Gençol, KenanGafar, Onur2026-03-312026-03-312025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=ftqJzTasnJUH9hg-S5861u3XHl3JRLW_4SGQp3M6vQd4iVLeU4QKdbP3DC6m6o9_https://hdl.handle.net/11491/9344Energy quality is important in terms of production efficiency, equipment lifespan, and system reliability. This becomes even more critical in sectors with high energy consumption, such as paper industry. In this thesis, the quality of electrical energy in a paper factory was examined, with a particular focus on the effects of harmonic distortions on asynchronous motors. Field measurements and analyses revealed that the most prevalent harmonics in the system were the 3rd, 5th, 7th, 11th, 13th, 17th, and 19th. These harmonics caused the Total Harmonic Distortion (THD) values to exceed the limits set by IEEE standards. As a result, issues such as motor overheating, torque imbalances, and insulation damage have been observed. These effects became more visible in areas with a high number of nonlinear loads. To address these problems, a feedforward neural network (FFNN) model was developed. Optimized using the Levenberg-Marquardt algorithm, the model predicted the amplitudes of harmonic components with high correlation (R = 0.98949) and achieved a very low error rate (MSE < 6.4401e-05). The training, testing, and validation results demonstrated the model's generalization capability. One of the prominent features of the model is its ability to maintain prediction performance even in high-noise environments (with Signal-to-Noise Ratio values as low as 0 dB), and its practical structure allows it to be integrated into online monitoring systems. This enables a transition from conventional periodic monitoring to real-time and adaptive monitoring of energy quality. In conclusion, this study presents quantative data on the effects of energy quality on production processes and offers a meaningful contribution to its field by demonstrating the potential of artificial intelligence-supported analysis approaches in industrial applications.Enerji kalitesi, üretim verimliliği, ekipman ömrü ve sistem güvenilirliği açısından önemlidir. Bu durum, özellikle yüksek enerji tüketen kâğıt sanayi gibi sektörlerde daha da önem kazanmaktadır. Bu tez çalışmasında, bir kâğıt fabrikasında elektrik enerjisinin kalitesi incelenmiş ve özellikle harmonik bozulmaların asenkron motorlar üzerindeki etkileri araştırılmıştır. Saha ölçümleri ve yapılan analizler sonucunda sistemde en çok 3., 5., 7., 11., 13., 17. ve 19. harmoniklerin bulunduğu görülmüştür. Bu harmonikler, Toplam Harmonik Bozulma (THD) değerini, IEEE standartlarının üstüne çıkarmıştır. Bu da motorlarda ısınma, tork dengesizlikleri ve izolasyonun zarar görmesi gibi sorunlara yol açmaktadır. Özellikle çok sayıda doğrusal olmayan yükün bulunduğu alanlarda bu etkiler daha belirgin hale gelmiştir. Bu sorunlara çözüm bulmak için ileri beslemeli bir yapay sinir ağı (FFNN) modeli geliştirilmiştir. Levenberg-Marquardt algoritmasıyla optimize edilen modelle, harmonik bileşenlerin genlikleri yüksek korelasyonla (R=0.98949) tahmin edilmiş ve oldukça düşük hata oranı (MSE <6.4401e-05) elde edilmiştir. Eğitim, test ve doğrulama sonuçları modelin genelleme başarısını ortaya koymuştur. Modelin öne çıkan yönlerinden biri de yüksek gürültü seviyelerine sahip ortamlarda (0 dB ye kadar varan SNR değerleri) dahi tahmin performansını koruması ve çevrim içi izleme sistemlerine entegre edilebilecek pratik bir yapıya sahip olmasıdır. Bu sayede, klasik periyodik izleme anlayışının ötesine geçilerek, enerji kalitesinin gerçek zamanlı ve adaptif biçimde izlenmesi mümkün hale gelecektir. Sonuç olarak, bu çalışma enerji kalitesinin üretim süreçleri üzerindeki etkilerini nicel verilerle ortaya koymakta; yapay zekâ destekli analiz yaklaşımlarının endüstriyel uygulamalardaki potansiyelini göstermesi açısından alanına anlamlı bir katkı sunmaktadır.turinfo:eu-repo/semantics/openAccessmasterThesis