ML和DWT用于电能质量分类（硕士论文）：机器学习应用程序，用于智能电网中高级电能质量扰动的鲁棒分类器。-matlab开发

该项目与Itajubá联邦大学的Gabriel CS Almeida题为“智能学习中先进功率质量扰动的鲁棒分类器的机器学习应用”的硕士学位论文相关。 以下是MATLAB代码的详细信息。 新设备的插入，数据流的增加，间歇性生成和大规模计算机化大大增加了当前电气系统的复杂性。 这种增加导致了必要的变化，例如需要更智能的电气网络来适应这种不同的现实。 以大数据，机器学习（ML），深度学习（DL）和模式识别为代表的人工智能（AI）技术的出现代表了基于信息和知识的社会和全球发展的新时代。 随着最近的智能电网（SG），使用这种类型智能的技术的使用将变得更加必要。 本文研究了在SG中使用高级信号处理和ML算法创建高级功率质量扰动的鲁棒分类器的方法。 为此，使用随机元素生成已知的PQ干扰模型，以逼近实际应用。 从这些模型中，随着这些干扰的产生，产生了成千上万的信号。 使用离散小波变换（DWT）的信号处