Enerji Verimliliği 0 Makale .,. .:. Şekil 7. Normal Gaussian ile temizlenmiş veri seti. kaydedilmiş ve yeni gelen verilerin hangi kümeye dahil edildiği sorgulanmıştır. Her yeni veri için her küme dahilinde "Outliers, Means, Centroids" değerlerine bakılarak merkez uzaklıkları hesaplanmış ve bu uzaklıklara göre herhangi bir kümeye dahil edilmiştir. Yeni veri hiçbir kümeye dahil edilemiyorsa "ayrıksı bir durum" olarak yorumlanarak alarm üretilmiştir. Adaptif bir yapı oluşturabilmek amacı ile öncelikle gelen ayrıksı durum sayıları belirli bir zaman aralığında tutulmuştur. Bu sayı belirli bir oranın üzerindeyse, örneğin normal durum sayısından fazlaysa, sistem yeni baştan çalıştırılmaktadır. Belirli bir sayıda geçmiş veri alınmakta, bu veriler üzerinden "K" sayısı yeniden belirlenmekte, ayrıksı durum verileri temizlenerek "K-Means" tekrar çalıştırılmaktadır. Böylece yeni "Outliers, Means, Centroids" değerleri belirlenmektedir. Sistem belirli aralıklarla kendi iç yapısnı güncelleyerek değişen değer durumlarına adapte olmaktadır. 3.2. AVTÜ Yapay Zeka Çalışmaları AVTÜ birimi yukarıda tanıtıldığı gibi sahadaki tüm SVTÜ birimlerinden toplanan verilerin depolandığı ve yorumlandığı birimdir. Analiz, raporlama, istatistik çıkarma, kıyaslamalar, sapma hesaplamaları, tutarsızlıkların tespit edilmesi, öngörüleme ve çıkarsama gibi yeteneklere sahiptir. AVTÜ kapsamındaki verilerin yapay zeka tekniği ile yorumlanması için yapılan araştırma, değerlendirme ve çalışmalar aşağıda verilmiştir: kıyaslama, öngörüleme gibi çalışmalar yapılmıştır. Farklı ve yapısal olarak birbirine benzer veya yakın benzerlikte olan hatların karşılaştırılması yaparak tüketim veya üretimler hakkında sıkıntılı durumların tespiti veya verimlilik karşılaştırılması yapılabileceği değerlendirilmiştir. Sistemin "öngörüleme" yapabilmesi için öncelikle bir fonksiyon oluşturulması gerekmiştir. Bu fonksiyonun "f(x)=a(x 1 ) k + b(x2)m + . . . " gibi bir fonksiyon olması gerektiği belirlenmiştir. Söz konusu fonksiyonla ilgili gereksinimler aşağıda listelenmiştir: • Geçmiş veriler önem arz ederek, geçmiş verilerden a,b . . . katsayı değerleri çıkarılacaktır. • "x" değişkenleri sistemin önem arz eden değişkenleri olacaktır. • Kapasite artışları, fiyat veya tarife değişiklikleri, bu değişimlerin sayıları ve son birim fiyatları bu fonksiyon içerisinde önem arz edecektir. • Cihaz bazında dur kalk sayılarının tüketime etkisi önemlidir. • Hat bazında çalışma saatleri ve cihaz sayıları önemlidir. Bir sonraki adımda belirli yaklaşımlarla fonksiyon değişken listeleri çıkartılmıştır: • Aylık çalışma gün sayısı • Günlük çalışma saati • Cihaz bazında duruş sayıları (arıza sayıları), duruş süreleri, çalışma sürelerinin yüzdeleri • Çalışan cihaz sayısı • Tatiller ve bu tatillerde mesai yapılıp yapılmadığı vb. • Mevsim Şekil 8. Fonksiyon katsayıları belirleme matrisleri. Bu veriler göz önünde bulundurularak fonksiyon çalışması yapılmıştır ve aşağıdaki gibi bir sonuç elde edilmiştir: Denklemdeki "a" değişkenleri sisteme etki eden girdi verileridir. "x" değişkenleri formülü oluştururken bulunmaya 3.2. I. Geçmişe dayalı verilerden gelecekle ilgili çalışılan etki katsayılarını temsil etmektedir. "b" değişkenleçıkarımlar yapma ri de mevcut harcama verilerini temsil etmektedir. DenkleBu kapsamda yapılan çalışmalarda; ayrıksı durum tespit- min çözümü üretildikten sonra katsayılar bulunarak sistem !erinden sonra eldeki veriler analiz edilerek tahminleme, fonksiyonu çıkarılmıştır. 62 ENERJi ve ÇEVRE DÜNYASI EKIM201s
RkJQdWJsaXNoZXIy MTcyMTY=