文献

J-GLOBAL ID：201802288139275249   整理番号：18A0760916

テキストの非構造化データに対する送電系統故障診断法【JST・京大機械翻訳】

Fault diagnosis method of power transformation system based on unstructured data

著者 (6件)： Huang Liang (貴州電网有限責任公司 電力科学研究院,貴州 貴陽,550000) ,  Wang Jiali (武漢大学 電气工程学院,湖北 武漢,430072) ,  Zhao Lijin (貴州電网有限責任公司 電力科学研究院,貴州 貴陽,550000) ,  Lv Qiansu (貴州電网有限責任公司 電力科学研究院,貴州 貴陽,550000) ,  Yang Tao (貴州電网有限責任公司 電力科学研究院,貴州 貴陽,550000) ,  Lin Gang (武漢大学 電气工程学院,湖北 武漢,430072)
資料名： Dianli Kexue yu Jishu Xuebao  (Dianli Kexue yu Jishu Xuebao)
巻： 32  号： 3  ページ： 153-161  発行年： 2017年 
JST資料番号： W0818A  ISSN： 1673-9140  CODEN： DKYJAE  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： 非構造化データから情報を抽出し、有効に送電系統故障を診断することは、設備の運行状態を正確に確定することに対して重要な意義がある。本論文では,深さ学習ネットワークに基づく送電系統の故障診断法を提案した。非構造化データ処理問題に向けて,非構造化データ特徴抽出,深さ神経回路網構築,深さ神経回路網訓練,故障診断などの一連の深さ学習処理方式を提案した。循環神経回路網(RNN)を構築し,改善し,長時間記憶モデル(LSTM)を神経回路網の記憶ユニットに追加し,対応する神経回路網訓練戦略を提案した。データ源として南部送電網の故障パトロールを取り上げ,シミュレーション結果により,提案した方法の有効性を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  記憶装置 ,  *送電系統 ,  学習 ,  神経回路網 ,  特徴抽出 ,  シミュレーション ,  *故障診断 ,  *故障
準シソーラス用語： *非構造化データ ,  テキスト , 【Automatic Indexing@JST】

著者キーワード (4件)： transmission system ,  fault diagnosis ,  unstructured data ,  deep learning

分類 (2件)： 電子回路一般  (NC05010N) ,  固体デバイス計測・試験・信頼性  (NC03040G)

タイトルに関連する用語 (3件)： 非構造化データ ,  送電系統 ,  故障診断