文献

J-GLOBAL ID：202002221044971590   整理番号：20A0440912

周波数変動からの電力変動同定のための深層学習法【JST・京大機械翻訳】

A Deep Learning Method for Power Fluctuation Identification from Frequency Fluctuations

著者 (6件)： Wen Shuli (Energy Research Institute, Nanyang Technological University,Singapore) ,  Zhao Tianyang (Energy Research Institute, Nanyang Technological University,Singapore) ,  Wang Yu (School of Electrical and Electronic Engineering, Nanyang Technological University,Singapore) ,  Tang Yi (School of Electrical and Electronic Engineering, Nanyang Technological University,Singapore) ,  Xu Yan (School of Electrical and Electronic Engineering, Nanyang Technological University,Singapore) ,  Li Pengfei (School of Electrical and Electronic Engineering, Nanyang Technological University,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： PESGM  ページ： 1-5  発行年： 2019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： 再生可能エネルギー源と柔軟な負荷によって引き起こされる電力変動は,電力系統の停電さえも不安定性問題に導く可能性があるので,電力バランスは電力系統の電力品質と安定性の改善において重要な役割を果たす。しかし,特に再生エネルギーの高い浸透レベルがあるとき,送電と配電系統の両方における電力不整合の値を得ることは非常に困難である。そこで,本論文では,周波数変動からの電力変動を推定するために,長い短期記憶リカレントニューラルネットワークを提案した。同定された電力変動の助けを借りて,システム周波数を新しい正確な基準による自動生成制御によってより良く維持することができた。提案したアルゴリズムを,人工ニューラルネットワークの分野におけるstate of the ートを含む種々の古典的方法と比較して,シンガポール電力系統の確立したモデルに関してテストした。シミュレーション結果は,電力変動同定の必要性と提案方法の有効性を明確に実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電力変動 ,  電力品質 ,  *周波数変動 ,  *電力 ,  再生エネルギー ,  シンガポール共和国 ,  シミュレーション ,  有効性 ,  不整合 ,  電力系統 ,  不安定性 ,  ニューラルネットワーク ,  配電系統 ,  アルゴリズム ,  浸透

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 周波数変動 ,  電力変動 ,  同定 ,  深層学習