Elektrik dağıtım hatlarında yapay zeka ile arıza analizi
Fault analysis in electrical distribution lines using artificial intelligence
- Tez No: 923560
- Danışmanlar: DR. ÖĞR. ÜYESİ VEKİL SARI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektrik dağıtım hatları, yapay sinir ağları, arıza tahmini, meteorolojik faktörler, biyolojik kesintiler, önleyici bakım stratejileri, Electrical distribution lines, artificial neural networks, fault prediction, meteorological factors, biological outages, preventive maintenance strategies
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Elektrik dağıtım sistemleri, enerji tedarikinin sürekliliği ve güvenilirliği açısından kritik bir öneme sahiptir. Ancak dağıtım hatlarında meydana gelen biyolojik ve çevresel kaynaklı arızalar, enerji hizmetlerinin aksamasına neden olmakta ve dağıtım şirketleri için önemli maliyetler doğurmaktadır. Bu çalışmada, biyolojik kaynaklı arızaların meteorolojik faktörlerle ilişkisini analiz etmek ve bu arızaları tahmin etmek amacıyla yapay sinir ağları (YSA) tabanlı bir model geliştirilmiştir. 2021-2023 yılları arasında bir elektrik dağıtım şirketinden elde edilen gerçek arıza kayıtları ile aynı döneme ait meteorolojik veriler entegre edilerek analiz edilmiştir. Yapay sinir ağları, literatürde özellikle enerji sistemleri arızalarının tahmininde kullanılan güçlü araçlar arasında yer almaktadır. Literatürde, biyolojik etkileşimlerden kaynaklanan kesintilerin tahmini için Bayes ağlarını kullanarak, biyolojik faktörlerin kesintilere etkisini modelleyen ve yapay sinir ağı tabanlı, arıza tahminlerini yüksek başarımla hesaplayan sistemler incelenmiştir. Bu çalışmalar, biyolojik kaynaklı kesintilerin tahmini ve önlenmesine yönelik veri odaklı modellerin enerji sektöründe artan bir öneme sahip olduğunu ortaya koymaktadır. Bu tez çalışması, literatürdeki çalışmalardan farklı olarak biyolojik kaynaklı kesintilerin tahmini için kesinti verilerinin yanı sıra meteorolojik faktörlerle bütünleşmiş bir yapay sinir ağı modeli sunmaktadır. Literatürde genellikle belirli hayvan davranışları veya basit iklim parametrelerine dayalı modeller geliştirilirken, bu çalışmada geniş bir meteorolojik veri seti ve gerçek arıza kayıtları kullanılmıştır. Model, sıcaklık, bağıl nem, rüzgâr hızı ve yağış olasılığı gibi kritik faktörleri analiz ederek, arıza riskinin yüksek olduğu bölgelerin tahmin edilmesini sağlamaktadır. Matlab yazılımı ile geliştirilen YSA modeli, doğrusal olmayan veri ilişkilerini öğrenme kapasitesi sayesinde %97 doğruluk oranıyla etkili bir performans sergilemiştir. Bu çalışma, elektrik dağıtım hatlarındaki biyolojik kaynaklı arızaların tahmin edilmesine yönelik literatüre önemli bir katkı sunmakta ve dağıtım şirketlerinin önleyici bakım stratejileri geliştirmelerine olanak tanımaktadır. Sonuçlar, yapay zekâ tabanlı modellerin enerji sektöründeki potansiyelini ortaya koyarken, bu alandaki uygulamalara yönelik yeni bir perspektif sunmaktadır.
Özet (Çeviri)
Electrical distribution systems are critical for ensuring the continuity and reliability of energy supply. However, biological and environmental faults in distribution lines disrupt energy services and impose significant costs on distribution companies. This study develops an artificial neural network (ANN)-based model to analyze the relationship between biological faults and meteorological factors and predict such faults. Real fault records from an electricity distribution company (2021–2023) were integrated with meteorological data from the same period to perform a comprehensive analysis. Artificial neural networks are among the powerful tools used in the literature, particularly for predicting failures in energy systems. Studies in the literature have examined systems that model the impact of biological factors on disruptions using Bayesian networks for predicting outages caused by biological interactions, and that calculate fault predictions with high accuracy based on artificial neural networks. These studies reveal that data-driven models for predicting and preventing biologically induced disruptions are gaining increasing importance in the energy sector. This thesis distinguishes itself from existing studies by presenting an ANN model that integrates biological fault data with meteorological factors. While previous research often focused on specific animal behaviors or basic climate parameters, this study incorporates a comprehensive meteorological dataset and real fault records. The model analyzes critical factors such as temperature, relative humidity, wind speed, and precipitation probability to predict high-risk regions for outages. The ANN model, developed using Matlab, demonstrated high predictive performance with 97% accuracy due to its capacity to learn non-linear relationships within the data. This study makes a significant contribution to the literature on predicting biological faults in electrical distribution systems and enables distribution companies to develop proactive maintenance strategies. The findings reveal the potential of artificial intelligence-based models in the energy sector, offering a novel perspective for applications in this field.
Benzer Tezler
- Güç transformatörü hatalarının bulanık mantık ve Öz Düzenlemeli Haritalama Yöntemi ile belirlenmesi
Fault diagnosis of power transformers with fuzzy logic Self-Organizing Map
EMRE KEMİK
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM KÖROĞLU
- İçerik tabanlı görüntü erişimi ile uzaktan algılama verilerinde obje arama
Object retrieval in remote sensing data using content based imaged retrieval
ÖZGE TOKMAK
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Elektrik dağıtım şirketlerinde abonelik süreçlerinin akıllı kontratlar üzerinden otomasyonu
Automation of subscription processes in electricity distribution/retail companies using smart contracts
COŞKUN KARACA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiYapay Zeka ve Veri Bilimi Ana Bilim Dalı
DOÇ. DR. AHMET GÜRKAN YÜKSEK
- Akıllı dağıtım şebekelerinde işletim koşullarının iyileştirilmesine yönelik çok ajanlı kontrol yönteminin geliştirilmesi
Developing multi agent control methods for improved operational conditions in smart distribution networks
GÖRKEM ŞEN
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL
- Uzaktan algılama yöntemi kullanarak sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti
Detection of high voltage transmission towers using sentinel-1 satellite images with a machine learning approach based on remote sensing methods
HASAN SARIKAYA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRULLAH ACAR