رویکرد تجمیعی DWT-FFT برای آشکارسازی و طبقه بندی اختلال های کیفیت توان
ترجمه شده

رویکرد تجمیعی DWT-FFT برای آشکارسازی و طبقه بندی اختلال های کیفیت توان

عنوان فارسی مقاله: رویکرد تجمیعی DWT-FFT برای آشکارسازی و طبقه بندی اختلال های کیفیت توان
عنوان انگلیسی مقاله: Integrated DWT–FFT approach for detection and classification of power quality disturbances
مجله/کنفرانس: سیستم های انرژی و توان الکتریکی - Electrical Power and Energy Systems
رشته های تحصیلی مرتبط: مهندسی برق
گرایش های تحصیلی مرتبط: سیستم های قدرت، مهندسی الکترونیک و برق قدرت
کلمات کلیدی فارسی: کیفیت توان، تبدیل موجک گسسته، تحلیل چندـ‌توان تفکیکی، مربع ضرایب تبدیل موجک، استخراج ویژگی
کلمات کلیدی انگلیسی: Power quality - Discrete wavelet transform - Multi-resolution analysis - Squared wavelet transform coefficients - Feature extraction
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.ijepes.2014.04.015
دانشگاه: گروه مهندسی برق دانشکده مهندسی و تحقیقاتی Dnyanganga هند
صفحات مقاله انگلیسی: 12
صفحات مقاله فارسی: 27
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2014
ایمپکت فاکتور: 5.627 در سال 2019
شاخص H_index: 100 در سال 2020
شاخص SJR: 1.260 در سال 2019
ترجمه شده از: انگلیسی به فارسی
شناسه ISSN: 0142-0615
شاخص Quartile (چارک): Q1 در سال 2019
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه شده و آماده دانلود
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
مقاله بیس: خیر
مدل مفهومی: ندارد
کد محصول: 9021
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
پرسشنامه: ندارد
متغیر: ندارد
درج شدن منابع داخل متن در ترجمه: بله
ترجمه شدن توضیحات زیر تصاویر و جداول: بله
ترجمه شدن متون داخل تصاویر و جداول: خیر
رفرنس در ترجمه: در داخل متن مقاله درج شده است
نمونه ترجمه فارسی مقاله

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.

نمونه متن انگلیسی مقاله

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

ترجمه فارسی فهرست مطالب

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

فهرست انگلیسی مطالب

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

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- 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
قیمت محصول: ۳۳,۲۰۰ تومان
خرید محصول