Ứng dụng Wavelet trong việc nhận dạng phổ tín hiệu

Nội dung text: Ứng dụng Wavelet trong việc nhận dạng phổ tín hiệu

1. ỨNG DỤNG WAVELET TRONG VIỆC NHẬN DẠNG PHỔ TÍN HIỆU WAVELET APPLICATION FOR IDENTIFICATION OF SPECTRUM SIGNAL Hồ Văn Nhật Chương(1), Nguyễn Thành Thiện(2) (1) Khoa Điện - điện tử, đại học Bách Khoa Tp HCM (2) Công ty TNHH Đầu tư Xây lắp Nhân Thuận Hòa Tp.HCM TÓM TẮT Bài báo giới thiệu về kỹ thuật phân tích đa phân giải (MRA _ Multi resolution Analysis) để tính các mức năng lượng và phương pháp biến đổi wavalet liên tục để tính phổ tần số của các tín hiệu quá độ trên hệ thống điện nhằm phục vụ cho việc nhận dạng và phân loại chúng. Các tín hiệu quá độ được mô phỏng bằng phần mềm Matlab gồm các hiện tượng: Quá độ khi đóng tụ điện, quá điện áp khí quyển, võng điện áp, tăng điện áp và mất điện tậm thời. Các kết quả nhận được trong bài báo cho thấy việc đánh giá các hiện tượng quá độ trong hệ thống điện dùng kỹ thuật wavelet cho thấy nhận được nhiều thông tin định lượng và là cơ sở trong quá trình đánh giá chất lượng điện năng. ABSTRACT This paper presents technical multi-resolution analysis (MRA _ Multi resolution Analysis) to calculate the energy levels and continuous wavalet transform method to calculate frequency spectrum of the signal transition on the electrical system in order serve to recognize and classify them. Various transient phenomena of capacitor bank switching transients, atmospheric overvoltage , voltage sag, voltage swell and interruption, were simulated by transient caculation software Matlab. The analysis conducted and results obtained show the merit of method in use and prospective application of wavelet technique to power disturbances assessment. 1. GIỚI THIỆU Chất lượng điện năng bị ảnh hưởng rất lớn từ các hiện tượng nhiễu loạn, các hiện tượng đó bao gồm: đóng cắt trạm tụ bù, sóng sét, sụt điện áp, tăng điện áp, mất điện, chập chờn điện áp, họa tần, sự cố ngắn mạch ., do đó việc phân tích, nhận dạng, cô lập các hiện tượng trên mang ý nghĩa thời sự trong quá trình hướng đến các phương pháp hoàn thiện hơn để bảo vệ lưới điện khỏi các ảnh hưởng nghiêm trọng. Trong các bài báo [1] - [3] các tác giả dùng kỹ thuật Wavelet kết hợp với các thuật toán Neural network hay Fuzzy để rút ra các thông tin đáng quan tâm, từ đó nhận dạng, phân loại các dạng nhiễu khác nhau, có được bằng cách tạo hàm trong Matlab. Bài báo [4]-[6] các tác giả đã sử dụng biến đổi wavelet liên tục để vẽ phổ tần số của các tín hiệu để thấy được các đặt trưng của tín hiệu quá độ. Trong bài báo này, các dạng sóng quá độ đa dạng được mô phỏng trên công cụ simulink và được phân tích dùng Wavelet Toolbox trong phần mềm Matlab, các giá trị năng lượng tại các mức khác nhau của các dạng nhiễu được tính toán và là cơ sở đầu vào của các thuật toán nhận dạng và phân loại bằng mạng neuron hoặc kỹ thuật logic mờ, hoặc kỹthuật neuro-fuzzy. Bên cạnh đó bài báo cũng ứng dụng kỹ thuật biến đổi wavelet liên tục để vẽ phổ tần số và tìm độ rộng băng tần của các tín hiệu quá độ để phục vụ cho việc nhận dạng và phân loại chúng.
