文献

J-GLOBAL ID：202002256955114657   整理番号：20A0921883

統合深さニューラルネットワークに基づく配電網連絡関係同定技術【JST・京大機械翻訳】

Distribution Network Connectivity Recognition Based on Ensemble Deep Neural Network

著者 (6件)： Jiang Wei (東南大学電气工程学院,江蘇省南京市,210096) ,  Tang Haibo (東南大学電气工程学院,江蘇省南京市,210096) ,  Qi Hui (国网江蘇省電力有限公司泰州供電分公司,江蘇省泰州市,225300) ,  Chen Haoyuan (東南大学電气工程学院,江蘇省南京市,210096) ,  Chen Jinming (東南大学電气工程学院,江蘇省南京市 210096;国网江蘇省電力有限公司電力科学研究院,江蘇省南京市 211103) ,  Jiao Hao (国网江蘇省電力有限公司電力科学研究院,江蘇省南京市,211103)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 44  号： 1  ページ： 101-108  発行年： 2020年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 都市配電ネットワークの規模が絶えず拡大するにつれ、配電ネットワークのリアルタイムトポロジーの獲得が難しくなり、その運行状態を観測する主なボトルネックとなっている。従来のトポロジー同定方法のノイズ感度が高く、オンライン運行が困難ななどの問題を解決するために、集積深さニューラルネットワークに基づく配電変圧器(略称)連絡関係識別方案を提案した。まず第一に,2Dウェーブレット閾値ノイズ除去を,配電ネットワーク測定の縦続連続性に従って,歴史的データによって実行して,同定結果に及ぼすノイズの影響を減らした。深さ学習アルゴリズムの精度の上限を改善するために,検索,生成および評価の戦略を用いて,特徴抽出および選択を行った。次に,入力として選択した特徴を用いて,交差エントロピー深さニューラルネットワークを構築し,そして,メッシュ探索によって,深さニューラルネットワークの超パラメータを最適化した。統合学習戦略を用いて,同質深さニューラルネットワークを訓練し,モデルのオンライントポロジー同定能力を保証した。最後に,TensorFlowでの実験により,提案した統合深さニューラルネットワークモデルの精度とロバスト性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  エントロピー ,  最適化 ,  雑音 ,  *ニューラルネットワーク ,  特徴抽出 ,  都市 ,  波束 ,  略語 ,  二次元 ,  雑音低減 ,  ロバスト性 ,  学習アルゴリズム
準シソーラス用語： オンライン ,  *配電網 , 【Automatic Indexing@JST】

分類 (2件)： 配電(事業者側)  (NB05040R) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 統合 ,  ニューラルネットワーク ,  配電網 ,  同定