전압강하(sag), 전압상승(swell), 고조파(harmonics)와 충격과도(impulsive transients)와 같은 전력품질(PQ: Power Quality) 신호는 전력전자 장비와 마이크로프로세서 기반 전자장치 운전에 매우 중요한 문제점을 야기시킨다. 웨이블릿 기반 잡음제거 기법과 역전파 신경회로망을 사용하여 잡음 전력품질을 분석하고 인식하는 잡음 전력품질 인식 시스템의 유효성을 본 논문에서 조사하였다. 잡음 전력 인식 시스템에 적용된 알고리즘은 웨이블릿기반 디노이징과 역전파 신경회로망이고, 잡음 전력품질 인식 시스템의 실시간 성능을 검증하기 위하여 Simulink를 사용한 SIL(Software In the Loop)과 TMS320C6713DSK를 사용한 PIL(Processor In the Loop)을 통하여 우수한 인식률을 확인 할 수 있었다.
Power Quality (PQ) signal such as sag, swell, harmonics, and impulsive transients are the major issues in the operations of the power electronics based devices and microprocessor based equipments. The effectiveness of wavelet based denoising techniques and recognizing different power quality events with noise has been presented in this paper. The algorithms involved in the noisy PQ recognition system are the wavelet based denoising and the back propagation neural networks. Also, in order to verify the real-time performances of the noisy PQ recognition systems under the noisy environments, SIL(Software In the Loop) and PIL(Processor In the Loop) were carried out, resulting in the excellent recognition performances.
