文献

J-GLOBAL ID：201702273712127189   整理番号：17A1726144

実時間指標としての最適電力潮流のための教師つき学習【Powered by NICT】

Supervised learning for optimal power flow as a real-time proxy

著者 (3件)： Canyasse Raphael (Department of Electrical Engineering, Technion, Israel Institute of Technology) ,  Dalal Gal (Department of Electrical Engineering, Technion, Israel Institute of Technology) ,  Mannor Shie (Department of Electrical Engineering, Technion, Israel Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISGT  ページ： 1-5  発行年： 2017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： 本研究では,交流最適電力潮流(ACOPF)のコストを計算するために種々の教師つき学習アルゴリズムを設計し,比較した。OPFコスト結果の迅速な計算のための動機は,電力系統におけるアルゴリズムベース長期および中期計画方法論の必要性に由来する。多重時間地平配位フレームワークに統合された,実際のシミュレーションの必要性とそれらの最適化を行わずに短期決定結果を予測するための代用指標としてのこの近似モジュールに関連している。著者らの方法は,平均で1%未満の誤差でOPFコストの高速近似計算を可能にし,正確な計算より数桁低い濃度であったことを実行時間で達成された。IEEE RTS96系統のようないくつかのテストケースを用いて,この手法の有効性を実証した。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： *教師つき学習 ,  高速度 ,  電力系統 ,  アルゴリズム ,  近似法 ,  最適化 ,  IEEE ,  多重化 ,  交流
準シソーラス用語： テストケース ,  実行時間 ,  近似計算 ,  中期計画 ,  *最適電力潮流 ,  *実時間 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 実時間 ,  指標 ,  最適電力潮流 ,  教師つき学習