Theses supervised by Prof. Dr. Yılmaz Uyaroğlu
10 theses · Sakarya University
Yapay zeka tabanlı bara diferansiyel koruma sistemi
Enerji sistemlerinin güvenliği ve verimliliği, modern elektrik şebekelerinin en kritik önceliklerinden biri hâline gelmiştir. Bara diferansiyel koruma sistemleri, enerji sistemlerinin güvenilirliği açısından hayati bir role sahiptir. Geleneksel diferansiyel koruma sistemleri, bara üzerindeki anormallikleri tespit etmek için akım farklarını ölçerek çalışır. Ancak bu sistemler genellikle sabit eşik değerlerine ve sınırlı veri işleme yeteneklerine sahiptir. Elektrik şebekelerinin karmaşıklığının artması ve yenilenebilir enerji kaynaklarının entegrasyonu gibi faktörler, geleneksel koruma yöntemlerinin sınırlarını zorlamakta ve daha dinamik, uyarlanabilir çözümler gerektirmektedir. İşte bu noktada yapay zeka teknolojilerinin devreye girmesiyle enerji sistemleri için yeni bir dönemin kapıları aralanmaktadır. Yapay zeka tabanlı sistemler, geleneksel yöntemlerin ötesine geçerek enerji sistemlerinin güvenilirliğini ve esnekliğini artırmaktadır. Yapay zeka, makine öğrenimi ve derin öğrenme algoritmalarını kullanarak enerji sistemlerinden büyük miktarda veri toplayabilir ve bu verileri hızlı bir şekilde analiz edebilir. Bu veriler, sistemin normal çalışma koşullarını öğrenmek ve anormal durumları tespit etmek için kullanılır. Geleneksel koruma sistemlerinin aksine, YZ tabanlı sistemler, yalnızca mevcut arızaları tespit etmekle kalmaz, aynı zamanda gelecekte meydana gelebilecek potansiyel arızaları öngörebilir. Bu, enerji sistemlerinin proaktif bir yaklaşımla yönetilmesine olanak tanır ve arızaların meydana gelmeden önce engellenmesine katkıda bulunur. Gerçek zamanlı veri analizi, yapay zekanın sunduğu en büyük avantajlardan biridir. Geleneksel sistemler, sabit eşik değerlerine dayandığı için sınırlı bir hassasiyet sunarken, YZ tabanlı sistemler, farklı işletme koşullarına uyarlanabilir algoritmalar sayesinde daha esnek bir yapı sergiler. Özellikle büyük enerji santralleri ve endüstriyel tesislerde, bu esneklik, hem güvenilirliği artırmak hem de enerji kesintilerini en aza indirmek açısından kritik bir öneme sahiptir. Bara diferansiyel koruma sistemlerinde yapay zeka uygulamaları, birçok farklı yeteneği beraberinde getirir. Bunlardan ilki, anormallik tespitinde geleneksel yöntemlerin ötesine geçen bir hassasiyet sağlamasıdır. Yapay zeka tabanlı sistemler, enerji sistemlerinin sürekli değişen dinamiklerini öğrenerek, normalden sapmaları hızlı bir şekilde tespit eder. Örneğin, bara üzerinde meydana gelen bir kısa devre veya topraklama arızası durumunda, Yapay zeka sistemleri daha hızlı ve doğru bir yanıt verebilir. Bu, enerji kesintilerinin süresini azaltmakla kalmaz, aynı zamanda arızaların sistemin diğer bölümlerine yayılmasını da engeller. Bunun yanı sıra, yapay zeka sistemleri, geçmişteki arıza kayıtlarını inceleyerek gelecekte meydana gelebilecek benzer durumların nasıl oluşabileceğine dair öngörülerde bulunabilir. Bu tür bir öngörü yeteneği, enerji sistemlerinde uzun vadeli güvenilirlik planlamasına büyük katkı sağlar. Örneğin, bir trafo merkezinde geçmişte yaşanan bir arızanın verileri, benzer koşullar altında oluşabilecek yeni arızaları tahmin xxii etmek için kullanılabilir. Bu, yalnızca sistemin güvenliğini artırmakla kalmaz, aynı zamanda bakım faaliyetlerinin daha etkin bir şekilde planlanmasına da yardımcı olur. Yapay zeka tabanlı bara koruma sistemleri, özellikle büyük enerji santralleri, endüstriyel tesisler ve trafo merkezlerinde önemli avantajlar sunar. Bunlardan bazıları şunlardır: Hassasiyet ve hız, yapay zeka sistemleri, geleneksel yöntemlere kıyasla daha hızlı ve hassas bir şekilde arızaları tespit edebilir. Bu, enerji kesintilerinin süresini önemli ölçüde azaltır. Uyarlanabilirlik, farklı trafo merkezlerinin ihtiyaçlarına göre özelleştirilebilen yapay zeka algoritmaları, sistemin esnekliğini artırır. Örneğin, yüksek yenilenebilir enerji penetrasyonuna sahip bölgelerde, yapay zeka algoritmaları bu değişken üretim kaynaklarını dikkate alarak çalışabilir. Proaktif yönetim, geçmiş verilerden öğrenerek gelecekteki arızaları öngörebilen yapay zeka sistemleri, bakım ve onarım süreçlerinin daha etkili bir şekilde planlanmasına olanak tanır. Verimlilik artışı, gerçek zamanlı veri analizi ve sürekli öğrenme yeteneği, enerji sistemlerinin genel verimliliğini artırır. Bu, hem operasyonel maliyetlerin düşmesini sağlar hem de enerji arz güvenliğini artırır. Yapay zeka (YZ), bara diferansiyel koruma sistemleri için devrim niteliğinde yenilikler sunmakta olup, geleneksel koruma sistemlerinin sınırlarını aşarak enerji sistemlerinin güvenilirliğini ve operasyonel verimliliğini en üst düzeye çıkarma potansiyeline sahiptir. Geleneksel diferansiyel koruma sistemleri belirli arıza tespit yöntemlerine dayanırken, YZ tabanlı koruma sistemleri dinamik ve karmaşık enerji altyapılarına adaptasyon sağlayarak, enerji kesintilerini en aza indirgeyebilmekte ve sistem güvenliğini önemli ölçüde artırabilmektedir. YZ destekli koruma sistemlerinin en belirgin avantajlarından biri, yalnızca mevcut arızaların tespit edilmesiyle sınırlı kalmayıp, aynı zamanda gelecekte meydana gelebilecek arızaları öngörerek proaktif bir koruma yaklaşımı sunmalarıdır. Makine öğrenmesi ve derin öğrenme algoritmaları sayesinde, sistemdeki anomaliler anlık olarak analiz edilerek potansiyel risk faktörleri belirlenebilmekte ve olası kesintilerin önlenmesi sağlanmaktadır. Bu öngörüsel bakım yaklaşımı, enerji sistemlerinin daha etkin ve sürdürülebilir bir şekilde yönetilmesine olanak tanımakta, böylece sistem güvenilirliği ve şebeke kararlılığı artırılmaktadır. YZ tabanlı koruma sistemleri, büyük veri analitiği ve dijital ikiz teknolojileriyle entegre edilerek daha kapsamlı bir koruma mekanizması oluşturabilmektedir. Bu sistemler, enerji üretim ve dağıtım süreçlerinde meydana gelebilecek olağanüstü durumları gerçek zamanlı olarak değerlendirerek, optimum koruma stratejileri geliştirebilmektedir. Özellikle akıllı şebekelerin yaygınlaşmasıyla birlikte, YZ'nin sağladığı bu yenilikçi çözümler, enerji sistemlerinin adaptif ve esnek bir yapıya kavuşmasını mümkün kılmaktadır. YZ teknolojilerinin ilerlemesiyle, enerji sistemlerinde yalnızca arıza tespiti ve önleyici bakım değil, aynı zamanda enerji yönetiminde daha sürdürülebilir ve çevre dostu çözümlerin uygulanması da mümkün hâle gelmektedir. Yenilenebilir enerji kaynaklarının entegrasyonu, enerji talep tahmini ve optimizasyonu gibi konular, YZ destekli sistemler sayesinde daha etkin bir şekilde yönetilebilmektedir. Örneğin, fotovoltaik ve rüzgar enerjisi sistemlerinde üretim tahmin modellerinin geliştirilmesi, xxiii enerji depolama sistemleri ile senkronize çalıştırılması ve talep yönetimi stratejilerinin optimize edilmesi gibi süreçler, YZ algoritmaları aracılığıyla daha verimli hale getirilebilmektedir. Sonuç olarak, YZ tabanlı diferansiyel koruma sistemleri, enerji sektöründe geleneksel yöntemlere kıyasla çok daha kapsamlı ve etkili çözümler sunmaktadır. Gelecekte bu teknolojilerin yaygınlaşması, enerji altyapılarının daha güvenilir, sürdürülebilir ve ekonomik bir yapıya kavuşmasını sağlayarak küresel enerji güvenliğine ve sürdürülebilirliğe önemli katkılar sunacaktır. Yapay zeka destekli sistemlerin enerji sektöründeki entegrasyonunun hızlanması, aynı zamanda akıllı şebekeler, mikro şebekeler ve dağıtık enerji kaynakları gibi yeni nesil enerji sistemlerinin gelişimine de ivme kazandıracaktır. Bu bağlamda, enerji sistemlerinin geleceğinde yapay zekanın oynayacağı rol giderek daha kritik bir hâl almaktadır.
