文献

J-GLOBAL ID：201802266266738166   整理番号：18A0536688

ウェーブレットパケット変換(WPT)と人工ニューラルネットワーク(ANN)を用いた電力品質(PQ)問題のためのハイブリッド分類器【Powered by NICT】

A hybrid classifier for power quality (PQ) problems using wavelets packet transform (WPT) and artificial neural networks (ANN)

著者 (2件)： Bhavani R. (Dept. of EEE, Mepco Schlenk Engineering College, Sivakasi, Tamilnadu) ,  Prabha N. Rathina (Dept. of EEE, Mepco Schlenk Engineering College, Sivakasi, Tamilnadu)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： INCOS  ページ： 1-7  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： 本論文では,ウェーブレットパケット変換(WPT)と人工ニューラルネットワーク(ANN)を用いた電力系統における電力品質(PQ)問題を検出し分類するための新しい自動ハイブリッド分類器を紹介した。正常,たるみ,うねり,及び中断のような種々のPQ事象をMATLAB Simulinkを用いたモデル化三相分配系により得られた。分類のために,擾乱信号から適切な特徴の選択は非常に重要である。高速Fourier変換(FFT),離散ウェーブレット変換(DWT)及びウェーブレットパケット変換(WPT)のような様々な信号処理技術を扱った最近の文献調査は,特徴抽出のために使用した。以上の技術から,対処した主な問題は,最適な特徴サブセットの選択とANNアーキテクチャモデルの設計である。有能でロバスト分類器を構築するために,データサイズを最適化して,信号の主な特徴を取り込むことができることを擾乱信号から利用可能な特徴ベクトルを抽出するために必須である。本論文では,これらの問題に対処し,,特徴ベクトルはエネルギーエントロピーに基づくWPTを用いて係数数の減少が得られた。これらから,係数の数を減らした最良識別特徴ベクトルを導出し,これをANNへの入力として使用し,分類上の負担を軽減することができた。分類性能高速Fourier変換に基づいたANNと比較した。得られたシミュレーション結果は,既存の方法に比べて有意な改善を示した。このように提案したハイブリッド分類器は,計算時間と平均二乗誤差の両方の点で分類精度を改善することにより実時間で生じるPQ問題の中で最も優れた検出を提供する。Copyright 2018 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： 電力系統 ,  高速Fourier変換 ,  モデリング ,  *電力品質 ,  シミュレーション ,  最適化 ,  CPU時間 ,  特徴抽出 ,  信号処理 ,  *ニューラルネットワーク ,  ロバスト性
準シソーラス用語： 特徴ベクトル ,  離散ウェーブレット変換 ,  MATLAB ,  *ウェーブレットパケット変換 , 【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 (4件)： ウェーブレットパケット変換 ,  人工ニューラルネットワーク ,  電力品質 ,  分類器