Mikro şebekelerde enerji verimliliğini artırmak amacıyla elektriksel yüklerin sınıflandırılması

Gelişen teknoloji ve artan küresel nüfusa bağlı olarak enerji, hayatın her alanında temel ihtiyaç haline gelmiştir. İnsanoğlunun enerjiyi kullanırken yaptığı tercihler hem çevreyi hem de canlıların yaşamını etkileyecek kadar önemlidir. Prizde bırakılan telefon şarj cihazı, tasarruf özelliği olmayan lambaların ve elektronik aletlerin kullanım tercihi, hatta açık bırakılan buzdolabı kapısı bile gereksiz elektrik tüketimine sebebiyet verdiğinden dünyanın doğal dengesinin bozulmasına neden olmaktadır. Gereksiz enerji sarfiyatı, başta iklim değişimi olmak üzere küresel ısınma ve toprağın verimsizleşmesi gibi pek çok sorunu beraberinde getirmektedir. Çevreye zararlı enerji üretimini azaltmak için sürdürülebilir ve yenilenebilir enerji kaynaklarının yanında enerji tasarrufu da önemli bir rol oynamaktadır. Enerji verimliliği, aynı işlevi yerine getirmek için daha az enerji gerektiren yöntem ve tekniklerin kullanılmasıdır. Bu tanımdan yola çıkarak denilebilir ki enerji verimliliği ve enerji tasarrufu kavramları arasında sıkı bir bağ vardır. Bina sakinlerinin enerjiyi verimli kullanmaları ve enerjide tasarruf yapmaları için, evlerde ve ofislerde sıklıkla kullanılan cihazları yakından tanımaları gerekmektedir. Güç tüketim karakteristiği tespit edilen tüketim cihazlarında enerji yönetimi kolaylaşmaktadır. Bu çalışmada, elektrik enerjisinin daha verimli kullanılabilmesi için evlerde ve ofislerde sıklıkla kullanılan 5 adet elektrikli cihaz seçilip tüketim karakteristiklerine göre sınıflandırılmıştır. Deneysel çalışmalarda, tüketim tarafında yer alan vantilatör, elektrikli çaydanlık, monitör, dizüstü bilgisayar ve yazıcının aktif ve reaktif güç tüketimleri ile akım ve gerilim harmonikleri referans alınmıştır. Ölçüm aleti olarak Hioki PW3198 güç analizörü kullanılmış ve her bir cihazdan 15 adet sinyal örneği alınmıştır. Seçilen beş cihazın farklı çalışma varyasyonları göz önüne alınarak otuz bir adet sınıf belirlenmiştir. Her sınıfta 15 adet sinyal olmak üzere toplamda 465 sinyal örneği elde edilmiştir. Özellik matrisi çıkarımında aritmetik ortalama, ortanca değer ve standart sapma fonksiyonları ile bir boyutlu yerel ikili örüntü tekniği kullanılmıştır. Sınıflandırma için son zamanlarda yaygın olarak kullanılan makine öğrenmesi algoritmaları karşılaştırılmış ve en iyi sonuçları veren beş algoritmanın performansı analiz edilmiştir. Elde edilen sonuçlara göre %83.4 doğruluk oranı ile en yüksek doğruluk oranını veren doğrusal DVM yöntemi olmuştur. Öbür taraftan DVM tekniği 52.88 saniyelik süre ile sınıflandırmayı en kısa sürede tamamlayan ikinci algoritma olmuştur.