Dağıtım şebekelerinde teknik olmayan kayıpların makine öğrenme yöntemleriyle analizi
Analysis of non-technical losses in distribution networks using machine learning methods
- Tez No: 922692
- Danışmanlar: DR. ÖĞR. ÜYESİ HEYBET KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Teknik Olmayan Kayıplar, Dağıtım Sistemleri, Kaçak Elektrik Tespiti, Sınıflandırma, Derin Öğrenme, Non-Technical Losses, Distribution Systems, Illegal Electricity Detection, Classification, Deep Learning
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
İnsan nüfusu dünya üzerinde sürekli artış eğilimi göstermektedir. Bu artış beraberinde insan hayatında da bazı ihtiyaçları doğurmaktadır. Dünyanın gelişmişlik düzeyiyle birlikte elektriğe olan ihtiyaç doğru oranda artmaktadır. Gelişmişlik düzeyi yüksek olan toplumlarda elektrik tüketimi kullanımı daha fazla olduğu kabul edilir. Ancak elektrik tüketimi ve kullanımı fazla olmasına rağmen teknik olmayan elektrik kaybının yüksek olması düşündürücü boyuttadır. Elektrik şebeke sistemlerinin karşılaştığı önemli sorunlardan biri, enerji hırsızlığı nedeniyle meydana gelen kayıplardır; bu durum, teknik olmayan kayıp olarak bilinir. Bu beklenmedik kayıplar, şebeke altyapısının sürdürülebilirliğini ve güvenilirliğini ciddi şekilde tehdit eder. Enerji alt yapı sistemlerinin, sağlıklı ve daha verimli bir biçimde çalışması teknik olmayan kayıplarla doğru orantılıdır. Enerji hırsızlığını tespit etmek ve önlemek, istikrarlı bir enerji arzını sağlamak için kritik öneme sahiptir. Teknik olmayan kayıpların azaltılması, daha sağlıklı enerji akışını sağladığı gibi maliyet açısında da ciddi öneme sahiptir. Bu tez, enerji sektöründe karşılaşılan teknik olmayan kayıpların azaltılmasını ve dağıtım şebekelerinin daha verimli, sürdürülebilir ve sağlıklı bir şekilde çalışmasını hedeflemektedir. Tez deki amaç doğrultusunda, günümüzün popüler ve etkili yaklaşımlarından biri olan derin öğrenme yöntemleri kullanılarak, farklı kayıp türlerinin sınıflandırılması gerçekleştirilmiştir. Çalışma, hem mevcut kayıp tiplerinin doğru bir şekilde tanımlanmasını hem de enerji kayıplarını en aza indirerek enerji sektörüne katkı sağlamayı amaçlayan yenilikçi bir yaklaşım sunmaktadır. Tez çalışmasında, kayıp verilerinin, önerdiğimiz yöntem kullanılarak derin öğrenme mimarileri üzerinde değerlendirilmesi, çalışmaya önemli bir yenilik katmakta ve bu bağlamda alanında yapılan ilk çalışma olma niteliği taşımaktadır. Bu yenilikçi yaklaşım, hem enerji sektöründe teknik olmayan kayıpların tespiti ve azaltılmasına yönelik literatüre katkı sunmakta hem de derin öğrenme yöntemlerinin elektrik şebekesi analizlerinde etkin bir şekilde kullanılabileceğini göstermesi bakımından öncü bir çalışma olarak öne çıkmaktadır. Çalışmada veri seti iki boyutlu olarak derin öğrenme mimarilerinde değerlendirilmiştir. İki boyutlu verileri Derin öğrenme yöntemlerinden Evrişimsel Sinir Ağı (ESA) ile %97,50 Uzun Kısa Süreli Bellek (UKSB) modeli ile %64,17 sınıflandırma doğruluğu elde edilmiştir. Ayrıca derin öğrenme mimarilerinden elde edilen sonuçlar konvansiyonel (K-NN, DVM) yöntemler ile karşılaştırılmıştır. Çalışmada en iyi sonucu ESA modeli ile elde edildiği görülmüştür.
Özet (Çeviri)
The human population is constantly increasing on earth. This increase also creates some needs in human life. The need for electricity increases at the right rate with the development level of the world. It is accepted that electricity consumption and usage are higher in societies with a high development level. However, despite the high electricity consumption and usage, the high non-technical electricity loss is thought-provoking. One of the important problems faced by electricity network systems is the losses caused by energy theft; this situation is known as non-technical loss. These unexpected losses seriously threaten the sustainability and reliability of the network infrastructure. The healthy and more efficient operation of energy infrastructure systems is directly proportional to non-technical losses. Detecting and preventing energy theft is of critical importance to ensure a stable energy supply. Reducing non-technical losses provides a healthier energy flow and is also of serious importance in terms of cost. This thesis aims to reduce non-technical losses encountered in the energy sector and to ensure that distribution networks operate more efficiently, sustainably and healthily. In line with the purpose of the thesis, the classification of different types of leakage was carried out using deep learning methods, one of the popular and effective approaches of today. The study offers an innovative approach that aims to both correctly identify existing leakage types and contribute to the energy sector by minimizing energy losses. In the thesis study, the evaluation of leakage data on deep learning architectures using the method we propose adds a significant innovation to the study and is the first study in this context. This innovative approach contributes to the literature on the detection and reduction of non-technical losses in the energy sector and stands out as a pioneering study in terms of showing that deep learning methods can be used effectively in electrical grid analysis. In the study, the data set was evaluated in two dimensions on deep learning architectures. Two-dimensional data was classified with Convolutional Neural Network (CNN) as 97.50% and with Long Short-Term Memory (LSTM) model as 64.17%. In addition, the results obtained from deep learning architectures were compared with conventional (K-NN, SVM) methods. In the study, it was seen that the best result was obtained with the CNN model.
Benzer Tezler
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Transformatör çekirdeklerinde kullanılan cam elyaf takviyeli polyesterimid reçine kompozitin mekanik özelliklerinin incelenmesi
Investigation of the mechanical properties of glass fiber reinforced polyesterimide resin composites for transformer core applications
BARIŞ İŞLER
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM MEHMET PALABIYIK
- Dağıtılmış üretim'e sahip elektrik dağıtım sistemlerinde, arıza akımı sınırlayıcılarının ve yerleşim yerlerinin etkilerinin incelenmesi
A study of the effects of fault current limiters and their location on power distribution system with distributed generation
GÖKHAN ÇAKAL
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAĞRIYANIK
- Parallel evolutionary computation for distribution system planning and operation
Dağıtım şebekesi planlama ve işletmesi için paralel evrimsel algoritmalar
SOHEIL YOUNESI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOĞAN ÖZDEMİR
DR. ÖĞR. ÜYESİ OGUZHAN CEYLAN
- Yenilenebilir enerji kaynakları ve elektrikli araçlarınbirbirine bağlı mikro şebekelere etkilerinin olasılıksalgüç akışı ile incelenmesi
Investigating the impact of electric vehicles andrenewable energy sources on networked microgridsusing probabilistic power flow
ABDULKERİM İSKENDEROĞLU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL