مقاله رویکرد تجمیعی DWT-FFT برای آشکارسازی و طبقه بندی اختلال های کیفیت توان (2014 الزویر)

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

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.

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.