Stockwell Dönüşümü Tabanlı Güç Kalitesi Bozukluğunun Destek Vektör Makinesi ve Yapay Sinir Ağları ile Sınıflandırılması/Classification of Stockwell Transform Based Power Quality Disturbance with Support Vector Machine and Artificial Neural Networks

GÜNEY, EZGİ; Çakmak, Ozan; Kocaman, Çağrı

doi:10.38016/jista.996541

Stockwell Dönüşümü Tabanlı Güç Kalitesi Bozukluğunun Destek Vektör Makinesi ve Yapay Sinir Ağları ile Sınıflandırılması/Classification of Stockwell Transform Based Power Quality Disturbance with Support Vector Machine and Artificial Neural Networks

Yazarlar (3)

Dr. Öğr. Üyesi Ezgi GÜNEY Sinop Üniversitesi, Türkiye

Öğr. Gör. Ozan Çakmak Ondokuz Mayıs Üniversitesi, Türkiye

Çağrı Kocaman
Thy, Hindistan

Makale Türü	Özgün Makale (Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale)
Dergi Adı	Journal of Intelligent Systems: Theory and Applications
Dergi ISSN	2651-3927
Dergi Tarandığı Indeksler	TR DİZİN
Makale Dili	İngilizce	Basım Tarihi	03-2022
Cilt / Sayı / Sayfa	5 / 1 / 75–84	DOI	10.38016/jista.996541
Makale Linki	http://dx.doi.org/10.38016/jista.996541
UAK Araştırma Alanları	Elektrik Enerjisi ve Güç Sistemleri

Özet

Elektrik enerjisi hizmetlerinin kesintisiz bir biçimde tüketiciye ulaştırılması büyük önem taşımaktadır. Sistemdeki bozulmaların tespiti ve alınması gereken önlemler bu açıdan önemlidir. Elektrik sinyalindekini bozulmaların türünün belirlenmesi için çeşitli özellik çıkarım yöntemleri kullanılmaktadır. Bu çalışmada, elektrik güç sistemlerinde meydana gelen Güç Kalitesi Bozunumlarından(GKB) gerilim yükselmesi, gerilim çökmesi, harmonikli gerilim, harmonikli gerilim düşmesi, harmonikli gerilim yükselmesi, flicker ve transient ile referans sinyali olarak saf sinüs sinyallerini içeren sekiz işaret toplam on dönem sürecek şekilde TS EN 50160 standartlarına göre MATLAB ortamında oluşturulmuştur. Belirlenen GKB’na ait özellik çıkarımı için kullanılan yöntemlerden biri olan Stockwell-Dönüşümü ile frekans-genlik, zaman-genlik, geometrik ortalama ve standart sapma olmak üzere 4 çeşit özellik çıkarımı yapılmıştır. Bu özellikler üzerinden gerilim bozulmalarının tespiti yorumlanmıştır. Toplam 640 benzetim verisi Destek Vektör Makinaları (DVM) ve Yapay Sinir Ağları(YSA) ile sınıflandırıcıya sokularak sınıflandırma başarımları karşılaştırılmıştır.

Anahtar Kelimeler

Power Quality Disturbance | Stockwell Transform | Support Vector Machine | Artificial Neural Network.

BM Sürdürülebilir Kalkınma Amaçları

Atıf Sayıları

Stockwell Dönüşümü Tabanlı Güç Kalitesi Bozukluğunun Destek Vektör Makinesi ve Yapay Sinir Ağları ile Sınıflandırılması/Classification of Stockwell Transform Based Power Quality Disturbance with Support Vector Machine and Artificial Neural Networks

Stockwell Dönüşümü Tabanlı Güç Kalitesi Bozukluğunun Destek Vektör Makinesi ve Yapay Sinir Ağları ile Sınıflandırılması/Classification of Stockwell Transform Based Power Quality Disturbance with Support Vector Machine and Artificial Neural Networks

Paylaş