GÜÇ KALİTESİNDEKİ BOZULMA TÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNTÜ TANIMA YAKLAŞIMI

Year 2011, Volume: 26 Issue: 1, 0 - , 20.02.2013

Murat Uyar Selçuk Yıldırım Muhsin Gençoğlu

Abstract

Bu çalışmada, güç kalitesindeki bozulma türlerinin sınıflandırılması için örüntü tanıma yaklaşımlarına dayalı biralgoritma önerilmiştir. Örüntü tanımanın önemli bir kısmı olan özellik çıkarma için, dalgacık dönüşümününayrıştırma katsayılarını kullanan entropi temelli bir yöntem sunulmuştur. Yöntemin en önemli avantajı, işaretinayırt edici özelliklerini kaybetmeksizin veri boyutunu indirgeyebilmesidir. Sınıflandırıcı olarak, istatistikselöğrenme teoremine dayanan destek vektör makineler kullanılmıştır. Önerilen algoritmanın başarımı, gerçek veyapay güç kalitesi bozulma verileri kullanılarak değerlendirilmiştir. Gerçek güç kalitesi bozulma verileri, ulusalenerji sistemimizden elde edilmiştir. Yapay veriler ise, ATP/ EMTP modelinden ve matematiksel modellerdenelde edilmiştir. Çalışmadan elde edilen analiz ve sonuçlar, önerilen algoritmanın etkin, güvenilir ve uygulanabilirbir yapıya sahip olduğunu göstermektedir.

Keywords

Bu çalışmada, güç kalitesindeki bozulma türlerinin sınıflandırılması için örüntü tanıma yaklaşımlarına dayalı bir algoritma önerilmiştir. Örüntü tanımanın önemli bir kısmı olan özellik çıkarma için, dalgacık dönüşüm

References

• Dugan, R.C., Mcgranaghan, M.F., Santoso, S. ve
• Beaty, H.W., Electrical Power Systems Quality,
• McGraw-Hill, New York, 2002.
• Gaouda, A.M., Salama, M.M.A., Sultan, M.R.,
• Chikhani, A.Y., “Power “Quality Detection and
• Classification using Wavelet-Multiresolution
• Signal Decomposition”, IEEE Trans. on Power
• Deliv., 14, 4, 1469-1476, 1999.
• Güç Kalitesi Milli Projesi,
• http://www.guckalitesi.gen.tr.
• Gaouda, A.M., Wavelet-Automated
• Recognition System for Power Quality
• Monitoring, Phd Thesis, University of Waterloo,
• -
• AbdelGalil, T., Automated Recognition System
• for Power Quality Disturbances, Phd Thesis,
• University of Waterloo, 2003.
• Flores, R.A., “State of the Art in the
• Classification of Power Quality Events, an
• Overview”, 10th Int. Conf. Harmonics Quality
• of Power, Rio de Janeiro, Brazil, 1, 17–20, 2002.
• Perunicic, B., Mallini, M., Wang, Z., Liu, Y.,
• “Power Quality Disturbance Detection and
• Classification using Wavelets and Artificial
• Neural Networks”, 8th Int. Conf. on Harmonics
• and Quality of Power, Athens, Greece, 1, 77–
• , 1998.
• Liao, Y., Lee, J.-B., “A Fuzzy-Expert System for
• Classifying Power Quality Disturbances”,
• International Journal of Electrical Power &
• Energy Systems, 26, 3, 199-205, 2004.
• AbdelGalil, T.K., Kamel, M., Youssef, A.M., El-
• Saadany, E.F., Salama, M.M.A., “Power Quality
• Disturbance Classification using the Inductive
• Inference Approach”, IEEE Trans. Power
• Deliv., 19, 4, 1812–1818, 2004.
• Strang, G., Nguyen, T., Wavelets and Filter
• Banks, Cambridge Press, Wellesley, 1996.
• Cortes, C., Vapnik, V. N., “Support Vector
• Networks”, Machine Learning, 20, 3, 273-293,
• -
• Vapnik, V.N., The Nature of Statistical
• Learning Theory, Springer-Verlag, New York,
• -
• Schölkopf, B., Sung, K., Burges, C., Girosi, F.,
• Niyogi, P., Poggio, T., Vapnik, V., “Comparing
• Support Vector Machines with Gaussian Kernels
• to Radial Basis Function Classifiers”. IEEE
• Trans. on Signal Processing, 45, 11, 2758–
• , 1997.
• Keerthi, S.S., Lin, C.-J., “Asymptotic Behaviors
• of Support Vector Machines with Gaussian
• Kernel”, Neural Computation, 15, 7, 1667–
• , 2003.
• Vapnik V.N., The Nature of Statistical
• Learning Theory, Second Edition, Springer
• Science, New York, 2000
• Cristianini, N., Shawe-Taylor, J., An
• Introduction to Support Vector Machines and
• Other Kernel-Based Learning Methods,
• Cambridge University Press, New York, 2000.
• Uyar, M., Güç Kalitesindeki Bozulma
• Türlerinin Akıllı Örüntü Tanıma Yaklaşımları
• ile Belirlenmesi, Doktora Tezi, Fırat
• Üniversitesi, Fen Bilimleri Enstitüsü, 2008.
• Uyar, M., Yildirim, S., Gencoglu, M.T., “An
• Effective Wavelet-Based Feature Extraction
• Method for Classification of Power Quality
• Disturbance Signals”, Electric Power Systems
• Research, 78, 10, 1747–1755, 2008.
• Türkoğlu, İ., Durağan Olmayan İşaretler İçin
• Zaman-Frekans Entropilerine Dayalı Akıllı
• Örüntü Tanıma, Doktora Tezi, Fırat
• Üniversitesi, Fen Bilimleri Enstitüsü, 2003.
• Salor, Ö, Buhan, S., Ünsar, Ö., et.al., “Mobile
• Monitoring System to Take Nationwide PQ
• Measurements on Electricity Transmission
• Systems”, Measurement, 42, 501–515, 2009.
• Dommel H.W., Electromagnetic Transients
• Program. Reference Manual (EMTP theory
• book), Bonneville Power Administration,
• Portland, 1986.
• Kizilcay, M., Review of Solution Methods in
• ATP-EMTP, EEUG News, 2001.
• He, H., Starzyk, J.A., “A Self-Organizing
• Learning Array System for Power Quality
• Classification Based on Wavelet Transform”,
• IEEE Trans. Power Deliv., 21, 1, 286–295,
• -
• Yang, H.T., Liao, C.C., “A De-Noising Schemes
• for Enhancing Wavelet-Based Power Quality
• Monitoring System”, IEEE Trans. Power
• Deliv., 16, 7, 353–360, 2001.
• Panigrahi, B.K., Sinha, S.K., “Detection and
• Classification of Non-Stationary Power
• Disturbances in Noisy Conditions”, Power
• Electronics, Drives and Energy Systems
• PEDES’06, New Delhi, India, 1–5, 2006.
• Janik, P., Lobos, T., “Automated Classification of
• Power-Quality Disturbances using SVM and RBF
• Networks”, IEEE Trans. on Power Deliv., 21, 3,
• –1669, 2006