文献

J-GLOBAL ID：201802283002471692   整理番号：18A0449600

電力動揺時に発生する対称性故障検出:解釈可能な教師つき学習アプローチ【Powered by NICT】

Symmetrical fault detection during power swings: An interpretable supervised learning approach

著者 (4件)： Lwin Min (Department of Electrical and Computer Engineering The University of Texas at Austin) ,  Min Kyung Woo (Department of Electrical and Computer Engineering The University of Texas at Austin) ,  Padullaparti Harsha V. (Department of Electrical and Computer Engineering The University of Texas at Austin) ,  Santoso Surya (Department of Electrical and Computer Engineering The University of Texas at Austin)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PESGM  ページ： 1-5  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： 電力動揺条件による距離リレー動作は計画されていない島の形成と停止の伝播へ通じる不要線トリップを防止するためにブロックされなければならない。本研究では,従来の距離継電器における電力動揺条件中の対称故障の検出を改善するための機械学習分類手法を提示した。手法は,既存の電力動揺阻止法を増加させることを意図している精度と解釈可能性に焦点を当てた分類器を訓練する。アプローチの寄与は他の方法の性能を維持する分類器の訓練は,説明可能な結果を提供した。訓練と試験データは17280種類のシナリオのためのIEEE9バスシステムの時間領域シミュレーションから発生させた。分類器を比較し,評価した:サポートベクトルマシン,ランダムフォレスト,勾配ツリーブースティング,決定木,k-最近傍。特徴選択と局所測定のための相互情報量を利用して,著者らの結果は,以前の方法と同等の性能を示し,分類器出力のより深い理解のための意思決定境界をする能力を提供する。解釈可能性と性能の間のトレードオフも評価した。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： 意思決定 ,  サポートベクトルマシン ,  トリップ ,  距離継電器 ,  *故障 ,  ディシジョンツリー ,  機械学習 ,  *故障検出 ,  相互情報量 ,  特徴選択 ,  *教師つき学習 ,  *対称性 ,  *電力変動
準シソーラス用語： ランダムフォレスト ,  時間領域シミュレーション , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 電力動揺 ,  対称性 ,  故障検出 ,  教師つき学習