روش جدید تشخیص و طبقه بندی اغتشاش های کیفیت توان بر پایه ابزار یادگیری ماشین

thesis
  • وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده مهندسی برق و کامپیوتر
  • author مهدی حاجیان
  • adviser اصغر اکبری فرود
  • Number of pages: First 15 pages
  • publication year 1391
abstract

تشخیص و دسته بندی اغتشاشات کیفیت توان یکی از وظایف مهم در حفاظت و نظارت سیستم های قدرت امروزی است. در حال حاضر، اهمیت اصلی، بهبود روش های تشخیص و طبقه بندی خودکار شکل موج ها، به کمک یک الگوریتم موثر می باشد. در این پژوهش، سیستم های هوشمندی جهت بررسی خودکار سیگنالهای ساده و ترکیبی اغتشاشات کیفیت توان طراحی شده و مورد بررسی قرار گرفته است. سیستم تشخیص هوشمند پیشنهادی، از بخشهای گوناگونی تشکیل شده است و روشهای مختلفی درطراحی آن بررسی گردیده است. در این پایان نامه، سعی شده است با مقایسه ی نتایج به دست آمده از طبقه بندی کننده ها و روش های مختلف انتخاب ویژگی، ساختاری ارائه گردد که بتواند اغتشاشات کیفیت توان را با دقت خوبی طبقه بندی نماید. در این راستا پس از استخراج چند دسته از ویژگی ها، الگوریتم های مختلف مربوط به کاهش ویژگی و طبقه بندی مورد استفاده قرار گرفته و با کمک نتایج به دست آمده از داده های آموزشی، بهترین الگوریتم ها و ویژگی ها برای دستیابی به بهترین صحت طبقه بندی، انتخاب شده است. بررسی های صورت گرفته طی دو فاز تحقیقاتی، در این پایان نامه، بیان شده است. هدف از فاز اول مطالعه، طراحی سیستم تشخیص خودکار جدید و با ابزار مشهور پردازش سیگنال و یادگیری ماشین می باشد. در این فاز از پایان نامه، روشی جدید، بنام گرام- اشمیت برای انتخاب ویژگی، بکارگرفته شده است. هدف از فاز دوم پایان نامه، طراحی بهینه ساختار سیستم مانیتورینگ خودکار آنلاین و آفلاین کیفیت توان به کمک ابزار پیشرفته یادگیری ماشین می باشد. به این منظور، با استفاده از داده کاوی به روش های مختلف (فیلتری - روکش - هایبرید) به انتخاب بهینه بردار ویژگی ورودی سیستم تشخیص، پرداخته می شود. در هر دو فاز مطالعه، روشی موثر برای استخراج ویژگی بر اساس ترکیب تبدیل s هذلولی و موجک ارائه شده است. همچنین، ساختار سه طبقه بندی کننده ماشین بردار پشتیبان، شبکه عصبی احتمالی، k نزدیکترین همسایه، مورد استفاده قرار گرفته و نتایج آنها به منظورتعیین بهترین طبقه بندی کننده در مسائل کیفیت توان، با یکدیگر مقایسه شده و پارامترهای متغیر این طبقه بندی کننده ها، با استفاده از الگوریتم ابتکاری بهینه سازی گروهی ذرات، بهینه شده است. شش اغتشاش منفرد و دو اغتشاش ترکیبی و همچنین حالت نرمال برای طبقه بندی در نظر گرفته شده است. حساسیت روش های پیشنهادی تحت شرایط مختلف نویزی با سطوح مختلف سیگنال همراه با نویز بررسی شده است. همچنین با مقایسه نتایج این پژوهش با نتایج مقالات دیگر کارآمدی روش های پیشنهادی مورد بررسی قرار گرفته است. نتایج شبیه سازی فاز اول پایان نامه نشان می دهد که طرح تشخیص gs-msvm بهترین عملکرد را دارا می باشد. همچنین، در فاز دوم مشخص شد که ساختار بهینه برای مانیتورینگ آفلاین و آنلاین کیفیت توان، به ترتیب sbs-msvm و msfs-knn می باشد

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تشخیص و بازشناسی علایم راهنمایی و رانندگی با استفاده از روش مبتنی بر مکانیزم توجه و روش های طبقه بندی کلاسیک و ماشین بردار پشتیبان

 ایجاد و گسترش سیستم های هوشمند درحوزه حمل و نقل و بویژه شناسایی علایم راهنمایی و رانندگی، یکی از چالش‌های مهم در سالهای اخیر بوده است. تشخیص و بازشناسی، دو مرحله اصلی شناسایی علایم ترافیکی هستند. روشهای مختلفی برای انجام این دو مرحله پیشنهاد شده است. در این مقاله، روشی برای مکانیابی، تشخیص و بازشناسی علایم ترافیکی از نوع انتظامی ارایه شده است؛ به کمک روشی مبتنی بر مکانیزم توجه و با بهره‌گیری ا...

full text

ارائه یک روش هوشمند برای شناسایی و طبقه بندی وقایع کیفیت توان

در این مقاله، یک روش جدید براساس تبدیل S و شبکه عصبی احتمالی به منظور تشخیص اغتشاشات کیفیت توان ارائه شده است. از آنجایی که اغتشاشات کیفیت توان سیگنال‏ های ناایستا هستند، تبدیل S می تواند به طور مؤثری وقایع کیفیت توان را در هر دو حوزه زمان و فرکانس آنالیز نماید. شبکه عصبی احتمالی با استفاده از ویژگی های استخراج شده توسط تبدیل S، به منظور طبقه بندی رخدادهای کیفیت توان، آموزش داده می شود. از آنجا...

full text

تشخیص و طبقه بندی اغتشاش های ساده و ترکیبی کیفیت توان با استفاده از سیستم های فازیِ راهنمایی شده با الگوریتم بهینه سازی گروهی ذرات

یکی از مهمترین مسائل در سیستم های توزیع، تشخیص و طبقه بندی اغتشاش های کیفیت توان است. در این مقاله، الگوریتم جدیدی برای تشخیص و طبقه بندی اغتشاش های ساده و ترکیبی کیفیت توان با بهره گیری از منطق فازی و الگوریتم بهینه سازی گروهی ذرات (pso1) ارائه شده است. در این الگوریتم، ابتدا ویژگی های مناسبی از شکل موج اغتشاش های کیفیت توان استخراج می شود. استخراج این ویژگی ها، با استفاده از دو تبدیل فوریه و ...

full text

تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل

ارزیابی عملکرد روسازی یکی از مهم ترین مراحل تعیین استراتژی بهینه، در عملیات مدیریت روسازی محسوب می­شود. در دو دهه  اخیر تحقیقات گسترده ای پیرامون توسعه روش­های خودکار، جهت ارزیابی خرابی­های روسازی انجام گرفته است. اغلب این روش­ها بر پایه بینایی ماشین و تکنیک­های پردازش تصویر  هستند. در سال­های اخیر روش های آنالیز چند دقته همچون تبدیل موجک، ابزار مناسبی جهت تحلیل و شناسائی هوشمند خرابی­ها با سرع...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده مهندسی برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023