文献

J-GLOBAL ID：202102271048370926   整理番号：21A3311737

マイクログリッドにおける単独運転検出のための新しいマルチLSTMベース深層学習法【JST・京大機械翻訳】

A novel Multi-LSTM based deep learning method for islanding detection in the microgrid

著者 (2件)： OEzcanli Asiye Kaymaz (Faculty of Electrical and Electronics Engineering, Yildiz Technical University, Davutpasa, Istanbul, Turkey) ,  Baysal Mustafa (Faculty of Electrical and Electronics Engineering, Yildiz Technical University, Davutpasa, Istanbul, Turkey)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 202  ページ： Null  発行年： 2022年 
JST資料番号： C0994A  ISSN： 0378-7796  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： マイクログリッド(MG)は,太陽光発電エネルギー,風力エネルギーおよび水力電力のような再生可能エネルギー源の成長統合を可能にすることにより,グリッド接続または島モードで運転できる将来のエネルギーシステムの鍵となる部分である。マイクログリッドにおける最も実質的な現象の一つは,電力品質,電圧安定性および安全ハザードのような重大な問題を引き起こすことができる非意図的単独運転である。本論文では,同期およびインバータインタフェイスMGに対する新しい受動単独運転検出法(IDM)を紹介した。MGの共通結合(PCC)の点で測定した電圧と電流高調波歪を利用して,最も最近で普及している深層学習技術の一つであるマルチ長短期メモリ(LSTM)アーキテクチャを初めて提案した。初めて,歪んだ主格子を様々な操作条件で考慮した。数値シミュレーションをMATLAB/Simulinkで行い,知的IDMによる提案した方法の比較解析を行い,その全体的優位性を検証した。提案方法は,99.3%の平均精度および0.06の最小損失のような顕著な性能を達成した。マルチLSTMモデルは50ms検出時間以内で±0.5%以下の電力不整合に対して97.93%の精度で単独運転事象を検出することができる。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： 記憶装置 ,  電圧 ,  電流 ,  電力 ,  高調波歪 ,  太陽光発電 ,  電力品質 ,  計算機アーキテクチャ ,  *マイクログリッド
準シソーラス用語： 電圧安定性 ,  Simulink ,  数値シミュレーション ,  MATLAB ,  グリッド接続 ,  *単独運転検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 単独運転の検出 ,  深層学習 ,  高調波歪 ,  LSTM ,  マイクログリッド

分類 (2件)： 電力系統一般  (NB02000E) ,  配電(事業者側)  (NB05040R)

タイトルに関連する用語 (5件)： マイクログリッド ,  単独運転検出 ,  マルチ ,  LSTM ,  深層学習