Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13091/3512
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAkbal, Bahadır-
dc.contributor.authorDemiröz, Melike-
dc.date.accessioned2023-02-22T18:11:58Z-
dc.date.available2023-02-22T18:11:58Z-
dc.date.issued2022-
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=qVqOZFj2DwNmvdf1oGFYiLbJqLHGUktoSsC0oil0mM9WR6k40FhE3Ps1BM-_YwyL-
dc.identifier.urihttps://hdl.handle.net/20.500.13091/3512-
dc.description.abstractElektrik tesislerinde arıza tespiti, enerji sürekliliği ve sistemin karalı çalışması açısından önemlidir. Bu çalışmada dört farklı elektrik dağıtım hattında oluşmuş gerçek kısa devre arızaların türünün belirlenebilmesi için yapay sinir ağları kullanılmıştır. Bu dört farklı elektrik dağıtım hattı, yeraltı kablolu ve havai hatlarının birlikte kullanıldığı karma dağıtım hatlardır. Bu elektrik dağıtım hatlarında meydana gelen arıza verileri yapay sinir ağlarında çeşitli sınıflandırma algoritmaları ve eğitim algoritmaları ile kullanılarak arıza türlerinin tahmini yapılmış ve elde edilen doğruluk oranları karşılaştırmalı olarak sunulmuştur. Üç farklı ağ ve eğitim algoritmaları başarı oranları karşılaştırılmıştır. Kullanılan ağ tipleri, İleri Beslemeli Geri Yayılım ağ tipi, Kaskat Bağlı İleri Beslemeli Geri Yayılımlı ağ tipi, Elman Geri Beslemeli ağ tipi şeklindedir. Eğitim algoritmaları ise Levenberg-Marquardt (LM), Conjugate Gradient with Powell/Beale Restarts (CGB), One Step Secant (OSS), Variable Learning Rate Backpropagation (GDX), Gradient Descent with momentum (GDM), Scaled Conjugate Gradient (SCG), ve NRP (Resilient backpropagation) şeklindedir. Bu çalışmada ileri beslemeli geri yayılım ağ tipinin daha başarılı sonuç verdiği görülmüştür.en_US
dc.description.abstractIn the decline in electrical events, the energy-related and stable event is important. In this study, artificial neural networks are used to select real short circuits in four different electrical designs. These four different classes of power lines, reference and overhead are mixed lines. Insufficient calculations and training results of the deficiencies in the images consisting of malfunctions that occur in the small of this electricity, as well thought and old model computational from insufficient predictions. The three networks and their trainings differ in their success. The network type used is Feed Forward Back Propagation network type, Cascade Connected Feed Forward Back Propagation network type, Elman Feedback network type. His trainings are Levenberg-Marquardt (LM), Powell/Beale Restarts with Conjugate Gradient (CGB), One Step Secant (OSS), Variable Learning Rate Backpropagation (GDX), Momentum Gradient Descent (GDM), Scaled Conjugate Gradient (SCG), and NRP (Resilient backpropagation). This training fed back propagation network type gave more successful results.en_US
dc.language.isotren_US
dc.publisherKonya Teknik Üniversitesien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectElektrik ve Elektronik Mühendisliğien_US
dc.subjectElectrical and Electronics Engineeringen_US
dc.subjectElektrik dağıtım sistemlerien_US
dc.subjectElectric distribution systemsen_US
dc.subjectEnerji dağıtım hatlarıen_US
dc.subjectEnergy distribution linesen_US
dc.subjectKısa devre arızalarıen_US
dc.subjectShort circuit defecten_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectArtificial neural networksen_US
dc.titleElektrik dağıtım sistemlerinde yapay sinir ağları ile arıza türü belirlemeen_US
dc.title.alternativeFault type determination with artificial neural networks in electricity distribution systemsen_US
dc.typeMaster Thesisen_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Elektrik ve Elektronik Mühendisliği Ana Bilim Dalıen_US
dc.identifier.startpage1en_US
dc.identifier.endpage77en_US
dc.institutionauthorDemiröz, Melike-
dc.relation.publicationcategoryTezen_US
dc.identifier.yoktezid766149en_US
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairetypeMaster Thesis-
item.cerifentitytypePublications-
item.grantfulltextopen-
item.languageiso639-1tr-
Appears in Collections:Tez Koleksiyonu
Files in This Item:
File SizeFormat 
766149.pdf3.2 MBAdobe PDFView/Open
Show simple item record



CORE Recommender

Page view(s)

72
checked on Nov 27, 2023

Download(s)

26
checked on Nov 27, 2023

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.