Güç transformatörleri sfra tarama frekans cevabı analizi sonuçlarının yapay zeka uygulamaları ile karşılaştırılması
Elektrik enerjisi, günümüzde vazgeçilmez bir kaynak haline gelmiş ve kullanımı her geçen gün artmaktadır. Aydınlatma ile başlayan bu süreç, elektrik motorlarının bulunmasıyla sanayide, ev eşyalarında, iklimlendirme sistemlerinde, ulaşımda ve tıbbi cihazlarda kendini göstermiştir. Elektrikli araçların yaygınlaşmasıyla elektrik enerjisi, kara yolu ulaşımında da kritik bir rol üstlenmiştir. Türkiye'de kişi başı elektrik tüketimi, yüzyılın başında birkaç kWh bile değilken, bugün 3900 kWh seviyelerine ulaşmıştır. Yenilenebilir enerji kaynaklarının artışıyla, elektrik en çevre dostu enerji kaynağı haline gelmiştir. Elektrikli araçların kullanımındaki artış, elektrik talebini de belirgin ölçüde artırmıştır. Artan enerji talebi, transformatörlerin üzerindeki yükü artırmış ve yeni test ve bakım yöntemlerinin geliştirilmesi ihtiyacını ortaya çıkarmıştır. Bu bağlamda, yapay zekâ ve makine öğrenimi teknikleri, transformatörlerin test sonuçlarını daha hızlı ve hatasız analiz etmek için büyük bir potansiyele sahiptir. Transformatörlerin uzun ömürlü ve güvenilir çalışabilmesi için arızaların doğru sınıflandırılması kritik öneme sahiptir. SFRA testi, transformatörlerin frekans yanıtlarını analiz ederek, olası arızaları erken tespit etmede etkili bir yöntemdir. Bu çalışma, transformatörlerde elektriksel, mekanik ve termal arızaların tespitine odaklanmakta ve bu tür arızaların sistem performansı üzerindeki etkisini incelemektedir. Yapay zekâ ve makine öğrenimi algoritmaları, SFRA verilerini analiz ederek insan kaynaklı hataları ortadan kaldırmakta ve daha hızlı, doğru sonuçlar elde edilmesine olanak tanımaktadır. Bu teknolojiler, büyük veri kümelerini işleyerek norm dışı sapmaları, eğilimleri ve olası arıza belirtilerini tespit edebilmekte; SFRA testlerinden elde edilen veriler ışığında transformatörlerin durumunu gerçek zamanlı olarak değerlendirebilmektedir. Bu sayede, olası arızalar erken tespit edilerek önleyici bakım önlemleri alınmakta ve transformatörlerin arıza riski en aza indirilmektedir. Ayrıca, yapay zekâ sistemleri, farklı transformatörler arasında karşılaştırmalar yaparak tipik performans eğrilerini ve anormallikleri belirleyebilme yeteneğine sahiptir. SFRA testleri sonuçları genellikle bode diyagramları ile grafik ve tablolara dökülerek sunulmakta olup, on binlerce satırlık sayısal veri içermektedir. Bu durum, sonuçların yorumlanmasını ve karşılaştırılmasını zorlaştırmakta, insan hatası riskini artırmaktadır. Bu çalışmada, SFRA verilerinin yapay zekâ ve makine öğrenimi yöntemleri ile bir arada kullanılması hedeflenmiştir. Bu amaçla bir test düzeni kurulmuş ve SFRA verileri toplanarak sayısallaştırılmış, ardından düzenlenip analiz edilebilir hale getirilmiştir. Bu çalışmanın en önemli noktalarından bir tanesi olarak transformatör durumları üç etiket altında incelenmiştir: çekirdek arızalı, sargı kayması arızalı ve sağlıklı transformatör. Çalışmada altı farklı makine öğrenimi algoritması denenmiştir: Lojistik Regresyon, Rastgele Ormanlar, En Yakın Komşu, Destek Vektör Makineleri, Karar Ağaçları ve Gradient Boosting. Tüm algoritmalar matematiksel performans parametreleri ile değerlendirilmiş ve çoklu sınıflandırma görevlerinde en verimli algoritma olan Gradient Boosting Classifier (GBC) tercih edilmiştir. GBC algoritması, geniş veri setlerinden öğrenerek arıza tahminlerini yüksek doğrulukla gerçekleştirmiş ve transformatörlerin sağlık durumlarını değerlendirmede etkili sonuçlar vermiştir. Bu algoritma, arıza tespiti ve yerinin belirlenmesinde üstün performans göstermekte ve veri analizinde hız ve doğruluk açısından önemli avantajlar sağlamaktadır. Çalışmanın sonuçlarını değerlendirmek amacıyla hata matrisi analizi yapılmış; ayrıca Learning Curve, Calibration Curve, Gain Chart, Cumulative Accuracy Profile ve KS istatistiği gibi performans grafikleri oluşturulmuştur. Her bir transformatör durumu (çekirdek arızalı, sargı kayması arızalı, sağlıklı transformatör) için karşılaştırma grafikleri sunulmuş ve sonuçlar detaylı şekilde incelenmiştir. Yapay zekâ algoritmalarının performans parametreleri de GBC algoritması için hesaplanmış ve çalışmanın başarısı matematiksel olarak ortaya konmuştur. Bu çalışma, özellikle makine öğrenimi ve yapay zekâ tekniklerini SFRA testi ile entegre bir şekilde kullanarak transformatörlerin arızalı ve sağlıklı durumlarının teşhisinde yenilikçi bir yaklaşım sunmaktadır. Gradient Boosting algoritması, arızaların tespiti ve sınıflandırılmasında yüksek performans sergileyerek bu alandaki potansiyelini kanıtlamıştır.
