کیفیت توان:/پایان نامه درمورد پدیده کیفیت توان

دانلود پایان نامه

مشکل اصلی روشهای آنالیز قبلی این بوده است که آنها اطلاعات کافی در حوزه زمان ارائه نمی دادند. تکنیک نوظهوری که بر روش قبلی غلبه کرده بررسی سیگنال را با استفاده از تبدیل موجک انجام داده و برای تجهیزات فرکانس بالا از وقفه های کوتاه مدت و تجهیزات فرکانس پایین از وقفه ای بلند مدت استفاده کرده است. برای اطمینان بیشتر، قابلیت تبدیل موجک برای آنالیز سیگنال با اعمال پالس و نوسانات مناسب ارزیابی شده است.

در سال 1994، تبدیل موجک جهت مطالعه اغتشاشات هارمونیکی سیستمهای قدرت مورد استفاده قرار گرفت. [30] در 1996، این تکنیک به عنوان یک ابزار قدرت که قابلیت آنالیز در حوزه زمان و فرکانس را دارد برای آشکارسازی مشکلات کیفیت توان مورد استفاده قرار گرفت. [42] بعد از این مقاله ها مطالعات زیادی در مورد طبقه بندی اغتشاشات کیفیت توان انجام گرفت. گودا و همکاران روش آنالیز چند مرحله ای موجک را جهت شناسایی و طبقه بندی مشکلات کیفیت توان پیشنهاد کردند.یک روش ترکیبی جدید بدین صورت که انحراف معیار استاندارد در سطوح تجزیه مختلف به عنوان ورودی شبکه عصبی اعمال شد تا انواع اغتشاشات کیفیت توان دسته بندی گردد. [4]

المیتوالی و همکاران یک طبقه بندی کننده با استفاده از تکنیک شبکه های عصبی پیشنهاد کردند. که در آن یک سیستم تشخیص اغتشاش توان با استفاده از ترکیب های آماری موجک استفاده گردید. [2]برای بدست آوردن ترکیبها جهت نمونه برداری از سیگنالهای کیفیت توان از آنتروپی تبدیل موجک استفاده گردید. [18] یک روش طبقه بندی جدید بر مبنای یادگیری قیاسی ماشین که از الگوریتم c4.5 استفاده شده و تجزیه موج با استفاده از تبدیل موجک صورت گرفته در این مقاله پیشنهاد شده است. [47]نشان داده شده که اغتشاشات کیفیت توان به طور صحیح طبقه بندی می شود. یک طبقه بندی جدید برای کاربردهای کیفیت توان با استفاده از شبکه عصبی اجرا شد. [50]در این برنامه، برای طبقه بندی و تشخیص اغتشاشات کیفیت توان از آنالیز موجک و تئوری پارسوال استفاده شده. او و استارزیک روش میانبر جدید برای طبقه بندی اغتشاشات کیفیت توان بر مبنای تبدیل موجک و سیستم یادگیری(آرایه های آموزشی خود سازمانده سولار[1]  در این مقاله پیشنهاد کردند. [20] مقدار انرژی در هر سطح تجزیه با استفاده از روش آرایه های آموزشی خودسازمانده اندازه گیری شد.عملکرد سیستم با استفاده از اعمال نویزهای مختلف ارزیابی شده و اغتشاشات کیفیت توان را به خوبی طبقه بندی کرده است .

استخراج ویژگی، معمولا به روشهای گوناگونی مانند تحلیل حوزه زمان، تحلیل حوزه فرکانس و یا تحلیل دینامیک­های غیرخطی انجام میگیرد که در این میان ضرایب تبدیل فوریه و بالاخص ضرایب تبدیل موجک ابزارهای مناسبی برای استخراج ویژگی محسوب می­شوند. اخیرا روش جدید و موثر تبدیل s نیز، به این مجموعه افزوده شده است که در این پایان نامه از از روش تعمیم یافته آن استفاده شده است. لازم به ذکر است که روش تبدیل HS دارای دقت بالاتری از روش تبدیل S می باشد.

تبدیل موجک قابلیت خود را برای تشخیص انواع اغتشاشات نشان داده است. اما قابلیت های آن در کاربردهای عملی تحت شرایط نویزی محیط به طور قابل توجه تنزل می­یابد. این نقیصه تا حدی با بکارگیری تبدیل S جبران می شود. این قابلیت تبدیل S، توجه محققین را برای تشخیص و طبقه بندی وقایع کیفیت توان به خود معطوف داشته است. در سال­های اخیر تبدیل S به دلیل مشخصات زمان-فرکانسی بسیار خوبی که دارد برای تحلیل اغتشاشات کیفیت توان مورد استفاده قرار گرفته است.اخیرا هانگ و همکاران با استفاده از تبدیل MGS[2] آنالیز و مونیتورینگ وقایع کیفیت توان را در شبکه های میکرو گراید[3] انجام داده است. در این تبدیل ابتدا سیگنالهای مختلفی از وقایع کیفیت توان به حوزه زمان-فرکانس برده شد و حوزه فرکانس به سه ناحیه فرکانسی تقسیم شده و با استفاده از تبدیل s به نواحی مختلف فرکانسی برده شد سپس با گروه اجتماع ذرات[4]  استخراج ویژگی صورت گرفته و از طبقه بندی کننده درخت تصمیم گیری جهت طبقه بندی وقایع کیفیت توان استفاده شد. [28] همچنین از تبدیل s در طبقه بندی وقایع کیفیت توان برای یک نیروگاه بادی که دی-جی[5] ها در آن بکار برده شده بود، استفاده شده و با تکنیک های شبکه عصبی مدوله شده[6] و حداقل مربعات ماشین بردار پشتیبان[7] طبقه بندی صورت گرفت. [29]

 

دانلود پایان نامه