2. 2. MÔ PHỎNG MỘT SỐ HIỆN TƯỢNG QUÁ ĐỘ Các mô phỏng được thực hiện trên phần mềm Matlab với các trường hợp quá độ sau: 2.1. Quá độ do đóng tụ điện Mức độ quá áp và quá dòng phụ thuộc vào thời điểm đóng cắt trạm tụ và giá trị điện áp ban đầu của tụ. Trường hợp nguy hiểm nhất xảy ra khi tại thời điểm đóng mà điện áp nguồn đạt cực đại và cực tiểu. Đây là trường hợp đóng tụ điện tại thời điểm điện áp nguồn và điện áp trên tụ bằng 0. Trong trường hợp này biên độ quá độ và thời gian là nhỏ nhất. Hình 1: Đóng tụ tại thời điểm diện áp nguồn bằng 0 Trường hợp đóng tụ tại thời điểm điện áp nguồn cực tiểu và điện áp trên tụ bằng 0. Trong trường hợp này thì biên độ quá độ khoảng 1.7pu và thời gian quá độ kéo dài khoảng 4 chu kỳ. Hình 2: Đóng tụ tại thời điểm diện áp nguồn cực tiểu Trường hợp đóng tụ tại thời điểm điện áp nguồn cực đại và điện áp trên tụ bằng 0. Trong trường hợp này thì biên độ quá độ khoảng 1.7pu và thời gian quá độ kéo dài khoảng 4 chu kỳ. Hình 3: Đóng tụ tại thời điểm diện áp nguồn cực đại 2.2. Quá điện áp khí quyển Thực hiện mô phỏng quá điện áp khí quyển với xung sét 1.2/50µs. Thực hiện với dạng toàn sóng và sóng cắt.
3. Hình 4: Quá điện áp với xung toàn sóng 1.2/50µs Hình 5: Quá điện áp với xung 1.2/50µs cắt tại Tc=0.6µs Hình 6:Quá điện áp với xung 1.2/50µs cắt tại Tc=1.2 µs Hình 7:Quá điện áp với xung 1.2/50µs cắt tại Tc=25µs 2.3. Võng điện áp Là sự giảm điện áp hoặc dòng điện hiệu dụng còn lại trong khoảng 0.1-0.9pu trong thời gian từ 0.5 đến 30 chu kỳ. Võng điện áp thường kèm theo sự cố trên hệ thống nhưng cũng có thể do sự đóng điện của các tải nặng hoặc do quá trình khởi động các động cơ lớn Hình 8: Dạng sóng võng điện áp 2.4. Tăng điện áp Là sự tăng dòng điện hoặc điện áp hiệu dụng đến giá trị khoảng 1.1-1.8 pu trong thời gian từ 0.5 đến 30 chu kỳ. Giống như võng điện áp, tăng điện áp thường kèm theo sự cố trên hệ thống nhưng ít phổ biến hơn. Hình 9: Dạng sóng tăng điện áp
4. 2.5. Mất điện tạm thời Hiện tượng này xảy ra khi điện áp nguồn hoặc dòng điện tải giảm đến giá trị nhỏ hơn 0.1pu (power unit) trong thời gian ít hơn 1 phút. Nguyên nhân do các sự cố trên hệ thống, sự cố tại thiết bị, điều khiển sai thiết bị. Mất điện áp thường do sự cố ngắn mạch trên hệ thống điện gây ra. Hình 10: Dạng sóng mất điện tạm thời 3. ỨNG DỤNG KỸ THUẬT WAVELET ĐỂ PHÂN TÍCH CÁC TÍN HIỆU QUÁ ĐỘ Lý thuyết và ứng dụng của Wavelet đã có những bước tiến đáng kể trong vòng hai thập kỷ qua. Biến đổi Wavelet đã trở thành một công cụ để giải quyết các vấn đề trong nhiều lĩnh vực như xử lý số tín hiệu, hình ảnh máy tính, nén dữ liệu, nhận dạng, xử lý ảnh, đồ họa, ảnh y tế, phân