文献

J-GLOBAL ID：202102242663641910   整理番号：21A2834393

欠損値パターンとニューラルアーキテクチャ探索を用いた非技術的損失検出【JST・京大機械翻訳】

Non-technical losses detection using missing values’ pattern and neural architecture search

著者 (3件)： Fei Ke (Chongqing University, 174 Shazheng Road, Shapingba District, Chongqing 400044, China) ,  Li Qi (Chongqing University, 174 Shazheng Road, Shapingba District, Chongqing 400044, China) ,  Zhu Congcong (Chongqing Electric Power College, 9 Dian Li Si Cun, Wu Long Miao, Jiu Long Po District, Chongqing 400053, China)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 134  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 非技術的損失(NTL)の速い成長は,配電ネットワークオペレータ(DNO)の主要な関心事の一つになっている。NTLの主要部分を構成する電気料金は,DNOに損失をもたらすだけでなく,供給の品質を低下させる。従来の検出法は,ユーティリティ労働者の経験に依存し,大量のマンパワーを消費する。先進計量インフラストラクチャ(AMI)の出現により,ユーティリティ企業は,現在,消費者の電気利用を反映する詳細なデータを収集でき,これは,アルゴリズムベースの非技術的損失検出を可能にした。現在のデータベースの方法は,急速に変化した電気料金技術を扱うとき,電力消費の特性に焦点を合わせる。本論文は,非技術的損失検出の精度を改善するために,新しいデータセット,欠測値の位置情報を導入した。欠測値と電気料金技術の間の関係を分析し,ニューラルネットワークモデルをニューラルアーキテクチャ探索(NAS)を通して構築した。改善されたモデルは,約0.926の曲線下面積(AUC)値を達成し,それは欠測値と電気料金技術の間の密接なリンクを立証した。ニューラルアーキテクチャ探索の性質は,ニューラルネットワーク専門知識のない技術者にとってさえも,ユーザフレンドリーなツールになる自動モデル更新を可能にする。ノイズ(DBSCAN)クラスタリングアルゴリズムによるアプリケーションの密度ベース空間クラスタリングを通して,欠測値パターンを分析した事例研究を行った。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  消費者 ,  データベース ,  オペレータ ,  労働力 ,  電力消費 ,  電気料金 ,  ニューラルネットワーク ,  応用プログラム ,  インフラストラクチャー ,  事例研究 ,  *計算機アーキテクチャ ,  位置情報
準シソーラス用語： 配電網 , 【Automatic Indexing@JST】

著者キーワード (4件)： 非技術的損失 ,  欠損値パターン ,  高度計量インフラストラクチャ ,  神経アーキテクチャ探索

分類 (3件)： 配電(事業者側)  (NB05040R) ,  有線通信方式・機器  (ND09000H) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (3件)： 欠損 ,  探索 ,  損失