Sabit mıknatıslı senkron generatörlü rüzgar türbin sistemlerinin kaotik analizi ve senkronizasyonu
Yenilenebilir enerji kaynaklarının, özellikle rüzgar enerjisinin elektrik şebekesine entegrasyonu, sera gazı emisyonlarını azaltma ve fosil yakıtlara olan bağımlılığımızı azaltma konusundaki muazzam potansiyeli nedeniyle büyük ilgi topladı. Rüzgar enerjisinden yararlanmanın birincil yolu olarak hizmet veren rüzgar türbinleri, rüzgardan elde edilen mekanik gücü kullanılabilir elektrik enerjisine dönüştürmek için verimli ve güvenilir jeneratörler gerektirir. Son yıllarda, kalıcı mıknatıslı senkron jeneratör (KMSG) adı verilen çığır açan bir teknoloji ortaya çıktı ve kendisini rüzgar türbini uygulamaları için son derece umut verici bir çözüm olarak konumlandırdı. Bu yenilikçi jeneratör, olağanüstü verimlilik, kompakt boyut ve sağlamlık dahil olmak üzere bir dizi avantaj sağlar. KMSG 'nin en önemli ayırt edici özelliklerinden biri yüksek verimliliğidir. Sürekli bir mıknatıs rotor tasarımı kullanan bu jeneratör, geleneksel jeneratörlere kıyasla gelişmiş enerji dönüşüm oranlarına ulaşır. Sürekli mıknatıs konfigürasyonu, rotor sargılarına olan ihtiyacı ortadan kaldırarak, kayıpların azalmasına ve genel verimliliğin artmasına neden olur. Sonuç olarak, PMSG ile donatılmış rüzgar türbinleri, aynı miktarda rüzgar enerjisinden daha fazla elektrik üretebilir ve bu da onları, optimum güç çıkışı arayan yenilenebilir enerji projeleri için oldukça çekici bir seçenek haline getirir. Ek olarak, KMSG 'nin kompakt boyutu, kurulum ve bakım açısından önemli avantajlar sunar. Rotor sargılarının olmaması, genel boyutları ve ağırlığı azaltan daha modern ve basitleştirilmiş bir jeneratör tasarımı sağlar. Bu kompaktlık, yalnızca taşımayı ve kurulumu kolaylaştırmakla kalmaz, aynı zamanda çeşitli ortamlarda rüzgar türbinlerinin yerleştirilmesinde daha fazla esneklik sağlar. Ayrıca, jeneratörün küçültülmüş boyutu malzeme ve üretim maliyetlerinin düşmesine katkıda bulunarak KMSG 'yi rüzgar enerjisi sistemleri için uygun maliyetli bir seçenek haline getirir. Sağlamlık, KMSG teknolojisinin sunduğu bir diğer önemli avantajdır. Rotor sargılarının bulunmaması, yalıtımın bozulma riskini ve ilgili arızaları ortadan kaldırarak jeneratörün genel güvenilirliğini ve dayanıklılığını artırır. Bu özellik, açık deniz kurulumları veya aşırı hava koşullarına sahip bölgeler gibi zorlu ve zorlu ortamlarda bulunan rüzgar türbinleri için özellikle önemlidir. KMSG 'nin sağlam doğası, rüzgar türbinlerinin tutarlı bir şekilde çalışabilmesini ve zorlu koşullara dayanabilmesini sağlayarak, artan çalışma süresine ve iyileştirilmiş uzun vadeli performansa katkıda bulunur. Bu çalışmanın ilk bölümü, KMSG ve kaosa genel bir bakış sunarak temel oluşturmayı amaçlamaktadır. KMSG, dönen bir manyetik alan oluşturmak için rotordaki kalıcı mıknatısları kullanan belirli bir elektrik jeneratörü türüdür. Bu benzersiz tasarım, ayrı bir uyarma sistemine olan ihtiyacı ortadan kaldırarak, geleneksel tasarımlara kıyasla daha kompakt ve verimli bir jeneratör sağlar. Kalıcı mıknatıslar kullanarak, KMSG çeşitli avantajlar sunar. İlk olarak, ayrı bir uyarma sistemine olan ihtiyacı ortadan kaldırarak jeneratörün yapısını basitleştirir ve toplam boyutunu ve ağırlığını azaltırlar. Bu kompaktlık, rüzgar türbinleri veya elektrikli araçlar gibi alanın sınırlı olduğu uygulamalarda özellikle faydalıdır. Ek olarak, KMSG'de rotor sargılarının bulunmaması, kayıpları azaltır ve aynı girdiden daha yüksek güç üretimine izin vererek genel verimliliği artırır. Ayrıca, KMSG, kaosa ilişkin dikkate değer özellikler sergiler. Kaos, doğrusal olmayan dinamik sistemlerde gözlemlenen, başlangıç koşullarına duyarlılık ve görünüşte rastgele davranışla karakterize edilen bir olguyu ifade eder. KMSG bağlamında, dönen manyetik alan, elektrik sistemi ve mekanik bileşenler arasındaki karmaşık etkileşimler nedeniyle kaos ortaya çıkabilir. KMSG 'deki kaosu anlamak çok önemlidir çünkü hem olumlu hem de olumsuz etkileri olabilir. Bir yandan, jeneratör performansını iyileştirmek için kontrollü kaostan yararlanılabilir. Kaotik davranış, manyetik alanların karışımını artırarak daha verimli güç üretimine yol açabilir. Bu fenomen, KMSG'nin tasarımını ve performansını optimize etmek için çeşitli araştırma çalışmalarında araştırılmıştır. Öte yandan, kontrolsüz veya istenmeyen kaos, jeneratörün çalışması üzerinde zararlı etkilere neden olabilir. Kaotik davranış, aşırı titreşimlere, artan gürültü seviyelerine ve hatta sistem kararsızlığına yol açabilir. Bu nedenle, KMSG'de kaosa katkıda bulunan faktörlerin araştırılması ve anlaşılması, olumsuz etkilerini azaltmak için kontrol stratejilerinin geliştirilmesini sağlamak önemlidir. Çalışmanın bu bölümü, KMSG ve kaosun temel kavramlarını keşfederek sonraki analiz için zemin hazırlar. KMSG ile kaos arasındaki ilişkiyi araştırmak için sağlam bir temel sağlayarak, araştırmacıların ve mühendislerin KMSG teknolojisinin potansiyelini daha fazla keşfetmelerine ve performansını ve güvenilirliğini optimize edecek stratejiler geliştirmelerine olanak tanır. Sonuç olarak, bu araştırma yenilenebilir enerji sistemlerinin ilerlemesine ve sürdürülebilir güç kaynaklarının elektrik şebekesine entegrasyonuna katkıda bulunmaktadır. KMSG ve kaos anlayışı üzerine inşa edilen bu çalışmanın ikinci bölümü, KMSG'de kaosun kontrolünü ele alıyor. Kaos kontrol teknikleri, kaotik sistemleri istikrara kavuşturmada ve istenen sonuçlar için benzersiz özelliklerinden yararlanmada çok önemli bir rol oynar. Bu çalışmada, iki özel kontrol yaklaşımı araştırılmıştır: her ikisi de MATLAB kullanılarak uygulanan geri beslemeli kontrol ve pasif kontrol. Geri besleme kontrolü, sistemin davranışının kendi çıkışından türetilen geri besleme sinyallerinden etkilendiği kaos kontrolünde yaygın olarak kullanılan bir yaklaşımdır. KMSG bağlamında, jeneratörün kaotik davranışını düzenlemek ve stabilize etmek için geri besleme kontrol teknikleri kullanılabilir. Jeneratörün çıkış ölçümlerine dayalı kontrol algoritmalarını dikkatli bir şekilde tasarlayarak, sistemi kaotik bölgelerden uzaklaştırmak veya istenen periyodik yörüngelere yönlendirmek mümkün hale gelir. Bu yaklaşım, jeneratörün dinamikleri üzerinde hassas kontrol sağlar ve genel performansını artırabilir. Pasif kontrol ise harici kontrol sinyallerine dayanmayan alternatif bir yaklaşımdır. Bunun yerine, kaotik davranışı bastırmak veya dengelemek için sistemin parametrelerini veya yapısını değiştirmeyi içerir. KMSG söz konusu olduğunda, pasif kontrol teknikleri, istenmeyen kaotik salınımları bastırmak ve kararlılığı iyileştirmek için jeneratörün fiziksel parametrelerini ayarlamayı veya tasarımını değiştirmeyi içerebilir. Pasif kontrol stratejileri, kararlı