{"version":"1","article":{"id":"sparse-pmu-power-flow-estimation-ai-2026","slug":"sparse-pmu-power-flow-estimation-ai-2026","language":"tr","url":"https://haberpaper.com/tr/news/sparse-pmu-power-flow-estimation-ai-2026","api_url":"https://haberpaper.com/api/v1/articles/sparse-pmu-power-flow-estimation-ai-2026?lang=tr","title":"Yapay zekâ modeli, şebeke akış tahmininde ölçüm noktalarının yerini test etti","summary":"Laval Üniversitesi’yle bağlantılı araştırmacılar, IEEE 30 baralı test şebekesinde daha az fazör ölçüm birimiyle güç akışını tahmin eden bir sinir ağı değerlendirdi. Sonuçlarda ölçüm noktalarının seçimi, aynı sayıda cihazı kullanmaktan daha belirleyici oldu.","category":"energy","region":"world","topics":["ai","electrical-materials"],"published_at":"2026-10-13T20:11:53+03:00","modified_at":"2026-10-13T20:11:53+03:00","publication_basis":"publication-record","event_period":"2026-10-09","event_period_basis":"event-or-reference-period","sources":[{"name":"arXiv, Learning-Based Power Flow Estimation with Sparse PMU Deployment in Power Systems (arXiv:2610.13683)","url":"https://arxiv.org/abs/2610.13683","checkedAt":"2026-10-13","publishedAt":"2026-10-09"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/sparse-pmu-power-flow-estimation-ai-2026","api_url":"https://haberpaper.com/api/v1/articles/sparse-pmu-power-flow-estimation-ai-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/sparse-pmu-power-flow-estimation-ai-2026","api_url":"https://haberpaper.com/api/v1/articles/sparse-pmu-power-flow-estimation-ai-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/sparse-pmu-power-flow-estimation-ai-2026","api_url":"https://haberpaper.com/api/v1/articles/sparse-pmu-power-flow-estimation-ai-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/sparse-pmu-power-flow-estimation-ai-2026","api_url":"https://haberpaper.com/api/v1/articles/sparse-pmu-power-flow-estimation-ai-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/sparse-pmu-power-flow-estimation-ai-2026","api_url":"https://haberpaper.com/api/v1/articles/sparse-pmu-power-flow-estimation-ai-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["Laval Üniversitesi ve Michigan-Dearborn Üniversitesi araştırmacılarının 9 Ekim’de arXiv’de yayımladığı ön baskı, bir elektrik şebekesindeki her bara için senkronize ölçüm gerektirmeden hatlardaki güç akışını kestirmeyi amaçlıyor. Çalışma, fazör ölçüm birimlerinden (PMU) gelen verileri girdi olarak kullanan sinir ağı çerçevesini IEEE 30 baralı test sistemi üzerinde, 50.000 çalışma senaryosuyla değerlendirdi. Araştırmacılar, hangi baraların ölçüleceğini değiştirerek beş kurulum senaryosunda tahmin doğruluğu ile PMU sayısı arasındaki ilişkiyi inceledi.","Makalenin sonuçlarında aynı sayıda, 25/30 PMU kullanan düzenler arasında hata belirgin biçimde değişti: jeneratör baralarındaki ölçümleri kaldıran senaryoda RMSE 4,490 ve R² 0,3232 iken, yük baralarındaki farklı beş ölçümü kaldıran düzen en iyi sonucu verdi (RMSE 1,889; R² 0,8802). Yazarlar, hangi baraların ölçüldüğünün cihaz sayısından bağımsız olarak önemli olduğunu söylüyor. Bu, gerçek bir iletim şebekesinde yapılan saha deneyi değil, IEEE test sisteminin simülasyonudur; makale dağıtım maliyetlerini veya güvenli işletmeye katkıyı sahada ölçmüyor. Çalışma hakem değerlendirmesinden geçmemiş ön baskıdır."],"key_points":[],"sections":[]},"text":"Laval Üniversitesi’yle bağlantılı araştırmacılar, IEEE 30 baralı test şebekesinde daha az fazör ölçüm birimiyle güç akışını tahmin eden bir sinir ağı değerlendirdi. Sonuçlarda ölçüm noktalarının seçimi, aynı sayıda cihazı kullanmaktan daha belirleyici oldu.\n\nLaval Üniversitesi ve Michigan-Dearborn Üniversitesi araştırmacılarının 9 Ekim’de arXiv’de yayımladığı ön baskı, bir elektrik şebekesindeki her bara için senkronize ölçüm gerektirmeden hatlardaki güç akışını kestirmeyi amaçlıyor. Çalışma, fazör ölçüm birimlerinden (PMU) gelen verileri girdi olarak kullanan sinir ağı çerçevesini IEEE 30 baralı test sistemi üzerinde, 50.000 çalışma senaryosuyla değerlendirdi. Araştırmacılar, hangi baraların ölçüleceğini değiştirerek beş kurulum senaryosunda tahmin doğruluğu ile PMU sayısı arasındaki ilişkiyi inceledi.\n\nMakalenin sonuçlarında aynı sayıda, 25/30 PMU kullanan düzenler arasında hata belirgin biçimde değişti: jeneratör baralarındaki ölçümleri kaldıran senaryoda RMSE 4,490 ve R² 0,3232 iken, yük baralarındaki farklı beş ölçümü kaldıran düzen en iyi sonucu verdi (RMSE 1,889; R² 0,8802). Yazarlar, hangi baraların ölçüldüğünün cihaz sayısından bağımsız olarak önemli olduğunu söylüyor. Bu, gerçek bir iletim şebekesinde yapılan saha deneyi değil, IEEE test sisteminin simülasyonudur; makale dağıtım maliyetlerini veya güvenli işletmeye katkıyı sahada ölçmüyor. Çalışma hakem değerlendirmesinden geçmemiş ön baskıdır.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"energy","url":"https://haberpaper.com/assets/illustrations/energy-1536.webp","width":1536,"height":1024,"alt":"Güneş panelleri, rüzgâr türbinleri ve iletim hatlarından oluşan temsili enerji manzarası.","language":"tr"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"energy","url":"https://haberpaper.com/assets/illustrations/energy-1536.webp","width":1536,"height":1024,"alt":"Güneş panelleri, rüzgâr türbinleri ve iletim hatlarından oluşan temsili enerji manzarası.","language":"tr"}}}