文献

J-GLOBAL ID：201702289688530149   整理番号：17A0023213

ビッグデータ解析を用いた新しい過渡電圧安定性予測モデル【Powered by NICT】

A new transient voltage stability prediction model using big data analysis

著者 (4件)： Zhao Bingbing (Research Institute of Information Technology, Tsinghua University, Beijing 100084, P. R. China) ,  Cao Junwei (Research Institute of Information Technology, Tsinghua University, Beijing 100084, P. R. China) ,  Zhu Ziyu (Delta Research Center - China, Delta Electronics (Shanghai) Co. Ltd., No.7 building, 6th courtyard, Beichen East Rd., Chaoyang Dist., Beijing 100105, P. R. China) ,  Zhang Huaying (Shenzhen Power Supply Co. Ltd., China Southern Power Grid, Shenzhen 518020, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISGT-Asia  ページ： 1065-1069  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： 新しい予測モデルを機械学習に基づく過渡安定度解析を提案した。予測,行動を取るまでの間隔を産生することをしたい時点から前方抽出特徴。提案したモデルは,ネットワーク情報を考慮に入れると,電力系統のノードが互いにどのように影響するかを解析した。過去の単一ノードからのデータを使用する従来のアルゴリズムと比較して,このモデルは高い予測精度を持っていた。学習パラメータは,変数の重要性と見なすことができるので,ロジスティック回帰は,分類器を選択した。最後に,Hadoopおよび嵐を混合することによってRGASと呼ばれる実用システムを開発した。を通して高とオフライン学習を行い,低遅延を用いたオンライン予測することができた。Copyright 2017 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： ネットワーク ,  学習 ,  電力系統 ,  機械学習 ,  アルゴリズム ,  過渡安定度 ,  *予測モデル
準シソーラス用語： オンライン ,  低遅延 ,  オフライン ,  Hadoop ,  ロジスティック回帰分析 ,  予測精度 ,  *過渡電圧 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： データ解析 ,  電圧安定性 ,  予測モデル