文献

J-GLOBAL ID：201902289936508404   整理番号：19A0492065

クロスエントロピーアンサンブルアルゴリズムを用いた電力系統周波数の予測モデル【JST・京大機械翻訳】

Prediction Model of the Power System Frequency Using a Cross-Entropy Ensemble Algorithm

著者 (3件)： Tang Yi (Department of Electrical Engineering, Southeast University, Nanjing 210096, China) ,  Cui Han (Department of Electrical Engineering, Southeast University, Nanjing 210096, China) ,  Wang Qi (Department of Electrical Engineering, Southeast University, Nanjing 210096, China)
資料名： Entropy (Web)  (Entropy (Web))
巻： 19  号： 10  ページ： 552  発行年： 2017年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 擾乱の後の周波数予測は,電力系統緊急制御における意思決定基礎を提供することにおいて,その実質的価値を与えて,増加する研究注意を受けた。機械学習の発展の進展により,機械学習法による解析電力システムは,従来のアプローチと完全に異なった。本論文では,組合せ戦略としてクロスエントロピーを用いたアンサンブルアルゴリズムを提案し,予測精度と計算速度の間のトレードオフに取り組んだ。厳しい擾乱サンプルの不適切な数によって引き起こされる予測困難性も,アンサンブルモデルによって克服される。提案したアンサンブルアルゴリズムにおいて,ベース学習者を多様性の原理に従って選択して,それは集合アルゴリズムの精度を保証した。クロスエントロピーを適用して,ベース学習者の適合性能を評価し,アンサンブルアルゴリズムにおける重み係数を設定した。次に,アルゴリズムに基づくオンライン予測モデルを確立して,訓練,予測および更新を統合した。西システム協調会議9-バス(WSCC9)システムと電気・電子工学研究所39-バス(IEEE39)システムにおいて,アルゴリズムはサンプルに富む状態とサンプル不足状態の両方で予測精度を著しく改善することを示し,提案したアンサンブルアルゴリズムの有効性と優位性を検証した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  計算機処理速度 ,  意思決定 ,  *予測 ,  有効性 ,  電子技術 ,  機械学習 ,  *予測モデル ,  IEEE ,  *電力系統
準シソーラス用語： オンライン ,  重み係数 ,  学習者 ,  予測精度 ,  *クロスエントロピー , 【Automatic Indexing@JST】

著者キーワード (4件)： 周波数予測 ,  機械学習 ,  クロスエントロピー ,  アンサンブルアルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (29件)：

• Zhou, H.; Su, Y.; Chen, Y.; Ma, Q. The China southern power grid: Solutions to operation risks and planning challenges. IEEE Power Energy Mag. 2016, 14, 72-78.
• Gomez, F.R.; Rajapakse, A.D.; Annakkage, U.D.; Fernando, I.T. Support vector machine-based algorithm for post-fault transient stability status prediction using synchronized measurements. IEEE Trans. Power Syst. 2011, 26, 1474-1483.
• Polajžer, B.; Drago, D.; Jožef, R. Estimation of area’s frequency response characteristic during large frequency changes using local correlation. IEEE Trans. Power Syst. 2016, 31, 3160-3168.
• Sun, Y.; Yu, X.; Tan, Z.; Xu, X.; Yan, Q. Efficiency evaluation of operation analysis systems based on dynamic data envelope analysis models from a big data perspective. Appl. Sci. 2017, 7, 624.
• Esfahanian, M.; Erdol, N.; Gerstein, E.; Zhuang, H. Two-stage detection of north atlantic right whale upcalls using local binary patterns and machine learning algorithms. Appl. Acoust. 2017, 120, 158-166.

タイトルに関連する用語 (2件)： 電力系統 ,  予測モデル