YSA Ve DVM Yöntemlerinin Bir Metro Hattında Gerilim Düşümünün Tahmini İçin Karşılaştırılması
Öz
Bu çalışmada, 1500 V DC beslemeli bir raylı sistemde cer gücünün meydana getirdiği gerilim düşümünün maksimum değeri Yapay Sinir Ağları (YSA) ve Destek Vektör Makineleri (DVM) yardımıyla belirlenmiştir. YSA ve DVM yöntemleriyle hatta oluşan gerilim düşümü işletmesel parametrelere bağlı olarak hesaplanmıştır. YSA ve DVM teknikleri açıklanarak elde edilen sonuçlar karşılaştırılmıştır. YSA modeli için levenberg marquardt (LM) algoritması kullanılmıştır. Levenberg-Marquardt algoritması yapay sinir ağlarının eğitiminde sağladığı hız ve kararlılık nedeni ile tercih edilmektedir. Raylı sistemlerde elektrifikasyon sistemi işletmesel verilere ve hat parametrelerine bağlı olarak tasarlanmaktadır. Elektrifikasyon sistemi oluşturulurken işletme esnasında cer gücünün gereksinimi olan minimum besleme gerilim değerinin sağlanması gerekmektedir. Cer gücü geriliminin en düşük değerini hatta oluşan gerilim düşümünün en yüksek değeri belirlemektedir. Bu değerin işletme sürekliliği için belirli limitler içinde tutulması gerekmektedir. Benzetim için tek yönlü ve çift yönlü beslenme durumlarına ait oluşturulan veriler incelenmiştir. Bu çalışma ile demiryolu elektrifikasyon sistemine ait cer gücü simülasyonuna ait sonuçlar yapay zeka yoluyla tahmin edilmektedir. Bu sayede sisteme ait değişkenler farklı olsa dahi tekrar tekrar benzetim yapılmasının önüne geçilmektedir. Tasarlanan sistem ile %95 üzeri başarı oranı elde edilmiştir.
Anahtar Kelimeler
Cer Gücü , DVM , Elektrifikasyon , Hat , Raylı Sistem , YSA
References
- IEEE, Limbong, F., G., 2016. The use of neural network (NN) to predict voltage drop during starting of medium voltage induction motor. 3rd International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE), Semarang, Indonesia.
- IEEE, Nuzzo, S., Galea, M., Gerada, C., Brown, N., L., 2016. Prediction of the voltage drop due to the diode commutation process in the excitation system of salient-pole synchronous generators. 19th International Conference on Electrical Machines and Systems(ICEMS), Chiba, Japan
- Ibrahem, A., Elrayyah, A, Sozer, Y., Garcia, J., A., A., 2017. DC Railway System Emulator for Stray Current and Touch Voltage Prediction. IEEE Transactions on Industry Applications, 53, pp. 439-446.
- IEEE, Meghwani, A., Chakrabarti, S., Srivastava, S., C., 2016. A fast scheme for fault detection in DC microgrid based on voltage prediction. National Power Systems Conference (NPSC), Bhubaneswar, India
- Abrahamsson, L., Kjellqvist, T., Ostlund, S., 2012. High-voltage DC-feeder solution for electric railways. IET Power Electronics, 5, pp. 1776-1784.
- Afsharizadeh, M., Mohammadi, M., 2016. Prediction-Based Reversible İmage Watermarking Using Artificial Neural Networks. Turk J Elec Eng & Comp Sci., 24, pp. 896-910.
- Alamuti, M., M., Nouri, H., Jamali, S., 2011. Effects of earthing systems on stray current for corrosion and safety behaviour in practical metro systems. IET Electrical Systems in Transportation, 1, pp. 69-79.
- Askin, D., Iskender, I., Mamızadeh, A., 2011. Dry Type Transformer Wındıng Thermal Analysıs Usıng Dıfferent Neural Network Methods. Journal of the Faculty of Engineering and Architecture of Gazi University, 26, pp. 905-913.
- Ayhan, S., Erdogmus, S., 2014. Kernel Function Selection for the Solution of Classification Problems via Support Vector Machines. Eskisehir Osmangazi University Journal of IIBF, 9, pp. 175-198.
- Bayindir, R., Sesveren, Ö., 2008. Desıgn Of A Vısual Interface For Ann Based Systems. Pamukkale University Engineering Faculty Journal of Engineering Science, 14, pp. 101-109.