文献

J-GLOBAL ID：201602270562746773   整理番号：16A1284917

最適synchrophasorセンサ配置および究極の学習マシンに基づく短期配電系統状態予測【Powered by NICT】

Short-term distribution system state forecast based on optimal synchrophasor sensor placement and extreme learning machine

著者 (2件)： Jiang Huaiguang (National Renewable Energy Laboratory, Golden, CO 80401 USA) ,  Zhang Yingchen (National Renewable Energy Laboratory, Golden, CO 80401 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： PESGM  ページ： 1-5  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 配電システム状態予測,最適synchrophasorセンサ配置(OSSP)ベースの状態推定器と極端学習機械(ELM)に基づく予測を予測する正確で高速状態を提供することを目的とするためのアプローチを提案した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  高速度 ,  *配電系統 ,  *状態推定 ,  *センサ
準シソーラス用語： 極度学習機械 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  システム設計・解析  (IA02030D) ,  計測機器一般  (AD02000X)

タイトルに関連する用語 (6件)： センサ配置 ,  学習 ,  マシン ,  短期 ,  配電系統 ,  状態予測