文献

J-GLOBAL ID：202002217226075200   整理番号：20A1012197

サンプルエントロピーと加重最適化ランダムフォレストに基づく電力品質擾乱の同定【JST・京大機械翻訳】

Identification of Power Quality Disturbances Based on Sample Entropy and Weighted Optimization Random Forest

著者 (5件)： Liao Xiaohui (School of Electrical Engineering, Zhengzhou University, Zhengzhou, Henan, 450001, China) ,  Chen Chuanchuan (School of Electrical Engineering, Zhengzhou University, Zhengzhou, Henan, 450001, China) ,  Wang Yuhan (School of Electrical Engineering, Zhengzhou University, Zhengzhou, Henan, 450001, China) ,  Cui Mingjian (School of Electrical Engineering, Zhengzhou University, Zhengzhou, Henan, 450001, China) ,  Liu Chuan (School of Electrical Engineering, Zhengzhou University, Zhengzhou, Henan, 450001, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1486  号： 6  ページ： 062018 (7pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 実際の送電網における非線形負荷と衝撃負荷の数の増加とともに,電力品質問題はますます深刻になっている。電力品質擾乱信号の正確で迅速な同定は,電力品質を改善し,送電網の安定運転を確実にするために非常に重要である。この理由のために,本論文では,ウェーブレット変換の多重分解能解析とサンプルエントロピーの組合せを提案し,電力品質擾乱信号の特性を抽出した。分類効果は初期サンプルより良い。重み付き最適化ランダム森林分類装置を用いて,特徴を分類した。それはランダム森林のモード投票法によって引き起こされた誤差を減少させた。シミュレーションと実際の試験結果は,サンプルエントロピーと加重最適化ランダムフォレストに基づく電力品質擾乱検出アルゴリズムが,決定ツリー,極端なランダムツリーと従来のランダムフォレストより良い分類精度を持つことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  分類装置 ,  送電系統 ,  ディシジョンツリー ,  投票 ,  衝撃荷重 ,  *電力品質 ,  ウェーブレット変換
準シソーラス用語： 多重解像度 ,  分類精度 ,  非線形負荷 ,  *ランダムフォレスト ,  検出アルゴリズム ,  サンプルエントロピー ,  *電力品質擾乱 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： サンプルエントロピー ,  加重 ,  最適化 ,  ランダムフォレスト ,  電力品質擾乱 ,  同定