Metasezgisel Tabanlı Özellik Seçim Algoritmalarının Güç Kalitesi Olaylarının Sınıflandırılmasına Etkisinin İncelenmesi

Authors : Birsen Gümüş, Melih Çoban, Suleyman Sungur Tezcan

Pages : 646-658

Doi:10.29137/umagd.1423997

View : 69 | Download : 65

Publication Date : 2024-06-30

Article Type : Research Paper

Abstract :Bu çalışmada, güç kalitesi bozulmalarının sınıflandırmasında önemli bir role sahip olan özellik seçme aşaması için iki farklı optimizasyon algoritması kullanılmıştır. Çalışmanın birinci kısmında, sınıflandırma sürecinin başlaması için güç kalitesi olaylarını içeren sinyaller üretilmiştir. Özellik çıkarma için Ayrık Dalgacık Dönüşümü (DWT) kullanılmıştır. Özellik çıkarma işleminden sonra elde edilen veri seti, normalize edilerek ve logaritması alınarak iki farklı veri seti elde edilmiştir Özellik seçme işlemi için Denge Optimize Edici Algoritması (EO) ve Salp Sürü Optimizasyon Algoritması (SSA) olarak isimlendirilen metasezgisel tabanlı optimizasyon algoritmaları özellik seçme algoritmaları olarak kullanılmıştır. Sınıflandırma için K En Yakın Komşu Algoritması (KNN) tercih edilmiştir. En yüksek sınıflandırma doğruluk oranı, özellik seçme algoritması olarak EO ve veri seti olarak logaritmik veri setinin kullanıldığı durumda, %96.05 olarak elde edilmiştir. En düşük sınıflandırma doğruluk oranı ise özellik seçme algoritmasının SSA olduğu ve normalize veri setinin kullanıldığı durumda, % 90.62 olarak elde edilmiştir. Çalışmanın ikinci kısmında ise, birinci kısımda en çok seçilen özellikleri tespit etmek için histogram grafiği oluşturulmuştur. En çok seçilen sekiz özellik ile sınıflandırma işlemi tekrarlanmıştır. Histogram grafiği kullanılarak yapılan sınıflandırmaya ilişkin elde edilen en yüksek doğruluk oranı % 95.8 ve en düşük doğruluk oranı % 93.83 olarak gözlenmiştir.
Keywords : Güç Kalitesi olayları, Sınıflandırma, Makine Öğrenmesi