Yurdagül Benteşen Yakut

Güneş panellerinde oluşan kuş pisliği, tozlanma, fiziksel/elektriksel hasarlar ve kar örtüsü gibi faktörler, enerji üretim verimliliğini ciddi biçimde düşürmektedir. Bu çalışmada, söz konusu arıza türlerinin tek bir işlem hattı içerisinde, düşük hesaplama maliyetiyle ve yüksek doğrulukla tespit ve sınıflandırılmasını hedefleyen, YOLOv8 tabanlı bütünleşik bir derin öğrenme yaklaşımı önerilmektedir. Kaggle platformundan temin edilen 887 adet yüksek çözünürlüklü görüntü, Roboflow ortamında etiketlenmiş; veri setinin çeşitliliğini ve genelleme yeteneğini artırmak amacıyla döndürme, çevirme ve parlaklık ayarı gibi veri artırma teknikleri uygulanmıştır. Model eğitimi, %70 eğitim, %20 doğrulama ve %10 test veri bölünmesiyle, önceden eğitilmiş ağırlıklar kullanılarak Google Colab ortamında gerçekleştirilmiştir. Deneysel sonuçlar, önerilen modelin %94,3 mAP@0.5, %89 Top-1 doğruluk ve %99,1 Top-5 doğruluk değerlerine ulaştığını göstermektedir. Çalışmanın özgün katkısı, YOLOv8’in birleşik mimarisinden yararlanarak nesne tespiti ve sınıflandırma görevlerini ayrı modeller kullanmaksızın tek bir yapı altında optimize etmesidir. Elde edilen bulgular, geliştirilen yaklaşımın büyük ölçekli güneş enerjisi santrallerinde (GES) gerçek zamanlı izleme ve otonom bakım sistemlerine entegre edilebilir, ölçeklenebilir ve güvenilir bir çözüm sunduğunu ortaya koymaktadır. Bu yönüyle çalışma, saha uygulamalarına yönelik pratik bir çerçeve sunarak literatüre katkı sağlamaktadır.

Every part of society relies on energy systems due to the growing population and the constant demand for energy. Because of the high energy demands of transportation, industry, and daily life, energy systems are crucial to every part of society. Electrical transmission lines are a crucial component of the electrical power system. Therefore, in order to determine the power system’s protection plan and increase its reliability, it is critical to foresee and classify fault types. With this motivation, the main goal of this paper is to design a deep network model to classify faults in transmission lines based on real, generated, and publicly available datasets. A deep learning architecture that was based on a one-dimensional convolutional neural network (CNN) was utilized in this study. Accuracy, specificity, recall, precision, F1 score, ROC curves, and AUC were employed as performance criteria for the suggested model. Not only synthetic but also real data were used in this study. It has been seen that the created model can be used successfully for both real data and synthetic data. In order to measure the robustness of the network, it was tested with three different datasets consisting of real, generated, and publicly available datasets. In the paper, 1D CNN, one of the machine learning methods, was used on three different power systems, and it was observed that the machine learning method was successful in all three power systems.

DC motors are widely utilized in various industries due to their efficiency, longevity, and adjustable speed settings. Effective control of these motors is crucial, given their broad application range. As applications vary, so do the controlled motor parameters, necessitating control systems that are suitable for industrial use. However, standard controllers often face challenges due to the non-linear and uncertain nature of the mathematical models involved. This study aims to introduce a novel approach by employing Grey Wolf Optimization (GWO) to determine the PI coefficients for brushless DC motor speed control, which is then implemented on an FPGA. During the study, a control strategy model for the BLDC motor was developed using MATLAB/Simulink. The motor’s speed was gradually increased from 300 to 600 and 900 rpm at specific intervals to calculate the controller coefficients. The GWO technique optimized the PI parameters, Kp and Ki, using the ITAE cost function. The results showed an improvement in speed control when comparing the conventional PI and GWO-PI controllers to the reference speed, with GWO-PI achieving closer adherence. As opposed to most studies that focus on simulations, this research tested the model using hardware, specifically the BASYS3 FPGA training card, demonstrating that the BLDC motor can operate at higher speeds in industrial settings with the optimized GWO-PI approach.

