Enerji iletim hatlarında yapay sinir ağı tabanlı arıza sınıflandırma yöntemi
Fault classification method based on artificial neural networks in power transmission lines
- Tez No: 942930
- Danışmanlar: DOÇ. DR. ASIM GÖKHAN YETGİN, DOÇ. DR. AYHAN GÜN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Bu tez, enerji iletim hatlarındaki arızaların tespiti amacıyla Yapay Sinir Ağı (YSA) tabanlı bir model geliştirmeyi hedeflemektedir. Çalışma kapsamında dört farklı YSA modeli oluşturulmuş ve her bir model, farklı eğitim/test oranları kullanılarak eğitilmiştir. Eğitim/test oranlarındaki çeşitlilik, modellerin doğruluk ve genelleme yeteneklerinin daha kapsamlı bir şekilde değerlendirilmesini sağlamaktadır. Modeller, açık erişimli bir veri seti ile eğitilmiş ve YSA, arıza türlerini doğru şekilde sınıflandırmak için kullanılmıştır. Eğitim sürecinde geri yayılım (backpropagation) algoritmasıyla ağ ağırlıkları optimize edilmiş; tanh ve softmax aktivasyon fonksiyonları ile arıza türlerinin tahmini gerçekleştirilmiştir. Modellerin performansları; doğruluk (accuracy), kesinlik (precision), duyarlılık (recall) ve F1 skoru gibi sınıflandırma metrikleriyle değerlendirilmiş, ayrıca karışıklık matrisi (confusion matrix) yardımıyla görselleştirilmiştir. En başarılı model olan Model 4, %99,46 doğruluk oranına ulaşmıştır. Elde edilen sonuçlar, YSA tabanlı modellerin enerji iletim hatlarındaki arıza tespitini önemli ölçüde hızlandırdığını ve geleneksel yöntemlere kıyasla daha yüksek doğruluk sağladığını göstermektedir. Bu çalışma, enerji iletim hatlarındaki arızaların erken ve doğru tespitinde yenilikçi ve etkili bir çözüm sunmaktadır.
Özet (Çeviri)
This thesis aims to develop an Artificial Neural Network (ANN)-based model for fault detection in energy transmission lines. Within the scope of the study, four different ANN models were designed, each trained using various training/testing ratios. Diversifying these ratios allows for a more comprehensive evaluation of each model's accuracy and generalization capability.The models were trained using an open-access dataset, and the ANN was employed to accurately classify different types of faults. During training, the network weights were optimized using the backpropagation algorithm, and fault type predictions were performed using the tanh and softmax activation functions.Model performance was evaluated using classification metrics such as accuracy, precision, recall, and F1 score, and results were visualized through confusion matrices. The best-performing model, Model 4, achieved an accuracy rate of 99,46%.The results demonstrate that the ANN-based approach significantly accelerates fault detection and offers higher accuracy compared to traditional methods. This study presents an innovative and effective solution for the early and accurate detection of faults in energy transmission lines.
Benzer Tezler
- İletim hatlarında yapay zekâ yöntemleri kullanılarak kısa devre arıza yerinin tespiti ve sınıflandırılması
Short circuit fault location and classification using artificial intelligence methods in transmission lines
MELİH ÇOBAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN SUNGUR TEZCAN
- Enerji iletim hatlarında modüler yapay sinir ağları ve dalgacık dönüşümü ile arıza analizi
Fault analyses of power transmission lines by modular neural network and wavelet transform
ÖMER FARUK ERTUĞRUL
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. M. BAHATTİN KURT
- Enerji dağıtım hatlarındaki kayıpların yapay sinir ağı ile belirlenmesi
Determination of the losses in energy distribution lines through artificial neural network
MAHMOOD SHAKIR MAHMOOD ZHEREE
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF ŞENOL
- Yüksek gerilim izolatörlerinde atlama olayının yapay sinir ağları kullanılarak incelenmesi
Investigation of flashover phenomena on high voltage insulators using artificial neural network
MUHSİN TUNAY GENÇOĞLU
Doktora
Türkçe
2003
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET CEBECİ
- Smart grid applications and technologies in distributionsystems
Dağıtım sistemlerinde akıllı şebeke uygulamaları veteknolojileri
KÜBRA GÜRBÜZ
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN SEVAİOĞLU