Power Quality Event Classification Using Least Square-Support Vector Machine

Abstract

In this manuscript, a discrete wavelet transform and statistical feature extraction based intelligent pattern recognition system is presented which is efficacious to classify power quality disturbance events like voltage sags, swells and interruptions, harmonics and transients. One of main units in an intelligent system is classifier, here, Least Square-Support Vector Machine an improved version of support vector machine method is used as classifier unit. Power quality event data to be classify is derived via a simulation system based on detailed mathematical modelling which generates nearly real world signals. Given detailed results are obtained using conventional artificial neural networks and additionally extreme learning machine to evaluate performance more effectively.

Bu makalede, gerilim düşmesi, yükselmesi ve kesintisi, harmonikler ve geçici durumlar gibi güç kalitesi bozulma olaylarının sınıflandırılması amacıyla ayrık dalgacık dönüşümü ve istatiksel verilere dayanan öznitelik çıkarımı tabanlı akıllı bir örüntü tanıma sistemi sunulmuştur. Akıllı sistemlerin temel bileşenlerinden olan sınıflandırıcı yapısında destek vektör makinesi yönteminin geliştirilmiş bir sürümü olan en küçük kareler-destek vektör makinesi kullanılmıştır. Sınıflandırılan güç kalitesi olay verileri detaylı olarak hazırlanan bir matematiksel model ile gerçek verilere en yakın şekilde oluşturulmuş benzetim sisteminden elde edilmiştir. Başarımın daha etkin değerlendirilmesi amacıyla geleneksel yapay sinir ağı yapısı ve ek olarak uç öğrenme makinesinden elde edilen detaylı sonuçlar da sunulmuştur.