Enerji iletim hatlarında yapay sinir ağı tabanlı arıza sınıflandırma yöntemi

Bu tez, enerji iletim hatlarındaki arızaların tespiti amacıyla Yapay Sinir Ağı (YSA) tabanlı bir model geliştirmeyi hedeflemektedir. Çalışma kapsamında dört farklı YSA modeli oluşturulmuş ve her bir model, farklı eğitim/test oranları kullanılarak eğitilmiştir. Eğitim/test oranlarındaki çeşitlilik, modellerin doğruluk ve genelleme yeteneklerinin daha kapsamlı bir şekilde değerlendirilmesini sağlamaktadır. Modeller, açık erişimli bir veri seti ile eğitilmiş ve YSA, arıza türlerini doğru şekilde sınıflandırmak için kullanılmıştır. Eğitim sürecinde geri yayılım (backpropagation) algoritmasıyla ağ ağırlıkları optimize edilmiş; tanh ve softmax aktivasyon fonksiyonları ile arıza türlerinin tahmini gerçekleştirilmiştir. Modellerin performansları; doğruluk (accuracy), kesinlik (precision), duyarlılık (recall) ve F1 skoru gibi sınıflandırma metrikleriyle değerlendirilmiş, ayrıca karışıklık matrisi (confusion matrix) yardımıyla görselleştirilmiştir. En başarılı model olan Model 4, %99,46 doğruluk oranına ulaşmıştır. Elde edilen sonuçlar, YSA tabanlı modellerin enerji iletim hatlarındaki arıza tespitini önemli ölçüde hızlandırdığını ve geleneksel yöntemlere kıyasla daha yüksek doğruluk sağladığını göstermektedir. Bu çalışma, enerji iletim hatlarındaki arızaların erken ve doğru tespitinde yenilikçi ve etkili bir çözüm sunmaktadır.