به کارگیری ویژگی بردار هویت و ماشین بردار پشتیبان به منظور شناسایی و طبقه بندی اغتشاشات کیفیت توان

یکی از مسائل مهم در سیستم های قدرت، تشخیص صحیح اغتشاشات کیفیت توان است. در این مقاله یک روش هوشمند به منظور شناسایی اغتشاشات کیفیت توان ارائه شده است. در روش پیشنهادی که بر مبنای ویژگی بردار هویت است، برای هرسیگنال اغتشاش یک بردار با طول ثابت استخراج می شود. به این صورت که در مرحله اول، تبدیل موجک به منظور استخراج ویژگی از سیگنال اغتشاش ورودی به کارگرفته شده است و سپس با استفاده از دنباله ضرایب موجک استخراج شده، بردار هویت تولید می-شود. در ادامه بعد از انجام نرمال سازی های لازم، بردار هویت نرمال شده استخراج شده توسط ماشین بردار پشتیبان طبقه بندی می-شود. به منظور ارزیابی عملکرد روش پیشنهادی دوازده نوع اغتشاش اعم از تکی و ترکیبی ایجاد و کارایی سیستم در شرایط تمیز و نویزی بررسی شده است. نویز اعمال شده به هر سیگنال نویز سفید گاوسی با مقادیر سیگنال به نویز ۳۰، ۴۰ و ۵۰ دسی بل است. نتایج آزمایش ها میانگین دقت روش پیشنهادی را ۲/۹۹ درصد نشان می دهد.

کلیدواژه ها:

Power quality disturbances classification ، Discrete Wavelet transform ، Identity vector ، Feature normalization ، Support Vector Machine