رویکرد تجمیعی DWT-FFT برای آشکارسازی و طبقه بندی اختلال های کیفیت توان
چکیده
سیگنال‌های موجود در سیستم‌های برق قدرت همواره دارای اختلالات کیفیت توان و محتوای نویز هستند که این امر بزرگترین مانع در راه آشکارسازی و تعیین موقعیت زمانی است. در این مقاله، یک رویکرد قاعده‌محور تجمیعی از تبدیل موجک گسسته و تبدیل فوریه‌ی سریع پیشنهاد شده است. برای تشخیص اختلال کیفیت توان موجود در سیگنال ورودی، شکل موج ورودی با تبدیل موجک گسسته مورد پردازش قرار می‌گیرد. ضرایب موجک گسسته برای محاسبه‌ی میانگین آنتروپی انرژی برای ویژگی مربع ضرایب تفصیلی به کار می‌روند. اختلالات متنوع کیفیت توان، در ابتدا آشکار شده و سپس با استفاده از این ویژگی به چهار دسته‌ی عمده‌ی اختلالات مربوط به فلش ، تورم ، وقفه و هارمونیک‌ها طبقه‌بندی می‌شوند. طبقه‌بندی بیشتر هر یک از این دسته‌های اصلی با استفاده از ویژگی‌های تبدیل فوریه‌ی سریع انجام می‌شود. روی هم رفته دوازده نوع اختلال کیفیت توان، شامل هفت تا اصلی و پنج تا ترکیبی، که بسیار نزدیک به وضعیت‌های واقعی هستند، برای طبقه‌بندی مورد توجه قرار می‌گیرند و توسط معادلات پارامتری تولید می‌شوند. همچنین، چهار مورد دیگر نیز با اضافه کردن نویز به چهار اختلال اصلی فلش، تورم، هارمونیک و سوسوزنی مد نظر قرار می‌گیرند. همه‌ی این شانزده مورد با استفاده از Mathworks Matlab R2008b شبیه‌سازی شده‌اند. عملکرد طبقه‌بند برای ۱۵۰ سیگنال تست با طول‌های زمانی گوناگون با اختلال‌های مختلف با و بدون نویز مورد تست قرار گرفته است. طبقه‌بند توسعه‌داده‌شده می‌تواند به صحت 99.043% برسد. از نتایج شبیه‌سازی می‌توان دید که رویکرد پیشنهادی برای آشکارسازی و طبقه‌بندی اختلال‌های مختلف کیفیت توان، موثر است.
مقدمه
به توانایی تجهیزات یا یک سیستم برای کار رضایت‌بخش در محیط الکترومغناطیس خود، بدون ایجاد اختلال‌های الکترومغناطیسی غیرقابل‌تحمل برای هر چیزی در آن محیط، کیفیت توان (PQ) می‌گویند [۱]. به دلایل بسیاری از سال 1995 به این طرف، توجه بسیار زیادی به PQ معطوف شده است. همه‌ی تجهیزات قدرت نسبت به کیفیت بد توان کم‌تحمل‌تر شده‌اند. با آزادسازی سیستم قدرت نیاز به مطالعه روی مقولات مختلف PQ افزایش یافته است، زیرا مصرف‌کنندگان برق کیفیت توان بهتری را تقاضا می‌کنند. تحلیل منابع اختلال PQ یک وظیفه‌ی مهم در راستای فهم رفتار سیستم قدرت است تا بتوان یک اقدام جبرانی موثر را شناسایی و پیاده‌سازی کرد.
abstract
The signals in the electrical power system always have some power quality disturbances and noise contents which is the biggest obstacle in detection and time localization. In this paper, an integrated rule based approach of discrete wavelet transform – fast Fourier transform is proposed. For the detection of power quality disturbance present in the input signal, the input waveform is processed by discrete wavelet transform. The discrete wavelet coefficients are used to calculate average energy entropy of squared detailed coefficients feature. The various power quality disturbances are initially detected and then classified into four main categories as disturbances related to sag, swell, interruption and harmonics using this feature. Further classification of each main category is done using fast Fourier transform features. The total twelve types of power quality disturbances including seven basic and five combinations which are very close to real situations, are considered for the classification which are generated by parametric equations. Also four another cases are considered by adding noise to four basic disturbances sag, swell, harmonics and flicker. All sixteen cases are simulated using Mathworks Matlab R2008b. The performance of classifier is tested for 150 test signals for various durations with different disturbances with and without noise. The developed classifier is able to achieve 99.043% accuracy. From the simulation results, it can be seen that the proposed approach is effective for the detection and classification of various power quality disturbances.
Introduction
The ability of an equipment or system to function satisfactorily in its electromagnetic environment without introducing intolerable electromagnetic disturbances to anything in that environments is called power quality (PQ) [1]. The interest in PQ has been increased enormously since 1995 due to many reasons. All power equipments have become less tolerant to bad power quality. With the power system deregulation, there has been an increased need for study of various PQ issues since electricity consumers are demanding better power quality. The analysis of sources of PQ disturbances is an important task in order to understand the behaviors of the power system, to identify and implement an effective mitigation measures. In recent years, the resear
چکیده
مقدمه
DWT و تحلیل با تجزیه سیگنال چندـ‌توان تفکیک
تحلیل MSD
مدل‌سازی DWT و MSD
کاربرد الگوریتم DWT برای آشکارسازی اختلال PQ
آشکارسازی اختلال سیگنال کیفیت توان
استخراج ویژگی با استفاده از DWT برای طبقه‌بندی اختلالات PQ
کاربرد قضیه پارسوال در DWT برای طبقه‌بندی PQ
دامنه جمع متوسط مطلق ضرایب تفصیلی
طبقه بندی اختلال های PQ بر اساس استخراج ویژگی بدون نویز
عملکرد MRA مبتنی بر DWT تحت محیط نویزی
آشکارسازی و طبقه‌بندی تحت محیط نویزی
سیستم قاعد محور برای طبقه‌بندی خودکار اختلالات PQ
مقایسه عملکرد روش پیشنهادی
نتیجه‌گیری‌ها
Abstract
Introduction
DWT and multi-resolution signal decomposition (MSD) analysis
MSD analysis
Modeling of DWT and MSD
Application of DWT algorithm for PQ disturbance detection
Power quality signal disturbance detection
Feature extraction using DWT for classification of PQ disturbances
Magnitude of an average absolute sum of detailed coefficients
Classification of PQ disturbances based on feature extraction without noise
Performance of DWT based MRA under noisy environment
Detection and classification under noisy environment
Rule based system for an automatic classification of PQ disturbances
Performance comparison of proposed method
Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه