Yapay sinir ağları yöntemiyle rüzgar türbin generatörlerinde hidrolik arıza tesbiti
Hydraulic fault detection of wind turbine generators using artificial neural networks
- Tez No: 874937
- Danışmanlar: DOÇ. DR. MUSTAFA YAĞCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Dünyada fosil kaynakların azaldığı ve karbon emisyonlarının günden güne arttığı bu süreçte yeşil enerjinin önemi, özellikle rüzgar enerjisinin önemi her geçen gün artmaktadır. Rüzgar türbinlerinin yaygınlaşması hem karbon ayak izini azaltacak hem de dış kaynaklara olan bağımlılığı azaltacaktır. Rüzgar türbinlerinin kurulu gücünün artması için sadece kurulum maliyetlerinin değil aynı zamanda işletme maliyetlerinin de azalması oldukça önemlidir. İşletme maliyetleri içerisindeki en büyük oran servis bakım maliyetlerine aittir. Servis bakım maliyetlerinin azaltılmasındaki en önemli yaklaşımlardan biri ise önleyici bakım faaliyetleri olmaktadır. Önleyici bakım faaliyetleri ile arıza gelmeden yapılacak türbin duruşları ile üretim kayıplarının mümkünse olmaması ya da en alt seviyede sınırlandırılması hedeflenir. Bu çalışmada işletme süresinde oluşabilecek hidrolik arızaları önceden tahmin eden yapay sinir ağları tabanlı algoritmalar kullanılmıştır. Bu amaçla hidrolik sistemlerin bağlantılı olduğu ekipmanlar ve sensörler göz önünde bulundurularak türbin SCADA sistemi üzerinden 2 senelik veriler derlenmiştir. Çalışma WEKA programı ile yürütülmüş olup Multilayer Perceptron (MLP), Radial Basis Function Classfier (RBF Classfier), SMOreg (Support Vector Machines for Regression) algoritmaları mukayese edilerek yürütülmüştür. Çalışma neticesinde MLP algoritması verilerin yüzdesel olarak ayrılması metodu ile %66 eğitim, %33 test olarak ayrılmıştır ve yüzde 96,32 oranında başarılı tahminler yaptığı görülmüştür.
Özet (Çeviri)
In the current context where fossil resources are diminishing globally and carbon emissions are increasing daily, the importance of green energy, particularly wind energy, is growing significantly. The increasing of wind turbines will not only reduce the carbon footprint but also decrease dependence on external resources. To increase the installed capacity of wind turbines, it is crucial to reduce not only installation costs but also operational costs. The largest proportion of operational costs is service and maintenance costs. One of the most critical approaches to reducing service and maintenance costs is preventive maintenance activities. The objective of preventive maintenance activities is to minimize or ideally eliminate production losses through scheduled turbine shutdowns before failures occur. In this study, artificial neural network-based algorithms that predict potential hydraulic failures during the operational period was utilized. For this purpose, data from the turbine SCADA system over a period of two years, considering the equipment and sensors connected to hydraulic systems, were compiled. The study was conducted using the WEKA program, comparing Multilayer Perceptron (MLP), Radial Basis Function Classfier (RBF Classfier), SMOreg (Support Vector Machines for Regression) algorithms. Result of the study, the MLP algorithm was applied with a percentage split of 66% for training and 33% for testing, achieving a prediction accuracy of 96.32%
Benzer Tezler
- Rüzgar enerjisi ve rüzgar enerjisi potansiyelinin yapay sinir ağlari yöntemiyle tahmini
Wind energy and estimating wind energy potential by artificial neural networks method
ÜMİT ŞENOL
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiBozok ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZABIT MUSAYEV
- Yapay zeka teknikleri kullanılarak kısa dönem rüzgar gücünün çok katmanlı tahmini
Multi-stage short term wind power forecast by using artificial intelligence techniques
HASAN HÜSEYİN ÇEVİK
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇUNKAŞ
- Yeni enerji kaynakları ve total elektrik tüketimi üzerindeki etkisi
New energy resources and effect on total electricity consumption
ÖMER FARUK GÜNDÜZ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- Yenilenebilir enerji santrallerinde yapay sinir ağları yöntemiyle enerji üretiminin modellenmesi ve planlanması
Modeling and planning of energy production in renewable energy stations with artificial neural networks
MUSTAFA ALPER ÖZPINAR
Doktora
Türkçe
2007
EnerjiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. DÜRRİYE BİLGE
PROF.DR. ERALP ÖZİL
- Yapay sinir ağları yöntemiyle Türkiye'de elektrik enerjisi tüketimi tahmini
Estimation of the electric energy consumption of Turkey with artificial neural network method
HAVVA HİLAL METİN
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Ticaret ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SİBKAT KAÇTIOĞLU