文献

J-GLOBAL ID：201602265800119488   整理番号：16A1383848

電力系統過渡安定度評価のための予測性能を改善するための重み付きランダムフォレストアプローチ【Powered by NICT】

A weighted random forest approach to improve predictive performance for power system transient stability assessment

著者 (4件)： Zhang Chun (Department of Electric Power Engineering, North China Electric Power University, Changping District, Beijing 102206, China) ,  Li Yansong (Department of Electric Power Engineering, North China Electric Power University, Changping District, Beijing 102206, China) ,  Yu Zhihong (China Electric Power Research Institute, Haidian District, Beijing 100192, China) ,  Tian Fang (China Electric Power Research Institute, Haidian District, Beijing 100192, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APPEEC  ページ： 1259-1263  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： 機械学習技法に基づく過渡安定度評価(TSA)は,分類の古典的な問題である。本論文では,重み付きランダムフォレスト(WRF)を用いた新しい過渡安定度評価モデルを提案した。故障が発生した後,高速で非常に高次元データセットにスケールできる,ランダムフォレストは,TSAに適用される最も一般的な方法の一つである。しかし,現代の電力系統の実際の運用の中で,不安定な試料は非常に少数例のみを構成している。に加えて,伝統的なランダムフォレストアルゴリズムは不均衡データに非常に良く機能しない。問題を解決するために,重み付きランダムフォレストを採用して,稀なクラスの正しい分類への関心を希薄に向けて,予測性能を改善することである。ニューイングランド39母線試験電力系統に関する事例研究では,WRFは元のランダムフォレストよりも優れた性能を持つことを示した。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： *電力系統 ,  機械学習 ,  高速度 ,  ニューイングランド ,  *過渡安定度 ,  事例研究
準シソーラス用語： 不均衡データ ,  高次元データ ,  評価モデル ,  *ランダムフォレスト ,  *予測性能 ,  *電力系統過渡安定度 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 電力系統過渡安定度 ,  評価 ,  予測性能 ,  ランダムフォレスト