Überblick über Signalverarbeitungstechniken und Machine-Learning-Algorithmen zur Analyse der Stromqualität

Zusammenfassung Das Thema der Stromqualität (PQ) ist in den letzten Jahrzehnten immer wichtiger geworden, da die Nachfrage nach sauberer und qualitativ hochwertiger Energie weltweit steigt. Die Auswirkungen von Störungen der Stromqualität auf die Geräte sind in der Regel sehr destruktiv und führen häufig zu Unterbrechungen, die wiederum andere Lasten im Stromsystem betreffen. Der Hauptzweck dieses Artikels ist es, eine umfassende Übersicht über verschiedene Techniken zur Analyse der Stromqualität zu präsentieren, einschließlich heuristischer Optimierung, Signalverarbeitung, maschinellem Lernen, neuronalen Netzen, künstlicher Intelligenz und Hardwareimplementierung, um den Forschern und Energieingenieuren, die im Bereich der Stromqualität tätig sind, einen kurzen Überblick zu geben. Darüber hinaus wird eine vergleichende Analyse verschiedener Methoden basierend auf mehreren Kriterien, einschließlich Zeit und Genauigkeit, Nutzung industrieller und nicht-industrieller Datensätze, rauschiger und rauschfreier Bedingungen sowie schließlich einzelner und mehrerer Veranstaltungen der Stromqualität zur Analyse, berichtet. Mehr als 200 Forschungspublikationen sind zur Analyse enthalten und im Literaturverzeichnis aufgeführt, damit es für Forscher im Bereich der Stromqualität einfacher wird, die Möglichkeiten zur weiteren Verbesserung in diesem Feld zu erkunden.