طبقه بندی داده های کیفیت توان با استفاده از روش حداقل– حداکثر فازی به منظور بهبود فرآیند پایش کیفیت توان

پایش کیفیت توان برای شناسایی اغتشاشات سیستم امری غیر قابل اجتناب است. از سوی دیگر، زمان بر و هزینه بر بودن پایش کیفیت توان، لزوم استفاده از روش های طبقه بندی موثر جهت طبقه بندی داده های کیفیت توان و سهولت فرآیند پایش را بیش از پیش نمایان می سازد. به علت محدودیت های روش های طبقه بندی داده ها از جمله نیاز به مشخص بودن تعداد خوشه ها، واگرایی در صورت وجود داده های پرت و عدم توانایی یادگیری آنلاین، ارایه و استفاده از روش های طبقه-بندی مبتنی بر شبکه های عصبی که فاقد مشکلات فوق می باشند، امری ضروری است. از این رو، در این پایان نامه یک روش طبقه بندی مبتنی بر شبکه های حداقل- حداکثر فازی به منظور خوشه بندی داده های کیفیت توان ارایه شده است. هم چنین، دوازده معیار ارزیابی مختلف برای سنجش کیفیت مدل های پیش بینی خطا معرفی و سه الگوریتم طبقه بندی k- میانگین، c- میانگین و درخت تصمیم به همراه الگوریتم حداقل - حداکثر فازی اصلاح شده به ازای این معیارها مورد بررسی و مقایسه قرار گرفته اند. نتایج حاصل از شبیه سازی ها استخراج و مورد بررسی قرار گرفته است که نتایج حاکی از سودمند بودن الگوریتم حداقل - حداکثر فازی اصلاح شده و دقت و سرعت بالای آن در مقایسه با سایر روش ها می باشد.

کلیدواژه ها:

طبقه بندی ، پایش کیفیت توان ، شبکه های عصبی حداقل- حداکثر فازی ، معیار ارزیابی