1- گروه برق، واحد استانی خراسان جنوبی، دانشگاه جامع علمی کاربردی، بیرجند، ایران ، ghr.shahabadi@uast.ac.ir 2- گروه برق، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران 3- گروه کامپیوتر، واحد استانی خراسان جنوبی، دانشگاه جامع علمی کاربردی، بیرجند، ایران
چکیده: (206 مشاهده)
به منظور حل مسائل مربوط به اختلالات کیفیت توان، لازم است در ابتدا نوع اختلال به صورت مناسبی تشخیص داده شود. به این منظور لازم است سه مرحله مستقل شامل تجزیه و تحلیل سیگنال، انتخاب ویژگی و طبقه بندی به صورت مناسبی طرح ریزی گردد در این مقاله یک مجموعه کامل از اختلالات کیفیت توان استخراج شده است. یک روال پیشنهادی هوشمند جهت شناسایی و طبقه بندی صحیح انواع اختلالات کیفیت توان ارائه شده است. سیگنال های مربوط به اختلالات کیفیت توان به صورت مجزا و ترکیبی مورد بررسی قرار گرفته است. به منظور استخراج ویژگی از ترکیب تبدیل زمان- فرکانس موجک و تجزیه به مدهای ذاتی استفاده شده است. با استفاده از این ترکیب و پارامترهای آماری بردار ویژگی با طول 28 استخراج شده است. به منظور طبقه بندی از شبکه های عصبی LSTM استفاده شده است. نتایج استخراج شده بعد از آموزش و ارزیابی شبکه عصبی دقت بالای مدل را نشان می دهد.
Shahabadi G, Eshaghi S, Bidar F. Introducing a Novel Method for Identifying and Classifying Power Quality Disturbances Using LSTM Neural Network, Wavelet Transform, and Intrinsic Mode Decomposition. تحقیقات نوین در سیستمهای قدرت هوشمند 2024; 13 (3) :73-86 URL: http://jeps.dezful.iau.ir/article-1-522-fa.html
شهابادی غلامرضا، اسحقی سیاوش، بیدار فاطمه. ارائه یک روش نوین جهت شناسایی و طبقهبندی اختلالات کیفیت توان با استفاده از شبکه عصبی LSTM، تبدیل موجک و تجزیه به مدهای ذاتی. نشریه علمی-تخصصی تحقیقات نوین در سیستمهای قدرت هوشمند. 1403; 13 (3) :73-86
