Заказ #1047   
Выход журнала (статьи): Октябрь 2026   
Набор в журнал до 04-07-2025   
В этой статье 3 авторов.
Стоимость от 80000 руб.
Закрыть страницу
Тема статьи / Topic of the article:
Приемники и потребители электрической энергии систем электроснабжения

Receivers and consumers of electrical energy of power supply systems



Ключевые слова / Key words:
нелинейные электрические потребители, высшие гармоники, дискретное преобразование Фурье, дискретное вейвлет-преобразование, нейронные сети

nonlinear electrical consumers, higher harmonics, discrete Fourier transform, discrete wavelet transform, neural networks

Scopus Q3 Percentile 30..49
Техника Control and Systems Engineering Electrical and Electronic Engineering

Аннотация / Annotation:
Целью этой работы является разработка методов обнаружения и подавления высших гармоник тока в потребительских сетях с помощью применения математических преобразований и машинного обучения. С помощью использования методов (дискретное преобразование Фурье, дискретное вейвлет—преобразование) была разработана методика обнаружения и идентификации гармонического нарушения в сигнале. Показано, что с применением дискретного вейвлет-преобразования и его разложения по уровням можно получить детальную информацию о сигнале и локализировать место возникновения нарушения. С использованием алгоритмов искусственных нейронных сетей были разработаны классификаторы гармоник и видов нарушений в электрических сигналах. Согласно анализу полученных результатов показано, что комбинированный метод дискретного вейвлет-преобразования и неройросети демонстрирует высокую точность (99 %) для составления профиля нелинейной нагрузки.

The aim of this work is to develop methods for detecting and suppressing higher harmonics of current in consumer networks using mathematical transformations and machine learning. Using the methods (discrete Fourier transform, discrete wavelet transform), a technique for detecting and identifying harmonic disturbances in the signal was developed. It is shown that with the use of a discrete wavelet transform and its decomposition into levels, it is possible to obtain detailed information about the signal and localize the place of occurrence of the violation. Using algorithms of artificial neural networks, classifiers of harmonics and types of violations in electrical signals have been developed. According to the analysis of the results obtained, it is shown that the combined method of discrete wavelet transform and neural network demonstrates high accuracy (99%) for compiling a nonlinear load profile.

Эльвира +79683748220 WhatsApp elvira.pillipchuk@mail.ru Все контакты Закрыть страницу