文献

J-GLOBAL ID：201702276513048157   整理番号：17A0062784

改良K-平均クラスタ化とBPニューラルネットワークに基づく区域の計算法を提案した。【JST・京大機械翻訳】

Calculation of Line Loss Rate in Transformer District Based on Improved K-Means Clustering Algorithm and BP Neural Network

著者 (6件)： Li Ya (School of Electrical and Electronic Engineering, North China Electric Power University(Beijing)) ,  Liu Liping (China Electric Power Research Institute) ,  Li Baiqing (China Electric Power Research Institute) ,  Yi Jun (China Electric Power Research Institute) ,  Wang Zezhong (School of Electrical and Electronic Engineering, North China Electric Power University(Beijing)) ,  Tian Shiming (China Electric Power Research Institute)
資料名： Zhongguo Dianji Gongcheng Xuebao  (Zhongguo Dianji Gongcheng Xuebao)
巻： 36  号： 17  ページ： 4543-4551  発行年： 2016年 
JST資料番号： C2285A  ISSN： 0258-8013  CODEN： ZDGXER  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： 配電ネットワークの管理において直面する主要な問題は,計器の配置が整備,実行データが収集しにくく,部品とノード数が多いことである。これらの問題により、線路計算の仕事は非常に複雑である。本論文は,改良K-平均クラスタリングアルゴリズムとLEVENBERG-MARQUARDT(LM)アルゴリズムに基づく最適化BPニューラルネットワークモデルを提案して,それによって,低の高速計算のための方法を提案して,プログラミングによって実現した。サンプルの電気的特性パラメータに従って,改良K-平均クラスタリングアルゴリズムを提案し,区域サンプルを分類し,区域の数値分散の問題を解決した。これらの結果に基づき,LMアルゴリズムによって最適化されたBPニューラルネットワークモデルを用いて,サンプルデータを訓練し,BPニューラルネットワークを用いて,サンプルパラメータと電気特性パラメータの間の関係を適合させ,その変化規則を得た。いくつかの地域における601の区域サンプルデータを例として,シミュレーションを行い,提案方法の精度を検証した。結果は,LMアルゴリズムの最適化BPニューラルネットワークモデルが,標準BPニューラルネットワークモデルと比較して,高速収束と高精度の利点を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電気的性質 ,  最適化 ,  高速計算 ,  計算機プログラミング ,  *クラスタ化 ,  高速度
準シソーラス用語： 高精度 ,  特性パラメータ ,  クラスタリングアルゴリズム ,  配電網 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： low voltage transformer district ,  electrical characteristic parameters ,  line loss rate ,  improved K-Means clustering algorithm ,  BP neural network optimized by LM algorithm

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： 平均 ,  クラスタ化 ,  BPニューラルネットワーク ,  区域 ,  計算法 ,  提案