文献

J-GLOBAL ID：202002226653991607   整理番号：20A2261842

大規模配電系統解析へのニューラルネットワークの適用:経験的計算展望【JST・京大機械翻訳】

Applying Neural Networks to Large-Scale Distribution System Analysis: an Empirical Computational Perspective

著者 (4件)： Doumen Sjoerd C. (Eindhoven University of Technology,Eindhoven,The Netherlands) ,  Bernards Raoul (Enexis, ’s-Hertogenbosch,The Netherlands) ,  Morren Johan (Eindhoven University of Technology,Eindhoven,The Netherlands) ,  Paterakis Nikolaos G. (Eindhoven University of Technology,Eindhoven,The Netherlands)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SEST  ページ： 1-6  発行年： 2020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： 研究は,ニューラルネットワーク(NN)が正確で迅速な低電圧(LV)グリッド解析が可能なことを示した。したがって,NNsは,オランダにおける主要な配電系統オペレータ(DSO)の1つであるEnexisによって作成され使用されたツール,中長期シナリオツール(MLT)のための実行可能な方法であり,LVグリッドの将来のシナリオを分析する。しかし,このツールはかなりの量のLVグリッドを分析でき,各々はNNを必要とする。NNsのこの量は,ハイパーパラメータの決定が計算上費用がかかるので,事前にハイパーパラメータを知ることにより達成できる,すべてのNNに対する単一ネットワークアーキテクチャと訓練法を必要とする。本論文では,長大のNNsを訓練するのに,ハイパーパラメータが類似のサイズのLVグリッドのNN間で共有可能であり,ハイパーパラメータがLVグリッドサイズに基づいて予測可能であるかどうかを決定する。ハイパーパラメータ共有の結果は,NN間で同等の性能を示したが,大きなLVグリッドでは差異が始まる。LV格子サイズに基づくハイパーパラメータの予測は,不十分な性能を与える。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： 格子定数 ,  オペレータ ,  *配電系統 ,  *ニューラルネットワーク ,  オランダ王国 ,  ネットワークアーキテクチャ
準シソーラス用語： 低電圧 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 大規模 ,  配電系統 ,  解析 ,  ニューラルネットワーク ,  経験 ,  計算 ,  展望