tích tế bào, ADN và cả trong kỷ thuật quân sự. Ý tưởng cơ bản của biến đổi Wavelet là phân tích tín hiệu thành tổng các tín hiệu đồng dạng có tỷ lệ và thời gian trễ khác nhau. Tín hiệu Wavelet là các hàm toán học chia tín hiệu thành các thành phần tần số khác nhau và nghiên cứu từng thành phần với một độ phân giải phù hợp với tỷ lệ của nó. Khi phân tích các tín hiệu trong trạng thái vật lý thực, Wavelet có ưu thế hơn với biến đổi Fourier truyền thống vì nó miêu tả được các yếu tố thời gian và biên độ của các đột biến và gián đoạn của tín hiệu. Biến đổi Wavelet cũng mở ra cho các nhà kỹ thuật một phương pháp nghiên cứu tín hiệu mới, không chỉ dựa trên các hàm sin và cosin mà còn có thể dùng các hàm khác giúp làm rõ từng loại tín hiệu đặc thù. 3. 1.Khai triển wavelet rời rạc (DWT) và kỹ thuật phân tích đa giải (MRA): Ý tưởng của phân tích đa phân giải là sử dụng các kỹ thuật lọc số trong quá trình phân tích. Trong đó, mỗi một tín hiệu được phân tích thành hai thành phần: thành phần xấp xỉ A (Approximation) tương ứng với thành phần tần số thấp và thành phần chi tiết D (Detail) tương ứng với thành phần tần số cao, thông qua hai bộ lọc thông thấp và thông cao như mô tả trong hình 11.
5. hình 11: Phân tích đa phân giải sử dụng biến đổi wavelet rời rạc Các phép lọc được tiến hành với nhiều tầng (level) khác nhau và để khối lượng tính toán không tăng, khi qua mỗi bộ lọc, tín hiệu được lấy mẫu xuống 2. Ứng với mỗi tầng, tín hiệu có độ phân giải khác nhau. Do đó, phép biến đổi wavelet rời rạc được gọi là phân tích đa phân giải (MRA- Multiresolution Analysis). 퐽 Giả sử tín hiệu 푗 [푡] được lấy mẫu theo các khoảng thời gian như nhau, với số lượng mẫu là N=2 , J là số nguyên thì 푗 [푡] =( 0, 1, , −1). Biểu diễn toán học biến đổi wavelet DWT của 푗 [푡] là: 푗 [푡] = 푗 푡 . ∅j.k [푡] (3.1) Với ∅(푡) là hàm tỉ lệ trong biến đổi DWT. Định lý Parseval được áp dụng trong phân tích DWT: 1 2 1 2 퐽 1 2 푡 [푡] = 푗 , + 푗 =1( 푤푗 , ) (3.2) 푗 푗 1 2 Trong đó: 푗 , biểu diễn công suất trung bình của thành phần xấp xỉ của tín hiệu. 푗 퐽 1 2 푗 =1( 푤푗 , ) biểu diễn công suất trung bình của thành phần chi tiết của tín hiệu. 푗 Số hạng thứ hai này biểu diễn các đặc trưng phân bố năng lượng của thành phần chi tiết của tín hiệu méo. Số hạng này được chọn để trích các đặc trưng của công suất nhiễu. Ta có thể viết lại: 2 1 2 푤푗 Pj = 푤푗 , = (3.3) 푗 푗 Chuẩn hóa phương trình (3.3) ta được: 1/2 푃푗 = (푃푗 ) (3.4) Sau đây là các kết quả thí nghiệm bằng số áp dụng kỹ thuật DWT với hàm wavelet Daubanchie “db4’ và tính toán giá trị phân bố năng lượng theo các mức cho các tín hiệu quá độ khác nhau được mô phỏng ở trên.
