شناسایی خطاهای موجود در شبکه توزیع با بکارگیری تبدیل هیلبرت-هانگ و ماشین بردار پشتیبان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 975

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCECSG01_048

تاریخ نمایه سازی: 25 فروردین 1394

چکیده مقاله:

در سال های اخیر با گسترش روزافزون استفاده از تجهیزات حساس به ولتاژ و ادوات الکترونیک قدرت بحث کیفیت توان در سیستم های قدرت اهمیت فراوانی پیدا کرده است. از مهمترین مشکلات موجود در کیفیت توان می توان به کمبود ولتاژ اشاره نمود. کاهش دامنه ولتاژ به میزان 0/1 الی 0/9 پریونیت در فرکانس نامی را کمبود ولتاژ می گویند. این مقاله یک روش جدید را برای تشخیص و دسته بندی انواع خطاهای موجود در شبکه توزیع که باعث ایجاد کمبود ولتاژ می گردند ارائه می نماید. عامل اصلی ایجاد کننده کمبود ولتاژ در سیستم قدرت خطا می باشد. جهت تشخیص نوع خطای ایجاد شده شناسایی و جدا نمودن مولفه های تک فرکانسی از شکل موج اصلی می تواند روش مناسبی باشد. برای این منظور ابتدا توسط روش تجزیه حالت تجربی(EMD) مولفه های تک فرکانسی از شکل موج کمبود ولتاژ جدا می گردند که به آن ها توابع حالت ذاتی (IMF) گفته می شود، سپس با اعمال تبدیل هیلبرت بر روی هریک از توابع حالت ذاتی مشخصه های مورد نیاز از شکل موج استخراج شده و در نهایت با ورود آن ها به ماشین بردار پشتیبان (SVM) نوع خطا تشخیص داده شده و دسته بندی می گردد. با آزمایش روش پیشنهادی نشان داده خواهد شد که استفاده از تبدیل هیلبرت و ماشین بردار پشتیبان بازده بالاتری نسبت به سایر تبدیلات و شبکه های عصبی در تشخیص نوع خطا خواهد داشت

کلیدواژه ها:

اتصال کوتاه- تبدیل هیلبرت-هانگ - ماشین بردار پشتیبان - EMD

نویسندگان

علیرضا فروغی

شرکت معدنی و صنعتی گلگهر

احسان موسی احمدی

شرکت معدنی و صنعتی گلگهر

مریم فروغی

شرکت توزیع نیروی برق جنوب استان کرمان

مهری روشنایی

شرکت توزیع نیروی برق جنوب استان کرمان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • علیرضا فروغی، ابراهیم محمدی، سعید اسماعیلی، "تشخیص و دسته-بندی منابع ...
  • S. Santoso, H. W. Beaty, R. C. Dugan, and M. ...
  • Biswarup Das, "Fuzzy Logic based fault type identification inunbalanced radial ...
  • A. K. Pradhan, A. Routray, S. Pati, and D. K. ...
  • Z.-L. Gaing, "Wavelet-based neural network for power ...
  • disturbance recognition and classification, " IEEE Trans. Power ...
  • _ _ and S. C. Bhatt, _ C haracterization of ...
  • M. Manjula, S. Mishra, and A. V. R. S. Sarma, ...
  • Energy Systems (ICPS), 2011, pp. 1 -5. ...
  • N. E. Huang, M.-L. C. Wu, S. R. Long, S. ...
  • E. Huang, Z. Shen, and S. R. Long, "The empirical ...
  • Ser., 1998, vol. 454, pp. 903-995. ...
  • B. Barnhart, "The Hilbert-Huang Transform: theory, applications, development, " Theses ...
  • D. W. Patterson, Artificial neurl networks: theory and applications. Prentice ...
  • نمایش کامل مراجع