文献

J-GLOBAL ID：201802264438722241   整理番号：18A1318579

スパース分解に基づく複合電力品質擾乱分類【JST・京大機械翻訳】

Classification for multiple power quality disturbances based on sparse decomposition

著者 (6件)： Wang Lingyun (華中科技大学電气与電子工程学院強電磁工程与新技術国家重点実験室,武漢,430074) ,  Li Kaicheng (華中科技大学電气与電子工程学院強電磁工程与新技術国家重点実験室,武漢,430074) ,  Xiao Shaying (華中科技大学電气与電子工程学院強電磁工程与新技術国家重点実験室,武漢,430074) ,  Zhao Chen (華中科技大学電气与電子工程学院強電磁工程与新技術国家重点実験室,武漢,430074) ,  Meng Qingxu (華中科技大学電气与電子工程学院強電磁工程与新技術国家重点実験室,武漢,430074) ,  Cai Delong (華中科技大学電气与電子工程学院強電磁工程与新技術国家重点実験室,武漢,430074)
資料名： Diance yu Yibiao  (Diance yu Yibiao)
巻： 55  号： 1  ページ： 14-20,33  発行年： 2018年 
JST資料番号： C3447A  ISSN： 1001-1390  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複合電力品質擾乱分類問題のために,スパース分解に基づく新しい分類法を提案した。正余弦辞書とパルス辞書の構築により,電力品質擾乱信号を近似部分と詳細部分に分割し,8つの特徴量を抽出した。30の複合擾乱の正確な分類を,特徴ベクトルの入力によって改良した。MATLAB生成データと実際の電力網データに基づくシミュレーション結果を示した。スパース分解による特徴ベクトルの分類精度は,BPネットワークと限界学習マシンのものより高い。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： パルス ,  電力系統 ,  近似法 ,  シミュレーション ,  *学習
準シソーラス用語： 逆伝播ニューラルネットワーク ,  分類精度 ,  MATLAB ,  特徴ベクトル ,  特徴量 ,  分類法 ,  *電力品質擾乱 , 【Automatic Indexing@JST】

著者キーワード (4件)： power quality ,  disturbance classification ,  sparse decomposition ,  SVM

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： スパース分解 ,  電力品質擾乱 ,  分類