ژانویه 5

شبکه های عصبی

و انجـام شـده در بحـث

کیفیت توان روشهای مختلف پردازش سیگنال به صورت عمده در سه بخش زیـر مـورد اسـتفاده

۵

قرار گرفتهاند:

١‐ کاربرد پردازش سیگنال و تکنیکهای آن در فشردهسازی اطلاعات و شکل موجهـا و کـاربرد

آن در کیفیت توان

٢‐ استفاده از تکنیکهای مختلف پردازش سیگنال و سیستمهای خبره در جداسازی اغتشاشات

٣‐ استفاده از تکنیکهای مختلف پردازش سیگنال در تشخیص نوع اغتشاش بوجود آمده

١. سیستمهای هوشمند در طبقهبندی اغتشاشات

در این قسمت تشخیص دو موضوع عمده ضروری است. اول آنکه کدام یک از روشهای پردازش

سیگنال اعم از تبدیل فوریه، موجک و … جهت تجزیه و تحلیل و استخراج ویژگیهای مربوط بـه

هر یک از اغتشاشات به کار گرفته شدهاند و در مرحله دوم دستهبندی کننده موردنظر جـزﺀ کـدام

یک از سیستمهای هوشمند مانند شبکههای عصبی، فازی و … بوده است.

الف) تکنیک مورد استفاده در پردازش شکل موجهای مربوط به اغتشاشات

تکنیکهای مورد استفاده در طبقهبندی اغتشاشات کیفیت توان در چهار دسته زیر قرار می گیرند:

۱. تکنیکهای مطرح شده با استفاده از تبدیل فوریه (FFT, STFT)

٢. تکنیکهای مطرح شده با استفاده از تبدیل موجک (DWT, CWT)

۳. تکنیکهای ترکیبی

۴. تکنیکهای نوین مطرح شده در حوزه پردازش سیگنال

اگر قرار باشد به سراغ کارهای قدیمی در حوزه پردازش سیگنال بـرویم آنگـاه تبـدیل فوریـه بـه

عنوان یک ابزار قوی در این زمینه مطرح میگردد. تبدیل فوریه سریع و تبدیل فوریه زمان کوتاه از

جمله تکنیکهایی هستند که در این قسمت مورد استفاده قرار گرفتهاند] ۱.[

ابزار جدید مطرح شده در حوزه پردازش سـیگنال تبـدیل موجـک مـیباشـد. بـا توجـه بـه آنکـه

۶

تکنیکهای گسسته پردازش سیگنال امروزه فراگیر شدهاند، اکثریت قریب به اتفـاق کارهـای انجـام

شده با استفاده از تبدیل موجک به DWT یا همان تبدیل موجک گسسته برمیگـردد. نمونـه هـای

فراوانی از کاربردهای این تبدیل را در کارهای قبلی می توان مشاهده کرد]۲.[

عدهای از محققان روشهای ترکیبی را جهت استخراج ویژگیهایی اغتـشاشات بـه کـار بـردهانـد. از

جمله این روشها میتوان به ترکیب تبدیل فوریه و تبدیل والش در ]۳[ و ترکیب تبـدیل فوریـه و

موجک در ]۴[ اشاره کرد. از طرفی با پیشرفتهای بدست آمده در حوزه پردازش سـیگنال مـیتـوان

نمونههایی از به کارگیری تبدیلهای جدید مانند S Transform را در بحث طبقهبنـدی اغتـشاشات

درمراجع یافت] ۵.[

آنچه که در تمامی این تحقیقات بیش از همه به چشم می آید عدم وجود یک شـبکه واقعـی اسـت

که نتایج این روشها را همچنان در هالهای از ابهام نگه میدارد.

ب) سیستمهای خبره به کار گرفته شده

تحت عنوان طبقهبندی کننده اغتشاشات کیفیت توان قبل از بـه کـارگیری یـک سیـستم هوشـمند

جهت تشخیص اغتشاشات موردنظر در یک بازه زمانی خاص لازم است ویژگیهایی جهت هر یک

از اغتشاشات استخراج شود. این ویژگیها میتوانند مجموع ضرایب، مجمـوع قـدرمطلق ضـرایب،

ماکزیمم ضرایب، انحراف معیار ضرایب یا هرچیز دیگـر باشـند. در ادامـه ضـمن معرفـی سیـستم

هوشمند در هر تحقیق ویژگیهای استفاده شده در آن تحقیق را بررسی می کنیم.

