文献
J-GLOBAL ID:201802277850480816   整理番号:18A1991505

マイクログリッドにおけるCHPの自律運転診断のためのサポートベクトルマシン学習技術によるクリギング経験的モード分解【JST・京大機械翻訳】

Kriging Empirical Mode Decomposition via support vector machine learning technique for autonomous operation diagnosing of CHP in microgrid
著者 (7件):
資料名:
巻: 145  ページ: 58-70  発行年: 2018年 
JST資料番号: E0667B  ISSN: 1359-4311  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
熱併給発電(CHP)は,近年電力系統に追加された新しいエネルギー資源の一つである。高効率,電力系統の損失低減などは,他の分散発電と同じようにCHPの主な利点である。しかし,望ましくない単独運転はこの発電の主要な問題の一つである。本論文は,クリギング経験的モード分解(KEMD)とサポートベクトルマシン(SVM)パターン学習技術を用いて,CHPユニット単独運転検出のための新規技術を提示した。この技術において,二次元モードにおける局所信号の固有モード関数(IMF)の変化をリレーの入力データとして利用した。最適信号選択モデルを,非検出ゾーン(NDZ)のために提案したリレーに適用して,検出を減少させた。単独運転と非単独運転条件の間の平均二乗値に基づいて,最良の信号選択を導入した。また,提案したリレーのための最適SVMモデルをパターン認識として,そして,サメの匂い最適化を用いて重みづけすることによって,この技術は閾値選択問題を克服した。このリレーはマイクログリッドシステムにおけるCHPシステムに適用され,様々なタイプのDGを含んでいる。研究したマイクログリッドにおける種々の運転条件における多くの単独運転と非単独運転状況をシミュレートした。シミュレーション結果の結果は,提案したリレーがマイクログリッド応用に適していることを示した。無視できるNDZ,高い検出時間,ゼロ故障検出,およびこのリレーの低コストは,提案した技術の主要な利点である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
内燃機関発電  ,  電気・防災・防犯・昇降機設備,その他の建築設備 

前のページに戻る