Güç kalitesi olaylarının sınıflandırılması
Classification of power quality events
- Tez No: 910898
- Danışmanlar: DOÇ. DR. SÜLEYMAN SUNGUR TEZCAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Güç kalitesi, günümüz dünyasında hayatın her alanında vazgeçilmez gereksinim olan elektrik sistemlerinin kesintisiz, güvenilir ve verimli bir şekilde çalışabilmesi bakımından kritik öneme sahiptir. Güç kalitesinde meydana gelen olaylar, enerji kayıplarına, sistem veriminin düşmesine, cihaz arızalarına ve ekonomik açıdan büyük zararlara sebep olabilmektedir. Bu bağlamda güç kalitesi olaylarının oluştuğu andan itibaren en kısa sürede belirlenmesi, sınıflandırılması ve bunlara ilişkin çözümlerin üretilmesi oldukça önemlidir. Bu tez çalışması kapsamında, güç kalitesi olaylarını, makine öğrenmesi algoritmalarıyla sınıflandırmak ve sınıflandırıcıların performanslarını değerlendirmek; ayrıca, metasezgisel tabanlı optimizasyon algoritmalarının özellik seçme için kullanıldığında sınıflandırma başarısına etkilerini incelemek amaçlanmıştır. Çalışma iki bölümden oluşmaktadır ve tezde kullanılan tüm yöntemler MATLAB 2022/a yazılımı ile gerçekleştirilmiştir. Tezin birinci bölümünde, güç kalitesi olayı içeren sinyaller üretilmiştir. Bunlara ek olarak ölçüm gürültüsünü simule etmesi açısından farklı sevilerde gürültü eklenmiştir. Ayrık Dalgacık Dönüşümü, özellik çıkarma amacıyla kullanılmıştır. Özellik çıkarma ile elde edilen özellik verileri ile dört farklı makine öğrenmesi algoritması eğitilmiştir ve test edilmiştir. Eğitim ve test verilerinin oranları sabit tutulmayarak, sınıflandırma doğruluk oranına etkisi incelenmiştir. Elde edilen sınıflandırma doğruluk oranları, kendi aralarında karşılaştırılmıştır. Ek olarak, k katmanlı çapraz doğruma yöntemi ile sınıflandırma yapılarak, elde edilen sonuçlar literatürdeki benzer çalışmalarla kıyaslanmıştır. Kıyaslama, sunulan yöntemlerin literatürde bulunan diğer yöntemler kadar iyi sonuçlar verdiğini göstermiştir. Tezin ikinci bölümünde, güç kalitesi olayı içeren sinyaller yeniden üretilmiştir ve özellik çıkarma için Ayrık Dalgacık Dönüşümü kullanılmıştır. Elde edilen veri setlerinden, Denge Optimizasyon Algoritması ve Salp Sürü Algoritması kullanılarak özellik seçme işlemi gerçekleştirilmiştir ve bu adımın sınıflandırma doğruluk oranına etkisi sunulmuştur. Özellik seçme işlemi ve sınıflandırma 30 kez tekrarlanmıştır. Sınıflandırma için k en yakın komşu algoritması tercih edilmiştir. Sonuçlar ortalama değer, standart sapma, en yüksek değer ve en düşük değer bazında sunulmuştur. Ek olarak seçilen özelliklerin histogram grafikleri oluşturularak en çok seçilen 8 özellik ile yeniden sınıflandırma yapılmıştır. Elde edilen doğruluk oranları, bu bölümde elde edilen diğer sonuçlarla kıyaslanarak sunulmuştur.
Özet (Çeviri)
Power quality is of critical importance for the continuous, reliable, and efficient operation of electrical systems, which are an indispensable requirement in every aspect of life in today's world. Events in power quality can lead to energy losses, reduced system efficiency, equipment failures, and significant economic damages. In this context, it is essential to detect and classify power quality events as soon as possible and to develop solutions accordingly. This thesis aims to classify power quality events using machine learning algorithms and to evaluate the performance of the classifiers; and also to examine the impact of using metaheuristic-based optimization algorithms for feature selection on classification success. The study consists of two parts. All methods used in the thesis were implemented using MATLAB 2022/a software. In the first part of the thesis, signals containing power quality events were generated. Additionally, noise at various levels was added to simulate measurement noise. The Discrete Wavelet Transform was used for feature extraction. Four different machine learning algorithms were trained and tested using the feature data obtained from the extraction process. The ratios of training and test data were varied to examine their effect on classification accuracy. The resulting classification accuracy rates were compared among themselves. Additionally, classification was performed using the k-fold cross-validation method, and the results were compared with similar studies in the literature. The comparison demonstrated that the methods presented yielded results as good as other methods in the literature. In the second part of the thesis, signals containing power quality events were regenerated; Discrete Wavelet Transform was again used for feature extraction. Feature selection was performed using the Equilibrium Optimization Algorithm and Salp Swarm Algorithm on the datasets obtained from Discrete Wavelet Transform, and the effect of this step on classification accuracy was evaluated. Feature selection and classification were repeated 30 times. K Nearest Neighbors used for classification. The results were presented based on average value, standard deviation, the highest value, and the lowest value. Additionally, Histograms of the selected features were created, and classification was repeated using the top 8 most frequently selected features. The obtained accuracy rates were presented by comparing with results obtained in this section.
Benzer Tezler
- 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
- Alçak gerilim şebekeleri için durağan ve durağan olmayan güç kalitesi olaylarının tespiti ve sınıflandırılması için yeni bir yaklaşım
A new approach for the detection and classification of power quality disturbances of stationary and non-stationary for low voltage grids
MEHMET İSMAİL GÜRSOY
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERDAR YILMAZ
PROF. DR. SEYDİ VAKKAS ÜSTÜN
- Güç kalitesi olaylarının makine öğrenme teknikleri ile sınıflandırılması
Classification of power quality events using machine learning methods
FERHAT UÇAR
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİKRET ATA
PROF. DR. BEŞİR DANDIL
- Development of efficient algorithms for flicker, harmonics and interharmonics estimations and power quality event classification specially designed for highly time-varying loads of power systems
Güç sistemlerinin zamanda hızlı değişen yükleri için özel tasarlanmış kırpışma, harmonik ve araharmonik kestirimi ve güç kalitesi olay sınıflandırması için verimli algoritmaların geliştirilmesi
EBRAHIM BALOUJI
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜL SALOR DURNA
- Identification and classification of power quality disturbances using wavelets
Dalgacıklar kullanılarak güç kalitesi bozukluklarının tanılanması, yerlerinin belirlenmesi ve sınıflandırılması
MOHAMED CAMARA
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik MühendisliğiFatih ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LOKMAN ERZEN