طرحی جدید برای طبقه بندی خودکار اغتشاشات کیفیت توان بر اساس ابزار پردازش سیگنال و یادگیری ماشین

تشخیص و دسته بندی اغتشاشات کیفیت توان یکی از وظایف مهم در حفاظت و نظارت سیستم های قدرت امروزی است. در حال حاضر اهمیت اصلی، بهبود روش های تشخیص و طبقه بندی خودکار شکل موج ها به کمک یک الگوریتم موثر می باشد. در این مقاله روشی موثر برای استخراج ویژگی بر اساس ترکیب تبدیل S هذلولی و موجک ارائه شده است. انتخاب و کاهش ویژگی، موجب کاهش زمان آموزش می گردد و در بیشتر موارد افزایش میزان دقت در طبقه بندی داده ها را به همراه دارد. در این مقاله، روشی جدید به نام گرام- اشمیت برای انتخاب ویژگی به کار گرفته شده و همچنین از ساختار طبقه بندی کننده مشهور ماشین بردار پشتیبان چندکلاسه استفاده شده است. همچنین پارامتر های متغیر این طبقه بندی کننده با استفاده از الگوریتم ابتکاری بهینه سازی گروهی ذرات، بهینه شده است. 6 اغتشاش منفرد و 2 اغتشاش ترکیبی و همچنین حالت نرمال برای طبقه بندی در نظر گرفته شده اند. حساسیت روش پیشنهادی تحت شرایط مختلف نویزی با سطوح مختلف سیگنال همراه با نویز بررسی شده است. همچنین با مقایسه نتایج این مقاله با نتایج مقالات دیگر، کارامدی روش پیشنهادی مورد بررسی قرار گرفته است.