УЗАГАЛЬНЕНИЙ ІДЕНТИФІКАТОР НАЯВНОСТІ СПОТВОРЕНЬ ЯКОСТІ ЕЛЕКТРИЧНОЇ ЕНЕРГІЇ
ARTICLE_10_PDF

Ключові слова

electricity quality
distortion of electric energy quality parameters
wavelet analysis якість електричної енергії
спотворення параметрів якості електричної енергії
вейвлет-аналіз

Як цитувати

[1]
Волошко, А. 2022. УЗАГАЛЬНЕНИЙ ІДЕНТИФІКАТОР НАЯВНОСТІ СПОТВОРЕНЬ ЯКОСТІ ЕЛЕКТРИЧНОЇ ЕНЕРГІЇ. ТЕХНІЧНА ЕЛЕКТРОДИНАМІКА. 6 (Жов 2022), 072. DOI:https://doi.org/10.15407/techned2022.06.072.

Анотація

Розробка заходів по забезпеченню якості електричної енергії можлива тільки після оцінки фактичного стану якості електричної енергії у всіх вузлах електричної мережі. Тому в основу системи забезпечення необхідної якості електричної енергії повинно бути покладено систему її моніторингу. Представлено підхід до побудови системи моніторингу якості електричної енергії у реальному часі шляхом розробки узагальненого ідентифікатора наявності спотворення якості електричної енергії незалежно від його типу, часу появи та тривалості на основі побудови просторово-часового розподілу інформаційного сигналу і подальшого ортогонального аналізу частотно-часових змін його спектральних компонент. Це дає змогу створення системи моніторингу якості електричної енергії в реальному часі на відміну від існуючих методів, під час застосування яких проводиться послідовна обробка вимірювального сигналу для визначення окремих показників якості електричної енергії, що унеможливлює його проведення в реальному часі. Бібл. 10, рис. 2.

https://doi.org/10.15407/techned2022.06.072
ARTICLE_10_PDF

Посилання

1. EN 50160:2010&A1:2015&A2:2019&A3:2019 Voltage characteristics of electricity supplied by public electricity networks. (NSAI), 2019. 36 p.

Zwe-Lee Gaing. Wavelet-based neural network for Power Disturbance recognition and classification. IEEE Trans. on Power Delivery. 2004. Vol. 19. No 4. Pp. 1560-1567. DOI: https://doi.org/10.1109/TPWRD.2004.835281

Emmanouil S., Bollen M.H.J., Gu I.Y.H. Expert system for classification and analysis of Power system event’s. IEEE Trans. On Power Delivery. 2002. Vol. 17. No 2. Pp. 423-428. DOI: https://doi.org/10.1109/61.997911

Bizjak B., Planinsic P. Classification of Power Disturbances using Fuzzy Logic. 12th International Power Electronics and Motion Control Conference. Portoroz, 30 August–1 September 2006. Pp. 1356-1360. DOI: https://doi.org/10.1109/EPEPEMC.2006.283352

Axelberg, P., Gu I.Y.-H., Bollen M. H. Support Vector Machine for Classification of Voltage Disturbances IEEE Trans. on Power Delivery. 2007. Vol. 22. No 3. Pp. 1297-1303. . DOI: https://doi.org/10.1109/TPWRD.2007.900065

Janic P. Automated classification of Power-quality disturbances using SVM and RBF network. IEEE Trans. on Power Delivery. 2006. Vol. 21. No 3. Pp. 1663-1669. DOI: https://doi.org/10.1109/TPWRD.2006.874114

Grouse M.S., Nowak R.D., Baraniuk R.G. Wavelet-based statistical signal processing using hidden Markov models. IEEE Trans. Signal Processing. 1998. Vol. 46. No 4. Pp. 886-902. DOI: https://doi.org/10.1109/78.668544

Dash P.K., Mishra K.S., Salama M.M.A. Classification of Power Disturbances using a Fuzzy expert system and a Fourier linear combiner. IEEE Trans. on Power Delivery. 2000. Vol. 15. No 2. Pp. 472-477. DOI: https://doi.org/10.1109/61.852971

Mallat S.A. A theory for multiresolution signal decomposition: The wavelet representation. IEEE Trans. Pattern Anal. Machine Intell. 1989. Vol. 11. Pp. 674-693. DOI: https://doi.org/10.1109/34.192463

Coh H.H., Liao L., Zhang D., Dai W., Lim C.S. Denoising Transient Power Quality Using an Improved Adaptive Wavelet Threshold Method Based on Energy Optimization. Energies. 2022. No 15. Pp. 1-21. DOI: https://doi.org/10.3390/en15093081.

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Авторське право (c) 2022 Array

Переглядів анотації: 118 | Завантажень PDF: 84

Завантаження

Дані завантаження ще не доступні.