چکیده: در این مقاله، روش جدیدی برای شناسایی اغتشاشات کیفیت توان ارائه می گردد. بر این اساس، ابتدا مشخصه های پیشنهادی با استفاده از تبدیل s از شکل موج اغتشاشات استخراج می گردند. سپس بر اساس مقادیر این مشخصه ها، نوع اغتشاش شناسایی می شود. این روش برای تشخیص و طبقه بندی 10 گونه از اغتشاشات کیفیت توان شامل ضربه ایگذرا، قطعی، بیش بود، کمبود، شکاف، نوسانی گذرا، هارمونیک، فلیکر، هارمونیک با بیش بود و ...

در این پروژه روش جدیدی برای شناسایی و طبقه بندی رخدادهای کیفیت توان یک سیستم قدرت با استفاده از موجک چندگانه معرفی می گردد. این روش پیشنهادی طی 2مرحله انجام می پذیرد. در ابتدا تبدیل موجک چندگانه از سیگنال ورودی به سیستم، گرفته می شود و سپس بردارهای خروجی این تبدیل توسط آنتروپی بهینه سازی می گردد و همچنین بطور موازی با آن مجموع اغتشاشات هارمونیکی سیگنال ورودی اندازه گیری خواهد شد تا در خروجی این...

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...

در روش پیشنهادی از یک طبقه بندی کننده شبکه عصبی و ماشین بردار پشتیبان بر مبنای تبدیل s و تبدیل موجک گسسته برای طبقه بندی اغتشاشات کیفیت توان استفاده شده است. تبدیل موجک گسسته، با استفاده از تفکیک پذیری چندگانه سیگنال می تواند کاراکترهای اغتشاشات کیفیت توان را به حوزه فرکانس-زمان ببرد. از انرژی بدست آمده از تجزیه سیگنال به زیر باندهای فرکانسی، در استخراج پارامترهای مشخصه برای طبقه بندی اغتشاشات ...

امروزه بحث کیفیت توان الکتریکی از اهمیت بسیار زیادی در صنعت برق برخوردار است. اولین موضوعی که در این زمینه مطرح می شود، شناسایی و دسته بندی اغتشاشات کیفیت توان است. برای دسته بندی یک اغتشاش باید مشخصات زمانی و فرکانسی آن در اختیار باشد. در این پایان نامه از تبدیل s برای استخراج مشخصات سیگنال اغتشاش استفاده شده است. تبدیل s آخرین و کامل ترین روش زمان-فرکانسی است که بعد از تبدیل فوریه و تبدیل موج...

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...

در این پایان نامه با استفاده از ترکیب تبدیل s و منطق فازی همراه با الگوریتم pso یک روش جدید و کارآمد برای دسته بندی انواع مختلف اغتشاشات تکی و ترکیبی کیفیت توان ارائه شده است. با استفاده از تبدیل s خصوصیات مناسب شکل موج استخراج شده و یک سری پارامتر از این خصوصیات حاصل می شود. سپس سیستم فازی پیشنهاد شده بر اساس این پارامترها نوع سیگنال اغتشاش را تعیین می کند. الگوریتم pso برای تعیین مقادیر صحیح ...

پردازش تُنُک سیگنال ها به عنوان ابزاری قدرتمند و جایگزینی کارآ برای تبدیلات کلاسیک کامل طی دهه ی اخیر به شدت مورد توجه قرار گرفته است. در این رهیافت می خواهیم از بین تعداد زیادی سیگنال پایه، که در حالت کلی تعدادشان خیلی بیشتر از بعدشان است، کم ترین تعداد را برای نمایش یک سیگنال انتخاب کنیم. هر سیگنال پایه یک «اتم» و مجموعه ی این اتم ها یک «دیکشنری» نامیده می شود. این عمل در حالت کلی دشوار بوده و ...