Yazar "Alpsalaz, Feyyaz" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    Detection of Arc Faults in Transformer Windings via Transient Signal Analysis
    (Mdpi, 2024) Alpsalaz, Feyyaz; Mamis, Mehmet Salih
    In power transformers, lightning strikes, switching operations, and short circuit faults can deform the winding insulation, resulting in an electric arc between the windings. If the arc is not detected in its initial phase, it may lead to a solid short circuit and damage the transformer, potentially causing an explosion due to overheating and high pressure. In this study, winding arcs in the transformer are identified from the terminal current and voltage signals. A 3D magnetic model of a 15 MVA power transformer is constructed in Ansys@Maxwell, and the nonlinear arc model is simulated in Matlab@Simulink. The transient voltage and current signals related to the arcing conditions at five different points in the high-voltage side winding are obtained by running Ansys and Matlab simultaneously using ANSYS@Simplorer (Twin Builder). These signals are transformed into the frequency domain using Fast Fourier Transform (FFT). The arcs are detected from the transient-generated frequency components of the transformer voltage and current signals.
  • Küçük Resim Yok
    Öğe
    Fault Location Prediction in Power Transmission Lines Using an Artificial Neural Network Model
    (Institute of Electrical and Electronics Engineers Inc., 2024) Alpsalaz, Feyyaz; Yalcinoz, Zehva; Kaygusuz, Asim; Mamis, Mehmet Salih
    Energy transmission lines are an important element that ensures the sustainability of existing living conditions and the uninterrupted need for electricity. Therefore, it is of great importance to locate short circuit faults that may occur in transmission lines and to intervene in these faults immediately. In this study, a fault location study is carried out in a power system designed as a real line model. Firstly, a 478.9 km long transmission line with three transpositions was created using the EMTP/ATP program. The study starts from a point close to the beginning of the line until the first transposition, and a three-phase ground fault is simulated in the system at certain intervals. The input current and voltage values of the line are then taken. The obtained data were analyzed by applying Modal Transformation to the current and voltage signals in the fault condition. Thus, the occurrence of high-frequency harmonics of the fault condition is characterized. Afterwards, in order to locate the fault in the system, Fast Fourier Transform (FFT) spectra were obtained using MATLAB software. These spectra were trained with Artificial Neural Networks (ANN) using fault data analyzed at 74 different points, and the fault location was determined with 99% accuracy. © 2024 IEEE.
  • Küçük Resim Yok
    Öğe
    Transformatör iç arklarının geçici rejim sinyal işleme ve makine öğrenme yöntemleriyle erken tespiti
    (İnönü Üniversitesi, 2024) Alpsalaz, Feyyaz; Mamiş, Mehmet Salih
    Güç transformatörlerinde yıldırım düşmesi, anahtarlama olayları ve kısa devre arızaları gibi nedenler, sargı yalıtımında deformasyona yol açarak sargılar arasında elektrik arkı oluşumuna neden olmaktadır. Ark oluşumu zamanla rijit bir kısa devreye yol açarak trafoların aşırı ısınmasına ve basınç nedeniyle transformatörün patlamasına sebep olabilmektedir. Bu tez çalışmasında, transformatör sargılarındaki ark oluşumu transformatörün terminallerindeki akım ve gerilim sinyallerindeki geçici rejim değişimleri incelenerek tespit edilmiştir. Çalışmada, 15 MVA gücünde bir güç transformatörü ANSYS@Maxwell ortamında üç boyutlu olarak modellenmiş ve MATLAB@Simulink'te oluşturulan ark modeli ANSYS@Maxwell manyetik modeline adapte edilerek yapılan senkronize çalışma ile transformatör sargılarındaki ark analizi gerçekleştirilmiştir. Tasarımların çözümlemesinde Sonlu Elemanlar Yöntemi (SEY) kullanılmıştır. Transformatör modelinin doğruluğunu sağlaması için normal, kısa devre ve harmonik analizleri gerçekleştirilmiş ve elde edilen sonuçlar fabrika ve tasarım verileriyle karşılaştırılarak sonuçların uyumlu olduğu belirlenmiştir. Transformatör girişinden elde edilen veriler, Hızlı Fourier Dönüşümü (FFT) kullanılarak frekans spektrumuna dönüştürülmüş ve bu sinyallerden transformatördeki ark arızası durumlarında oluşan yüksek frekanslı harmonikler tespit edilmiştir. Frekans spektrumlarından elde edilen 361 ayrı noktadaki harmonik veriler kullanılarak K-NN, DT, SVM, YSA ve ESM gibi Makine Öğrenmesi (MÖ) algoritmaları ile modeller eğitilmiştir. Arızalı sargı ve arızalı diske ait arıza tespit modellerinde yüksek doğruluk ve performans değerleri sağlanmıştır. Böylece, geliştirilen yöntem sayesinde transformatör sargılarında ark arızası oluşumunun sensör kullanmadan kısa sürede tespit edilmesine imkân sağlanmıştır.