文献

J-GLOBAL ID：201802248957006524   整理番号：18A1908156

適応ニューラルネットワークを用いた時変分散発電システムにおける高インピーダンス故障検出【JST・京大機械翻訳】

High Impedance Fault Detection in Time-Varying Distributed Generation Systems Using Adaptive Neural Networks

著者 (4件)： Lucas Fabricio (Graduate Program in Electrical Engineering, Pontifical Catholic University of Minas Gerais (PUC-MG), Belo Horizonte, Brazil) ,  Costa Pyramo (Graduate Program in Electrical Engineering, Pontifical Catholic University of Minas Gerais (PUC-MG), Belo Horizonte, Brazil) ,  Batalha Rose (Graduate Program in Electrical Engineering, Pontifical Catholic University of Minas Gerais (PUC-MG), Belo Horizonte, Brazil) ,  Leite Daniel (Department of Engineering, Federal University of Lavras (UFLA), Lavras, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-8  発行年： 2018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： オンライン状態監視と保護装置による配電系統における高インピーダンス故障の検出と位置は,特に分散発電を有するシステムにおいて挑戦的である。本論文では,時変分散発電システムにおける高インピーダンス故障を検出し,位置決めするために,一対のオンライン適応ニューラルネットワークと組み合わせたウェーブレット変換特徴抽出法を記述した。経験的に検証されたIEEEモデルを用いて,故障および正常な発生を含むデータストリームを生成した。提案したハイブリッドウェーブレット適応ニューラルネットワークアプローチと同様に,フィードフォワード,動径基底,および再帰ニューラルネットワークを考慮した比較結果を示した。異なるシナリオに対する精度の意味における興味ある結果を達成した。分散生成の効果と過渡事象に対するロバスト性は,パラメータ,隠れニューロンの数,およびハエ上の接続重みを適応させるためのニューラルネットワークの能力を通して達成される。神経モデルの構造を変化させることにより,新しい条件を捉えることができた。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： 過渡現象 ,  *故障 ,  配電系統 ,  ニューロン ,  ウェーブレット変換 ,  *ニューラルネットワーク ,  *故障検出 ,  波束 ,  IEEE ,  フィードフォワード ,  ロバスト性 ,  基底
準シソーラス用語： オンライン ,  *分散型発電 ,  *適応ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 適応ニューラルネットワーク ,  分散発電 ,  高インピーダンス ,  故障検出