文献

J-GLOBAL ID：201802285443667083   整理番号：18A0586697

荷重学習のためのパワーグリッドプロービング:多重時間インスタンス上の同定可能性【Powered by NICT】

Power grid probing for load learning: Identifiability over multiple time instances

著者 (3件)： Bhela Siddharth (ECE Dept., Virginia Tech, Blacksburg, VA 24061, USA) ,  Kekatos Vassilis (ECE Dept., Virginia Tech, Blacksburg, VA 24061, USA) ,  Veeramachaneni Sriharsha (WindLogics Inc., St Paul, MN 55108, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAMSAP  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： ノード負荷と再生可能発電は異なるグリッド最適化タスクを解くための知る必要があるが,現在広範な計量インフラストラクチャーを欠いている配電網。ここで新鮮なアイデアは,グリッドを調べ,このようにして非計量ノードでの電力注入を推論するために太陽パネルとエネルギー貯蔵デバイスで見出されたスマートインバータの能力を利用することである。活性注入と力率を変える瞬間的に指令インバータにより達成でき,続いて基礎となる物理的系の応答として生じる電圧を記録している。格子プローブによる負荷推定は陰的非線形システム同定タスクに帰着すると多重プロービング期間にわたって結合電力潮流問題の数列を解くことを含んでいる。構造制御から起動の結果,格子グラフ上の計量及び非計量ノードの位置に関係する直感的ルールは,半径方向とメッシュネットワークにおける局所的な同一性を保証するのに十分であることを示した。同定可能性基準は,時間の経過とともに良くスケールIEEE34母線フィーダで数値的に確証した。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： メッシュ網 ,  負荷予測 ,  力率 ,  発電 ,  エネルギー貯蔵 ,  供給装置 ,  最適化 ,  電圧 ,  インフラストラクチャー ,  電力潮流 ,  *多重化 ,  電力
準シソーラス用語： *プロービング ,  非線形システム同定 ,  配電網 , 【Automatic Indexing@JST】

分類 (3件)： 電力系統一般  (NB02000E) ,  配電(事業者側)  (NB05040R) ,  電力の計測法・機器  (AD07050J)

タイトルに関連する用語 (4件)： 荷重 ,  学習 ,  多重 ,  インスタンス