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

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