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.