文献

J-GLOBAL ID：202002254939691048   整理番号：20A2204848

改良深信念ネットワークに基づく電力グリッド故障診断【JST・京大機械翻訳】

Power Grid Fault Diagnosis Based on Improved Deep Belief Network

著者 (6件)： Zhang Yihui (Guangxi Power Grid Electric Power Research Institute, Nanning 530023, China) ,  Zhang Yuansheng (Dispatch and Control Center of Guangxi Power Grid, Nanning 530023, China) ,  Wen Libin (Guangxi Power Grid Electric Power Research Institute, Nanning 530023, China) ,  Cui Zhimei (Guangxi Power Grid Electric Power Research Institute, Nanning 530023, China) ,  He Yini (Dispatch and Control Center of Guangxi Power Grid, Nanning 530023, China) ,  Liu Guangshi (Guangxi Power Grid Electric Power Research Institute, Nanning 530023, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1585  号： 1  ページ： 012021 (6pp)  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： 電力系統故障を迅速かつ正確に同定することは非常に重要である。本論文は,電力系統故障診断研究への深層学習のアイデアを紹介し,改良深信頼ネットワークに基づく故障診断モデルを提案した。モデル入力として電力系統の故障特性を反映できる30次元オリジナル特徴の集合を構築し,故障診断結果はモデル出力である。グリッド故障とシステム特性の間のマッピング関係を訓練するために多層Boltzmannマシンを使用した。最後に,極端な学習機械を用いて,ネットワークパラメータを修正するためにラベル付きサンプルを監督した。異なるシステム故障シナリオを,モデルの診断能力を試験するために,ニューイングランド10マシン39ノードシステム上に設定した。シミュレーション結果は,改良深い信念ネットワークが強い特徴抽出能力を有することを示した。改良した深い信念ネットワークは,一般的人工知能方法より,故障カテゴリー,故障区域と故障位置においてより高い精度とより速い速度を持った。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： シミュレーション ,  *故障 ,  *電力 ,  *ネットワーク ,  電力系統 ,  *故障診断 ,  特徴抽出 ,  システム特性 ,  人工知能 ,  Boltzmannマシン
準シソーラス用語： システム障害 ,  *信念ネットワーク ,  ネットワークパラメータ ,  電力系統故障 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  送電  (NB05030G)

タイトルに関連する用語 (3件)： 信念ネットワーク ,  グリッド ,  故障診断