çalışmaya yol açan parametre aralıklarını belirlemek için genellikle çatallanma analizine ve optimizasyon tekniklerine dayanır. Dinamik sistemleri modellemek ve simüle etmek için yaygın olarak kullanılan bir hesaplama aracı olan MATLAB kullanılarak bu çalışmada hem geri beslemeli kontrol hem de pasif kontrol yaklaşımları incelenmiştir. MATLAB, kontrol algoritmaları geliştirmek, farklı kontrol senaryoları altında KMSG davranışını simüle etmek ve sonuçları analiz etmek için uygun bir platform sağlar. MATLAB'de bu kontrol yaklaşımlarını uygulayarak araştırmacılar, KMSG 'de kaosu kontrol etmede her tekniğin etkinliği ve uygulanabilirliği hakkında değerli bilgiler edinebilirler. KMSG'deki bu kontrol yaklaşımlarının araştırılması, kaos kontrolü potansiyelini ve bunun jeneratörün performansını ve istikrarını artırmaya yönelik etkilerini göstermeyi amaçlamaktadır. MATLAB simülasyonlarını kullanarak elde edilen sonuçlar, geri beslemeli kontrol ve pasif kontrol tekniklerinin kaosu bastırma ve KMSG'de kararlılığı sağlamadaki etkinliğine dair değerli bilgiler sağlayacaktır. Bu araştırmanın bulguları, yenilenebilir enerji sistemleri alanı için büyük önem taşımaktadır. Rüzgar türbini uygulamalarının ve diğer KMSG tabanlı teknolojilerin önemli bileşenleri olan kaos kontrolünün ve KMSG'deki uygulamasının anlaşılmasına katkıda bulunurlar. Bu sistemlerdeki kaosu etkin bir şekilde kontrol etme yeteneği, gelişmiş güvenilirliğe, artan güç üretim verimliliğine ve gelişmiş genel performansa yol açabilir. Bu araştırmanın çıkarımları, daha güvenilir ve verimli rüzgar türbini uygulamalarının geliştirilmesine kadar uzanır. Genellikle kaotik dinamiklerle ilişkilendirilen aşırı titreşim, gürültü ve dengesizlik gibi istenmeyen davranışları azaltmak için kaos kontrol teknikleri kullanılabilir. Bu çalışmada incelenen kontrol yaklaşımları, sistemi stabilize ederek ve onu istenen işletim rejimlerine yönlendirerek, rüzgar türbinlerinin uzun ömürlülüğüne ve etkinliğine katkıda bulunarak onları daha dayanıklı ve verimli hale getirebilir. Ayrıca, bu araştırmadan elde edilen içgörüler, rüzgar türbinlerinin ötesinde KMSG tabanlı teknolojilerin tasarımını ve optimizasyonunu sağlayabilir. KMSG, yüksek verimlilik, kompakt boyut ve sağlamlık gibi avantajlar sunduğundan, uygulamaları dalga enerjisi dönüştürücüleri ve gelgit enerjisi cihazları dahil olmak üzere çeşitli yenilenebilir enerji sistemlerine kadar uzanabilir. Araştırmacılar ve mühendisler, KMSG'de kaosun nasıl kontrol edileceğini anlayarak, bu teknolojilerin tüm potansiyelini ortaya çıkarabilir ve daha güvenilir ve verimli yenilenebilir enerji çözümlerinin geliştirilmesine yol açabilir.
Endüstriyel tesislerde alınması gereken aktif yangın güvenlik önlemleri ve bir yangın senaryosu oluşturulması
Endüstriyel tesislerde yangın güvenliği önlemleri yaşanması muhtemel bir felaketi tahmin edilebildiği kadarı ile bertaraf etmek, can ve mal kaybını en aza indirgemek hususunda büyük önem arz etmektedir. Çalışmanın amacı endüstriyel tesislerde alınması gereken aktif yangın güvenlik önlemlerini icra ederken ki süreç, hatalar ve uygulama usullerinin ele alınmasıdır. Günümüzde, endüstriyel tesislerde yapılan üretim süreçlerinin en önemli tehlikelerinin başında yangınlar gelmektedir. Yangın tehlikesinin bugüne kadar tam olarak çözülemediği de bir gerçektir. Türkiye sanayi tesislerinde önemli sayıda yangın ve patlamalar meydana gelmektedir. Bu yangınlar; ölüm ve yaralanmalara, büyük çevresel zararlara ve ekonomik olarak olağanüstü maddi kayıplara sebebiyet vermektedir. Özellikle kimya sanayi tesislerinde hammadde, ara madde, nihai ürün olarak çeşitli yanıcı ve patlayıcı kimyasal maddeler kullanıldığı için çeşitli yangın ve patlamalar meydana gelmektedir. Kimyasal madde yangınlarında ve diğer endüstriyel yangınlarda, Yangın ve patlamaların olmaması için neler yapılması gerektiği, yangına nasıl müdahale edileceği, hangi tür ekipmanlar kullanılacağı bilinmediği, personelin eğitimli olmamasından dolayı yangınlar çıkmakta ve söndürülememektedir. Endüstriyel tesislerde yangın ve patlamanın olmaması ve olması durumunda yapılması gerekenler, yönetim, tesis, personel, ekipman, yasal gereklilikler yönünden, yaşanmış olaylarla birlikte anlatılacaktır. 2018 yılında, Türkiye'de en az 436 endüstriyel yangın ve patlama gerçekleşmiştir. Bu olayların 385'i endüstriyel yangın, 51 tanesi ise endüstriyel patlamadır. Bu endüstriyel yangın ve patlamalarda en az 25 kişi hayatını kaybetmiş, 72 kişi yaralanmıştır. Yüzlerce kişi ise yangından sonra ortaya çıkan boğucu ve zehirleyici gazlardan etkilenerek tedavi görmüştür. Mesai saatleri dışında yaşanan olaylar bilançonun çok daha ağır olmasını yine engellemiştir. 2017 yılında en az 182 endüstriyel yangın ve patlama gerçekleşmişti. 2017 ve 2018 yılındaki haber kaynağı çeşitliliği farkı, yangın ve patlama sayılarının zamanla değişimi hakkında güvenilir bir yorum yapmayı güçleştirmektedir. Yangınlar ve patlamalar önüne geçilemez olaylar değildir. Uzman kişilerce, bilimsel yöntemler uygulanarak alınacak olan proses ve iş güvenliği tedbirleri ile endüstriyel yangın ve patlamaların birçoğu önlenebilir. Buna rağmen yaşanan yangın ve patlamaların insan ve çevreye olan etkileri azaltılabilir. Her endüstriyel tesisin yangın ve patlama riski farklı boyutlarda olmasına rağmen, havadaki oksijen oranının yeterli seviyelerde olduğu, yanıcı/patlayıcı malzemelerin bulunduğu tesislerin yangın çıkma potansiyeline sahip olduğunun kabul edilmesi, yangından korunma ilk adım olmalıdır. Yangın ve patlamalarla mücadelede yanıcı malzemeler ve tutuşturma kaynaklarının kontrollü kullanımı gerekmektedir. Yanıcı malzemelerin temel depolanma kurallarına uyulmaması, kıvılcım çıkaran işlerde iş izni sisteminin olmaması veya etkin olarak kullanılmaması gibi basit nedenler endüstriyel yangın ve patlamaların en önemli sebeplerindendir. Yangınların ilk 5 dakika içinde büyüdüğü için, yangınların başlangıcında yangına müdahalede geç kalındığı, etkili müdahale yapılamadığı için endüstriyel yangınlar büyümektedir. Yangını söndürmeye gelen itfaiyenin işi zorlaşmaktadır. Endüstriyel tesiste oluşacak yangınlarda, yangının yol açabileceği ısı, duman, zehirleyici gaz, boğucu gaz ve panik gibi tehlikelerin etkisini can güvenliği açısından en aza indirebilmek, makul bir zaman dilimi içerisinde kişilerin güvenli bir şekilde tahliyelerini sağlamak, özellikle izdihamı ve psikolojik stresi önlemek için mutlaka acil durum senaryoları oluşturulmalı ve acil bir durum meydana geldiğinde senaryolar otomatik olarak başlatılmalıdır. Yangın acil durum senaryolarının planlanması can ve mal kayıplarının önüne geçilmesinde en etkili yöntemlerden biridir. Ayrıca can güvenliği sağlanırken aynı zamanda bina içerisinde, dışarısında