文献

J-GLOBAL ID：201702272928253788   整理番号：17A1641619

活性機械学習を用いた電圧安定性予測【Powered by NICT】

Voltage Stability Prediction Using Active Machine Learning

著者 (5件)： Malbasa Vuk (University of Novi Sad, Novi Sad, Serbia) ,  Zheng Ce (Electrocon International, Inc., Ann Arbor, MI, USA) ,  Chen Po-Chen (Texas A&M University, College Station, TX, USA) ,  Popovic Tomo (University of Donja Gorica, Podgorica, Montenegro) ,  Kezunovic Mladen (Texas A&M University, College Station, TX, USA)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 8  号： 6  ページ： 3117-3124  発行年： 2017年 
JST資料番号： W2294A  ISSN： 1949-3053  CODEN： ITSGBQ  資料種別： 逐次刊行物 (A)
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： 送電系統における電圧安定性を監視するための活性機械学習手法を提案した。機械学習アルゴリズムは従来のシミュレーション手法を補完するために使用できる可能性があることが示されているが,それらはオンライン機械学習モデル更新とオフライン訓練データ作成の困難さに悩まされている。オンライン予測とオフライン訓練プロセスと相互作用する積極的に既存の機械学習応用を向上させるための能動学習解を提案した。技術は電力系統測定に基づく機械学習予測は実際のシステム条件と矛盾する動作点を同定した。同定された運転点の周りの訓練集合を作ることにより,将来の電力系統状態を予測するための機械学習ツールの能力を向上させることができる。正しい予測を行った技術も動作点周辺の詳細な電力系統モデルに対するシミュレーションの量を減少させることによりオフライン訓練プロセスを加速した。実験は,訓練時間,予測時間,高い予測精度を達成するために質問する必要があることを測定の数に関連した重要な利点を示した。Copyright 2017 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： 学習アルゴリズム ,  *機械学習 ,  電力系統 ,  送電系統 ,  *予測 ,  相互作用 ,  シミュレーション
準シソーラス用語： 予測精度 ,  電力系統測定 ,  能動学習 ,  訓練データ ,  オフライン ,  モデル更新 ,  オンライン ,  *電圧安定性 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 活性 ,  機械学習 ,  電圧安定性 ,  予測