文献

J-GLOBAL ID：201702268218223721   整理番号：17A0071905

EMD-SVD-KELMとパラメータ最適化に基づく励磁突入電流同定【JST・京大機械翻訳】

Identification of Inrush Current Based on EMD-SVD-KELM and Parameter Optimization

著者 (6件)： Shi Xunshan (College of Energy and Electrical Engineering, Hohai University) ,  Ma Hongzhong (College of Energy and Electrical Engineering, Hohai University) ,  Xia Dongsheng (College of Energy and Electrical Engineering, Hohai University) ,  Xu Honghua (Nanjing Power Supply Company, State Grid Jiangsu Electric Power Company) ,  Chen Bingbing (Nanjing Power Supply Company, State Grid Jiangsu Electric Power Company) ,  Li Yong (Nanjing Power Supply Company, State Grid Jiangsu Electric Power Company)
資料名： Gaoya Dianqi  (Gaoya Dianqi)
巻： 52  号： 9  ページ： 83-90  発行年： 2016年 
JST資料番号： W1477A  ISSN： 1001-1609  CODEN： GADIE9  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： 変圧器の差動保護装置が励磁装置の動作に影響を受けやすいという問題を解決するために,EMD-SVD-KELMとパラメータ最適化に基づく励磁突入電流同定法を提案した。まず第一に,経験的モード分解(EMD)と特異値分解(SVD)を使用して,突入電流と故障電流信号を前処理して,次に,特徴量を抽出して,次に,カーネル関数限界学習機械(KELM)学習入力として使用した。そして,学習性能はパラメータCとΓによって大きく影響されるため,訓練サンプルによって得られた複数のモデルの平均適合率を適応度評価関数として,KELMパラメータ最適化のための評価基準を提供する。訓練サンプルと試験サンプルをEMTDCシミュレーションにより生成し,KELMアルゴリズムを訓練しテストするために最適化アルゴリズムを使用した。最終的に,実験結果は,改良パーティクルスウォーム最適化(PSO)が,グリッド探索(GS),遺伝的アルゴリズム(GA),および粒子群最適化(PSO)と比較して,より良いパラメータを探索することができることを示した。同時に,IPSO-KELMモデルは,突入電流と故障電流を正確に識別することができ,提案した方法の正しさと実現可能性を証明した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *突入電流 ,  評価基準 ,  学習機械 ,  故障電流 ,  学習 ,  遺伝的アルゴリズム ,  評価関数 ,  前処理 ,  特異値分解
準シソーラス用語： 粒子群最適化 ,  Kernel関数 ,  特徴量 ,  差動保護 ,  *励磁突入電流 ,  *パラメータ最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： inrush current ,  fault current ,  empirical mode decomposition (EMD) ,  singular value decomposition(SVD) ,  extreme learning machine with kernel(KELM) ,  improved particle swarm optimization(IPSO)

分類 (2件)： 変圧器  (NB08020Q) ,  振動の励起・発生・測定  (BB02030Z)

タイトルに関連する用語 (3件)： パラメータ最適化 ,  励磁突入電流 ,  同定