دانلود ترجمه مقاله سنسور هوشمند مبتنی بر FPGA برای تشخیص و طبقه بندی اختلالات کیفیت توان

1. مقدمه 2. پیش زمینه تئوریک 3. روش تحقیق 4. آزمایشات و نتایج 5. نتیجه گیری

چکیده – کیفیت توان (PQ) به دلیل تأثیر اختلالات PQ (PQD) و نیز نحوه نأثیرگذاری آنها روی عملکرد تجهیزات الکتریکی متصل به شبکه مخصوصاً در تأسیسات صنعتی و بخش سلامت، توجه تحقیقات زیادی را به خود منعطف کرده است. نظارت و آنالیز PQD به طور کلی با اندازه گیری تخصصی تجهیزاتی چون آنالیزورهای توان مبتنی بر یک سری استانداردها انجام می گیرد. با این حال، این تجهیزات برای نظارت مستمر و طبقه بندی PQD مناسب نبوده و نمی توان آنها را برای انجام آنالیزهای بیشتر سیگنال های نظارتی تنظیم کرد. از سوی دیگر سنسورهای هوشمند می توانند عملکردهایی را ارائه دهند که تجهیزات استاندارد نمی توانند با ادغام ماژول های پردازش سیگنال انجام داده و با استفاده از تکنولوژی های قابل پیکربندی مانند آرایه های درگاه قابل برنامه ریزی میدانی (FPGA) تنظیم کنند. این مقاله توسعه سنسور هوشمند مبتنی بر FPGA را ارائه داده که هسته های پردازشی آمارهای مرتبه بالاتر (HOS) را برای ارائه آنالیز سیگنالی با هدف تشخیص و تعیین PQD در تأسیسات الکتریکی و نیز شبکه عصبی مصنوعی (ANN) برای طبقه بندی PQD ادغام می کنند. آزمایشات روی تأسیسات الکتریکی در یک بیمارستان انجام گرفته شده اند. نتایج مربوط به پردازش HOS سیگنال های الکتریکی نشان می دهند که این روش های پردازشی برای اندازه گیری و طبقه بندی PQD روی تأسیسات الکتریکی مناسب می باشند.

Power quality (PQ) has received the attention of several research groups due to the impact of PQ disturbances (PQD) and how they affect the operation of the electrical equipment connected to the grid, especially in industrial and healthcare facilities. The monitoring and analysis of PQD are generally performed with specialized measuring equipment such as power analyzers based on the standards. However, this equipment is not suited to perform continuous monitoring and classification of PQD, and it cannot be configured to perform further analysis of the monitored signal. Smart sensors, on the other hand, can provide the functionality that the standard equipment cannot, by integrating several signal processing modules that can be reconfigured using a reconfigurable technology such as field programmable gate arrays (FPGA). This paper presents the development of an FPGA-based smart sensor that integrates the processing cores of higher-order statistics (HOS) to provide a signal analysis aimed to detect and quantify PQD on electrical installations, and an artificial neural network (ANN) to classify the PQD. Experimentation is performed on the electrical installation in hospital facilities. Results from the HOS processing of electrical signals show that these processing methodologies are suitable for the quantification and classification of PQD on electrical installations.