Elektrik üretiminin kesintiye uğramaması, elektrik piyasa işlemlerini, üretim ve dağıtım süreçlerini etkileyen önemli bir husustur ayrıca yatırımcı için maddi kayıplara sebep vermektedir. Elektrik kesintisini önleyici bakımlar ile engellemek en ekonomik yaklaşımdır. Bu tez çalışmasında hidrolik arızaları önceden tahmin ederek önleyici bakım faaliyetleri oluşturmak hedeflenmiştir. Türbin SCADA'sından okunan 2020-2022 yılları arasındaki verilerin yapay sinir ağı ve diğer algoritmalar ile değerlendirilmesi yapılmıştır. Veri setleri üzerinde Multilayer Perceptron (MLP), Radial Basis Function Classifier (RBF Classifier), SMOreg (Support Vector Machines for Regression) algoritmaları kullanılmıştır. Kullanılan algoritmaların parametreleri WEKA programında varsayılan olarak belirlenmiş haliyle işleme alınmıştır. Algoritmalar verilerin yüzdesel olarak ayrılması ve K-kat çapraz doğrulama yaklaşımları ile çalıştırılmıştır. Verilerin yüzdesel olarak ayrılmasında %50, %60 ve %80 oranları seçilmiştir, K kat çapraz doğrulama yaklaşımında ise K değerinin 4, 10 ve 24 olarak seçilmiştir ve neticeleri kaydedilmiştir. Sonuçlar Kappa İstatistiği, Ortalama Mutlak Hata, Kök Ortalama Kare Hata, Göreceli Mutlak Hata, Kök Göreceli Kare Hata istatistiksel yaklaşımları ve Duyarlılık, Seçicilik, Hata Oranı ve F Ölçütü kriterleri ile değerlendirilmiş ve karşılaştırmalı olarak sunulmuştur. Çalışma kapsamında MLP algoritmasının %66 eğitim, %33 test olarak yüzdesel dağılımı ile yapılan çalışmanın %96,32'lik doğruluk oranı ile en başarılı sonucu verdiği görülmüştür.
Güneş panellerinde biriken karın üç farklı yöntemle temizleyip enerji verimine olan etkilerini inceleme
Müh Mim Fakültesi Elk Elktr Müh Bölümü Elektrik Makineleri deneyleri için uygun cihazların alınması