6. Thành phần tần số trung bình Thành phần Thành phần tần số cao tần số thấp Hình 12:Các mức chi tiết và 13 mức năng lượng của sóng sin Bảng 1: Giá trị năng lượng của sóng sin Mức P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 Sóng sin 0.0001 0.0006 0.0009 0.0028 0.0166 0.1669 0.6419 0.2314 0.0315 0.0279 0.0262 0.0063 0.0168 Đóng tụ 0.0005 0.0010 0.0043 0.0205 0.0226 0.1700 0.6537 0.2352 0.0319 0.0283 0.0272 0.0066 0.0174 Ta khi th ấU=0y hai mức năng lượng 6,7 và 8 tương ứng với thành phần tần số cơ bản (50Hz hoặc Đóng tụ 0.0038 0.0107 0.0320 0.1396 0.0702 0.1703 0.6541 0.2355 0.0318 0.0283 0.0272 0.0066 0.0174 60Hz), khi c Uminác mức năng lượng từ 1 đến 5 tương ứng với các thành phần tần số cao của tín hiệu vào, Đóng tụ và các mức năng0.0074 lượng0.0049 từ 9 0.0290đến 130.1366 tương0.0818 ứng v0.1692ới các0.6536 thành0.2353 phần t0.0319ần số th0.0283ấp củ0.0272a tín hi0.0066ệu vào0.0174 . Vì khi Umax đây là 13 mức năng lượng của tín hiệu sin chuẩn nên chỉ có thành phần năng lượng 6,7 và 8 lá vượt trội, các thành phần tần số thấp và cao còn lại là không đáng kể. Hình 13:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do đóng tụ điện tại thời điểm nguồn bằng 0
7. Hình 14:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do đóng tụ điện tại thời điểm nguồn cực tiểu Hình 15:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do đóng tụ điện tại thời điểm nguồn cực đại Ta thấy rằng với 3 trường hợp đóng tụ điện thì các mức năng lượng từ 7 đến 13 (đặc trưng cho tần số trung bình và thấp) thay đổi không đáng kể, chỉ có các mức năng lượng từ 1 đến 5 (đặc trưng cho các tần số cao) thì tăng lên đáng kể so với các mức năng lượng của sóng sin. Vì trong khoảng thời gian xảy ra quá độ đã sinh ra các tín hiệu có các tần số cao hơn tần số sóng sin chuẩn, do đó các mức năng lượng đặc trưng cho các tần số cao sẽ tăng lên. Cụ thể được trình bày ở bảng 2 Bảng 2: Các mức năng lượng của các trường hợp đóng tụ điện so với song sin Mức P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 Sóng sin 0.0001 0.0006 0.0009 0.0028 0.0166 0.1669 0.6419 0.2314 0.0315 0.0279 0.0262 0.0063 0.0168 Đóng tụ 0.0005 0.0010 0.0043 0.0205 0.0226 0.1700 0.6537 0.2352 0.0319 0.0283 0.0272 0.0066 0.0174 khi U=0 Đóng tụ 0.0038 0.0107 0.0320 0.1396 0.0702 0.1703 0.6541 0.2355 0.0318 0.0283 0.0272 0.0066 0.0174 khi Umin Đóng tụ 0.0074 0.0049 0.0290 0.1366 0.0818 0.1692 0.6536 0.2353 0.0319 0.0283 0.0272 0.0066 0.0174 khi Umax Thay đổi đáng kể Thay đổi không đáng kể
8. Hình 16:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do xung sét toàn sóng 1.2/50µs Hình 17:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do xung sét 1.2/50µs cắt tại Tc=0.6µs Hình 18:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do xung sét 1.2/50µs cắt tại Tc=1.2 µs
