文献

J-GLOBAL ID：201602285803161119   整理番号：16A0698654

ウェーブレットエントロピーおよびニューラルネットワークに基づく直列補償線路における故障分類【Powered by NICT】

Faults classification in series compensated lines based on wavelet entropy and neural network

著者 (2件)： Singh Sunil (Electrical Engineering Department, IIT BHU, Varanasi-India) ,  Vishwakarma D. N. (Electrical Engineering Department, IIT BHU, Varanasi-India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： MicroCom  ページ： 1-6  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： 型故障の解析と直列補償送電線における故障相のための複合ウェーブレット変換と人工知能技術に基づく正確で先進的な手法を本論文で提示した。提案したアルゴリズムでは,故障電流信号の試料は,信号からの特徴抽出のための適用故障診断とウェーブレット変換(WT)に使用されている。故障電流信号はDb5マザーウェーブレットを用いて分解した。故障信号の特徴はウェーブレット係数のノルムエントロピー値の観点から抽出した。特徴抽出は断層カテゴリーの分類のためのPNN(確率ニューラルネットワーク)に供給した。提案したアルゴリズムの精度と実用性をMATLABシミュレーションを用いた断層の全タイプの400kV,300km直列補償ネットワーク上で評価した。結果が得られ,提案した手法はcreditableであり,補償された送電系統における故障の分類において良好な精度を持つことを示唆した。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： 故障診断 ,  *故障 ,  *ネットワーク ,  *ニューラルネットワーク ,  送電線 ,  送電系統 ,  故障電流 ,  ウェーブレット変換 ,  特徴抽出 ,  人工知能
準シソーラス用語： MATLAB ,  ウェーブレット係数 ,  *故障分類 ,  *直列補償 ,  *ウェーブレットエントロピー , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ウェーブレットエントロピー ,  ニューラルネットワーク ,  直列補償 ,  線路 ,  故障分類