¾ شبکه های موجک: شبکههای موجک نوع خاصی از شبکههای عصبی مـیباشـند کـه در آنهـا توابع متداول شبکه های عصبی با توابع موجک مادر جایگزین مـیشـوند. ایـن شـبکههـا بـه خصوص در سالهای اخیر توانایی خاصی از خود در تقریب توابع نشان دادهاند. این شـبکههـا به همراه دوره اغتشاشی سیگنال جهت طبقـهبنـدی اغتـشاشات کیفیـت تـوان بـه کـار گرفتـه

٧

شدهاند]۶.[

¾ شبکه های عصبی: شبکههای عصبی مورد اسـتفاده در طبقـهبنـدی اغتـشاشات بیـشتر از نـوع شبکههای عصبی چند لایه پرسپترون یا همان MLP بوده، البته کارهایی از شبکههـای عـصبی احتمالی (PNN) و شبکههای عصبی خودسازمانده تطبیقی را در این بحث مـیتـوان مـشاهده کرد. ویژگیهای موردنظر جهت آموزش این شبکهها مشتمل بر انحراف معیار ضـرایب، انـرﮊی سیگنال در سطوح مختلف فرکانسی، ماکزیمم ضرایب سیگنالها در سطوح مختلف فرکانسی، متوسط و واریانس آنها و مینیمم آنها بوده اند]۷.[

¾ منطق فازی: در استفاده از منطق فازی، تحقیقات انجام شده براساس قوانین – مبتنی بر ویژگیهای استخراج شده استوار بوده است. به عنوان مثال انرﮊی سیگنال در سطوح مختلف فرکانسی یک بردار ویژگی میسازد که مولفههای این بردار بسته به نوع اغتشاش دارای شدت یا ضعف خواهند بود. این شدت یا ضعف انرﮊی سـیگنال در سـطوح مختلـف فرکانـسی بـه همراه استنتاج فازی سیستم هوشمندی را میسازد که توانایی آن در دستهبندی اغتشاشات قابل ملاحظه است]۸.[

¾ مدل مخفی مارکوف: این مدل که براساس نظریه مارکوف و نظریه احتمالات بنا نهـاده شـده است و در سالهای اخیر با منطق فازی نیز ترکیب شده علـیرغـم داشـتن توانـایی مناسـب در بحث طبقهبندی از پیچیدگیهای خاصی برخوردار است]۹.[

¾ درخت تصمیمگیری: درخت تصمیمگیری از مباحـث مطـرح شـده در Machine Learning میباشد. این دستهبندی کننده به همراه ویژگیهای استخراج شده از تبـدیل موجـک بـه عنـوان یک دستهبندی کننده تو
انمند در حوزه کیفیت توان مطرح شده است]۰۱.[

٨

¾ فیلتر کالمن: فیلتر کالمن بویژه فیلتر کالمن غیرخطی در سالهای اخیر به عنوان یک ابزار قـوی جهت تجزیه و تحلیل سیگنالهای مختلف به کار گرفته شده است. اگر شکل موج اغتشاشی به عنوان ورودی این فیلتر به کار رود. خروجی فیلتر مـیتوانـد نـوع اغتـشاش بوجـود آمـده را شناسایی کند]۱۱.[

٢‐٣‐ مروری بر روشهای شناسایی خطای امپدانس بالا

این روشها مبتنی بر تجزیه و تحلیل ولتاﮊها و جریانهای ابتدای فیـدر مـی باشـند و در یـک طبقـه

بندی کلی به چهار گروه تقسیم می شوند.

١. روشهای ارائه شده در حوزه زمان

٢. روشهای ارائه شده در حوزه فرکانس

٣. روشهای ارائه شده در حوزه زمان‐ فرکانس

١. روشهای ارائه شده در حوزه زمان:

این روشها بر اساس اطلاعات زمانی سیگنالها اقدام به شناسایی خطاهای امپدانس بالا مـی نماینـد

تعدادی از آنها عبارتند از:

الف) الگوریتم رله تناسبی

برای سیستمهایی که در چند نقطه زمین شده اند زاویه و دامنه جریان عدم تعـادل بـار( ( IO ثابـت

نیستند و جریان خطا نیز متغیر است. در نتیجه رله های اضافه جریان را نمی توان حساس ساخت.

٩

اگر رله ای بتواند فقط جریان خطا را حس کند، حساسیت آن بالا مـی رود. در رلـه پیـشنهادی بـا

توجه به سهولت اندازه گیری جریان عـدم تعـادل بـار( IO )، جریـان سیـستم نـول( I N )، جریـان

خطا( ( It طبق رابطه ١‐٢ محاسبه و موجب عملکرد رله می گـردد]۲۱.[

(۱‐۲)

It K1 IO K2 I N

که در آن IO و I N به ترتیب جریان عدم تعادل بار و جریان سیم نـول و K1 و K2 ثابـت مـی

باشند.