9. Hình 19:Các mức chi tiết và 13 mức năng lượng của sóng điện áp quá độ do xung sét 1.2/50µs cắt tại Tc=25µs Với 4 trường hợp quá điện áp do xung sóng gây ra thì chỉ có các mức mức năng lượng từ 1 đến 5 thay đổi nhều, còn các mức năng lượng còn lại thì thay đổi không đáng kể. Với trường hợp quá độ do xung sét toàn sóng thì các mức năng lượng từ 1 đến 5 cao hơn các trường hợp quá áp dao xung sóng cắt. Bởi vì thời gian tồn tại của xung toàn sóng dài hơn do đó sẽ có thời gian quá độ lâu hơn các trường hợp quá độ do xung sét cắt gây ra. Tương tự thì trong 3 trường hợp quá độ do xung sét cắt thì trường hợp sóng cắt tại đuôi sóng 25μs sẽ có mức năng thay đổi lớn nhất so với 2 trường hợp cắt tại 0.6μs và 1.2μs. Cụ thể được trình bày trong bảng 3 Bảng 3: Các mức năng lượng đặc trưng cho tần số cao của trường hợp quá điện áp do xung sét so với sóng sin P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 Sóng sin 0.0001 0.0006 0.0009 0.0028 0.0166 0.1669 0.6419 0.2314 0.0315 0.0279 0.0262 0.0063 0.0168 Quá điện áp 0.0012 0.0060 0.0089 0.0080 0.0174 0.1660 0.6407 0.2320 0.0296 0.0316 0.0409 0.0110 0.0246 với xung sóng cắt 0.6μs Quá điện áp 0.0019 0.0069 0.0088 0.0100 0.0178 0.1655 0.6396 0.2320 0.0291 0.0331 0.0459 0.0127 0.0272 với xung sóng cắt 1.2μs Quá điện áp 0.0023 0.0081 0.0103 0.0116 0.0209 0.1936 0.7483 0.2714 0.0340 0.0338 0.0446 0.0123 0.0266 với xung sóng cắt 25μs Quá điện áp 0.0201 0.0166 0.0172 0.0195 0.0195 0.1717 0.6592 0.2365 0.0302 0.0338 0.0446 0.0123 0.0266 với xung toàn sóng Thay đổi đáng kể Thay đổi không đáng kể Hình 20:Các mức chi tiết và 13 mức năng lượng của sóng tăng điện áp
10. Hình 21:Các mức chi tiết và 13 mức năng lượng của sóng tăng điện áp Hình 22:Các mức chi tiết và 13 mức năng lượng của sóng mất điện tạm thời Với 3 trường hợp tăng điện áp, võng điện áp và mất điện áp tạm thời ta thấy đều cùng tần số so với sóng sin chuẩn, do đó các mức năng lượng đặc trưng cho các tần số thấp và cao thay đổi không đáng kể. Tuy không thay đổi về tần số nhưng biên độ tại khoảng thời gian xảy ra tăng điện áp, võng điện áp và mất điện tạm thời có sự thay đổi về biên độ, do đó mức năng lượng 7 và 8 sẽ thay đổi đáng kể. Cụ thể như bảng 4: Bảng 4: Các mức năng lượng đặc trưng cho tần số cơ bản sóng tăng điện áp, võng điện áp và mất điện tạm thời so với sóng sin. Mức 1 2 3 4 5 6 7 8 9 10 11 12 13 Sóng sin 0.0001 0.0005 0.0009 0.0024 0.0159 0.1657 0.6365 0.2405 0.0435 0.0919 0.1706 0.0780 0.1024 Tăng 0.0003 0.0004 0.0009 0.0025 0.0165 0.1681 0.6454 0.2403 0.0283 0.0528 0.0932 0.0314 0.0527 điện áp Võng 0.0005 0.0011 0.0014 0.0055 0.0160 0.1607 0.5971 0.2231 0.0281 0.0360 0.0580 0.0207 0.0345 điện áp Mất điện áp tạm 0.0009 0.0021 0.0018 0.0082 0.0245 0.1505 0.5614 0.2113 0.0310 0.0345 0.0587 0.0232 0.0331 thời Như vậy, với mỗi loại tín hiệu sẽ có các giá trị năng lượng ở một mức năng lượng nhất định. Nên ta có thể dựa vào các mức năng lượng này của từng dạng sóng để phân biệt chúng. 3.2. Biến đổi Wavelet liên tục (CWT-Continuous Wavelets Transform) Biến đổi wavelet thuận Sử dụng biến đổi Wavelet thuận của hàm f(t)
