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

In this paper we propose a method based on a combination of binary classifiers which are optimized for those special cases where the real signals contain a multitude of events within the analyzed temporal window. These type of events are known as complex events. The proposed Power Quality (PQ) classifier is based on Wavelet Transforms (WT) and Support Vector Machines (SVM). The method uses a One vs. One multiclass SVM. We propose a novel method which is simple, easy to train, and can be implemented with low computational cost. The proposed algorithm consists of a set of simple binary SVM classifiers. Each SVM node is trained separately allowing them to be parallelized. The training stage is performed using single events, however due to the structure of the SVM methodology selected, it allows the system to detect complex events. Tests and training were performed using real complex signals and the results show the proposed methodology to be highly efficient

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...