İletim hatlarında arıza yeri ve türünün geçici rejim sinyalleri ve makine öğrenme algoritmaları ile belirlenmesi

Bu tez çalışmasında, enerji iletim hatlarında oluşan kısa devre arızalarının yeri ve türünün belirlenmesi için geçici rejim dalga yayılımı temelinde farklı makine öğrenme algoritmaları kullanılmıştır. Geçici rejim durumunda alınan akım ve gerilim sinyallerine Hızlı Fourier Dönüşümü uygulanarak elde edilen spektrumdaki geçici rejim harmonik frekansları ve yürüyen dalga temelli frekans-arıza uzaklığı bağıntısı sayesinde arıza noktası tahmin edilmiştir. Arıza yeri bulma algoritması hem seri kompanzasyon bulunmayan hatlar için, hem de farklı oranda seri kompanzasyon uygulanmış hatlar için benzetim çalışmaları ile test edilmiştir. Arıza türünü belirlemek için ise kısa devre sırasında örneklenen bir periyot uzunluğundaki hat akımlarının etkin değerleri, bu etkin değerlerin birbirlerine oranları, hat akımlarına modal dönüşüm uygulanması sonrası elde edilen modal bileşenlerinin etkin değerleri ve bu etkin değerlerinin birbirlerine oranları kullanılmış ve gerekli sınıflandırma özellikleri elde edilmiştir. Bu özellikler birçok farklı makine öğrenme algoritması ile kullanılarak arıza türleri sınıflandırılmıştır. Alternative Transients Program-ATP/EMTP iletim hatlarını modellemek ve arıza durumundaki geçici rejim sinyallerini elde etmek için kullanılırken, arıza yeri ve türü tespiti için gerekli algoritmalar MATLAB ortamında geliştirilmiştir. Arıza sınıflandırmasında kullanılan birçok makine öğrenme algoritması için ise WEKA programı kullanılmıştır. Çalışma sonucunda, sadece hat fiziksel özellikleri veya elektriksel parametreleri ile kaynak endüktans değerinin bilinmesi ile arıza yerinin ve arıza türünün bulunabildiği görülmüştür. Yayılan dalgaların kaynak endüktansından etkilenmemesi için arıza yerinin belirlenmesinde kompanze edilmemiş hat için Aşırı Öğrenme Makinesinin regresyon özelliği kullanılmış, seri kompanzasyon uygulanmış iletim hattı için ise Dalga Formu Gevşeme Yöntemi kullanılmıştır. Geçici rejim sinyalleri ve Aşırı Öğrenme Makinesi kullanılarak arıza yeri ve türünü belirlemek için geliştirilmiş algoritmalar Dijital Sinyal İşlemcisine gömülerek, laboratuvar ortamında gerçek zamanlı test edilmiştir.