Akıllı elektrık şebekeleri için derin öğrenme kullanarak elektrikli ev aletlerinin sınıflandırması

Akıllı elektrik şebekelerinde (smart grid) enerji talep tarafı yönetiminin (TTY) başarılı bir şekilde uygulanmasının temel koşullarından biri elektrik yük izleme sistemi ile farklı yüklerinin izlemesidir. Enerji ve sürdürülebilirlik sorunları, veri madenciliği ve makine öğrenmesi yaklaşımları kullanılarak ele alınabilecek çok sayıda sorunu beraberinde getirmektedir, Ancak, kamuya açık veri kümelerinin bulunmamasından dolayı bu tür problemlerin çözümü yavaş olmuştur. Bu çalışmada, önce verimli bir Enerji Ayrıştırma (energy disaggregation) modeli tasarlanmış ve Konutsal Enerji Ayrıştırma Veri Kümesi (REDD) adı verilen kamuya açık ortak kriter (benchmark) verilerine ve başarı metriklerine dayanarak model değerlendirmesi yapılmıştır, daha sonra akıllı şebekede cihaz sınıflandırma araştırmalarını ilerletmeyi hedefleyen ve ev elektriği kullanım verilerini içeren Türkiye Elektrikli Ev Aletleri Veri Seti (TEEAVS) adı verdiğimiz bir veri kümesi sunulmuştur. Ayrıca, bu çalışmada TEEAVS ile önerilen cihaz sınıflandırıcı modeli eğitilmiş ve performans değerlendirmesi yapılmıştır. Yapılan bu değerlendirmenin başarısı REDD veri seti ile yapılan performans testi ile doğrulanmıştır. Bu tezde veri toplamak için akım sensörleri ve Node-Red yazılım kurulumları ile Nesnelerin İnterneti (IoT) mimarisi kurulmuştur.