شناسایی و طبقه بندی اغتشاشات کیفیت توان با استفاده از یاد گیری عمیق مبتنی بر تبدیل s

شناسایی و طبقه بندی اغتشاشات کیفیت توان در سیستم قدرت حائز اهمیت می باشد. لذا در این مقاله برای شبیه سازی اغتشاشات کیفیت توان، افت ولتاژ، افزایش ولتاژ، قطعی ولتاژ، فلیکر، گذرا، هارمونیک، افت ولتاژ همرا با هارمونیک و افزایش ولتاژ همراه با هارمونیک به طور همزمان از دو مدل ریاضی و داده های حاصل از شبیه سازی با نرم افزار EMTP استفاده شده است. برای طبقه بندی اغتشاشات کیفیت توان از یادگیری عمیق استفاده شده است. یادگیری عمیق یک شاخه نسبتا جدید در یادگیری ماشین می باشدکه در کابردهای بسیاری نسبت به سایر الگوریتم های یادگیری نتایج بهتر و امیدوارکننده ای دارد. تبدیل S برای استخراج ویژگی سیگنال ها استفاده شده است و نسبت به سایر روش های مرسوم پردازش سیگنال همچون تبدیل فوریه و تبدیل موجک دارای عملکرد بهتری می-باشد، به طوری که با استفاده از این تبدیل، هم می توان مانند تبدیل موجک، مشخصات زمانی سیگنال را با دقت زیادی بدست آورد و هم مانند تبدیل فوریه به مشخصات فرکانسی بسیار دقیقی از سیگنال-های الکتریکی دسترسی پیدا کرد. نتایج بدست آمده در این مقاله با مقالات مشابه مقایسه گردیده و صحت عملکرد قابل قبول می باشد

Keywords:

اغتشاشات کیفیت توان , یادگیری عمیق , تبدیل s , EMTP , الگوریتم طبقه بندی