Variety of the loads in together with developing technological systems has been increasing day by day. These loads are always preferred to be linear for electrical systems. However, a substantial increase in non-linear loads has been observed in systems due to the usage of semiconducting technology in recent years. In this thesis, a monitoring system for current harmonics that occur in electric distribution systems has been developed. First, harmonic data were obtained through this harmonic monitoring system and then harmonics were analysed after data mining methods were applied to these data. Two different applications were developed with this harmonic monitoring system. The first application involves the clustering of harmonic data. In this part, the clustering of the harmonic data obtained through the harmonic monitoring system was performed. For the clustering of harmonics, k-Means algorithm was successfully used on the data. Three different clustering selections were realized with k-means algorithm. It was observed that the performance was better if the k cluster parameter is chosen to be 6. The second application involves the classification of LMT, J48, RBF and MLP algorithms on the harmonic data that occur as a result of clustering. It was seen that the performance of these algorithms in classifying harmonic data. Especially, the performance of LMT algorithm was seen to be better than the other algorithms. In this thesis, the previously determined clustering and classification algorithms were applied to the obtained harmonic data and meaningful results for future use were aimed to achieve.

Gün geçtikçe gelişen teknoloji ile birlikte sistemlerdeki yüklerde çeşitlilik artmıştır. Bu yüklerin her zaman elektrik sistemleri için lineer olması istenir. Fakat son yıllarda yarı iletken teknolojinin kullanılmasıyla sistemlerde nonlineer yüklerde yüksek miktarda bir artış gözlenmiştir. Tez çalışmasında elektrik dağıtım sistemlerinde meydana gelen akım harmonikleri için izleme sistemi geliştirilmiştir. Bu harmonik izleme sistemi ile ilk önce harmonikli veriler elde edilmiş ve daha sonra bu verilere, Veri Madenciliği yöntemleri uygulanarak harmoniklerin analizi yapılmıştır. Bu kapsamda harmonik izleme sistemi ile iki ayrı uygulama geliştirilmiştir. Birinci uygulama, harmonik içeren verilerin kümelenmesini kapsamaktadır. Bu bölümde harmonik izleme sistemi ile elde edilen harmonikli verilerin kümelendirilmesi işlemi yapılmıştır. Harmoniklerin kümelendirilmesinde k-Means algoritması veriler üzerinde başarılı bir şekilde uygulanmıştır. k-means algoritması ile üç farklı küme seçimi uygulaması gerçekleştirilmiştir. k küme parametresi olarak 6 seçilmesi durumunda başarının daha yüksek olduğu gözlemlenmiştir. İkinci uygulama, kümeleme sonucu oluşan harmonikli veriler üzerinde LMT, J48, RBF ve MLP algoritmalarının sınıflamasını kapsamaktadır. Bu algoritmaların harmonikli verileri sınıflamada başarının yüksek çıktığı görülmüştür. Özellikle LMT algoritmasının diğer algoritmalara göre daha iyi olduğu tespit edilmiştir. Bu tez çalışmasında daha önceden belirlenen kümeleme ve sınıflandırma algoritmaları, elde edilen harmonikli verilere uygulanarak anlamlı ve ileriye dönük sonuçlar elde edilmeye çalışılmıştır.