Reconnaissance automatique de défauts sur le réseau électrique.
| dc.contributor.author | Houchi Fatma | |
| dc.contributor.other | Zidelmal Zahia Ép. Amirou | |
| dc.date.accessioned | 2019-11-12T10:57:43Z | |
| dc.date.available | 2019-11-12T10:57:43Z | |
| dc.date.issued | 2016 | |
| dc.description | 58 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | La généralisation de charges non linéaires et la complexité des réseaux d’alimentation électrique actuels, à engendrer l’augmentation des défauts sur les réseaux électriques. Ces défauts causent la dégradation de la qualité de l’énergie et perturbe le fonctionnement des différents récepteurs raccordés aux réseaux. L’objectif principale visé par ce travail est l’identification des défauts, afin de facilité la mise en oeuvre de solutions appropriés, pour limiter leur manifestation sur les réseaux électriques. Alors, nous avons opté pour un critère non paramétrique basé sur l’énergie de Shannon du spectre local, qui est issu d’une analyse multi-résolution grâce à la transformée de Stockwell, cette technique est combinée avec l’algorithme des K-plus proches voisins en tant que méthode de classification de défauts. Notre approche d’identification ce fait en trois étapes. La première étape consiste à appliquer la transformée de Stockwell, qui va permettre de localiser les défauts dans le signal électrique, en indiquant l’instant de début d’apparition du défaut et l’instant où il se termine. Ensuite, on passe à l’étape de l’extraction de caractéristiques, nous avons retenu un vecteur de six paramètres qui forment l’espace où le problème de classification sera résolu. Dans la dernière étape le classifieur adopté va effectuer une comparaison entre les vecteurs caractéristiques des éléments à classer (défauts) et les vecteurs caractéristiques représentant les K éléments dont la classe est connue, le défaut à classer est assigner à la classe majoritaire parmi les classes des K éléments les plus proches en terme de distance euclidienne. Pour montrer l’efficacité de l’approche choisie, nous avons construit une base de données synthétique, constituée de signaux altérés par des défauts simulés à l’aide du logiciel MATLAB. Au final nous avons aboutis à trois classes de défauts : la chute de tension, la houle de tension et la présence d’harmoniques. | en |
| dc.identifier.citation | Reseaux Et Telecommunications | |
| dc.identifier.other | MAST.ELN.60-16 | en |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/6547 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Défauts électriques | en |
| dc.subject | Transformée de Stockwell | en |
| dc.subject | Energie de Shannon | en |
| dc.subject | K-plus proches voisins | en |
| dc.subject | Caractérisation et classification des défauts. | en |
| dc.title | Reconnaissance automatique de défauts sur le réseau électrique. | en |
| dc.type | Thesis | en |