Güç sistemlerinde termal görüntüye dayalı yapay zekâ destekli arıza analizi ve tespiti
Fault analysis and detection in power systems using thermal image-based artificial intelligence
- Tez No: 980514
- Danışmanlar: DOÇ. DR. SELAMİ BALCI, PROF. DR. AHMET KAYABAŞI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güç transformatörleri ve elektrik motorları, modern enerji sistemlerinin kritik bileşenleridir. Bu cihazlarda oluşan arızalar hem ekonomik kayıplara hem de enerji kesintilerine neden olabilir. Bu nedenle arızaların erken tespiti ve öngörülmesi, sistem güvenilirliği ve verimliliği için büyük önem taşır. Son yıllarda ise geleneksel yöntemlere ek olarak yapay zekâ tabanlı kestirimci bakım, özellikle görüntü işleme ve derin öğrenme teknikleriyle daha güvenilir çözümler sunmaktadır. Bu tez çalışması, güç transformatörleri ve elektrik motorlarındaki arızaların incelenmesine yönelik olarak üç farklı uygulama ortaya koymaktadır. İlk uygulamada, güç transformatörü Sonlu Elemanlar Analizi ile modellenmiş, farklı arıza türlerine ait manyetik akı dağılımı görüntüleri çıkarılarak bir veri seti oluşturulmuştur. Bu veriler, çeşitli derin öğrenme modelleriyle sınıflandırılmış ve arızaların yüksek doğrulukla tespit edilebildiği gösterilmiştir. İkinci uygulamada, hazır bir termal görüntü veriseti üzerinde yapay zekâ tabanlı semantik segmentasyon ve arıza sınıflandırma yöntemleri geliştirilmiş; farklı Evrişimli Sinir Ağları mimarileri kullanılarak transformatör ve motorlardaki arızaların yüksek doğrulukla sınıflandırılması sağlanmıştır. Üçüncü uygulamada ise transformatör yüzeyinden elde edilen sıcaklık verileriyle Uzun-Kısa Süreli Bellek tabanlı tahmin modelleri geliştirilmiş, farklı çalışma koşullarında yüksek hassasiyetle yüzey sıcaklığı öngörülmüş ve eşik tabanlı uyarı sistemiyle olası anomalilerin erken tespiti gerçekleştirilmiştir. Üç uygulama birlikte değerlendirildiğinde, hem arızaların fiziksel kökenlerinin anlaşılmasına katkı sağlamakta hem de modern yapay zekâ tabanlı kestirimci bakım yöntemlerinin geliştirilmesine yeni bir bakış açısı sunmaktadır. Ayrıca önerilen yaklaşımların gerçek zamanlı sistemlerde uygulanabilir olması, saha kullanımına uygun, güvenilir ve sürdürülebilir çözümler ortaya koymaktadır.
Özet (Çeviri)
Power transformers and electric motors are critical components of modern energy systems. Failures in these devices can lead to both economic losses and power outages. Therefore, early detection and prediction of failures are crucial for system reliability and efficiency. In recent years, in addition to traditional methods, Artificial Intelligence (AI)-based predictive maintenance, particularly with image processing and deep learning techniques, has offered more reliable solutions. This thesis presents three different applications for analyzing faults in power transformers and electric motors. In the first application, a power transformer was modeled using Finite Element Analysis, and magnetic flux distribution images of different fault types were generated to build a dataset. These data were then classified with various deep learning models, demonstrating that faults could be detected with high accuracy. In the second application, AI-based semantic segmentation and fault classification methods were developed on a ready-made thermal image dataset; using different Convolutional Neural Network architectures, faults in transformers and motors were classified with high accuracy. In the third application, Long Short-Term Memory-based prediction models were developed using temperature data obtained from transformer surfaces. These models successfully forecasted surface temperatures under different operating conditions with high precision, and a threshold-based warning system enabled the early detection of potential anomalies. When the three applications are evaluated together, they contribute to understanding the physical origins of faults while also offering a new perspective on the development of modern AI-based predictive maintenance methods. Moreover, the applicability of the proposed approaches in real-time systems provides reliable and sustainable solutions suitable for field use.
Benzer Tezler
- Design of model based fault detection system for washing machine electric motors
Başlık çevirisi yok
EVREN ALBAŞ
Yüksek Lisans
İngilizce
1998
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ÖZSOY
- Production and characterization of white light based on energy up conversion mechanisms in Yb+3,Nd+3,Tm+3 rare earth ions doped y2o3-sio2 nano-phosphor materials
Yb+3,Nd+3,Tm+3 nadir toprak iyon katkili Y2O3-SiO2 nanofosfor malzemelerde üst enerji̇ dönüşüm mekanizmasına dayalı beyaz ışık üretimi ve karakterizasyonu
HATUN ÇINKAYA YILMAZ
Doktora
İngilizce
2019
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖNÜL ERYÜREK
- Development of single-frame methods aided kalman-type filtering algorithms for attitude estimation of nano-satellites
Nano-uydularda yönelim kestirimi için tek-çerçeve yöntemlere dayali kalman-tipi filtreleme algoritmalarinin geliştirilmesi
DEMET ÇİLDEN GÜLER
Doktora
İngilizce
2021
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
PROF. DR. ZEREFŞAN KAYMAZ
- Design of a self-aligned, high resolution, low temperature (30 mK - 300 K) magnetic force microscope
Kendiliğinden hizalamalı, yüksek çözünürlüklü, düşük sıcaklık (30 mK - 300 K) manyetik kuvvet mikroskobu tasarımı
ÖZGÜR KARCI
Doktora
İngilizce
2015
Fizik ve Fizik MühendisliğiHacettepe ÜniversitesiNanoteknoloji ve Nanotıp Ana Bilim Dalı
PROF. DR. ŞADAN ÖZCAN
PROF. DR. AHMET ORAL
- Design and implementation of front-end electronics for an infrared imaging system
Kızılötesi görüntüleme sistemi için dedektör ön elektroniği tasarımı ve testi
ABDULKADİR YELER
Yüksek Lisans
İngilizce
2001
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CENGİZ BEŞİKCİ