文献

J-GLOBAL ID：201802224497257230   整理番号：18A1620778

自己修復マイクログリッドにおける分散特徴選択ベース機械学習アプローチを用いた動的事象検出【JST・京大機械翻訳】

Dynamic Event Detection Using a Distributed Feature Selection Based Machine Learning Approach in a Self-Healing Microgrid

著者 (3件)： Al Karim Miftah (Auckland University of Technology, Auckland, New Zealand) ,  Currie Jonathan (Rocket Lab Ltd., Auckland, New Zealand) ,  Lie Tek-Tjing (Department of Electrical Engineering, Auckland University of Technology, Auckland, New Zealand)
資料名： IEEE Transactions on Power Systems  (IEEE Transactions on Power Systems)
巻： 33  号： 5  ページ： 4706-4718  発行年： 2018年 
JST資料番号： C0872B  ISSN： 0885-8950  CODEN： ITPSEG  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： 自己修復機能は,現代のマイクログリッドにおいて魅力的な特徴である。一度故障が発生すると,その状態を監視するためのグリッドにとって不可欠であり,重症度のレベルに基づいて行動を取り,偶発性が明らかになった後に,システムを回復させる。マイクログリッドと分散発電所の数の増加により,集中制御を展開することは費用対効果の高いオプションではなく,従って分散制御は有望な解決策である。相互接続されたネットワークにおいて,分散ステーションの各々において起こっている根底にあるイベントを検出することは重要であり,そうでなければ,操作決定は非コヒーレントになる。本論文では,異なる電力系統イベントの動的特徴を検出するための新しい特徴選択ベース分散機械学習手法を提案した。目的は,中央局の介入なしで独立したマイクログリッドを復元するために,故障後意思決定プロセスを容易にすることである。提案した方法は,発電機データから意味のある特徴を検出し,次に特徴データに多クラス分類アルゴリズムを適用する。各クラスは一つの動的イベントを表す。この方法論を,多重タイプのエネルギー生成スキームを持つ相互接続2領域ベースのマイクログリッドで実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コンティンジェンシー ,  故障 ,  電力系統 ,  *マイクログリッド ,  多重化 ,  ネットワーク ,  *機械学習 ,  *学習 ,  コヒーレンス ,  相互接続 ,  *特徴選択 ,  集中制御 ,  アルゴリズム
準シソーラス用語： 多クラス分類 ,  *自己修復 , 【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 (6件)： 自己修復 ,  マイクログリッド ,  特徴選択 ,  ベース機械 ,  学習 ,  事象検出