Kısa süreli güç kalitesi bozulmalarının dalgacık analizi ve rastgele orman yöntemi ile sınıflandırılması

Abstract

Elektrik güç sisteminde kalite kavramı giderek artan bir öneme sahiptir. Güç kalitesi bozulmaları (GKB), bir güç sisteminin akım, gerilim ve frekansında meydana gelen bozulmaları kapsar. GKB içinde, kısa süreli RMS değişimleri ile süreksiz olaylar en yüksek orana sahiptir. Bu bozulmaların doğru tespit edilmesi önemlidir. Bu çalışmada matematiksel olarak modellenen kısa süreli RMS değişimleri ve süreksiz olaylar Rastgele Orman (RO) sınıflandırıcısı ile sınıflandırılmıştır. Öznitelik vektörü Ayrık Dalgacık Dönüşümü (ADD) ile oluşturulmuştur. ADD katsayılarının enerji, kayıklık ve basıklık değerlerinden oluşturulan öznitelik vektörü RO sınıflandırıcısına uygulanmıştır. ADD’nin sınıflandırma başarımına etkisi farklı ayrışım seviyeleri ile analiz edilmiştir. Güç sistemlerinde farklı seviyelerde var olan gürültünün sınıflandırma başarımına etkisi de analiz edilmiştir. RO sınıflandırıcısının farklı ADD seviyelerinde ve farklı gürültü düzeylerinde performansı değerlendirilmiştir. Gürültü içeren bozulmalarda doğruluk, 50 dB gürültü içeren olaylarda %99,8 oranında, 40 dB gürültü içeren olaylarda %99,4 oranında, 30 dB gürültü içeren olaylarda da %98,5 oranında elde edilmiştir. Gürültü düzeyinin 50 dB, 40 dB ve 30 dB olarak birlikte değerlendirildiği bozulmalarda doğruluk oranı %99,6 olarak elde edilmiştir. Sonuçlar kısa vadeli RMS değişimlerinin ve süreksiz olayların RO sınıflandırıcı ile yüksek doğruluk oranıyla ile sınıflandırıldığını göstermektedir.

The concept of quality in electrical power system has an increasing importance. Distortions in the voltage, current and frequency of a power system have adverse effects especially in economic terms. Among the power quality distortions, short-term RMS variations and transients have the highest rate. In this study, short-term RMS variations and transients which have been mathematically modeled were classified with the Random Forest (RF) classifier. The feature vector which consists of energy, skewness and kurtosis values of the DWT coefficients was applied to the RF classifier. The performance of DWT on classification performance was analyzed with different levels of decomposition. The effect of the noise on the classification performance is also analyzed. The performance of the RF classifier at different DWT levels and noise levels was evaluated. Accuracy in noise-containing disturbances was 99.8% in events with 50 dB noise, 99.4% in events with 40 dB noise, and 98.5% in events with 30 dB noise. The accuracy rate was obtained as 99.6% in the distortions where 50 dB, 40 dB and 30 dB noise levels were evaluated together. The results show that by using a RO classifier short-term RMS variations and transients are classified with high accuracy rate.