文献

J-GLOBAL ID：201902249550555289   整理番号：19A2423991

分布レベルPMUデータを用いた配電網におけるCNNベース故障区間位置標定法【JST・京大機械翻訳】

A CNN-Based Fault Section Location Method in Distribution Network Using Distribution-Level PMU Data

著者 (5件)： Yao Weiqiang (State Grid Shanghai Electric Power Research Institute, Shanghai, China) ,  Gao Xiaoqing (State Grid Shanghai Municipal Electric Power Company, Shanghai, China) ,  Liu Shu (State Grid Shanghai Electric Power Research Institute, Shanghai, China) ,  Zhang Yongjie (Beijing Jiaotong University, Beijing, China) ,  Wang Xiaojun (Beijing Jiaotong University, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 585  ページ： 623-633  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 電力供給の信頼性を改善するために,中間と低電圧配電ネットワークは,常に中国における小電流ニューラル接地を使用する。地絡に対する単相が発生するとき,断層特徴は弱く,断層部分は伝統的方法によって位置決めするのが難しい。分布レベルフェーザ測定ユニット(D-PMU)の開発は,視覚的で正確な同期データを利用できる。本論文では,畳込みニューラルネットワーク(CNN)に基づく新しい故障区間位置決め法を提案した。データ断面積は,電流と電圧フェーザを含む特定の時間における多重D-PMUの同期測定のスナップショットに対応するCNNモデルの入力特性行列である。そして,結果の故障セクションと信頼性は,訓練した3層CNNモデルによって与えた。この方法は,定常故障段階における単一モーメントのスナップショットデータだけを必要とするので,それは故障初期位相角によって影響されず,雑音とデータ損失または崩壊に対してロバストである。提案方法の精度,反干渉能力,および有効性を,PSCADにおける分散型発電を有する20ノード配電ネットワーク上でテストした。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電流 ,  雑音 ,  地絡 ,  電圧 ,  単相 ,  ロバスト性 ,  信頼性 ,  *位置決め ,  多重化 ,  *故障 ,  電力供給 ,  接地
準シソーラス用語： スナップショット ,  フェーザ ,  *配電網 , 【Automatic Indexing@JST】

著者キーワード (4件)： 断層断面位置 ,  D-PMU ,  CNN ,  データ断面積

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： 分布 ,  PMU ,  配電 ,  CNN ,  故障 ,  位置標定