ب) الگوریتم رله نسبت به زمین

این رله به خاطر غلبه بر اثر تغییرات بار بر روی حساسیت رله هـای اضـافه جریـان سـاخته شـده

است و گشتاور عملکرد آن بطور اتوماتیک بار تغییر می کند] ۳۱.[

ج) استفاده از رله های الکترومکانیکی

در این رابطه برای شناسایی خطاهای امپدانس بالا بر روی شبکه های چهـار سـیمه شـرکت بـرق

پنسیلوانیا با همکاری شرکت وستینگهاوس اقدام به ساخت رلـه ای نمـوده انـد کـه بـا اسـتفاده از

نسبت جریان باقیمانده( (۳ IO به جریان مولفه مثبت( ( I1 عمل می کند. اگر نسبت ۳ IO از مقـدار

تنظیم شده رله فراتر رفت رله عمل خواهد کرد.] ۴۱.[

د) الگوریتم تغییرات جریان

در یکی از روشهای ارائه شده با توجه به تغییرات ملایم جریان به هنگام کلیـدزنی بـار از سـرعت

١٠

تغییرات جریان برای شناسایی خطاهای امپدانس بالا استفاده شـده اسـت]۵۱.[ ایـن روش کـارایی

خود را هنگامیکه جریانهای خطا دارای تغییرات اولیـه سـریع نیـستند از دسـت میدهـد. در روش

دیگر از تغییرات لحظه ای دامنه جریان برای آشکارسازی خطا استفاده شده اسـت]۶۱.[ هـر چنـد

خطاهای امپدانس بالا رفتار تصادفی دارند ولی سطح جریان همه آنها برای چند سـیکل زیـاد مـی

شود(لحظه وقوع جرقه) و بعد به میزان جریان بار می رسد. با توجه به این تغییـرات کـه در سـایر

کلیدزنیها وجود ندارد اقدام به شناسایی آنها گردیده اسـت. در روش دیگـری از تغییـرات بوحـود

آمده در نیم سیکل مثبت و منفی شکل موج جریان برای آشکارسازی استفاده شده است]۷۱.[

برای فیدرهایی که از طریق ترانسهای ∆ − ∆ تغذیه می شوند افزایش دامنـه جریـان و پـیش فـاز

شدن آن برای شناسایی خطای امپدانس بالا استفاده شده است] ۸۱.[

٢. روشهای ارائه شده در حوزه فرکانس:

این روشها بر اساس اطلاعات حوزه فرکانس سیگنالها عمل می کننـد و در آنهـا عمـدتا از تبـدیل

فوریه برای نگاشت سیگنالهای حوزه زمان به حوزه فرکانس استفاده می شود که در ادامه تعـدادی

از روشهای حوزه فرکانس ارائه می گردند

الف) استفاده از هارمونیک دوم و سوم جریان برای شناسایی خطاهای امپدانس بالا

برخورد هادی انرﮊی دار با زمین باعث ایجاد جرقه می گردد. این جرقه ها باعث ایجاد ناهماهنگی

و عدم تقارن شکل موج جریان می شوند که این عدم تقارن تولید هارمونیک های دوم و سـوم در

جریان خطا می کند و تعدادی از روشهای آشکارسازی بر این اساس ارائـه شـده انـد. در یکـی از

روشها نسبت دامنه مولفه دوم جریان به مولفه اصلی آن برای هـر سـه فـاز بعنـوان معیـاری بـرای

١١

شناسایی معرفی شده اند] ۹۱ .[ در روش دیگری از نسبت دامنه هارمونیک سوم جریان بـه مولفـه

اصلی برای شناسایی استفاده شده است] ۰۲.[

در روش دیگر با استفاده از مولفه هـای صـفر و منفـی هارمونیکهـای دوم، سـوم و پـنجم بعنـوان

ویژگیهای مناسب و روشی درست اقدام به جداسازی خطای امپدانس بالا از سایر حالتهـای گـذرا

همچون کلیدزنی بار، کلیدزنی خازنها و جریان هجـومی ترانـسها گردیـده اسـت] ۱۲ .[ همچنـین

انرﮊی سیگنال در یک فرکانس یـا محـدوده فرکانـسی بعنـوان ویژگیهـای مناسـبی بـرای ارزیـابی