Bu makale çalışmasında, Diyarbakır il merkezinde yer alan bir alışveriş merkezinin toplam 2027 günlük (5 yıl, 6 ay, 19 gün) aktif tüketim verileri kullanılarak, makine öğrenmesi yöntemleri ile enerji tüketim değişiminin tahmini amaçlanmıştır. Bu çalışmada kullanılan aktif tüketim miktarı saatlik ölçülerek 2027x24= 48648 boyutunda veri seti elde edilmiş olup, gerekli onaylar Dicle Elektrik Dağıtım A.Ş.’ den alınmıştır. Enerji aktif tüketiminin tahmini için 1D-CNN, RNN, LSTM ve BiLSTM olmak üzere dört farklı derin ağ modeli geliştirilmiştir. Her üç ağ için RNN/LSTM/BiLSTM(Unit sayısı) ⇒ Dense(1) gibi basit bir ağ mimarisi önerilmiştir. Söz konusu geliştirilen modellerin özellikle tekrarlayan sinir ağları yapısındaki modeller aynı ölçütlerde eğitime tabi tutularak, birbirleri arasındaki performans değerleri karşılaştırılmıştır. Tüm uygulamalar 10 kez tekrar edilerek en yüksek performansa sahip olan değerler kayda alınmıştır. Önerilen modellerin performansı RMSE, MAE ve R^2 ölçütlerine göre değerlendirilmiştir. Basit mimarilerin önerildiği çalışmada, test veri setine göre determinasyon katsayısı dikkate alındığında Tekrarlayan sinir ağlarının başarım performans aralığının [%91.7 %93.7] bant aralığında olduğu ve önerilen basit modellerde belirli düzeyde bile başarımın elde edildiği gözlemlenmiştir. Tekrarlayan sinir ağlarında başarımların birbirine yakın performans sergiledikleri ve bunların içinde en iyi performansın BiLSTM modelinde Unit=100 mimarisinde elde edildiği görülmüştür. Önerilen mimarilere göre 1D-CNN’in tekrarlayan sinir ağlara göre daha düşük bir performans sergilediği görülmüştür. 1D-CNN mimarisinin geliştirilerek, başarımının artırılabileceği düşünülmektedir.

In this article, the control of a DC/DC converter was carried out using the proposed methods of conventional PI, PSO-based PI, PSO-based FOPI, GA-based PI, and GA-based FOPI controllers in order to improve the performance of PEMFCs. Simulink models of a PEMFC model with two inputs—hydrogen consumption and oxygen air flow—and with controllers were developed. Then, the outputs of a system based on conventional PI were compared with the proposed methods. IAE, ISTE, and ITAE were employed as fitness functions in optimization algorithms such as PSO and GA. Fitness function value, maximum overshoot, and rising time were utilized as metrics to compare the performance of the methods. PI and FOPI parameters were optimized with the proposed methods and the results were compared with traditional PI in which the optimum parameters were determined by an empirical approach. This research study indicates that the proposed methods perform better than the conventional PI method. However, it becomes apparent that the GA-FOPI approach outperforms the others. The simulation result also shows that the PEMFC model with conventional PI and FOPI controllers in which the controller parameters are tuned using PSO and GA has an acceptable control performance.

Bu çalışmada, PEMFC’nin performansını iyileştirmek amacıyla geleneksel PI, PSO tabanlı PI ve PSO-FOPI olmak üzere 3 farklı uygulama geliştirilmiş ve yöntemlerin arasındaki başarım oranları karşılaştırılmıştır. Yöntemlere ilişkin performansların karşılaştırılmasında; en büyük aşım, yükselme süresi ve yerleşme süresi ölçüt olarak alınmıştır. Söz konusu uygulamalar şunlardır: A) Geleneksel PI modelinde, ampirik yaklaşımla PI değerleri Kp=0.001 ve Ki=0.15 olarak elde edilmiştir. B) PSO destekli PI modelinde, (Kp, Ki) olan PI katsayıları PSO yöntemi ile belirlenmiştir. PSO için farklı parçacık sayıları ile model denenmiş ve en iyi sonucun 20 parçacıkla elde edildiği tespit edilmiştir. C) PSO-FOPI destekli PI modeli, DC/DC dönüştürücü birimi kesir dereceli PIλDµ kontrolcüsü ile denetlenmiş ve (Kp, Ki ve λ) parametreleri PSO ile belirlenmiştir. Bulgulara göre, önerilen PSO tabanlı PI ve PSO-FOPI yaklaşımları ile elde edilen performans, geleneksel PI yaklaşımı ile elde edilen performanstan daha iyi olduğu gözlemlenmiştir. Bu durum, tüm (P, V, I) parametrelerde görülebilmektedir. Elde edilen sonuç, literatürde yapılan çalışmaları destekler nitelikte olduğu görülmüştür.

In this study, a control method is created to drive two parallel-connected permanent magnet synchronous motors fed by a single converter. Matrix converter used in this work provides ac-ac conversion in one stage. The matrix converter...