bulunan her tür malzemenin yangından en az zararla kurtarılması da sağlanmalıdır. Bu sebeple öncelikle aktif yangın güvenlik önlemleri göz önünde bulundurularak yangın ve yangın sonrası oluşabilecek olumsuz durumları minimum seviyeye indirmek yangın senaryosu ile yapılabilecektir. Yangında göz ardı edilen yangın sonrası çıktıların (Duman, zehirleyici gaz, karbon monoksit... vb.) ve kalıcı iz bırakması muhtemel psikolojik ve sosyal etkilerinde ele alınıp detaylıca incelenmesi çalışmanın konusunun bir kısmını oluşturmaktadır. Yangına maruziyetin olduğu durumda acil durum senaryolarının uygulanması, uygulamadaki olası hataların en aza indirgenmesi hedeflenmiştir. Aktif ve pasif yangın güvenlik önlemlerinin mevzuat ve ilgili yönetmeliklere uygunluğu göz önünde bulundurularak yangın senaryosunun icra edilmesinin sağlanması ana amaçlardan biridir. Mevcut yangın senaryolarında yangın önlemleri gözlemlenmiş olup geliştirilmeye ihtiyaç duyulduğu tespit edilmiştir. Buna istinaden sektöre özel lokal senaryoların geliştirilmesi ve mevcut senaryolarının tatbik edilmesinin kolaylaştırılması hususunda öneriler sunulması, çalışanların minimum hasarla acil durumu atlatması, yangın öncesi ve sonrasında alınması ve yapılması gereken önlem ve tedbirlerin gerekli ve güvenli şekilde alınabilmesi amaçlanmıştır. Acil durum senaryoları sektörün ihtiyacına göre revize edilip uygulanabilir ve sürdürülebilir olması gerekmektedir. Buna istinaden acil durum ekiplerinin oluşturulması, ekip lideri eşliğinde ve uzman eğitmenler desteğiyle ihtiyaç duyulacak tüm eğitimlerin verilmesi sağlanacaktır. Eğitim sırasında katılımcıların ilerleme aşamaları kayıt altına alınıp bir üst eğitime geçerken sınava tabi tutulacaklardır. Standardize edilmiş veri toplama araçlarının kullanımı ön planda tutulacaktır. Toplanan verilerin analizi verilerin sayısal göstergelere aktarılması tarafsız ve nesnel bir şekilde sonuçlandırılacaktır. Çalışmanın araştırma konusu olan "Endüstriyel Tesislerinde Alınması Gereken Aktif Yangın Güvenlik Önlemleri ve Bir Yangın Senaryosu Oluşturulması" yangın senaryoları oluşturma işinin avantaj ve dezavantajları analiz edilip en verimli olan sonuç tatbik edilecektir. Mukayeseler sonucunda ortaya çıkan verilerin ve gelişmelerin doğruluk ve fayda dereceleri tespit edilip çalışmanın sonuç kısmı kaleme alınacaktır. Bu çalışmada, Tekirdağ ilinde bulunan muhtelif fabrikalar ve çalışanları arasında bir anket çalışması yapılarak yangın güvenliği bilinci ve farkındalığı ölçülmüş, toplanan verilerin analizi, sayısal göstergelere aktarılması sağlanmış ve öneriler sunulmuştur. Yangın güvenliği eğitimleri yetkili eğitmenler tarafından iki aşamada icra edilip uygulama kısmında ekipler oluşturulacak ve izinler dahilinde video kaydına alınacaktır. Eğitim sonrası bahsi geçen eğitim videoları verilecek eğitimin kalitesini geliştirmek, bireyler üzerindeki etkisini arttırmak ve muhtemel ortak hataları bulup ıslah etme hususunda fayda sağlayacaktır. Yerinde keşif sonrası tatbik edilen yangın güvenliği eğitimleri ihtimal dahilindeki senaryolarla güçlendirilecek ve yangın farkındalığını oluşumuna marjinal faydayı sağlayacaktır.
Elektrik pano yangınlarına karşı nesnelerin interneti destekli algılama sisteminin geliştirilmesi
Bu çalışma, elektrik panolarındaki yangın güvenliği konusuna odaklanmaktadır. Nesnelerin İnterneti (Internet of Things - IoT) ve Makine Öğrenimi (Machine Learning - ML) teknolojilerinin entegrasyonu yoluyla elektrik panolarına yönelik yangın güvenliği önlemlerinin nasıl geliştirilebileceği üzerine çalışılmıştır. Elektrik panolarındaki yangın güvenliği önlemlerinin etkinliğini artırmak amacıyla gerçekleştirilen çalışmalar kapsamlı bir şekilde irdelenmiştir. Araştırma bulguları, yangınların büyük bir kısmının elektrik arızalarından kaynaklandığını ortaya koymuştur. Özellikle gevşek bağlantılar, aşırı yüklenme, izolasyon hataları ve diğer teknik arızalar, yangınların başlıca çıkış noktaları arasında yer almaktadır. Yangın algılama sistemlerinin gelişimi, yangına dayanıklı malzemelerin kullanımı, düzenli bakım ve denetim prosedürleri, kanunlar, yönetmelikler ve standartlar tarafından kesin sonuçlara bağlanmıştır. Fakat günümüzde hala elektrik panolarında çıkan yangınlar sebepli can kayıplı ve maddi hasarlı birçok vaka yaşanmaktadır. Yeni nesil teknolojiler ve kestirimci bakım yöntemleri, yangın riskini azaltmada öne çıkan stratejilerdir. Kızılötesi tarama ve termal izleme teknikleri, özellikle erken yangın tespiti ve arızalanma risklerini minimize etmede etkili olmaktadır. Bu bağlamda, elektrik panolarında yangın güvenliği üzerine potansiyel iyileştirme alanları tespit edilmiştir. Elektrik panoları yangın güvenliğini artırmak için nesnelerin interneti (IoT) ve makine öğrenmesi (ML) modelleri ile yeni bir yaklaşım üzerinde durulmuş, yangın meydana gelmeden koşulların izlenmesine imkân veren program geliştirilmiştir. Ayrıca, bu program, yapılan deneylerin anlık olarak izlenmesini ve sonuçların raporlanmasını sağlamıştır. Deneylerde Arduino Mega ve Raspberry Pi cihazları verileri toplamıştır. Toplanan veriler pano ortam sıcaklığı, pano ortam nemi, karbonmonoksit, karbondioksit, hidrokarbon gazlarını, voltaj, akım, parametrelerini ve kablo odak sıcaklığı, dış ortam sıcaklığını, dış ortam nemini içermektedir. Çalışmada toplam 21 deney tamamlamış, 7 deneyde yanma ve yangın meydana gelmiştir. Ayrıca deneylerden 3521 satır x 11 sütun gerçek veri elde edilmiş ve bunlardan 3478 satır ve 9 sütunu ML algoritmalarında kullanılmıştır. Kullanılan ML algoritmaları denetimli öğrenme yönteminden olan, karar ağacı (KA), ikili lojistik regresyon, Gaussian Naive Bayes (GNB), Gaussian Destek Vektör Makinesi (SVM) ve K-En yakın komşu (KNN) yöntemidir. Her bir algoritma 5-katlı çapraz doğrulama yöntemiyle değerlendirilmiştir. Çalışmadan elde edilen, farklı modellerin test performansları şu şekilde ölçülmüştür. Karar ağacı (ince ağaç) modeli %98.7 doğruluk oranı ile yüksek bir performans sergilemiştir. İkili lojistik regresyon modeli %95.3, GNB modeli %91.2 doğruluk oranı ile değerlendirilmiştir. Öte yandan, Gaussian SVM ve KNN yöntemleri her ikisi de %99.3 doğruluk oranı ile en yüksek performansı gösteren modeller olmuştur. Sonuç olarak, bu tez IoT ve ML teknolojilerinin, elektrik panolarında yangın güvenliğini artırmak ve yangın risklerini azaltmak için yapılmıştır. Geliştirilen sistemler, endüstriyel tesislerde yangın güvenliği yönetimini iyileştiren yenilikçi çözümler sunmakta ve yangın öncesi risk değerlendirmeleri yaparak erken müdahale olanaklarını artırmaktadır. Bu bütünleşik yaklaşım, yangın algılama ve müdahale süreçlerinde önemli gelişmelere yol açarak, can ve mal kaybını minimize etmede büyük rol üstlenebilir.
