دانشگاه صنعتی نوشیروانی بابل مجله علمی رایانش نرم و فناوری اطلاعات 2383-1006 9 2 2020 07 22 Power Quality Disturbances Classification Using Identity Feature Vector and Support Vector Machine به‌کارگیری ویژگی بردار هویت و ماشین بردار پشتیبان به‌منظور شناسایی و طبقه بندی اغتشاشات کیفیت توان 151 164 103558 FA عاطفه بنی اسدی دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران باقر باباعلی Assistant Professor, College of Science, University of Tehran Journal Article 2019 06 20 Correct detection and classification of power quality disturbances is an essential issue in power systems. In this paper, an intelligent method is proposed to detect the power quality disturbances. This method is based on an identity vector framework that produces a fixed-length vector for each perturbation. In the first step of the proposed pipeline, the discrete wavelet transform is used to analyze power quality events and extract the features of each input signal, and then the identity vector is built using the approximation coefficients. After applying some normalization on the obtained identity, it is classified using a support vector machine classifier. In order to evaluate the proposed method, twelve types of disturbances have been synthesized and the efficiency of the proposed system is investigated using them. In addition, to verify the robustness of the proposed approach towards the noise, the synthesized signals are contaminated with white gaussian noise with different SNR values, 30 dB, 40 dB and 50 dB. The results of the experiments demonstrate the efficiency of the proposed method for the classification of power quality signals with an accuracy of 99.2%. یکی از مسائل مهم در سیستم‌های قدرت، تشخیص صحیح اغتشاشات کیفیت توان است. در این مقاله یک روش هوشمند به منظور شناسایی اغتشاشات کیفیت توان ارائه شده است. در روش پیشنهادی که بر مبنای ویژگی بردار هویت است، برای هرسیگنال اغتشاش یک بردار با طول ثابت استخراج می‌شود. به‌این‌صورت‌که در مرحله اول، تبدیل موجک به منظور استخراج ویژگی از سیگنال اغتشاش ورودی به‌کارگرفته شده است و سپس با استفاده از دنباله ضرایب موجک استخراج شده، بردار هویت تولید می-شود. در ادامه بعد از انجام نرمال‌سازی‌های لازم، بردار هویت نرمال شده استخراج شده توسط ماشین بردار پشتیبان طبقه‌بندی می-شود. به‌منظور ارزیابی عملکرد روش پیشنهادی دوازده نوع اغتشاش اعم از تکی و ترکیبی ایجاد و کارایی سیستم در شرایط تمیز و نویزی بررسی‌شده است. نویز اعمال شده به هر سیگنال نویز سفید گاوسی با مقادیر سیگنال به نویز 30، 40 و 50 دسی‌بل است. نتایج آزمایش‌ها میانگین دقت روش پیشنهادی را 2/99 درصد نشان می‌دهد. https://jscit.nit.ac.ir/article_103558_8668ddf3665cf580e68155b9a1e98632.pdf