بررسی مسائل کیفیت توان، پیدا کردن یک مشخصه درست از پدیده های کیفیت توان و  …

بررسی مسائل کیفیت توان، پیدا کردن یک مشخصه درست از پدیده های کیفیت توان و …

اکتبر 7, 2020 Off By مدیر سایت

فصل سوم
روش اجرای تحقیق
در سالیان اخیر مساله کیفیت توان برای تولیدکنندگان و مصرف کنندگان انرژی اهمیت بسیاری پیدا کرده است. مساله کیفیت توان و مشکلات ناشی از آن به خاطر استفاده روز افزون ادوات سوییچینگ حالت جامد، بارهای سوییچ شونده الکترونیکی و غیرخطی، گسترش راه آهن برقی، کامپیوترها و ادوات پردازش اطلاعات، اینورترها و کانورترهای صنعتی افزایش یافته است. این بارها باعث برهم زدن شکل موجهای ولتاژ و ایجاد اغتشاشات کیفیت توان میشوند. لذا به منظور بهبود کیفیت توان منابع و علل ایجاد اغتشاشات باید به سرعت و به طور دقیق تشخیص داده شوند تا با به کارگیری ادوات و روشهای مناسب نسبت به رفع آن اقدام شود. به منظور شناخت منابع و علل ایجاد اغتشاشات نیاز به تشخیص مکان تولید اینگونه اغتشاشات میباشد. با پیشرفتهای صورت گرفته در سیستمهای دیجیتال و ظهور پردازندههایی با سرعت بالا از یک طرف و ارائه روشهای جدید الگوشناسی از طرف دیگر، موجب ارائه الگوریتمهایی بر مبنای هوش مصنوعی و پردازش سیگنال در تشخیص اغتشاشات کیفیت توان شده است. روشهای ارائه شده را میتوان به سه گروه عمده تقسیم نمود:
۱- روشهایی که از ابزارهای طبقهبندی کننده مبتنی بر هوش مصنوعی برای تشخیص شکل موج سیگنالهای اغتشاشی استفاده مینمایند.
۲- روشهایی که از ابزارهای آنالیز سیگنال برای تعیین یک شاخص و یا مجموعهای از ویژگیهای بارز از شکل موجهای اغتشاشی بهره میبرند.
۳- روشهایی که از ترکیب دو روش ذکر شده بالا برای طبقهبندی انواع اغتشاشات کیفیت توان استفاده میکنند. در روشهای ترکیبی، ابتدا بردار ویژگیها توسط روشهای آنالیز سیگنال استخراج و سپس این بردارها برای آموزش طبقهبندی کنندهها استفاده میگردند. بدین ترتیب یک طبقهبندی کننده آموزش دیده میتواند برای تشخیص و یا طبقهبندی انواع اغتشاشات به کار گرفته شود.
برخی از روشهای شناسایی الگو و ابزارهای پردازش سیگنال متداول که در روشهایی تشخیص اغتشاشات کیفیت توان استفاده شده، در زیر تشریح شده است.
۳-۱- الگوریتمهای آنالیز سیگنال:
معمولاً دادههای جریان و یا ولتاژی برای تشخیص اغتشاشات کیفیت توان به کار گرفته میشوند. اما استفاده از نمونههای سیگنال تحت مطالعه محاسبات را پیچیده میکند. از طرف دیگر حجم عملیات محاسباتی و حافظه مورد نیاز برای ماشینهای یادگیری و یا طبقهبندی کنندهها با افزایش بعد بردار ورودی به طور قابل ملاحظهای زیاد میگردد. لذا در بسیاری از روشها از ابزارهای انالیز سیگنال به منظور استخراج ویژگیهای بارز و کاهش ابعاد بردار ورودی به منظور کاهش محاسبات و افزایش دقت طبقهبندی کنندهها به کار گرفته میشود.
۳-۱-۱ – تبدیل فوریه:
تبدیل فوریه بر این پایه استوار است که هر تابع متناوب میتواند بصورت مجموع بینهایت تابع نمایی مختلط پریودیک نمایش داده شود. این ایده به توابع غیرمتناوب و بعد به سریهای زمانی غیرمتناوب توسعه پیدا کرد. این گسترش به همراه توسعه (FFT) در سال ۱۹۶۵ تبدیل فوریه را به ابزاری مناسب و راحت برای محاسبات کامپیوتری تبدیل کرد. تبدیل فوریه محتویات فرکانسی سری زمانی را با تجزیه آن به توابع نمایی مختلط با فرکانسهای مختلف، آشکار میکند.
اطلاعاتی که از تبدیل فوریه بدست میآید به همه زمانها نسبت داده میشود، یعنی در نتایج توجهی به اینکه فرکانس در چه زمانی رخ داده است، نمیشود. بنابراین تبدیل فوریه، وجود یا عدم وجود فرکانس و شدت هر فرکانس را در اطلاعات مورد بررسی مشخص میکند و اطلاعاتی راجع به زمان وقوع فرکانس نمیدهد. به همین دلیل برای سیگنالهای ایستا که محتویات فرکانسی آنها با زمان تغییر نمیکند، مناسب است. اما وجود سریهای زمانی ناایستا ضرورت ایجاد تبدیلهای دیگر که نمایش زمان- فرکانس داشته باشد را مشخص میکند. لذا برای استخراج دامنه هارمونیکهای مختلف و محاسبه اغتشاش هارمونیک[۱۱] کلی برای انواع اغتشاشات میتوان از این تبدیل استفاده نمود [۴۹].
۳-۱-۲- تبدیل موجک:
تبدیل موجک یکی از ابزارهای آنالیز در حوزه فرکانس و زمان میباشد که در آنالیز سیگنالهای ناایستا به کار گرفته میشود. این تبدیل میتواند سیگنالهای سری زمانی را به سطوح مختلفی تجزیه نماید. سطح تقریب دارای فرکانسهای پایین و سطوح جزییات دارای فرکانسهای بالا میباشد. شکل (۳-۱) چگونگی تجزیه سیگنال سری زمانی به سطوح مختلف را نشان میدهد.
شکل(۳-۱): تجزیه درختی سیگنال با استفاده از تبدیل موجک
۳-۱-۲-۱- تبدیل موجک پیوسته:
در تبدیل موجک پیوسته از فیلترهای مختلفی که تابع موجک نامیده میشود برای تجزیه سیگنالها استفاده میگردد. تابع موجک، تابعی است که دو ویژگی مهم نوسانی بودن و کوتاه مدت بودن را دارا می باشد.  تابع موجک است اگر و فقط اگر تبدیل فوریه آن  ، شرط زیر را ارضا کند.

(۳-۱)

این شرط با عنوان شرط پذیرفتگی[۱۲] برای موجک  شناخته میشود. رابطه فوق را میتوان معادل با فرمول زیر دانست:

(۳-۲)

این ویژگی تابع با میانگین صفر، چنان محدود کننده نبوده و توابع بسیاری را می توان بر اساس آن تابع موجک نامید.  تابع موجک مادر است که توابع مورد استفاده در تحلیل، با دو عمل ریاضی انتقال[۱۳] و مقیاس[۱۴] در طول سیگنال مورد تحلیل، تغییر اندازه و تغییر محل مییابند.

(۳-۳)
دانلود متن کامل این پایان نامه در سایت abisho.ir