دانلود مقاله ترجمه شده یک دسته بندی کننده کیفیت توان کارآمد با استفاده از تبدیل موجک و ماشین های بردار پشتیبان

چکیده

در این مقاله، ما روشی بر اساس ترکیبی از دسته بندی کننده های باینری ارائه می کنیم که برای موارد ویژه ای که در آنها سیگنال های واقعی شامل گروهی از وقایع موجود در قالب زمانی ارزیابی شده می باشد، بهینه سازی می شوند. این نوع از وقایع، به عنوان رویدادهای مرکب شناخته می شوند. دسته بندی کننده کیفیت توان (PQ) پیشنهادی، مبتنی بر تبدیل موجک (WT) و ماشین های بردار پشتیبان (SVM) می باشند. این روش از یک رویداد در مقابل یک SVM چندکلاسه استفاده می کند. ما روش جدیدی را ارائه می کنیم که ساده بوده، یادگیری آن آسان است و با هزینه محاسباتی کمی ‌قابل اجرا می باشد. الگوریتم پیشنهادی شامل مجموعه ای از دسته بندی کننده های SVM باینری ساده می باشد. هر گره SVM می تواند به طور مجزا مورد بررسی قرار گیرد که این امر به آنها اجازه می دهد تا به صورت موازی باشند. یادگیری مرحله به مرحله با استفاده از رویدادهای منفرد انجام می شود؛ هر چند که به دلیل ساختار روش یادگیری SVM انتخابی، امکان آشکارسازی رویدادهای مرکب برای سیستم فراهم می گردد. آزمایش ها و یادگیری ها با استفاده از سیگنال های پیچیده واقعی انجام شدند و نتایج به‌دست آمده نشان می دهد که روش یادگیری ارائه شده تا حد زیادی کارآمد می باشد.

1-مقدمه

با سرمایه گذاری جدید در سیستم های توزیع برق و گسترش فزاینده انرژی های تجدیدپذیر و تجهیزات وابسته، نگاه تازه ای به موضوع کیفیت برق عرضه شده به مشترکین وجود دارد. وجود علاقه مندی بیشتر و برنامه های آزمایشی در تکنولوژی شبکه هوشمند این موضوع را به گونه ای بسط داده است که با تعیین سیاست ها و توافق هایی در کل دنیا نشان داده می شود...