تشخیص و طبقه بندی اختلالات کیفیت توان با تبدیل S چند رزولوشنی و شبکه عصبی کانولوشن عمیق

چکیده مقاله

امروزه بحث کیفیت توان از مسایل مهم در زمینه برق قدرت می باشد به طوری که کیفیت توان به عنوان یک پارامتر مهم در انتخاب و خریداری وسایل و خریداری برق از شرکت های توزیع می باشد اولین موضوعی که در این زمینه مطرح می شود، شناسایی و طبقه بندی اختلالات کیفیت توان است برای طبقه بندی یک اختلال باید مشخصات زمانی و فرکانسی آن در اختیار باشد در این مقاله از تبدیل S چند رزولوشنی برای استخراج مشخصات سیگنال اختلال استفاده می شود تبدیل S کامل ترین روش زمان فرکانسی است که بعد از تبدیل فوریه و تبدیل موجک مطرح شده است خروجی تبدیل S به صورت ماتریسی با درایه های مختلط است که اطلاعات مربوط به دامنه بر حسب زمان و فرکانس و همچنین اطلاعات فاز سیگنال ورودی را در خود دارد در این مقاله برای طبقه بندی اختلالات، ابتدا ماتریس تبدیل S چند رزولوشنی اعمال شده بر روی سیگنال های اختلال را به تصاویر رنگی تبدیل می کنیم سپس برای هر اختلال ۳۰۰ نمونه تصویر رنگی ایجاد کرده و تصاویر رنگی بدست آمده از هر اختلال را به عنوان داده ورودی شبکه عصبی کانولوشن عمیق در نظر می گیریم در این مقاله از شبکه عصبی کانولوشن عمیق با معماری گوگل نت استفاده می شود بعد از آموزش شبکه عصبی کانولوشن و رسیدن یادگیری به حد مطلوب، شبکه ویژگی های هر اختلال را ذخیره و بر اساس آنها اختلالات کیفیت توان را طبقه بندی می کند دقت طبقه بندی در روش ارائه شده ۲۶ ۹۹ درصد می باشد

کلیدواژه‌ها

نویسندگان

هادی احمدی پور

گروه مهندسی برق، دانشگاه بجنورد

عبدالرضا محمدی

استادیار، گروه مهندسی برق، دانشگاه بجنورد

�حمدی پور، هادی و محمدی، عبدالرضا،1402،تشخیص و طبقه بندی اختلالات کیفیت توان با تبدیل S چند رزولوشنی و شبکه عصبی کانولوشن عمیق،پنجمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع23 آبان 1402 · اسفراین