خطاهای امپدانس بالا در نظر گرفته شده اند]۲۲.[

ب) استفاده از مولفه های فرکانس بالا جهت شناسایی خطاهای امپدانس بال
ا

٩۵% خطاهای امپدانس بالا با جرقه توام هستند و این جرقه ها ایجـاد نوسـانات فرکـانس بـالا در

محدوده kHz١٠‐ ٢ می نمایند. حد پایین به منظور عدم تداخل با فرکانسهای پایین که در شـرایط

معمولی وجود دارند، تعیین گ

ردیده و حد بالا به علت کاهش انرﮊی سیگنال در فرکانسهای بسیار بالا انتخاب شـده انـد. نتـایج

عملی نشان می دهند که این مولفه ها برای شناسایی مناسب هستند. هر چند اگر دامنه جریان کـم

و یا بانکهای خازنی بزرگ در شبکه وجود داشته باشند موجب حذف این مولفه ها مـی گردنـد و

عمل آشکارسازی را با مشکل مواجه می سازد] ۳۲ .[

ج) شناسایی خطاهای امپدانس بالا به کمک مولفه های بین هارمونیکی

علاوه بر هارمونیک های فرکانس پایین و فرکانس بالا مولفه های بین هـارمونیکی بـرای فرکـانس

پایه ۵٠ هرتز عبارتند از:٢۵،٧۵ و ١٢۵ هرتز و بـرای فرکـانس پایـه ۶٠ هرتـز، ٣٠،٩٠، ١۵٠، ٢١٠

١٢

هرتز می باشند] ۴۲،۵۲.[ این فرکانـسها تغییـرات دامنـه و زاویـه زیـادی در هنگـام وقـوع خطـای

امپدانس بالا از خود نشان می دهند و با حذف فرکانسهای پایه و بعضی از هارمونیک ها به کمـک

فیلتر کردن جریان می توان به آنها دست یافت و برای آشکار سازی از آنها اسـتفاده کـرد. مـشکل

عمده این روشها ساخت فیلتر هایی است که مولفه های بین هارمونیک را از خود عبور دهند] ۴۲

.[استفاده از انرﮊی این مولفه ها نیز بعنوان روشی برای جداسازی خطاهای امپـدانس بـالا از سـایر

حالات مطرح شده است] ۵۲ .[

د) آشکارسازی به کمک فیلتر کالمن

تبدیل فوریه برای سیگنالهای ایستان که دامنه آنهـا بـا زمـان تغییـر نمـی کنـد مناسـب هـستند در

صورتیکه خطاهای امپدانس بالا دارای ماهیت غیر ایستان می باشند و استفاده از تبدیل فوریه برای

تجزیه و تحلیل آنها روش بهینه ای نیست. یکی از روشـهایی کـه بـرای بررسـی سـیگنالهای غیـر

ایستان بکار می رود فیلتر کالمن است، در این روش هم مولفه اصلی و هم هارمونیک هـا بررسـی

می شوند. فیلتر کالمن برآورد مناسبی برای تغییرات زمانی فرکانس اصلی و هارمونیک ها ارائه می

کند و خطاهای مربوط به فیلترهای کلاسیک و فوریه را ندارد] ۶۲ .[

٣.روشهای ارائه شده در حوزه زمان‐ فرکانس

در این روشها از تبدیل موجک برای تجزیه و تحلیل سیگنالها استفاده می شود. با توجه به مزیـت

این تبدیل نسبت به تبدیل فوریه اخیرا در پردازش سیگنالها از جمله سیگنالهای ناشی از خطاهـای

امپدانس بالا تبدیل موجک بعنوان تبدیلی کارآمد مورد توجه قرار گرفته است. مقالاتی که در ایـن

ارتباط ارائه شده اند عبارتند از:

١٣

الف) اولین کاربرد موجک برای شناسایی خطاهای امپدانس بالا مربوط به خطاهایی اسـت کـه در

آنها از یک مقاومت زیاد بعنوان مدل خطا استفاده شده است. شبکه بررسی شـده یـک شـبکه سـه

شینه، kV۴٠٠ بوده و با استفاده از برنامه EMTP شـبیه سـازی شـده و اطلاعـات مـورد نیـاز بـا

فرکانس نمونه برداری kHZ ۴ ثبت گردیده و سه سیکل از شکل موج ولتاﮊ برای پردازش اسـتفاده

شده است.



همه حقوق محفوظ است

Posted ژانویه 5, 2019 by mitra4--javid in category "پایان نامه ها و مقالات

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *