文献

J-GLOBAL ID：201802237103544285   整理番号：18A0333536

ロバストな機械学習アプローチを用いた電圧降下源位置決定のための新しい方法【Powered by NICT】

A novel method for voltage-sag source location using a robust machine learning approach

著者 (3件)： Mohammadi Younes (Faculty of Engineering, Department of Electrical Engineering, Bu-Ali Sina University, Hamedan, Iran) ,  Moradi Mohammad H. (Faculty of Engineering, Department of Electrical Engineering, Bu-Ali Sina University, Hamedan, Iran) ,  Chouhy Leborgne Roberto (Federal University of Rio Grande do Sul, Porto Alegre, RS, Brazil)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 145  ページ： 122-136  発行年： 2017年 
JST資料番号： C0994A  ISSN： 0378-7796  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,電圧サグ源位置決めのための方法に関する包括的なレビューを提示し,また正配列フェーザ,正相の瞬時的成分,Clarkeの成分と統合を用いた九つの一般化法を紹介した。ほとんど議論した方法は,単一基準を使用して,その結果が示すつもりであるように,その精度は限られている。それ故,本論文では,多くの特徴を抽出するロバストなサポートベクトルマシン(SVM)を用いた別の新しい方法,これまで報告された方法に基づいて提案した。,機械学習法によるソース位置は二段階詳細に議論し,線形,多項式,及び動径基底関数(RBF)カーネルを用いたSVMは最適遺伝的探索とともに適用した。k倍交差検定は,過剰あてはめの防止に使用される。主成分分析(PCA)の影響も調べた。比較分析が,現存の方法,九つの一般化方法と新しい方法の間で行った,ブラジル地域公益事業における大規模な数値シミュレーションを適用することにより,PSCAD/EMTDCとMATLABを用いることである。最後に,全ての方法の有効性が得られ,正相の瞬時的成分を用いた一般化法に基づく無効電力とClarkeの成分が全模擬症例の88%で右位置を与え,PCAのないRBF(動径基底関数)カーネルを用いたロバストなSVM(サポートベクトルマシン)に基づく方法が最も高い精度を有していた(95%)であった。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 無効電力 ,  ブラジル連邦共和国 ,  サポートベクトルマシン ,  多項式 ,  *電圧 ,  順相 ,  交差検証法 ,  *機械学習 ,  *位置決め ,  *ロバスト性 ,  動径基底関数 ,  *電圧降下 ,  シミュレーション ,  主成分分析
準シソーラス用語： MATLAB ,  数値シミュレーション , 【Automatic Indexing@JST】

著者キーワード (5件)： 電圧は垂れ下がり源位置 ,  サポートベクトルマシン(SVM) ,  正配列 ,  k重 ,  動径基底関数(RBF)

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： ロバスト ,  機械学習 ,  電圧降下 ,  位置決定