YSA Ve DVM Yöntemlerinin Bir Metro Hattında Gerilim Düşümünün Tahmini İçin Karşılaştırılması
[ X ]
Tarih
2017
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
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.
In thisstudy, the determination of the maximum value of the voltage drop created bythe traction force was performed for a 1500 V DC-fed rail system by means ofthe artificial neural networks (ANN) and support vector machines (SVM). Thevoltage drop occurring on the line was calculated with regard to the operatingparameters by means of the ANN and SVM. The ANN and SVM were explained and acomparison was made. The Levenberg-Marquardt (LM) algorithm was used for theANN model. The Levenberg-Marquardt algorithm was preferred due to the speed andstability it provides for the training of artificial neural networks. Theelectrification system in the rail systems is designed with regard to theoperating data and design parameters. The minimum voltage rating that thetraction force requires during the operation needs to be provided in theelectrification system. The highest value of the voltage drop on the linedetermines the lowest value of the traction force voltage. This value must be incertain limits for the continuity of the operation. The created datas regardingone-way and two-way supply conditions were examined for simulation. In this wayrailway electrification traction power simulation was done by artificialintelligence methods and traction power simulation results were predictedwithout doing traction simulation. With the designed system, the success rateis over %95.
In thisstudy, the determination of the maximum value of the voltage drop created bythe traction force was performed for a 1500 V DC-fed rail system by means ofthe artificial neural networks (ANN) and support vector machines (SVM). Thevoltage drop occurring on the line was calculated with regard to the operatingparameters by means of the ANN and SVM. The ANN and SVM were explained and acomparison was made. The Levenberg-Marquardt (LM) algorithm was used for theANN model. The Levenberg-Marquardt algorithm was preferred due to the speed andstability it provides for the training of artificial neural networks. Theelectrification system in the rail systems is designed with regard to theoperating data and design parameters. The minimum voltage rating that thetraction force requires during the operation needs to be provided in theelectrification system. The highest value of the voltage drop on the linedetermines the lowest value of the traction force voltage. This value must be incertain limits for the continuity of the operation. The created datas regardingone-way and two-way supply conditions were examined for simulation. In this wayrailway electrification traction power simulation was done by artificialintelligence methods and traction power simulation results were predictedwithout doing traction simulation. With the designed system, the success rateis over %95.
Açıklama
Anahtar Kelimeler
Cer Gücü, DVM, Elektrifikasyon, Hat, Raylı Sistem, YSA, ANN, Electrification, Line, Rail System, SVM, Traction Force, Engineering
Kaynak
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
1
Sayı
1-56