Akıllı şebekelerde makine öğrenmesi teknikleriyle kısa dönem rüzgâr hızı tahmini: Kocaeli-Türkiye örneği
Dünya genelinde enerji talebinin artışı, mevcut kapasitelerin yetersiz kalmasına neden olmakta ve bu talebi geleneksel yöntemlerle karşılamak mümkün olmamaktadır. Bu durum, küresel ölçekte yenilenebilir enerji kaynaklarından güç üretimine yönelimi teşvik etmektedir. Yenilenebilir enerji kaynakları, kirlilikten arındırılmış enerji üretim kapasiteleri nedeniyle giderek daha fazla ilgi görmektedir. Son yıllarda, rüzgâr enerjisi yenilenebilir, sürdürülebilir ve çevre dostu bir enerji kaynağı olarak öne çıkmış ve enerji sistemlerinde en etkili yenilenebilir enerji kaynağı olarak kabul edilmektedir. Rüzgâr enerjisinin geleceği umut verici görünmekle birlikte, başlangıç maliyetleri ve rüzgârın öngörülemeyen ve stokastik doğası, bu enerjinin elektrik şebekesine entegrasyonunu zorlaştırmaktadır. Bu tezde, rüzgâr hızı tahmini problemi ele alınmış ve bu problemi çözmek için doğru bir öngörü yöntemi kullanılması gerektiği vurgulanmıştır. Etkili rüzgâr hızı tahmin yöntemleri, rüzgâr enerjisinin karşılaştığı zorlukların üstesinden gelinmesine yardımcı olmaktadır. Tezin amacı, özellikle ulusal bir şebeke içinde kısa vadeli tahminler için yapay sinir ağı modellerini incelemektir. Bu çalışmada, Kocaeli-Türkiye'deki Kandıra rüzgâr çiftliğinden elde edilen veri seti kullanılarak kısa vadeli rüzgâr hızı tahminleri yapılmış ve bu amaçla Doğrusal Olmayan Otoregresif Sinir Ağı (DOOSA), Dış Girdili Doğrusal Olmayan Ototetkisel Sinir Ağı (DODGOSA) ve Kapılı Tekrarlayan Birim (KTB) modelleri kullanılmıştır. Bu modellerin performansları diğer veri tabanlı yöntemlerle karşılaştırılmıştır. Tezin odak noktası, mevcut DOOSA modelinin, gerçek verilerle farklı sayılardaki gizli katman nöronları, gecikmeler ve eğitim fonksiyonları kullanılarak modelin hiperparametrelerinin iyileştirilmesi üzerinedir. Performans ölçütleri olarak ortalama kare hatası (MSE) ve belirleme katsayısı (R²) kullanılmıştır. Sonuçlar, DOOSA modelinin hiperparametre optimizasyonu ile rüzgâr hızı tahmin performansını artırdığını göstermektedir. Önerilen DOOSA modeli, dışsal girdilerle zenginleştirilmiş versiyonu olan DODGOSA (Dışsal Girdili Doğrusal Olmayan Otoregresif Sinir Ağı) ile karşılaştırılmıştır. Sonuçlar, DOOSA'nin DODGOSA'ya kıyasla benzer performans sergilediğini ve daha kısa sürede çalıştığını ortaya koymuştur. Ayrıca, öğrenme algoritmaları karşılaştırılmış ve Bayesian Regularization (BR) algoritmasının en iyi öğrenme algoritması olduğu belirlenmiştir. Ancak, Levenberg-Marquardt (LM) algoritmasının çok daha hızlı yürütüldüğü ve BR'ye yakın sonuçlar sağladığı görülmüştür. Çalışma sonuçları, modeller arasında farklı performans metriklerine dayalı bir ödünleşim olduğunu ortaya koymaktadır. GRU modeli, 0.00722 ile en düşük MSE değerine ulaşarak hata minimizasyonunda üstün bir doğruluk sergilemiştir. Bununla birlikte, DOOSA modeli, KTB modelini geride bırakarak, 0.756'lık GRU R² değerine kıyasla 0.886'lık bir R² değeri elde etmiştir. DODGOSA modeli ise 0.2253'lük bir MSE ve 0.904'lük bir R² değeri üretmiş; bu durum, modelin R² açısından iyi performans gösterdiğini ancak KTB modeline kıyasla daha yüksek bir hata oranına sahip olduğunu göstermektedir. Bu bulgular, KTB modelinin tahmin hatasını minimize etmede son derece etkili olduğunu, ancak DOOSA modelinin rüzgâr hızı verilerindeki değişkenliği daha iyi yakalayabildiğini ve bu nedenle akıllı şebekelerdeki belirli tahmin uygulamaları için güçlü bir aday olabileceğini önermektedir. Özellikle, yeni veri seti ve kullanılan hiperparametreler, bu modelin etkinliğini ortaya koymaktadır.
Elektrik güç sistemlerinde ferrorezonans analizi yapay zeka tabanlı tespit ve matlab simülasyonu
Ferrorezonans, yüksek gerilimli elektrik güç sistemlerinde meydana gelebilecek karmaşık ve potansiyel olarak tehlikeli bir fenomendir. Genellikle, trafolar, kondansatörler ve anahtarlar gibi sistemin doğrusal olmayan bileşenlerinin etkileşimi ile ilişkilidir ve sistemin bileşenleri belirli frekansta rezonansa girdiğinde ortaya çıkar. Ferrorezonans, aniden yük değişiklikleri, arızalar veya anahtarlama işlemleri gibi belirli koşulların tetiklemesiyle başlar ve bunun sonucunda anormal gerilim ve akım salınımları meydana gelir. Bu salınımlar, elektrikli ekipmanlara ciddi zararlar verebilir, güç tedarikini kesebilir ve onarım maliyetleri, duruş süreleri ve sistem arızaları nedeniyle finansal kayıplara yol açabilir. Ferrorezonansın öngörülemezliği, geleneksel koruma sistemleri için bir zorluk oluşturur ve bu olayı gerçek zamanlı olarak tespit etmek ve önlemek zordur. Ferrorezonansın etkileri, trafolar ve kondansatörler gibi önemli elektrikli bileşenlere kalıcı zararlar verebilecek yüksek gerilim zirveleri ve bozulmuş akım dalgaları olarak kendini gösterir. Bu etkiler genellikle öngörülemezdir ve uzun süre devam edebilir, bu da güç şebekesine yönelik riskleri daha da artırır. Ferrorezonans meydana geldiğinde, izolasyon arızaları, ekipman aşırı ısınması ve hatta trafoların ve diğer kritik altyapıların felakete uğraması gibi felaket sonuçları doğurabilir. Ferrorezonansın neden olduğu zararlı elektriksel dalgalanmalar, sistem genelinde yayılabilir ve yakınlardaki trafolara etki ederek geniş çaplı elektrik kesintilerine yol açabilir. Böyle olaylar güç kaybı, ekipman arızası, uzun kurtarma süreleri ve büyük finansal kayıplara neden olabilir. Bu nedenle, ferrorezonansın doğru bir şekilde tespit edilmesi ve önlenmesi, güç sistemlerinin güvenilir bir şekilde çalışabilmesi için çok önemlidir. Gelişmiş tespit tekniklerinin geliştirilmesi, ferrorezonansın etkisini azaltmaya ve güç şebekelerinin dayanıklılığını artırmaya yardımcı olabilir. Geleneksel ferrorezonans tespit yöntemleri genellikle frekans analizi, zaman alanı simülasyonları ve sistem modelleme gibi tekniklere dayanır. Ancak, bu yöntemler genellikle gerçek zamanlı tespit açısından yetersiz