文献

J-GLOBAL ID：202102250471426043   整理番号：21A0894185

電力系統事象の機械学習ベース検出と分類【JST・京大機械翻訳】

Machine Learning Based Detection and Classification of Power System Events

著者 (3件)： Thomas Annmy (National Institute of Technology, Calicut,Department of Electrical Engineering,Calicut,India) ,  Koshy Subin (National Institute of Technology, Calicut,Department of Electrical Engineering,Calicut,India) ,  R. Sunitha (National Institute of Technology, Calicut,Department of Electrical Engineering,Calicut,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： PICC  ページ： 1-6  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： エネルギー需要の急速な上昇は,電気グリッドに巨大な圧力を与え,安定かつ安全な電力供給を提供するデバイスオペレータにとって大きな困難を示した。電力系統のリアルタイム監視は,タイムリーで効果的なポストイベント制御行動を可能にする。Phasor測定ユニット(PMU)は,SCADA技術の欠点を緩和する非常に大きな報告速度で時間同期測定データを得るために使用できる。これにより,PMUは電力系統を動的に監視できる。リアルタイムSynchrophasorデータをさらに処理して,それが発生するとき,電力システムにおける事象を検出し,分類した。本論文は,PMUデータを用いたロバスト機械学習ベースのイベント検出と分類技術を提示する。ウェーブレット解析は非定常特性を有するPMUデータから事象を検出する重要な信号処理法である。機械学習アルゴリズムを用いて,観測した電力系統事象を分類した。顕著な特性を抽出し,PMUサンプルを用いて分類器を訓練した。機械学習アルゴリズムの特徴を最適化して,分類誤差を最小にした。ウェーブレット解析と機械学習アルゴリズムを用いてイベントを検出し分類する提案アルゴリズムをWSCC9バスシステム上で検証した。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： アルゴリズム ,  最適化 ,  オペレータ ,  定常特性 ,  *電力系統 ,  信号処理 ,  ロバスト性 ,  SCADAシステム ,  電力供給 ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： イベント検出 ,  実時間 ,  ウェーブレット解析 ,  リアルタイムモニタリング , 【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 (4件)： 電力系統 ,  事象 ,  機械学習 ,  分類