文献

J-GLOBAL ID：201702213812759603   整理番号：17A0242496

ウェーブレットパケット変換と極限学習機械(extreme learning machineを用いた電力品質事象の分類【Powered by NICT】

Classification of power quality events using wavelet packet transform and extreme learning machine

著者 (4件)： Naik Chirag (Sarvjanik College of Engineering & Technology, Gujarat, India) ,  Hafiz Faizal (Department of Electrical & Computer Engineering, The University of Auckland, Auckland, New Zealand) ,  Swain Akshya (Department of Electrical & Computer Engineering, The University of Auckland, Auckland, New Zealand) ,  Kar A. K. (Department of Electrical Engineering, Unitec Institute of Technology, Auckland, New Zealand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SPEC  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： ウェーブレットパケット変換(WPT)および極端学習マシン(ELM)を用いた電力品質(PQ)事象を分類する新しい方法を提案した。近年,電力品質は規制変化,自由化された流通市場とパワーエレクトロニクスベース装置の使用の増加により大きな研究関心事であった。修復活動の第一段階はPQ事象の適切な同定を必要とする。このイベント同定の主要な課題の一つは,限られた測定,分類に使用できるから重要な特徴を抽出することである。,本研究におけるウェーブレットパケット変換(WPT)はいくつかの数学的特徴を得るために用いた。これらの特徴は,単一および同時PQ事象発生を分離することができる。さらに分類性能を改善するために,ELMベースの分類器を用いた。この分類器は何倍もによる訓練時間を有意に減少させた。提案した手法の性能を種々のPQ事象からの1000以上のPQ信号を考慮したANNベースの分類器と比較した。シミュレーションの結果は,提案手法が99%の分類精度を達成できることを示した。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： *学習機械 ,  *電力品質 ,  *学習
準シソーラス用語： 分類精度 ,  自由化 ,  *ウェーブレットパケット変換 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： ウェーブレットパケット変換 ,  極限 ,  学習機械 ,  電力品質 ,  事象 ,  分類