کاربرد ابزارهای پردازش سیگنال و شبکه عصبی مصنوعی در تشخیص خطاهای سیستم قدرت ۲۰۲۱
Application of Signal Processing Tools and Artificial Neural Network in Diagnosis of Power System Faults 2021

در سامانه‌های انتقال نیروی امروزی، استفاده از روش‌های دقیق، سریع و مطمئن برای تشخیص و طبقه‌بندی خطا، یکی از الزامات مهم عملیاتی است. کتاب کاربرد ابزارهای پردازش سیگنال و شبکه‌های عصبی مصنوعی در تشخیص خطاهای سیستم قدرت به بررسی خطاهای سیستم قدرت و روش‌های مرسوم تحلیل خطا می‌پردازد. نویسندگان با ارائه مثال‌ها و تصاویر گویا، به معرفی شبکه‌های عصبی مصنوعی و کاربردهای آن‌ها در شناسایی خطاهای سیستم قدرت می‌پردازند. تبدیل موجک (Wavelet Transform) و کاربردهای آن، به همراه روش مفصل تبدیل استاکول (Stockwell Transform) نیز در این کتاب مورد بحث قرار گرفته‌اند.

همچنین، نویسندگان از شبکه‌های عصبی احتمالی (PNN) و شبکه‌های عصبی پس انتشار (BPNN) برای شناسایی انواع مختلف خطا و تعیین موقعیت مکانی آن‌ها استفاده می‌کنند. هر دو شبکه PNN و BPNN به طور مفصل معرفی شده و کاربردهای آن‌ها از طریق برنامه‌نویسی ساده در MATLAB® نشان داده شده است. به علاوه، کاربردهای آن‌ها در تشخیص خطا از طریق مطالعات موردی متعدد مورد بحث قرار می‌گیرد.

ویژگی‌ها:

• بررسی روش‌های شناسایی خطا از طریق برنامه‌نویسی و شبیه‌سازی در MATLAB®
• بررسی ابزارهای پردازش سیگنال و کاربردهای آن‌ها به همراه مثال
• ارائه دانش در مورد شبکه‌های عصبی مصنوعی و کاربردهای آن‌ها با تصاویر گویا
• استفاده از PNN و BPNN برای شناسایی انواع مختلف خطا و به دست آوردن موقعیت مکانی آن‌ها
• بررسی برنامه‌نویسی پردازش سیگنال با استفاده از تبدیل موجک و تبدیل استاکول

این کتاب برای دانشجویان رشته مهندسی و متخصصان این حوزه طراحی شده است. خوانندگان در این کتاب با روش‌های برنامه‌نویسی و شبیه‌سازی هر نوع شبکه در MATLAB® و همچنین راه‌های استخراج ویژگی‌ها از شکل موج سیگنال با استفاده از جعبه ابزار مناسب پردازش سیگنال و کاربرد شبکه‌های عصبی مصنوعی آشنا خواهند شد.

Accurate, fast, and reliable fault classification techniques are an important operational requirement in modern-day power transmission systems. Application of Signal Processing Tools and Neural Network in Diagnosis of Power System Faults examines power system faults and conventional techniques of fault analysis. The authors provide insight into artificial neural networks and their applications, with illustrations, for identifying power system faults. Wavelet transform and its application are discussed as well as an elaborate method of Stockwell transform.

The authors also employ probabilistic neural networks (PNN) and back propagation neural networks (BPNN) to identify the different types of faults and determine their corresponding locations, respectively. Both PNN and BPNN are presented in detail, and their applications are illustrated through simple programming in MATLAB®. Furthermore, their applications in fault diagnosis are discussed through multiple case studies.

FEATURES

• Explores methods of fault identification through programming and simulation in MATLAB®
• Examines signal processing tools and their applications with examples
• Provides knowledge of artificial neural networks and their application with illustrations
• Uses PNN and BPNN to identify the different types of faults and obtain their corresponding locations
• Discusses the programming of signal processing using wavelet transform and Stockwell transform

This book is designed for engineering students and for practitioners. Readers will find methods of programming and simulation of any network in MATLAB® as well as ways to extract features from a signal waveform by using a suitable signal processing toolbox and by application of artificial neural networks.