دانلود ترجمه مقاله تشخیص و طبقه بندی رویدادهای کیفیت توان با استفاده از DWT و MSD

1. مقدمه 2. تبدیل موجک 3. تشخیص و استخراج ویژگی رویدادهای PQ 4. طبقه بندی رویدادهای PQ با استفاده از DWT 5. نتیجه گیری

چکیده – در سیستم قدرت، سیگنال های الکتریکی همیشه دارای یک سری اختلالات می باشند. جهان پیشرفته امروزی نیازمند توان الکتریکی است که عاری از هرگونه اختلالی باشد. بسیاری از این مسائل مانند خطای تجهیزات، و پاسخ ضعیف تجهیزات، ناشی از اختلال در تأمین توان الکتریکی است. فرآیندهای مبتنی بر کامپیوتر یا سیستم های اتوماتیک به دلیل این اختلالات توان با خطاهایی در عملکرد مواجه می شوند. از این رو، تشخیص و طبقه بندی این رویدادهای کیفیت توان برای جلوگیری از چنین رخدادهایی ضروری است. در این مقاله، نه کلاس از رویدادهای کیفیت توان (PQ) با استفاده از تبدیل موجک گسسته (DWT) و تجزیه سیگنال چندگانه (MSD) تشخیص داده شده است. رویکرد مبتنی بر ضرایب DWT برای زمینه های انرژی در نواحی فرکانسی مختلف برای طبقه بندی اختلالات PQ ارائه شده است. ضرایب در هر سطح برای استخراج مشخصه های اختلالات مختلف مورد استفاده قرار می گیرند. طبقه بندی بر پایه DWT و MSD با این مشخصه های استخراج شده انجام می گیرد. ویژگی های استخراج شده با استفاده از ضرایب DWT نقش مهمی در طبقه بندی اختلالات PQ مختلف دارد. یک سری شبیه سازی ها برای تشخیص و طبقه بندی این رویدادهای PQ بر اساس MSD و DWT انجام شده است. طبقه بندی هر نه رویداد نیز به منظور نشان دادن کارایی روش پیشنهادی ارائه شده است.

In power system the electrical signals always have some disturbances and discontinuities. The advanced technological world demands electric power which is free from any disturbance. Many of these problems such as equipment failure, and low response of equipment are the results of the disruption of the electric power supply. Computer based processes or automatic system fails to operate due to these power disturbances. Hence, detection and classification of these power quality events is necessary to avoid such incidents. In this paper, nine classes of power quality (PQ) events are detected by applying discrete wavelet transform (DWT) and multiresolution signal decompo- sition (MSD). DWT coefficients based approach for the energy contents in the different frequency zone is proposed for the classification of PQ disturbances. The coefficients at each levels are used for extracting the features of various disturbances.Classification is done on the basis of DWT and MSD with these extracted features. Features extracted using DWT coefficients have important role for classifying different PQ disturbances. Several simulations for detection and classification of these PQ events based on MSD and DWT are performed. Classification of all nine events is shown to demonstrate the effectiveness of proposed method.