文献

J-GLOBAL ID：202102230190861662   整理番号：21A0069736

ハイブリッド深層学習ベース電力系統状態予測【JST・京大機械翻訳】

A Hybrid Deep Learning-Based Power System State Forecasting

著者 (3件)： Hadayeghparast Shahrzad (School of Engineering University of Guelph,Guelph,Canada) ,  Jahromi Amir Namavar (School of Engineering University of Guelph,Guelph,Canada) ,  Karimipour Hadis (School of Engineering University of Guelph,Guelph,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 893-898  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： スマートグリッドは,発電ステーションから消費者に電力を供給する最も複雑なサイバー物理システムの1つである。システムの現状と状態変動傾向を正確に知ることは非常に重要である。その結果,状態推定と状態予測は,スマートグリッドで広く使われている。状態予測が時間先のシステム状態を予測するならば,状態推定が悪いデータまたは通信故障のため,測定崩壊に非常に敏感であるので,状態推定を強化することができた。本論文では,電力系統状態予測のためのハイブリッド深層学習ベース法を提案した。提案方法は,位相アンゲルを予測するために,電圧の大きさおよび深いリカレントニューラルネットワーク(RNN)を予測するための畳込みニューラルネットワーク(CNN)を利用する。提案したCNN-RNNモデルをIEEE118バスベンチマークで評価した。結果は,提案したCNN-RNNモデルが,予測電圧の正規化された二乗平均平方根誤差(RMSE)を10%減らすことによって,文献における既存の技術より良い結果を達成することを実証した。結果はまた,電圧の大きさ予測の平均と最大絶対誤差の65%と35%の減少を示す。Copyright 2021 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： 電圧 ,  消費者 ,  *電力 ,  発電所 ,  *状態推定 ,  *電力系統 ,  通信故障 ,  位相 ,  正規化 ,  スマートグリッド
準シソーラス用語： リカレントニューラルネットワーク ,  *深層学習 ,  畳込みニューラルネットワーク , 【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 (3件)： 深層学習 ,  電力系統 ,  状態予測