زهرا مروج - عضو هیئت علمی دانشکده برق و کامپیوتر، دانشگاه سمنان
علی اکبر عبدوس - عضو هیئت علمی دانشکده برق و کامپیوتر، دانشگاه سمنان
محمد پازوکی - عضو هیئت علمی دانشکده برق و کامپیوتر، دانشگاه سمنان

این مقاله یک روش جدید براساس تبدیل S و ماشین های بردار پشتیبان (ُSupport Vector Machines ) به منظور تشخیص اغتشاشات کیفیت توان ارائه میکند. روش ارائه شده نیاز به تعداد ویژگیهای کمتری در مقایسه با تبدیل موجک برای تشخیص رخدادها ی کیفیت توان دارد . ویژگی ها ی استخراج شده توسط تبدیل S به وسیله ی ماشین بردار پشتیبان به منظور طبقهبندی رخدادهای کیفیت توان، آموزش داده می- شود. از آنجایی که روش جدید میتواند ویژگیهای سیگنال اغتشاشی را تا حد زیادی بدون از دست رفتن مشخصه اصلی کاهش دهد، حافظه و زمان مورد نیاز برای آموزش اطلاعات کاهش مییابد. نه گونه از اغتشاشات کیفیت توان در این مقاله برای طبقه بندی در نظر گرفته شده است

شناسایی و طبقهبندی وقایع کیفیت توان، ماشین بردار یادگیری، تبدیل S