文献

J-GLOBAL ID：201602242744563683   整理番号：16A0794311

GA,LVQネットワークの配電ネットワークの接地故障線路検出法を最適化した。【JST・京大機械翻訳】

Ground Fault Line Selection Method in Distribution Network Using GA Optimal LVQ Network

著者 (6件)： Peng Pai (College of Electrical Engineering and Information,Changsha University of Science and Technology) ,  Zhou Yusheng (College of Electrical Engineering and Information,Changsha University of Science and Technology) ,  Gao Yunlong (College of Electrical Engineering and Information,Changsha University of Science and Technology) ,  Liu Rangjiao (College of Electrical Engineering and Information,Changsha University of Science and Technology) ,  An Zhengzhou (College of Electrical Engineering and Information,Changsha University of Science and Technology) ,  Xiong Jie (College of Electrical Engineering and Information,Changsha University of Science and Technology)
資料名： Dianli Xitong Jiqi Zidonghua Xuebao  (Dianli Xitong Jiqi Zidonghua Xuebao)
巻： 27  号： 12  ページ： 64-69  発行年： 2015年 
JST資料番号： C2509A  ISSN： 1003-8930  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本文では,配電ネットワークの故障相電圧のゼロクロスかつ高インピーダンス接地故障線路検出の困難の問題に対して,遺伝的アルゴリズムを適用する最適化定量化学習神経回路網の配電接地故障線路選択方法提案した。まずウェーブレット分析送電線路のゼロシーケンス電流信号の抽出のための絶対値極大値法を利用して,これを学習量と神経回路網の入力ベクトルの定量化,脱神経回路網の初期重みベクトルを最適化するために,局所探索演算子を改善するための遺伝的アルゴリズムを採用する,ネットワークの初期重みに対する感受性の問題を解決した。ネットワークの収束過程を加速し,ネットワークを高めクラスタリングの精度は,異なる故障タイプに対して故障線路の迅速を行う正確な認識を実現した。シミュレーションの結果,この方法は効果的に伝統的学習定量化神経回路網を線路の誤審の確率を減少し,故障線路検出の速度と精度を向上する。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 遺伝的アルゴリズム ,  *最適化 ,  絶対値 ,  学習 ,  *接地 ,  波束 ,  ベクトル ,  神経回路網 ,  *故障 ,  送電 ,  インピーダンス ,  *ネットワーク ,  近傍探索法 ,  *配電
準シソーラス用語： *配電網 , 【Automatic Indexing@JST】

著者キーワード (5件)： distribution network ,  genetic algorithm(GA) ,  learn vector quantization(LVQ) ,  wavelet analysis ,  fault line selection

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： Ga ,  LVQ ,  配電ネットワーク ,  接地 ,  故障 ,  線路 ,  検出法 ,  最適化