文献

J-GLOBAL ID：201702217954556060   整理番号：17A1286685

混合Gaussモデルに基づく非Gauss入力変数の確率的電力潮流計算【JST・京大機械翻訳】

Probabilistic load flow with non-Gaussian correlated input variables based on Gaussian mixture model

著者 (4件)： Huang Yu (東南大学電气工程学院,南京,210096) ,  Xu Qingshan (東南大学電气工程学院,南京,210096) ,  Liu Jiankun (江蘇省電力公司電力科学研究院,南京,210003) ,  Wei Peng (江蘇省電力公司電力科学研究院,南京,210003)
資料名： Dongnan Daxue Xuebao (Ziran Kexue Ban)  (Dongnan Daxue Xuebao (Ziran Kexue Ban))
巻： 47  号： 2  ページ： 291-298  発行年： 2017年 
JST資料番号： W0606A  ISSN： 1001-0505  CODEN： DDXZB9  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： 本論文では,入力変数の相関を考慮した確率的電力潮流計算法を提案した。この方法は,システムの非Gauss入力変数に対して,混合Gaussモデル(GMM)を確立した。これに基づいて,ガウス成分組合せアルゴリズム(GCCM)を導入して,出力変数の確率分布を,複数の重みづけ最小二乗(WLS)によって直接得ることができた。GMMにおけるGauss成分の数を減らすための方法を研究して,WLSの計算時間を減らした。IEEE-30バスシステムに関するシミュレーションと誤差解析は,GMMが高い適合性と広い適用性を持つことを示した。提案方法はMCSの計算結果とほぼ一致しているが、計算効率は著しく向上し、しかもアルゴリズムの速度と精度はWLS演算回数と関係がある。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 適応性 ,  CPU時間 ,  *Gauss模型 ,  確率分布 ,  IEEE ,  アルゴリズム ,  重みづけ ,  誤差解析 ,  *潮流計算 ,  演算 ,  最小二乗法
準シソーラス用語： 計算効率 ,  組合せアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： Gaussian mixture model ,  reduction algorithm ,  correlation ,  Gaussian component combination ,  probabilistic load flow

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： Gaussモデル ,  変数 ,  確率 ,  電力潮流計算