Makine öğrenimi algoritmaları kullanılarak kaçak elektrik takibi ve kontrol sisteminin gerçekleştirilmesi
Realisation of illegal electricity tracking and control system using machine learning algorithms
- Tez No: 901598
- Danışmanlar: PROF. DR. HALİL İBRAHİM OKUMUŞ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Bilim Dalı
- Sayfa Sayısı: 155
Özet
Bu çalışmada, alçak gerilim şebekelerinde kaçak yüklerin tespiti için makine öğrenmesi tabanlı yenilikçi bir sistem önerilmektedir. Hedef, tarımsal sulama uygulamalarında kaçak bağlanan yüklerin belirlenmesi, sınıflandırılması ve yerlerinin tespitiyle elektrik hırsızlığını azaltmaktır. Önerilen sistemin etkinliğini göstermek amacıyla, Elazığ ve Malatya illerindeki iki pilot bölgeye ait alçak gerilim şebekesi gerçek saha parametrelerine dayalı olarak modellenmiştir ve üç faz akım verileri fider başlangıcından kaydedilerek bir veri seti oluşturulmuştur. Bu veriseti kullanılarak iki farklı kaçak tespit yöntemi önerilmiştir. Tek faz ve üç faz akım verilerinden Örüntü Analizi, Ayrık Dalgacık Dönüşümü ve Hızlı Walsh-Hadamard Dönüşümü yöntemleriyle öznitelikler elde edilmiş, ve oluşturulan verisetleri makine öğrenmesi algoritmalarının eğitim ve test aşamalarında kullanılmıştır. Sınıflandırma ve lokalizasyon çalışmalarında bu algoritmaların performansları karşılaştırılmış; topluluk yöntemlerinin özellikle etkili olduğu gözlemlenmiştir. Izgara arama optimizasyonu ile önerilen yöntemin performansı artırılmış ve gerçek saha verileriyle yüksek performans elde edilmiştir. DWT yöntemiyle öznitelikler çıkarıldığında, OBE algoritmasının en iyi sonuçları verdiği doğrulanmıştır.
Özet (Çeviri)
In this study, an innovative machine learning-based system is proposed for the detection of illegal loads in low voltage networks. The primary objective is to reduce electricity theft by identifying, classifying, and locating illegally connected loads, specifically in agricultural irrigation applications. To demonstrate the effectiveness of the proposed system, two pilot areas in the provinces of Elazığ and Malatya were modeled based on real field parameters of low voltage networks. A dataset was created by recording three-phase current data at the beginning of the feeder. Using this dataset, two different methods for detecting illegal connections were proposed. Features were extracted from single-phase and three-phase current data using Pattern Analysis, Discrete Wavelet Transform (DWT), and Fast Walsh-Hadamard Transform (FWHT). These extracted features were then used for training and testing machine learning algorithms. The performance of these algorithms was compared in classification and localization tasks, with ensemble methods demonstrating particular effectiveness. The proposed method's performance was further enhanced through grid search optimization, achieving high accuracy with real-world data. When features were extracted using the DWT method, the Optimizable Boosting Ensemble (OBE) algorithm was confirmed to produce the best results.
Benzer Tezler
- Machine learning analysis on nanomaterials literature data and knowledge exploration
Makine öğrenimi ile nanomalzeme literatür verisinin analizi ve bilgi keşfi
CUMHUR YILDIRIM
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
PROF. DR. NİLGÜN BAYDOĞAN
- From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency
Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak
ERHAN YILDIZ
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Makine öğrenmesi teknikleriyle üretim tahmini ve kalite sınıflandırması: Bir tekstil tesisinde uygulama
Production forecasting and quality classification with machine learning techniques: Application in a textile plant
NEVİN KAÇAR
Yüksek Lisans
Türkçe
2024
İşletmeAydın Adnan Menderes Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜSEYİN ŞENKAYAS
- Doğal dil işleme ve derin öğrenme yöntemleri kullanılarak finansal verilerin analizi
Analysis of financial data using natural language processing and deep learning methods
MUSTAFA SAMİ KAÇAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
DR. ÖĞR. ÜYESİ SEMİH YUMUŞAK
- Malware detection using machine learning and evolutionary algorithms
Makine öğrenmesi ve evrimsel algoritmalar kullanılarak zararlı yazılım tespiti
GÜLSADE KALE
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH VEHBİ ÇELEBİ
DOÇ. DR. GAZİ ERKAN BOSTANCI