kalır, çünkü yüksek hesaplama gereksinimleri vardır ve güç sistemlerinin dinamik doğasını hesaba katmak için esneklikten yoksundurlar. Ayrıca, geleneksel yaklaşımlar zamanında uyarılar sağlamayabilir, bu da müdahale gecikmelerine ve ekipmanlara daha fazla zarar verilmesine yol açabilir. Buna karşılık, yapay zeka (YZ) tabanlı teknikler, makine öğrenmesi (ML), derin öğrenme ve zaman serisi analizi gibi yöntemler, ferrorezonansı daha doğru ve hızlı bir şekilde tespit etmek için umut verici alternatifler sunmaktadır. YZ tabanlı yöntemler, sistem verilerindeki desenleri ve anormallikleri analiz ederek ferrorezonansın başlangıcını tahmin edebilir ve potansiyel arızalar için erken uyarılar sağlayabilir. Bu yaklaşımlar, tespit hızını artırmanın yanı sıra, olaylara daha hızlı yanıt verilmesini sağlayarak maliyetleri ve duruş sürelerini de azaltır. Tespit sürecini otomatikleştirerek, YZ tabanlı izleme sistemleri manuel müdahalelere olan bağımlılığı azaltır ve güç sistemlerinin genel verimliliğini ve güvenilirliğini artırır. Bu çalışma, ferrorezonans olaylarını tespit etmek ve analiz etmek için üç farklı YZ tabanlı tekniğin kullanımını incelemektedir: K-En Yakın Komşular (KNN), Destek Vektör Makineleri (SVM) ve Uzun Kısa Süreli Bellek (LSTM) ağları. Bu teknikler, ferrorezonans tespiti ile ilgili farklı yönleri ele almak ve zaman serisi verileri için uygunlukları nedeniyle seçilmiştir. Çalışmanın amacı, her makine öğrenmesi modelinin gerçek zamanlı gerilim ve akım ölçümleri temelinde ferrorezonans olaylarını tespit etme performansını değerlendirmektir. Bu çalışmada kullanılan veri seti, normal ve ferrorezonans koşullarını temsil eden simüle edilmiş güç sistemi verilerini içermektedir ve her model için eğitim ve test setlerine ayrılmıştır. Simüle edilmiş veri kullanımı, modellerin çeşitli ferrorezonans senaryolarında eğitilmesi ve test edilmesi için kontrollü deneyler yapılmasını sağlamaktadır, bu da etkinliklerinin kapsamlı bir şekilde değerlendirilmesini garanti eder. Ayrıca, veri artırma teknikleri uygulanarak modellerin sağlamlığı artırılmış ve farklı senaryolarda genelleme yapma yetenekleri geliştirilmiştir. KNN, küçük ve orta ölçekli veri setleri üzerinde etkili olan basit ancak güçlü bir sınıflandırma algoritması olduğu için seçilmiştir. KNN, veri noktalarını yakınlarındaki diğer veri noktalarına göre sınıflandırır, bu da onu güç sistemi verilerindeki desenleri tespit etmek için uygun hale getirir. Ancak, KNN'nin hesaplama karmaşıklığı veri setinin büyüklüğü arttıkça artar, bu da büyük veri setleri için ölçeklenebilirliğini sınırlayabilir. SVM ise, doğrusal olmayan verileri sınıflandırabilme yeteneği ve karmaşık sınıflandırma görevlerinde doğruluğu ile seçilmiştir. SVM, veri noktalarını ayrıştıran hiper düzlemler oluşturur ve karmaşık ferrorezonans desenlerinde doğrusal olmayan karar sınırlarını işlemek için özellikle etkilidir. SVM, doğrusal olmayan karar sınırlarını işleyebilmesi sayesinde zorlu senaryolarda bile ferrorezonans olaylarını doğru bir şekilde sınıflandırmıştır. LSTM ağı ise, ferrorezonans olaylarının dinamik ve sıralı doğasını modellemek için kullanılmıştır, özellikle zaman serisi verileri için idealdir. LSTM ağları, sıralı verilerde uzun vadeli bağımlılıkları öğrenebilme yeteneğine sahip olup, ferrorezonans olaylarının zaman içindeki dinamiklerini modelleyerek potansiyel arızaların erken uyarılarını sağlar. Her modelin performansı, doğruluk, hassasiyet, hatırlama ve F1 puanı gibi çeşitli metriklerle değerlendirilmiştir. Sonuçlar, KNN'nin küçük veri setlerinde iyi performans gösterdiğini ve ferrorezonans olaylarını yüksek doğrulukla tespit ettiğini göstermiştir. Ancak, veri seti büyüdükçe KNN'nin hesaplama karmaşıklığı bir sınırlama haline gelmiş ve verimliliğini azaltmıştır. SVM ise, daha büyük ve daha karmaşık veri setlerinde üstün performans sergileyerek yüksek doğruluk ve sağlam sınıflandırma yetenekleri sunmuştur. SVM, doğrusal olmayan karar sınırlarını işleme yeteneği sayesinde zorlu senaryolarda bile ferrorezonans olaylarını doğru bir şekilde sınıflandırmıştır. LSTM ağları ise, zaman serisi verilerinde ferrorezonans olaylarını tespit etmede hem KNN hem de SVM'den daha iyi performans göstermiştir. LSTM, verilerdeki uzun vadeli bağımlılıkları ve desenleri yakalayarak, ferrorezonans olayları kritik hale gelmeden önce erken uyarı sinyalleri sağlamıştır. Ferrorezonansın zaman içindeki dinamiklerini modelleme yeteneği, LSTM'yi güç sistemlerinin gerçek zamanlı izlenmesi için değerli bir araç yapmıştır. Bu bulgular, YZ tabanlı yaklaşımların, güç sistemlerinde ferrorezonans tespitini iyileştirme potansiyelini doğrulamaktadır. Sonuçlar, özellikle LSTM'nin, geleneksel yöntemlere göre ferrorezonans olaylarını daha doğru ve verimli bir şekilde tespit xxi edebileceğini ve operatörler için değerli gerçek zamanlı uyarılar sağlayabileceğini göstermektedir. Bu olayların erken tespiti, ekipman hasarını ve sistem kesintilerini önemli ölçüde azaltabilir. Gelecekteki araştırmalar, veri setini gerçek dünya ölçümleri ile genişletmeyi ve tespit doğruluğunu daha da artırmak için ek YZ modellerini keşfetmeyi hedefleyebilir. YZ teknikleri gelişmeye devam ettikçe, ferrorezonans olaylarının güç sistemlerine olan etkilerini azaltmada kritik bir rol oynamaları, sistem güvenilirliğini artırmaları ve daha proaktif bakım stratejilerini mümkün kılmaları beklenmektedir. YZ tabanlı izleme sistemlerinin güç şebekelerine entegrasyonu, tespit sürecini otomatikleştirerek manuel müdahalelere olan bağımlılığı azaltacak ve potansiyel ferrorezonans olaylarına daha hızlı yanıt verilmesini sağlayacaktır. Ayrıca, bu sistemler yeni verilerden sürekli olarak öğrenebilir ve zamanla performanslarını iyileştirebilirler. YZ alanı ilerledikçe, daha sofistike modeller ve teknikler ortaya çıkacak, bu da ferrorezonansı tespit etme ve hafifletme yeteneğini daha da geliştirecek ve nihayetinde daha dayanıklı ve verimli güç sistemlerine yol açacaktır.
