Midyat Meslek Yüksekokulu

Permanent URI for this communityhttps://hdl.handle.net/20.500.12514/29

Browse

Browsing Midyat Meslek Yüksekokulu by Publisher "IEEE"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Article
    Citation - Scopus: 8
    Mppt Control for PV Systems with Analytical Analysis Fractional Open Circuit Voltage Method
    (IEEE, 2022) Çakmak, Fevzi; Aydoğmuş, Zafer; Tür, Mehmet Rıda
    Abstract— In this study, analytical resolved fractional open circuit voltage (FOCV) maximum power point tracking (MPPT) method is presented. The proposed method is obtained by calculating it by utilizing the single diode circuit of the PV module, while measuring the open circuit voltage (Voc) by interrupting the power of other open circuit voltage methods. Vmpp is obtained by multiplying the obtained Voc voltage with the coefficient. The voltage variation (E) is obtained by the subtraction between the panel voltage (Vpv) and the Vmpp voltage. It is applied as an input to the PI controller by multiplying the Ki factor to limit the voltage variation (E). The PI Controller generates the required duty cycle for the DC-DC converter. The most important advantage of this method is acquaring open circuit voltage without power interruption. The proposed method operated effectively at different radiation and temperature values. For the proposed method, it has simulated in Matlab/Simulink program using SHARP NDQ295 model PV panel.
  • Thumbnail Image
    Conference Object
    Citation - WoS: 2
    Citation - Scopus: 4
    Analysis of Feature Selection Approaches in Large Scale Cyber Intelligence Data with Deep Learning
    (IEEE, 2020) Ahmetoğlu, Hüseyin; Daş, Resul
    Ağ sistemlerinin her geçen gün katlanarak büyüyen boyutu, saldırı yoğunluğunun ve türlerinin de artmasına neden olmaktadır. Ağ içerisinde bu saldırıların tespiti, ağ güvenliğinin başlıca problemlerindendir. Saldırı tespit sistemleri, bu problemle başa çıkmak için geliştirilen bir yaklaşımdır. Saldırı tespit sistemlerinde işlenen büyük boyutlu veriler beraberinde karmaşıklığ da getirmektedir. Bu çalışma, veri kümelerindeki karmaşıklığı gidermek için 6 farklı öznitelik seçme algoritmasının incelenmesini ve bu algoritmaların sınıflandırma modellerindeki performanslarının karşılaştırılmasını içermektedir. Bu performanslar, açık erişimli olarak sunulan CICIDS2017 veri seti üzerinde uygulanan Derin Öğrenme modelleri ile analiz edilmiştir. Bu işlem sırasında algoritmaların test sonuçları hem kendi aralarında hem de veri setinin orijinal haliyle karşılaştırılmıştır. Uygulama sırasında veri kümesindeki öznitelik sayıları çoklu sınıflandırma için 78’den 25’e, ikili sınıflandırma için 8’e düşürülmüştür. Elde edilen başarı oranları bütün uygulamalarda %92’nin üzerindedir.