文献

J-GLOBAL ID：202102235227233435   整理番号：21A0069264

配電ネットワーク電圧とセンサ割当の機械学習ベース予測【JST・京大機械翻訳】

Machine Learning-Based Prediction of Distribution Network Voltage and Sensor Allocation

著者 (4件)： Bastos Alvaro Furlani (The University of Texas at Austin,Austin,TX,USA) ,  Santoso Surya (The University of Texas at Austin,Austin,TX,USA) ,  Krishnan Venkat (National Renewable Energy Laboratory,Golden,CO,USA) ,  Zhang Yingchen (National Renewable Energy Laboratory,Golden,CO,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： PESGM  ページ： 1-5  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： 高速変動エネルギー資源の浸透レベルの増加は,電力系統運転にマイナスに影響する可能性がある。同時に,配電ネットワークを通してのセンサ配置は,システム認識を改善し,新しい先進電圧制御ソリューションの開発を可能にする。このような制御技術は,電圧違反シナリオの予測における正確な予測に依存する。本論文では,配電系統における電圧予測に対する様々なアプローチを分析し,複数の技術を単一回帰器に組み合わせることが,その予測力を改善することを示した。さらに,大域的回帰器に基づく初期予測を局所回帰器によって精密化する2段階回帰器を提案した。この場合,予測誤差は著しく減少する。さらに,クラスタリング手法を採用して,センサ割当を行い,最も影響力のあるバスだけが予測精度の低下なしにモニタリングのために選択される。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： 浸透 ,  *電圧 ,  電圧制御 ,  配電系統 ,  エネルギー資源 ,  精密化 ,  センサ ,  系統運用 ,  *機械学習 ,  予測誤差
準シソーラス用語： 予測精度 ,  制御技術 ,  *配電網 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  NMR一般  (BM07041R) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (4件)： 配電ネットワーク ,  割当 ,  機械学習 ,  予測