Akıllı şebeke sistemleri için güç kalite bozunumlarının tespit ve sınıflandırılmasına yönelik sinyal işleme ve makine öğrenmesi algoritmalarının uygulanması
Application of signal processing and machine learning algorithms for detection and classification of power quality disturbances for smart grid systems
- Tez No: 966739
- Danışmanlar: DR. ÖĞR. ÜYESİ SITKI AKKAYA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Elektrik şebekelerinin karşılaştığı en önemli sorunlardan biri güç kalite bozunumlarıdır. Bu bozunumlar, şebekeye bağlı yüklerin karakteristikleri, çevresel koşullar ve dış etkenlerden kaynaklanmakta, sistem performansını düşürmekte ve ekipman ömrünü olumsuz etkilemektedir. Güç kalite bozunumlarının erken tespiti ve sınıflandırılması, sistem güvenilirliğini artırmak ve arızaları önlemek açısından büyük önem taşımaktadır. Bu tez çalışmasında, laboratuvar ortamında kurulan deney düzeneğiyle 10.500 adet deneysel veri üretilmiş ve bu veriler, sentetik verilerle karşılaştırılarak sinyal yapıları ve karakteristik benzerlikleri değerlendirilmiştir. Deneysel veriler, gerçekçi şebeke koşullarını yansıtarak önemli bir doğrulama kaynağı olmuştur. Her iki veri setinden toplamda 34 öznitelik çıkarılmış ve bu özniteliklerle makine öğrenmesi algoritmaları kullanılarak sınıflandırma yapılmıştır. Sonuçlar, topluluk metodu her iki veri setinde de en yüksek başarıyı sağladığını göstermiştir; sentetik verilerde test aşamasında %98,6, deneysel verilerde ise %98,4 doğruluk elde edilmiştir. Destek vektör makineleri ve karar ağaçları ise sırasıyla sentetik verilerde %98,4 ve %97,7 doğruluk, deneysel verilerde ise %95,7 ve %97,9 doğruluk oranlarına ulaşmıştır. Çalışmanın ilerleyen aşamalarında, deneysel sinyallere Varyasyonel Kip Ayrıştırma (VMD) yöntemi uygulanarak elde edilen İçsel Mod Fonksiyonu (IMF) bileşenlerinin her birinden 34 tane öznitelik çıkarılmıştır. Topluluk metodu ile %94,7 oranında makine öğrenimi başarımı sayesinde farklı bir bakış açısı kazandırmaktadır.
Özet (Çeviri)
One of the most important problems faced by electricity grids is power quality disturbances. These disturbances are caused by the characteristics of loads connected to the grid, environmental conditions, and external factors, degrading system performance and adversely affecting equipment life. Early detection and classification of power quality disturbances are of great importance to improve system reliability and prevent failures. In this thesis, 10,500 experimental time series data were generated with the experimental setup made up in the laboratory, and these data were compared with synthetic data to evaluate the signal structures and characteristic similarities. The experimental data has been an important source of validation by reflecting realistic grid conditions. A total of 34 features were extracted from both datasets and classified using machine learning algorithms. The results showed that the Ensemble Method achieved the highest success on both datasets, with 98.6% accuracy in the test phase on synthetic data and 98.4% accuracy on experimental data. Support Vector Machines (SVM) and Decision Tree achieved 98.4% and 97.7% accuracy on synthetic data and 95.7% and 97.9% accuracy on experimental data, respectively. In the later sections of the study, 34 features were extracted from each of the Intrinsic Mode Function (IMF) components obtained by applying the Variational Mode Decomposition (VMD) method to the experimental signals. The ensemble method provides a different perspective with a machine learning success rate of 94.7%.
Benzer Tezler
- Güç sistemlerinde kalite problemlerinin çözümü için fotovoltaik enerji dönüşüm sistemlerinin statkom olarak kullanılması
Using of photovoltaic energy conversion systems as statcom for solution of quality problems in power systems
MUSAB OKSAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ASİM KAYGUSUZ
- Akıllı şebekelerde güç kalitesi bozukluklarının işaret işleme yöntemleriyle tanısı
The identification of power quality disturbances in smart grids through signal processing methods
TURGAY YALÇIN
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN ÖZGÖNENEL
- Mikro şebekeye bağlı fotovoltaik panelden beslenen lityum batarya sisteminin farklı yük durumlarına göre enerji yönetimi
Energy management accordingto to load conditions for lithium battery system fed by photovoltaic panels in the microgrids
HATİCE GÜZEL GÖZLÜKAYA
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ
- Verimliliği düşmüş bataryaların hizmet sektöründe kullanımı:Akıllı tesis uygulaması
Use of repurposed ev batteries in the service sector: A smart facility application
DENİZHAN GÜVEN
Yüksek Lisans
Türkçe
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. MEHMET ÖZGÜR KAYALICA
- The effects of communication delay on the operation ofdistributed energy resources in power distribution systems
Haberleşme sistemindeki gecikmelerin dağıtım sistemlerindeki dağıtık enerjı kaynaklarının işletimi üzerindeki etkileri
NEGAR DASHTI
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK