رویکرد تجمیعی DWT-FFT برای آشکارسازی و طبقه بندی اختلال های کیفیت توان

Integrated DWT–FFT approach for detection and classification of power quality disturbances

مجله الزویر – Elsevier

سال ۲۰۱۴

چکیده

سیگنال‌های موجود در سیستم‌های برق قدرت همواره دارای اختلالات کیفیت توان و محتوای نویز هستند که این امر بزرگترین مانع در راه آشکارسازی و تعیین موقعیت زمانی است. در این مقاله، یک رویکرد قاعده‌محور تجمیعی از تبدیل موجک گسسته و تبدیل فوریه‌ی سریع پیشنهاد شده است. برای تشخیص اختلال کیفیت توان موجود در سیگنال ورودی، شکل موج ورودی با تبدیل موجک گسسته مورد پردازش قرار می‌گیرد. ضرایب موجک گسسته برای محاسبه‌ی میانگین آنتروپی انرژی برای ویژگی مربع ضرایب تفصیلی به کار می‌روند. اختلالات متنوع کیفیت توان، در ابتدا آشکار شده و سپس با استفاده از این ویژگی به چهار دسته‌ی عمده‌ی اختلالات مربوط به فلش ، تورم ، وقفه و هارمونیک‌ها طبقه‌بندی می‌شوند. طبقه‌بندی بیشتر هر یک از این دسته‌های اصلی با استفاده از ویژگی‌های تبدیل فوریه‌ی سریع انجام می‌شود. روی هم رفته دوازده نوع اختلال کیفیت توان، شامل هفت تا اصلی و پنج تا ترکیبی، که بسیار نزدیک به وضعیت‌های واقعی هستند، برای طبقه‌بندی مورد توجه قرار می‌گیرند و توسط معادلات پارامتری تولید می‌شوند. همچنین، چهار مورد دیگر نیز با اضافه کردن نویز به چهار اختلال اصلی فلش، تورم، هارمونیک و سوسوزنی مد نظر قرار می‌گیرند. همه‌ی این شانزده مورد با استفاده از Mathworks Matlab R2008b شبیه‌سازی شده‌اند. عملکرد طبقه‌بند برای ۱۵۰ سیگنال تست با طول‌های زمانی گوناگون با اختلال‌های مختلف با و بدون نویز مورد تست قرار گرفته است. طبقه‌بند توسعه‌داده‌شده می‌تواند به صحت ۹۹٫۰۴۳% برسد. از نتایج شبیه‌سازی می‌توان دید که رویکرد پیشنهادی برای آشکارسازی و طبقه‌بندی اختلال‌های مختلف کیفیت توان، موثر است.

Abstract
The signals in the electrical power system always have some power quality disturbances and noise contents which is the biggest obstacle in detection and time localization. In this paper, an integrated rule based approach of discrete wavelet transform – fast Fourier transform is proposed. For the detection of power quality disturbance present in the input signal, the input waveform is processed by discrete wavelet transform. The discrete wavelet coefficients are used to calculate average energy entropy of squared detailed coefficients feature. The various power quality disturbances are initially detected and then classified into four main categories as disturbances related to sag, swell, interruption and harmonics using this feature. Further classification of each main category is done using fast Fourier transform features. The total twelve types of power quality disturbances including seven basic and five combinations which are very close to real situations, are considered for the classification which are generated by parametric equations. Also four another cases are considered by adding noise to four basic disturbances sag, swell, harmonics and flicker. All sixteen cases are simulated using Mathworks Matlab R2008b. The performance of classifier is tested for 150 test signals for various durations with different disturbances with and without noise. The developed classifier is able to achieve 99.043% accuracy. From the simulation results, it can be seen that the proposed approach is effective for the detection and classification of various power quality disturbances.

دانلود رایگان مقاله انگلیسی

خرید ترجمه آماده ورد