11. 1 WT a,b f (t) (t)dt F( j)e jb a(a)d a,b 0 Vế phải của phương trình là công thức tính biến đổi Wavelet liên tục của tín hiệu f(t) ở miền thời gian, trong khi đó vế phải là công thức tính biến đổi Wavelet liên tục của tín hiệu ở miền tần số. Phương trình trên cho thấy khi tính CWT tại một điểm (a,b) trong mặt phẳng thời gian - tần số, tín hiệu f(t) đã ị giới hạn thời gian trong khoảng Δt xung quanh b và giới hạn tần số trong khoảng Δω do a quy định. Do đó, CWT có tính định vị theo thời gian và tần số với độ phân giải do hệ số a và b quy định. Đây là lấy tích phân theo tần số, ngoài ra ta có thể tính được hàm f(t) theo fourier ngược [6] Sau khi hàm Wavelet  (t) được chọn, biến đổi Wavelet liên tục của hàm bình phương khả tích f(t) được tính theo công thức: 1 t b WT(a,b) f (t)  * dt a a Dựa vào [5] ta có 1 * t b  a,b (t)  , a>0 a a 2 2  (t) dt  (t) dt a,b Mỗi giá trị của a và  a,b (t) là một bản sao của  a,0 (t) được dịch đi b đơn vị trên trục thời gian WT a,b, F( j)e jb a(a) Nó có thể phức tạp hơn nếu ta chọn hàm wavelet phức để phân tích. Ta có thể chọn hàm wavelet mẹ để phân tích [5] t 2  (t) c(1 t 2 )e 2 2 1 Với c 4 3 Theo [5] ta cũng có thể phân tích phổ wavelet thuận theo biến đổi nghịch Fourier theo công thức: 1 a 2 WT (a,b,) k.F * (b,) a a 2 e 2 Trong đó: k c 2 F * (b,) A  cos b B  sin b  j A  sin b B  cos b 
12. Với hệ số a thay đổi ta thu được phổ cực đại wavelet của các tín hiệu quá độ . Hình 23: Phổ Wavelet của tín hiệu Hình 24: Phổ Wavelet của tín hiệu Hình 25: Phổ Wavelet của tín hiệu đóng tụ điện khi áp nguồn cực tiểu đóng tụ điện khi áp nguồn bằng 0 đóng tụ điện khi áp nguồn cực đại Hình 26: Phổ wavelet thuận của tín Hình 27: Phổ wavelet của tín hiệu Hình 28: Phổ wavelet của tín hiệu hiệu quá điện áp do xung 1.2/50μs. quá điện áp do xung 1.2/50μs cắt tại quá điện áp do xung 1.2/50μs cắt tại Tc=0.6 μs Tc=1.2 μs Hình29:Phổ wavelet của tín hiệu quá Hình 30: Phổ Wavelet của tín hiệu Hình 31: Phổ Wavelet của tín hiệu điện áp do xung 1.2/50μs cắt tại tăng điện áp võng điện áp Tc=25 μs Hình 32: : Phổ Wavelet của tín hiệu mất điện tạm thời
13. Bảng 5: Băng tần của các tín hiệu quá độ Stt Loại tín hiệu Δf(Hz) I Nhiễu điện áp do đóng tụ điện 1 Khi Umin 792 2 Khi U=0 770 3 Khi Umax 792 II Nhiễu điện áp do xung sét 4 Với xung toàn sóng 1.2/50μs 812 5 Với xung sóng 1.2/50μs cắt tại 0.6μs 802 6 Với xung sóng 1.2/50μs cắt tại 1.2μs 802 7 Với xung sóng 1.2/50μs cắt tại 25μs 807 III Tăng điện áp, võng điện áp và mất điện tạm thời 8 Tăng điện áp 610 9 Võng điện áp 672 10 Mất điện áp tạm thời 546 Từ bảng 5 ta thấy với mỗi loại tín hiệu sẽ có độ rộng băng tần khác nhau. Với dạng quá độ do đóng tụ điện thì độ rộng băng tần khoảng (700; 