A novel approach towards predicting faults in power systems using machine learning

Bajwa, Binvant; Butani, Charvin; Patel, Chintan

doi:10.1007/s00202-021-01428-w

Cited by 4 publications

(1 citation statement)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…[6]'da üç fazlı bir güç sisteminde KD tespiti için öğrenmeye dayalı çok ölçekli bir özellik mühendisliği yapısı geliştirilmiştir. [7]'de makine öğrenimi algoritmalarını kullanarak KD sinyali modellerini tespit etmeye ve bu potansiyel hataları azaltmaya yönelik bir yaklaşım sunulmuştur. [8]'de herhangi bir özellik çıkarımı yapılmadan güçlü KD tespiti sağlayan CNN'ye dayalı uçtan uca bir sistem önerilmiştir.…”

unclassified

Dalgacık Paket Dönüşümü, ReliefF Özellik Seçimi ve Topluluk Öğrenme Algoritması Tabanlı Bir Kısmi Deşarj Arızası Tespit Yöntemi

Eristi

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Enerji nakil hatlarında birçok arıza olayı meydana gelebilmektedir. Özellikle hatlarda faz iletkenlerinin çevresel bitki örtüleriyle ve birbirleriyle temas etmeleri sonucunda oluşan arızalar sıklıkla meydana gelir. Bu şekilde oluşabilecek arızaların önüne geçebilmek için özellikle enerji nakil hatlarında izolasyonlu iletkenler yaygın olarak kullanılmaktadır. Ancak izolasyonlu iletkenlerin yalıtım malzemesinde meydana gelebilecek deformasyonlar bu iletkenlerde kısmi deşarj (KD) adı verilen olaylara sebep olabilirler. Oluşabilecek çok daha büyük arızaların önüne geçebilmek için KD’lerin hızlı bir şekilde tespit edilmesi gerekir. Bu çalışmada, iletim hatlarında meydana gelen KD’lerin tespiti için dalgacık paket dönüşümü (DPD), ReliefF özellik seçim yaklaşımı ve topluluk öğrenme algoritma sınıflandırıcı tabanlı etkili bir tespit yaklaşımı önerilmiştir. Bu yaklaşımın en önemli özelliği, KD verilerinin DPD kullanarak etkili frekans bantlarına dayanan özellikler elde edilmesi ve ReliefF yaklaşımı kullanılarak bu özellikler içerisinden tespit performansı yüksek özelliklerin seçilmesidir. Önerilen tespit sistemi VSB gerçek veri seti kullanılarak test edilmiş ve 89.22% doğruluk oranı elde edilmiştir. Literatürde VSB veri seti kullanan benzer çalışmalarla karşılaştırıldığında başarımın oldukça yüksek olduğu ve önerilen yaklaşımın KD tespiti için etkili bir performans sergilediği görülmüştür.

show abstract

unclassified