文献

J-GLOBAL ID：202102250270003693   整理番号：21A0410699

深さ信頼ネットワークに基づく電力品質擾乱検出と分類【JST・京大機械翻訳】

Power Quality Disturbance Detection and Classification Based on Deep Belief Network

著者 (5件)： Zhang Ran (广東電网有限責任公司電力調度控制中心,广東 广州,510600) ,  Guo Junhong (广東電网有限責任公司電力調度控制中心,广東 广州,510600) ,  Lan Xinbin (广東電网有限責任公司電力調度控制中心,广東 广州,510600) ,  Yu Da (广東電科院能源技術有限責任公司,广東 广州,510080) ,  Chen Ziming (華南理工大学,广東 广州,510641)
資料名： Guangdong Dianli  (Guangdong Dianli)
巻： 33  号： 6  ページ： 92-98  発行年： 2020年 
JST資料番号： C4320A  ISSN： 1007-290X  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： 各種電力品質擾乱を正確に識別するため、新型、深さ信頼ネットワーク(deepbeliefnetwork、DBN)に基づく電力品質(powerquality,PQ)の擾乱検出と分類方法を提出した。この方法は,純粋なデータ駆動方式であり,DBNを用いて,データサンプルの深さを学習することによって,検出と分類のために安定モデルを形成した。十分なサンプルを得るために訓練を行い、1周期内のPQ摂動の数学モデルを構築し、データ収集を行い、その後、DBNの構造とパラメータに対して設計と選択を行った。提案方法の有効性を検証するため、訓練したDBNを用いて、よく見られるPQ擾乱信号に対して検出と分類を行い、従来の検出分類方法と比較した。シミュレーション結果により,既存の検出分類法と比較して,本方法は,より高い精度およびロバスト性を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *ネットワーク ,  数学モデル ,  データ収集 ,  有効性 ,  摂動 ,  *電力品質 ,  ロバスト性
準シソーラス用語： 分類法 ,  データ駆動 ,  *電力品質擾乱 , 【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 (3件)： 信頼 ,  電力品質擾乱 ,  分類