شناسایی و طبقه بندی انواع اغتشاشات کیفیت توان با استفاده از شبکه های عصبی موازی و تبدیل موجک گسسته

در این مقاله روش جدیدی برای شناسایی و طبقه بندی انواع اغتشاشات کیفیت توان ارائه شده است. روش پیشنهادی ضمن تفکیک اغتشاشات از سیگنالهای سینوسی، قادر به تعیین نوع اغتشاش میباشد. شکل موجهای دارای اغتشاش برمبنای استاندارد IEEE 1159 تولید شده و با استفاده از تبدیل موجک گسسته نویززدایی شده اند. سپس معیار جدیدی معرفی شده که با استفاده از آن سینوسی یا اغتشاشی بودن سیگنال تشخیص داده می شود. اگر سیگنال سینوسی باشد، الگوریتم طبقه بندی فعال نشده و این موجب کاهش زمان محاسباتی میشود. چنانچه سیگنال دارای اغتشاش باشد، با استفاده از تبدیل موجک گسسته تجزیه شده و اطلاعات مفید آن استخراج میشود. بر اساس این اطلاعات، بردارهای ویژگی مناسبی انتخاب شده و به عنوان ورودی به شبکه های عصبی موازی اعمال شده اند. این روش برای همه اغتشاشات کیفیت توان شامل آفست DC، نوسان ولتاژ( فلیکر)، قطعی، کمبود ولتاژ ، بیشبود ولتاژ، هارمونیکها، شکاف، گذرای ضربه ای، گذرای نوسانی و هشت ترکیب از آنها شامل هارمونیک توأم با گذرا، هارمونیک توأم با فلیکر، هارمونیک توأم با کمبود ولتاژ، هارمونیک توأم با بیشبود ولتاژ، فلیکر توأم با کمبود ولتاژ، فلیکر توأم با بیشبود ولتاژ، گذرا توأم با کمبود ولتاژ و گذرا توأم با بیشبود ولتاژ انجام شده است. سپس دقت این روش در شرایط نویزی مختلف مورد بررسی قرار گرفته است، نتایج نشان دهنده عملکرد بسیار خوب آن در همه نسبت های سیگنال به نویز می باشد. در پایان نتایج این روش با چند روش معتبر مقایسه شده است. از جمله مزایای روش پیشنهادی در این مقاله می توان به دقت بالا( به دلیل انتخاب بردارهای ویژگی مناسب)، سرعت بالا( به دلیل استفاده از معیار تشخیص سیگنال سینوسی از اغتشاشی و استفاده از شبکه هایعصبی موازی به عنوان طبقه بندی کننده) و دقت بالا در نسبتهای مختلف سیگنال به نویز(بهدلیل استفاده از روش نویززدایی مناسب)، برای انواع اغتشاشات کیفیت توان و ترکیبهای آنها اشاره نمود.