç sistemlerinde arıza analizi yapmayı kolaylaştırmaktadır. Tez çalışmasında Batı Karadeniz Bölümünde Bartın ve Zonguldak İllerini kapsayan iletim sisteminde güç kalitesi problemlerine yol açan kısa devre arızaları analiz edilerek sınıflandırılmıştır. MATLAB/Simulink ortamında benzetimi yapılan sisteme gerçek veriler uygulanarak kısa devre arızalar simule edilmiştir. Elde edilen ham arıza sinyallerine ait bir dizi alt özellik sinyal işleme yöntemleri kullanılarak çıkarılmıştır. Sinyallerin alt özellikleri çıkarılırken nihai sonuçlarda daha doğru çıktıların elde edilmesi amaçlanmıştır. Elde edilen çıktılar ile ilgili iletim tesislerinde kısa devre arızalarına karşı iyileştirme gerekliliği tespit edilebilir. Eğer iyileştirme gerekliyse iyileştirmenin sistemin hangi noktasında ve ne tür arızalara karşı olacağı belirtilir. MATLAB/Simulink ile elde edilen arızaların gerilim sinyalleri Hilbert Huang Dönüşümü ile frekans bileşenlerine ayrılmaktadır. Elde edilen frekans bileşenleri kullanılarak varyans, standart sapma, eğrilik, basıklık ve etkin değerleri hesaplanır. Zaman düzlemi bileşenleri ile ortalama, ortanca, dalga boyu, ortalama mutlak sapma ve enerji değerleri hesaplanmıştır. Son olarak doğrusal olmayan ölçümler kullanılarak logaritmik entropi, Shannon entropisi ve çapraz entropi değerleri hesaplanır. Böylece veri setinde kullanılacak on üç adet öznitelik değeri elde edilmektedir. Son hali oluşturulan veri seti denetimli makine öğrenmesi olan sınıflandırma algoritmalarına girdi olarak verilmektedir. Sınıflandırma karar ağaçları, Naive Bayes, k-en yakın komşu (KYK), destek vektör makineleri (DVM) ve topluluk öğrenmesi yöntemlerini kullanılmaktadır. Sınıflandırmada kullanılan öznitelikler değiştirilerek üç farklı senaryo oluşturulmuştur. 1.Senaryoda ortalama, etkin değer, standart sapma, dalga boyu ve ortanca değer olmak üzere beş adet öznitelik girdi olarak kullanılmış ve karar ağaçları algoritması %77.8 performans başarısı ile en yüksek oranı sağlamıştır. 2.Senaryoda çalışmada elde edilen tüm öznitelikler kullanılmış ve DVM yöntemi %85.6 performans başarısı ile en yüksek oranı sağlamıştır. 3.Senaryoda ortalama değer, dalga boyu, ortalama mutlak sapma, enerji, varyans, basıklık, çarpıklık, etkin değer, logaritmik entropi ve Shannon entropisi olmak üzere on adet öznitelik kullanılmış ve topluluk öğrenme algoritması %88.9 ile en yüksek oranı sağlamıştır. Önerilen yöntemlerin en yüksek başarı oranı 3.Senaryoda topluluk öğrenme yöntemi ile %88.9 olarak bulunmuştur.
Özet (Çeviri)
The escalating demand for electrical energy in contemporary times has brought about challenges in power quality that necessitate resolution. Accurate analysis of emerging issues for uninterrupted and high-quality energy is essential, requiring the development of effective solutions. One critical event that compromises power quality in electrical transmission systems is the occurrence of faults leading to short circuits. Given the economic challenges associated with investing in power systems, optimizing existing systems becomes crucial. Advanced computer-based methods facilitate fault analysis in complex power systems. This thesis focuses on analyzing and classifying short circuit faults contributing to power quality problems in the transmission system covering the provinces of Bartın and Zonguldak in the Western Black Sea Region. A comprehensive electrical system is simulated in MATLAB/Simulink environment using real row data to apply to the system the real short circuit faults. A series of sub-feature signal processing methods are employed to extract features from the raw fault signals, aiming for more accurate results in the final outcomes. The obtained outputs may identify the necessity for improvements in the transmission facilities concerning short circuit faults. If improvement is deemed necessary, the location and nature of enhancements are specified. Voltage signals of the simulated faults obtained through MATLAB/Simulink are decomposed into frequency components using the Hilbert Huang Transform. Variance, standard deviation, skewness, kurtosis, and effective values are calculated using the resulting frequency components. Time-domain components, including mean, median, wavelength, mean absolute deviation, and energy values, are also computed. Finally, non-linear measurements are calculated, such as logarithmic entropy, Shannon entropy, and cross-entropy values. Consequently, thirteen feature values are obtained for use in the dataset. The finalized dataset is input into supervised machine learning classification algorithms, including decision trees, Naive Bayes, k-nearest neighbors (KNN), support vector machines (SVM), and ensemble learning methods. Three different scenarios are created by altering the classification features. In Scenario 1, five features, namely mean, effective value, standard deviation, wavelength, and median, achieve a performance success rate of 77.8% with the decision trees algorithm. Scenario 2, utilizing all features obtained in the study, yields the highest success rate of 85.6% with the SVM method. In Scenario 3, ten features, including mean, wavelength, mean absolute deviation, energy, variance, kurtosis, skewness, effective value, logarithmic entropy, and Shannon entropy, result in the highest success rate of 88.9% with the ensemble learning algorithm. The proposed methods demonstrate the highest success rate in Scenario 3, with ensemble learning achieving 88.9%.
Benzer Tezler
- Dynamic security enhancement of power systems via population based optimization methods integrated with artificial neural networks
Yapay sinir ağlarının entegre edildiği popülasyon tabanlı optimizasyon yöntemleriyle güç sistemlerinin dinamik güvenliğinin iyileştirilmesi
CAVİT FATİH KÜÇÜKTEZCAN
Doktora
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. VEYSEL MURAT İSTEMİHAN GENÇ
- An ensemble learning model for wide-area measurement based transient stability assessment in power systems
Güç sistemlerinde geniş alan ölçümlerine dayalı geçici hal kararlılık değerlendirmesi için bir topluluk öğrenme modeli
CAN BERK SANER
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY