بهبود روش تبدیل فوریه گسسته جهت حذف مؤلفه dc میراشونده سیگنال جریان به کمک شبکه عصبی

روش تبدیل فوریه گسسته، متداول ترین فیلتر دیجیتال برای تخمین فازرو می باشد. دقت و سرعت تخمین روش های فیلتر دیجیتال در طرح های حفاظت بسیار اساسی می باشد. در هنگام بروز خطا، معمولا شکل موج جریان خطا، مشتمل بر مؤلفه DC میراشونده می باشد؛ که وجود این مؤلفه، عملکرد روش تبدیل فوریه گسسته را در تخمین فازور اصلی موج مختل می کند. در این مقاله با به کارگیری تکنیک شبکه های عصبی مصنوعی، خطای حاصل از مؤلفه DC میراشونده در روش تبدیل فوریه گسسته حذف می شود. ورودی های شبکه عصبی، نمونه های اندازه گیری شده موج در طول یک پریود می باشند. برای اینکه شبکه عصبی بتواند خطای محاسبه فازور اصلی به واسطه مولفه DC میراشونده را تشخیص دهد و حذف کند، فازور تخمین زده شده توسط روش تبدیل فوریه گسسته نیز به عنوان ورودی شبکه عصبی انتخاب می شود. روش شبکه عصبی مبتنی بر تبدیل فوریه گسسته به منظور تخمین دامنه مولفه اصلی موج جریان دارای مولفه DC میراشونده، به کار گرفته شد. نتایج به دست آمده از این روش جدید در مقایسه با سایر روش ها، عملکرد مناسب این روش را نشان می دهد.

کلیدواژه ها:

شبکه عصبی ، تبدیل فوریه گسسته ، مولفه DC میراشونده ، تخمین فازور