İki boyutlu rıesz dönüşüm algoritması ile güç kalitesinin belirlenmesi

Abstract

Her geçen gün elektrik şebekesindeki yenilenebilir enerji kaynaklarının şebeke entegrasyonun artması, ileri hızlı kontrol donanımlarının ve karmaşık sistem bağlantılarının çeşitlenmesi, Güç Kalitesi (Power Quality-PQ) bozulmalarında artışa sebep olmaktadır. Bu durum konut ve sanayi alanlarında araştırmacıların üzerinde durduğu güncel bir problem olarak varlığını sürdürmektedir. Mevcut şebekelerin akıllı şebekelere dönüşmeye başladığı günümüzde, hem üreticilerin hem de tüketicilerin yüksek PQ seviyesine ulaşmalarını sağlamak için otomatik olarak PQ bozulmalarının izlenmesi, bozulmaların tanınması ve sınıflandırılması önemli olmaktadır. Bu doktora tez çalışmasında, PQ bozulmalarını temsil etmek için İki Boyutlu Ayrık Dalgacık Dönüşümü, İki Boyutlu Hızlı Ayrık Othonormal Stockwell Dönüşümü ve İki Boyutlu Riesz dönüşümüne dayalı istatistiksel ve görüntü tabanlı öznitelikler belirlenmiştir. Evrimsel optimizasyon yöntemlerinden Genetik Algoritma, Baskın Olmayan Sıralama Genetik Algoritma-II ve biyolojik canlıların davranışlarından esinlenilen Balina Optimizasyon Algoritması ve Gri Kurt Optimizasyon Algoritması gibi yöntemler ile en uygun öznitelik grubu aranmıştır. Model karmaşıklığını azaltmak için önemli öznitelik grubu belirlenirken hem sınıflandırıcı başarımının yüksek olması, hem seçilen öznitelik sayısının az olması gibi birden fazla kriter göz önünde bulundurulmuştur. Seçilen öznitelikler için K En Yakın Komşu, Destek Vektör Makinesi, Yapay Sinir Ağları ve Birlikte Çalışma yöntemleri ile sınıflandırma işlemi yapılmıştır. Oluşturulan modellerin başarımı hesaplanırken matematiksel modelleme ile elde edilen PQ bozulma verileri ve deneysel düzenekten alınan veriler kullanılmıştır.İki boyutlu sinyal işleme yöntemleri uygulanarak çıkartılan özniteliklerin PQ bozulma verilerini temsil edebilme özelliğinin olduğu gösterilmiştir. Güncel ve etkili optimizasyon yöntemleri ile yararlı öznitelik grupları belirlenmiştir. Başarımı yüksek PQ bozulmalarını sınıflandırabilen modeller elde edilmiş ve sonuçlar sunulmuştur.

Every day, the integration of renewable energy sources in the electricity network, the diversification of advanced speed control equipment and complex system connections lead to the increase in Power Quality (PQ) events. This situation continues to be a current problem of researchers in residential and industrial areas. Nowadays, existing networks are transformed into smart grids. In order to ensure that both power suppliers and consumers reach a high PQ level, it is important to automatically monitore, recognize and classify PQ disturbances.In this thesis study, statistical and image-based features based on Two-Dimensional (2D) Discrete Wavelet Transform, 2D Fast Discrete Orthonormal Stockwell Transform and 2D Riesz Transform are determined to represent PQ disturbances. Genetic Algorithm and Non-Dominated Genetic Algorithm, which are inspired by the evolutionary process in nature and Whale Optimization Algorithm, Grey Wolf Optimization Algorithm, which are inspired by the behavior of biological organisms are used to determined most suitable feature subsets in optimization process. In order to reduce the complexity of the models, multiple criteria such as both the performance of the classifier and the number of selected features are taken into consideration when determining the important group of features. For the selected features, the classification is carried out by using K-Nearest Neighbor, Support Vector Machine, Artificial Neural Networks and Ensemble Learner methods. When calculating the performance of the models, PQ events which are obtained by mathematical modeling and from the experimental setup are used.The two-dimensional signal processing methods are used to show that the extracted features have the ability to represent PQ events. With current and effective optimization methods, models that can classify the high-performance PQ disturbances with the selected feature groups are obtained and the results are presented.