Not: Burada "a" değişkenlerinin bulunduğu matriste birinci kalana "/ " değerleri atanmıştır ve etkisi olmasına rağmen sisteme ilave edilmeyen diğer etken veriler burada toplanmıştır. Her sistem için ayrı bir fonksiyon çıkarılamayabileceği ve sistemin iki kademeli çalışabileceği tespit edilmiştir. Sistem düzenli ise, yani sistemde enerji tüketimi veya üretimi belli bir düzen içerisinde ilerliyorsa bir fonksiyon oluşturulabilecektir. 0.8 0.6 0.4 0.2 o 1000 2000 3000 4000 Şekil 9. Düzenli sistem akış şeması. Sistem düzensiz davranışlar sergiliyorsa, standart sapmalar hesaplanacaktır, sistem takip edilerek değişen parametreler doğrultusunda farklı standart sapma aralıkları için farklı modeller üretilecektir (Smoothing bir yapı oluşturulmuştur). Enerji Verimliliği ) Makale G) <•> V . Şekil I O. Düzensiz sistem akışı şeması. .... _ _ _ -- leri fonksiyona girilerek tesisin çalışma şekli analiz edilmiştir. Belirli ölçüde, gelecek periyotlara ilişkin enerji tüketim öngörüleri oluşturulmuştur. Günlük, haftalık, aylık periyotlarda tahminler çıkarılmıştır. Yıllık bazda fonksiyonlar oluşturabilmek amacı ile birden çok yılın verisinin bulunması durumunda daha tutarlı sonuçlar elde edileceği öngörülmektedir. Geçmişe yönelik veri sayısı ne kadar çok olursa oluşturulacak modelin başarım oranı o kadar yüksek olacaktır. Sistem testleri kapsamındaki geçmiş veriler incelerek bir sonraki periyodun senaryosu çıkartılmıştır. Bu senaryo işletilerek gerçekleşen enerji tüketim miktarları kıyaslanmıştır. Kıyaslamalara dayalı olarak uyarılar üretilmiş ve iyileştirmeler yapılmıştır. Bu kıyaslamalar cihaz bazında, birim baSistemde ters fonksiyon çalıştırılarak, enerji tüketim mikta- zında, departman bazında veya tüm tesis bazında yapılabilrını düşürecek üretim sayısını belirleyecek bir yaklaşım da mektedir. sergilenmiştir. Bir başka deyişle; elde edilen çıktılar geri işletilerek fonksiyon girdileri tekrar hesaplanabilmektedir. Aynı mantıkla cihaz sayıları ve çalışma saatleri de sorgulatılabilmektedir. 4. Sonuç Saha Veri Toplama Ünitesi (SVTÜ) kapsamında yapılan çalışmada anlık ayrıksı durum tespitlerinde K-Means algoritması ile sistem çalıştırılmış ve istenilen sonuçlar alınmıştır. Hızlı, kendi kendine karar verebilen, yeni gelen verilere adapte olabilen bir yapı oluşturulmuştur. AnaVeri Toplama Ünitesi (AVTÜ) kapsamındayapılan çalışmada veriler üzerinden fonksiyon oluşturulmuş, tesis veriKaynaklar [I] CHANDHOK. C., CHATURVEDI, S. and KHURSHID, A., ''An Approach to lmage Segmentation using K-means", Department of E/ectronics and Communication Engineering, Faculty of Engineering, Nagpur University, August 2012. [2] ALKAN, A. and AKBEN, S. B., "Use of K-means c/ustering in migraine detection by using EEG records under flash stimulation", Department of Electrical and Electronics Engineering, KSU and Bahce Vocational Schoo/ of Higher Education, February 201 1. Bu makale ICCI 201 4'te bildiri olarak sunulmuştur. ENERJi ve ÇEVRE DÜNYASI EKIM2015 63
RkJQdWJsaXNoZXIy MTcyMTY=