به کارگیری ویژگی بردار هویت و ماشین بردار پشتیبان به منظور شناسایی و طبقه بندی اغتشاشات کیفیت توان
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 170
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-9-2_012
تاریخ نمایه سازی: 25 مهر 1403
Abstract:
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.
Keywords:
Power quality disturbances classification , Discrete Wavelet transform , Identity vector , Feature normalization , Support Vector Machine
Authors
Atefeh BaniAsadi
Faculty of Electrical and Computer Engineering, University of Semnan, Semnan, Iran
bagher babaali
School of Mathematics, Statistics, and Computer Science - University of Tehran - Tehran - Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :