Yüksek gerilim ekipmanlarında termal görüntülemeye dayalı olarak anomali tespiti için yapay zeka yöntemlerinin geliştirilmesi
Development of artificial intelligence methods for anomaly detection based on thermal imaging in high voltage equipment
- Tez No: 998845
- Danışmanlar: DOÇ. DR. MUHAMMET FATİH ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrik iletim ve dağıtım sistemlerinde kullanılan elektriksel ekipmanlar, sürekli işletme koşulları, çevresel etkiler ve değişken yük profilleri nedeniyle zamanla termal anomaliler geliştirebilmektedir. Bu anomaliler; gevşek bağlantılar, faz dengesizliği, aşırı yüklenme ve izolasyon bozulmaları gibi kritik arızaların erken göstergeleri olup, zamanında tespit edilmediğinde ekipman hasarlarına, enerji kesintilerine ve can güvenliği risklerine yol açabilmektedir. Geleneksel bakım yaklaşımlarının büyük ölçüde periyodik ve operatör deneyimine dayalı olması, erken arıza tespitinde sınırlamalara neden olmaktadır. Bu nedenle, temassız ölçüm imkânı sunan kızılötesi termal görüntüleme tekniklerinin yapay zekâ tabanlı otomatik analiz yöntemleri ile birlikte kullanılması son yıllarda önem kazanmıştır. Bu tez çalışmasında, elektriksel ekipmanlarda termal görüntülere dayalı anomali tespiti için derin öğrenme tabanlı bir karar destek sistemi geliştirilmiştir. Çalışma kapsamında, yüksek gerilim ekipmanları, kuru tip transformatör ve elektrik motorlarına ait termal görüntülerden oluşan bir veri seti oluşturulmuş ve görüntüler normal ve anormal durumlar olarak etiketlenmiştir. Veri seti eğitim, doğrulama ve test alt kümelerine ayrılarak ResNet, EfficientNet, ConvNeXt, Vision Transformer ve NASNet tabanlı derin öğrenme modelleri ile eğitilmiştir. Modellerin performansları doğruluk ve F1-skoru metrikleri üzerinden karşılaştırılmış, en yüksek skoru elde eden modellerin hibrit çalışması ve ince ayar yapılmış çalışmaları değerlendirilmiştir. Deneysel sonuçlara göre, hibrit ViT B/16 ve EfficientNet-B0 modeli 0,9604 doğruluk ve 0,9375 F1-skoru elde etmiştir. İnce ayar yapılmış ViT B/16 modeli 0,9703 doğruluk ve 0,9538 F1-skoruna ulaşırken, en yüksek başarı 0,9802 doğruluk ve 0,9714 F1-skoru ile ince ayar uygulanmış EfficientNet-B0 tabanlı modelden elde edilmiştir. Elde edilen bulgular, termal görüntüleme destekli yapay zekâ tabanlı sistemlerin elektriksel ekipmanlarda erken anomali tespiti ve kestirimci bakım uygulamaları için etkili ve uygulanabilir bir çözüm sunduğunu göstermektedir.
Özet (Çeviri)
Electrical equipment used in power transmission and distribution systems is subject to thermal anomalies over time due to continuous operating conditions, environmental influences, and varying load profiles. These anomalies represent early indicators of critical faults such as loose connections, phase imbalance, overloading, and insulation degradation, and if not detected in a timely manner, they may lead to equipment damage, power outages, and serious safety hazards. Conventional maintenance approaches are largely periodic and dependent on operator experience, which limits their effectiveness in early fault detection. Therefore, the integration of infrared thermal imaging techniques, which enable non-contact temperature measurement, with artificial intelligence–based automated analysis methods has gained increasing attention in recent years. In this thesis, a deep learning–based decision support system for thermal image–based anomaly detection in electrical equipment is proposed. Within the scope of the study, a dataset consisting of thermal images of high-voltage equipment, dry-type transformers, and electric motors was constructed, and the images were labeled as normal or abnormal conditions. The dataset was divided into training, validation, and test subsets, and multiple deep learning models based on ResNet, EfficientNet, ConvNeXt, Vision Transformer and NASNet architectures were trained and evaluated. The performances of the models were compared using accuracy and F1-score metrics, and the hybrid integration and fine-tuning studies of the models achieving the highest scores were evaluated. Experimental results show that the hybrid ViT B/16 and EfficientNet-B0 model achieved an accuracy of 0,9604 with an F1-score of 0,9375. The fine-tuned ViT B/16 model improved the performance to 0,9703 accuracy and an F1-score of 0,9538. The highest performance was obtained using a fine-tuned EfficientNet-B0–based model, achieving an accuracy of 0,9802 and a high F1-score of 0,9714. The results demonstrate that artificial intelligence–based systems supported by thermal imaging provide an effective and practical solution for early anomaly detection and predictive maintenance of electrical equipment.
Benzer Tezler
- X-band hybrid front-end receiver module design for spaceborne synthetic aperture radar applications
Sentetik aralıklı radar uzay platformlarına uygun x-bant hibrid ön uç RF modülü tasarımı
ARİF EKİN UZUN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- The environmental stress cracking behaviour of glass fiber reinforced polycarbonates
Cam fiber katkılı polikarbonat malzemelerin çevresel gerilme çatlaması davranışı
CANSEL ŞEN
Yüksek Lisans
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACI ABDULLAH TAŞDEMİR
- Preliminary design of an electric propulsion system for lunar nanosatellite mission
Nano uydulu ay görevinde kullanılacak bir elektrik itki sisteminin ön tasarımı
EMİNE ÇALIK
Yüksek Lisans
İngilizce
2019
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN
- SA 387 grade 91 malzemenin çok pasolu alın kaynağında farklı ön ısı sıcaklıklarının kalıntı gerilmelere ve mekanik özelliklere etkisinin deneysel incelenmesi
Experimental investigation of the effects of various preheat temperatures on residual stresses and mechanical properties in multi-pass butt welding of SA 387 grade 91 material
CİHAN ÇELİK
Yüksek Lisans
Türkçe
2023
Metalurji MühendisliğiDokuz Eylül ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAHADIR UYULGAN
- SF6-CF4-Ar gaz karışımında elektriksel boşalma parametrelerinin hesaplanması ve ölçülmesi
Calculation and measurement of electrical discharge parameters in SF6-CF4-Ar gas mixture
HIDIR DÜZKAYA
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜLEYMAN SUNGUR TEZCAN