文献

J-GLOBAL ID：202002247126487413   整理番号：20A0904007

特徴注意機構に基づく電力変圧器状態パラメータの予測法【JST・京大機械翻訳】

A prediction method for power transformer state parameters based on feature attention mechanism

著者 (8件)： Cui Yu (Shanghai Jiao Tong University,Department of Electrical Engineering,Shanghai,China) ,  Hou Huijuan (Shanghai Jiao Tong University,Department of Electrical Engineering,Shanghai,China) ,  Sheng Gehao (Shanghai Jiao Tong University,Department of Electrical Engineering,Shanghai,China) ,  Jiang Xiuchen (Shanghai Jiao Tong University,Department of Electrical Engineering,Shanghai,China) ,  He Min (State Grid Zhejiang Power Company,Jiande Power Supply Company,Zhejiang,Jiande,China) ,  Jiang Guozhen (State Grid Zhejiang Power Company,Jiande Power Supply Company,Zhejiang,Jiande,China) ,  Chi Jianfei (State Grid Zhejiang Power Company,Jiande Power Supply Company,Zhejiang,Jiande,China) ,  Tong Jun (State Grid Zhejiang Power Company,Jiande Power Supply Company,Zhejiang,Jiande,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： APPEEC  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： 電力変圧器の状態パラメータに関する正確な予測は,装置に関する現在の運転状態と潜在的リスクの総合的評価を提供することができた。提案した電力変圧器予測モデルにおいて,特徴的注意機構を基本的長い短期記憶ネットワーク(FA-LSTM)に導入して,グリッド操作と気象データのようなターゲット属性とその関連特徴の間の相関ルールをマイニングした。独立したものとして属性を扱っている以前の研究と比較して,時間反復を通して抽出された関係は,目標シリーズのために補助情報を提供することによって予測結果を修正することができた。さらに,特徴注意は,従来の相関ルールマイニングアルゴリズムにおけるプレセット閾値によって制限されない。絶縁油中の溶存水素濃度を予測する事例研究において,実験は,提案したFA-LSTMが,より低い絶対百分率誤差をもつ従来の方法より優れていることを示し,電力変圧器状態パラメータの時系列予測のためのより正確な結果を与えた。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： *予測技法 ,  アルゴリズム ,  絶縁油 ,  ネットワーク ,  *電力変圧器 ,  気象データ ,  事例研究 ,  相関ルール ,  予測モデル
準シソーラス用語： 時系列予測 ,  溶存水素 ,  長短期記憶 , 【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 (4件)： 注意 ,  電力変圧器 ,  パラメータ ,  予測法