文献

J-GLOBAL ID：201702264386724279   整理番号：17A1783881

スタック式雑音除去自己符号器に基づく送電設備の状態データ洗浄方法【JST・京大機械翻訳】

Cleaning Method for Status Data of Power Transmission and Transformation Equipment Based on Stacked Denoising Autoencoders

著者 (6件)： Dai Jiejie (上海交通大学電子信息与電气工程学院,上海市,200240) ,  Song Hui (上海交通大学電子信息与電气工程学院,上海市,200240) ,  Yang Yi (国网山東省電力公司電力科学研究院,山東省済南市,250002) ,  Chen Yufeng (国网山東省電力公司電力科学研究院,山東省済南市,250002) ,  Sheng Gehao (上海交通大学電子信息与電气工程学院,上海市,200240) ,  Jiang Xiuchen (上海交通大学電子信息与電气工程学院,上海市,200240)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 41  号： 12  ページ： 224-230  発行年： 2017年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  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： 現在の電力供給装置の状態監視データの洗浄過程が複雑で、情報損失などの問題を解決するため、スタック式ノイズ除去自己符号器による「臓」データの還元分析能力と異常状態特徴抽出能力を利用し、スタック式ノイズ除去自己符号器に基づくデータ洗浄方法を提案した。装置の正常運転条件と異常運転状態データに対して、それぞれスタック式ノイズ除去自己符号器を用いて訓練学習を行い、損失関数ベクトルを獲得し、特異点、欠損データ修復モデルと設備異常運転状態データノイズ除去モデルを形成した。カーネル密度推定により訓練サンプルの損失関数上限と許容時間窓を確定し、テストデータ再構成誤差と異常データ長さと損失関数上限と許容時間窓間の関係により、「臓」データに対して分類処理を行う。変圧器油中の総炭化水素含有量と温度データを洗浄することにより,提案した方法は特異点,欠損情報,異常運転状態データを効果的に同定し,特異点と欠損値を再構成することができることを示した。装置の異常運転時間において,干渉データを効果的にフィルタリングすることができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 損失関数 ,  学習 ,  フィルタリング ,  特徴抽出 ,  再構成 ,  *雑音除去 ,  特異点 ,  *符号器 ,  ベクトル ,  モデル ,  電力供給 ,  雑音低減
準シソーラス用語： 時間窓 ,  運転状態 ,  状態監視 , 【Automatic Indexing@JST】

著者キーワード (5件)： 送・変電設備 ,  状態データ ,  データクリーニング ,  積層デノイジングオートエンコーダ ,  特徴抽出

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： スタック ,  雑音除去 ,  自己 ,  符号器 ,  送電設備 ,  状態データ ,  洗浄