شناسایی و طبقه بندی اغتشاشات کیفیت توان با استفاده از شبکه های عصبی مبتنی بر تبدیل موجک

توان الکتریکی با کیفیت مناسب برای عملکرد درست بسیاری از تجهیزات الکتریکی ضروری می باشد. از این رو مسئله کیفیت توان به موضوع بسیاری از تحقیقات امروزی تبدیل شده است. به منظور بهبود کیفیت توان الکتریکی، باید دلایل و منابع اغتشاش تعیین شده و سپس برای حذف یا کاهش آنها، اقدامات سنجیده ای به کار گرفته شود. در این پایان نامه ابتدا روشی جهت تشخیص و طبقه بندی اغتشاشات کیفیت توان با استفاده از تبدیل موجک گسسته و شبکه عصبی ارائه شده است. روش پیشنهادی، ضمن تفکیک اغتشاشات از سیگنال های سینوسی، قادر به تعیین نوع اغتشاش می باشد. با توجه به این که سیگنال های مورد استفاده در این روش توسط تبدیل موجک نویززدایی شده اند، ضمن معرفی و مقایسه روش های مختلف نویززدایی مبتنی بر تبدیل موجک، روشی که بهترین عملکرد نویززدایی را دارد انتخاب شده است. در این روش چنانچه سیگنال دارای اغتشاش باشد، با استفاده از تبدیل موجک گسسته تجزیه شده و اطلاعات مفید آن استخراج می شود. بر اساس این اطلاعات، بردارهای ویژگی مناسبی انتخاب شده و برای آموزش شبکه عصبی استفاده می شوند. این اغتشاشات شامل نُه پدیده اغتشاشی تعریف شده در استانداردها و هشت پدیده اغتشاشی توام می باشند. سپس دقت روش در شرایط نویزی مختلف مورد بررسی قرار گرفته و عملکرد آن با روش های مراجع معتبر مقایسه شده است. برای افزایش راندمان طبقه بندی و کاهش زمان محاسباتی، به جای یک شبکه عصبی به کار گرفته شده در قسمت های قبل از پنج شبکه عصبی موازی استفاده شده است. همچنین روشی برای طبقه بندی انواع کمبود ولتاژ سه فاز ارائه شده است. در پایان روشی ارائه شده که به کمک آن می توان نوع اغتشاش را در کمترین زمان ممکن تشخیص داد.