800), quá độ do xung sét độ rộng băng tần trong khoảng (800; 900), còn với các trường hợp tăng điện áp, võng điện áp và mất điện tạm thời thì độ rộng băng tần sẽ thấp hơn, có giá trị trong khoảng (500; 700). Dựa vào đặc điểm này của tín hiệu mà ta có thể nhận dạng từng loại tín hiệu quá độ. Với trường hợp tăng điện áp, võng điện áp và mất điện tạm thời thì tín hiệu không chứa thành phần tần số cao nên phổ tần của ba trường hợp này là nhỏ nhất. 4. KẾT LUẬN Bài báo nhận được một số kết quả sau: 1. Ứng dụng kỹ thuật phân tích Wavelet MRA (MRA-Multiresolution Analysis) để tính các mức năng lượng của tín hiệu quá độ. Với kỹ thuật phân tích đa phân giải, tín hiệu sau khi qua mỗi tầng phân tích sẽ được hạ mẫu xuống 2, với cách hạ mẫu này sẽ làm giảm được yêu cầu về bộ nhớ và thời gian tính toán trong việc phân loại các hiện tượng quá độ. Nhờ đó người vận hành hệ thống có thể đưa ra các xử lý kịp thời khi có sự cố. Các kết quả nhận được trong luận văn cho thấy kỹ thuật wavelet thực sự là một phương tiện hữu hiệu trong việc đánh giá các quá trình chất lượng điện năng trên lưới điện. 2. Ứng dụng kỹ thuật biến đổi wavelet CWT (CWT-ContinuousWavelets Transform) để tìm phổ tần của các tín hiệu quá độ Ưu điểm chính của phép biến đổi wavelet liên tục là phân tích chi tiết từng vùng không gian rất nhỏ trong vùng biến đổi rộng của tín hiệu khảo sát thông qua hệ số tỷ lệ a và hệ số dịch b. Sự địa phương hóa trong phân tích giúp phát hiện vị trí các điểm đứt gãy, các điểm gián đoạn với độ dốc lớn nếu hàm wavelet được chọn đồng dạng với tín hiệu.
14. IV. TÀI LIỆU THAM KHẢO [1] Nguyễn Hữu Phúc, Trương Đình Nhơn, Kỹ thuật phân tích Wavelets kết hợp với Fuzzy Logic để nhận dạng nhiễu trong hệ thống điện, Tạp chí phát triển khoa học và công nghệ tập 9, số 5-2006. [2] Zwe-Lee Gaing, Wavelet-Based Neural Network for Power Disturbance Recogniton and Classification, IEEE Transactions on Power Delivery, Vol 19, No. 4, Oct. 2004, pp1560-1567. [3] Nguyễn Hữu Phúc, Trương Quốc Khánh, Nguyễn Nhân Bổn, Ứng dụng kỹ thuật phân tích Wavelets trong việc phân tích và nhận dạng các vấn đề chất lượng điện năng, Tạp chí phát triển khoa học và công nghệ tập 9, số 1- 2006. [4] Chuong Ho Van Nhat, Caculating effective frequency spectrum of measuring equipments for non – Periodic standard voltage impulse with high accuracy, Ho Chi Minh City University of Technology, 2009 [5] Chuong Ho Van Nhat, Anh Khoi Pham Dinh., Applications transforms in impulse High Voltage measurements-IEEE, 2008 [6] Ho Van Nhat Chuong, "The peculiar characteristics of Fourier transformation in low frequency range for lightning voltage impulses" Science and Technology Development Journal - HCM City National University, Vol. 2, No. 9 - 10, 1999.
15. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2016-2017 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.