Memristör tabanlı hiperkaotik Lorenz sisteminin kontrol yöntemleri ile karşılaştırılması
Bu çalışma, memristörlerin ve kaotik sistemlerin kapsamlı bir incelemesini sunarak, memristör tabanlı hiperkaotik Lorenz sistemini teorik olarak inceleyerek önemli katkılar sağlamayı amaçlamaktadır. Memristörler, elektriksel dirençleri akım ve gerilime bağlantılı olarak değişen ve bu bilgiyi kalıcı olarak saklayabilen devre elemanları olarak, bilgi depolama ve işleme teknolojilerinde devrim yaratma potansiyeline sahiptir. Çalışmada, memristörlerin çeşitli modelleri, üretim yöntemleri ve makro modelleri incelenirken, bununla beraber bu teknolojilerin matematiksel temellerini ve uygulama alanlarını da incelemektedir. Kaotik sistemler üzerindeki araştırmalar, hem bilinçli hem de tesadüfi olarak uzun yıllar boyunca devam etmektedir. 1890 yılında Henri Poincaré, sade dinamik kuralların kompleks ve rastgele görünümler sergileyebileceğini keşfetmiştir. Bu gözlemi kaos olarak adlandırmamış olsa da, modern kaos teorisinin temellerini atmıştır. Kaotik sistemler, küçük başlangıç koşulu değişikliklerinin büyük, öngörülemez sonuçlara yol açtığı dinamik sistemlerdir. Kaotik sistemlerin incelenmesinde, kararlılık analizi önemli bir rol oynar. Ancak, bir sistemin kaotik olup olmadığını belirlemek için yalnızca kararlılık analizi yeterli değildir. Kaotik sistemler, düzensiz ve öngörülemez davranışlar sergileyebilir, bu yüzden bu sistemlerin dinamiklerini tam olarak anlamak için Lyapunov üst sınırları gibi diğer analiz yöntemlerine de başvurulması gereklidir. Lyapunov üst sınırları, bir sistemin başlangıç koşullarına duyarlılığını ve zamanla nasıl geliştiğini belirlemeye yardımcı olur. Hiperkaos kavramı, ilk kez 1979 yılında Otto E. Rössler tarafından önerilen bir sistem ile literatüre kazandırılmıştır. Hiperkaotik sistemler, daha karmaşık yapıları ve öngörülmesi zor davranışları nedeniyle bilim insanlarının ilgisini çekmektedir. Rössler 1979 yılındaki çalışmasında, 3 boyutlu sistemlerin yanı sıra, 4 boyutlu bir kaotik sistem geliştirmiştir. Bu sistem, diğer kaotik sistemlere kıyasla daha karmaşık bir dinamik davranış sergilediği gözlemlenmiştir. Karmaşık dinamiklerin incelenmesinde sıkça başvurulan Lorenz sistemi, hiperkaotik davranış sergileyen pek çok sistemin temelini oluşturur. Farklı boyutlarda ve özelliklerde sayısız Lorenz benzeri sistemler literatürde yerini almıştır. Ele alınan memristör tabanlı hiperkaotik Lorenz sisteminin farklı kontrol yöntemleri ile simülasyonları gerçekleştirilmiştir. Bu çalışma, memristör tabanlı hiperkaotik Lorenz sisteminin; pasif, aktif ve kayan kipli kontrol metodları kullanarak senkronizasyonunu sağlamayı ve kullanılan metodların birbirleri arasındaki avantajları ve dezavantajları ile performansları hakkında bilgi sunmayı hedeflemektedir. Simülasyon sonuçları analiz edildiğinde memristör tabanlı hiperkaotik Lorenz sisteminin senkronizasyonunda kullanılan metodlar içinde kayan kipli kontrol metodunun, pasif kontrol metodu ile aktif kontrol metodundan oturma süreleri açısından daha iyi sonuçlar elde edildiği görülmüştür.
Nükleer santrallerde yangın güvenlik sistemlerinin analizi ve geliştirilmesine yönelik öneriler
Ülkemizde ve dünyada çoğalan nüfus ile birlikte enerji ihtiyacı sürekli artmakta ve tüm dünyada olduğu gibi ülkemizde de, artan enerji ihtiyacını karşılamak amacıyla farklı çözüm yolları arayışı içine girilmektedir. Çevreye zarar verme oranının az olması, genellikle kaynaklarının doğal olması, daha önemlisi hükümetlerin teşvikleri nedeniyle içinde bulunduğumuz dönemde yenilenebilir enerji kaynaklarının, elektrik üretimindeki oranı tüm dünyada hızla artmaktadır. En yaygın kullanılan yenilenebilir enerji kaynağı güneştir. Güneş enerjisinden elektrik üretimi yenilenebilir enerji kaynaklarından elektrik enerjisi üretiminde en yaygın ve en çok tercih edilen yöntemlerdendir. Tüm dünyada 40'tan fazla ülkede güneş enerjisinden elektrik üretimi yatırımları için teşvikler kanunlaştırılması da bu yöntem ile elektrik üretiminin en büyük paya sahip olmasında önemli bir etken olmuştur. Bu çalışmada NGS'de gerçekleşen zincirleme reaksiyon sonucu açığa çıkan enerji kontrol altında tutulamadığı durumlarda ne gibi sonuçlar ile karşılaşılabileceği incelenmiş, yeni kurulacak NGS'ler için referans olabilecek sonuçlar nicel hesaplamalar ile verilmiştir. Fukuşima Daiichi NGS'de meydana gelen olay her ne kadar tsunami dalgalarının tahminlerin üzerinde oluştuğu yönünde kamuoyunda bilinse de yapılan hesaplamalarda çıkan sonuçlar, tahminler ve hesaplamalar dışında H2O moleküllerinin hidrolizine sebep olarak patlamaya neden olan H2 gazının açığa çıkmasına sebep olduğunu göstermektedir. Patlama yaşanmaması için tasarlanan havalandırma sistemleri yanlış öngörüler nedeniyle yeterli kapasitede olmadığından havadan çok hafif olan H2 gazı üst kısımlarda birikmiş, patlama olayının gerçekleşmesi için gerekli olan tüm şartlar meydan gelmiş, sonuç olarak yaşanan patlama sonrası güvenlik sistemlerinin hasar görüp işlevini yitirmesi nedeni ile yakıt çubukları aşırı ısınmaya devam etmiş ve çevreye radyasyon yayılmış, sonuçları önlenemeyen ulusal ve uluslar arası güvenlik sorunları ile karşı karşıya kalınmıştır. Bu çalışmada meydana gelen durumun aslında önlenebilir bir kaza olduğu, kurulum aşamasında yapılan hesaplama hatalarının bu sonuçları ortaya çıkardığı nicel veriler ve hesaplamalar ile ortaya konmuştur.
Endüstriyel tesislerde aydınlık düzeyi kontrolü ile aydınlatma otomasyonu ve bir örnek uygulama
Bu çalışma altı ana bölümden meydana gelmiştir. Birinci bölümünde, çalışmanın amacı, önemi, varsayımları, sınırlılıkları ve yöntemi üzerinde durulmuştur. Aynı zamanda, bölümler bazında çalışmanın içeriğinden de bahsedilmiştir. İkinci bölümünde, kaynak araştırmasına yer verilmiştir. Aydınlatmanın tanımı, aydınlık düzeyi ve aydınlatma türlerinden bahsedilerek, geçmişten günümüze akıllı aydınlatma sistemleri kronolojik manada irdelenmiştir. Bunun yanında LED teknolojisi, türleri, teknik özellikleri, verimliliği, enerji tasarrufu avantajları ve dezavantajları sıralanmıştır. Üçüncü bölüm de ise nesnelerin interneti-aydınlatma kontrolü güncel teknolojik gelişmeler kapsamında incelenmiş ve geldiği nokta vurgulanmıştır. Burada otomatik kontrolü sağlayan; zaman anahtarlayıcılar, hareket algılayıcı sensörler ve gün ışığı sensörlerinden bahsedilmiştir. Aydınlık düzeyi kontrolü ele alınırken enerji etkin aydınlatma sistemlerine ilişkin yapı ve işleyiş, aydınlatma kontrol sistemleri ve güncel uygulamalara değinilmiştir. Dördüncü bölümde ele alınan deponun devreye alınmadan önce takip edilen algoritmadan ve aşamalarından bahsedilmiştir. Endüstriyel Aydınlatma, ekipman, tasarım kriterleri, kullanılan yazılım ve programlama mantığı hakkında bilgiler verilmiştir. Beşinci bölümde; devreye alındıktan sonra Kalite Yönetim Sistemleri kapsamında; İSG, Çevre ve Enerji Yönetim Sistemleri bakımından değerlendirmeye alınmıştır. Enerji tasarrufunun yanında, bakım, arıza ve işletme yöntemleri açısından da kolaylıklarından bahsedilmiştir. Tasarım öncesi ve sonrası geri dönüşüm, analiz ve örnekleme çalışmalarına yer verilmiştir. Amortisman hesabı ve enerji verimliliği ortaya konularak iyileştirme ve öneriler yapılmıştır. Altıncı bölümünde, hedeflenenler, literatüre katkısı, ortaya çıkan neticeler ve sonuçlardan bahsedilmiştir. Örnek uygulama ile varılan sayısal ve görsel sonuçlar ile ilgili değerlendirmeler yapılmıştır.