文献

J-GLOBAL ID：202102239979716809   整理番号：21A0315708

GA-ELMに基づく電圧サグソース同定研究【JST・京大機械翻訳】

Research on recognition of voltage sag source based on GA-ELM

著者 (3件)： Lu Caixia (河南理工大学電气工程与自動化学院,河南焦作454000) ,  Wang Xinhuan (河南理工大学電气工程与自動化学院,河南焦作454000) ,  Wang Quanyi (河南理工大学電气工程与自動化学院,河南焦作454000)
資料名： Chuanganqi yu Wei Xitong  (Chuanganqi yu Wei Xitong)
巻： 39  号： 12  ページ： 64-67  発行年： 2020年 
JST資料番号： C3686A  ISSN： 1000-9787  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： 一般化S変換(GST)と遺伝的アルゴリズム(GA)に基づく最適限界学習機械(ELM)の電圧降下源同定法を,従来の電圧降下源同定法の分類時間が長い,精度が悪いという問題を解決するために提案した。先ず,一般化S変換のモード時間周波数行列を用いて,電圧サグの立ち上がり時間,過渡深さ,位相ジャンプなどの特徴を抽出し,次に,遺伝的アルゴリズムを用いて,ELMの入力重みと隠れ層閾値を最適化し,GA-ELMに基づく電圧サグソース同定モデルを構築し,電圧降下源の識別を実現した。MATLAB/SIMULINKシミュレーションを通して,GA-ELM,BPニューラルネットワークの電圧サグソースに対する認識結果を比較し,GA-ELMを用いた電圧サグソース同定の精度が,オリジナルのELMとBPニューラルネットワークより高いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  ニューラルネットワーク ,  学習機械 ,  位相 ,  遺伝的アルゴリズム ,  *電圧降下
準シソーラス用語： Simulink ,  立上り時間 ,  *瞬時電圧低下 ,  MATLAB ,  隠れ層 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 電圧サグ ,  ソース ,  同定 ,  研究