文献

J-GLOBAL ID：202102277601261713   整理番号：21A0455658

配電系統におけるデータ処理とLSTM法を用いた電気 theの検出【JST・京大機械翻訳】

Detection of electricity theft using data processing and LSTM method in distribution systems

著者 (2件)： Kocaman Behcet (Department of Electrical and Electronics Engineering, Bitlis Eren University, Bitlis, Turkey) ,  Tuemen Vedat (Department of Computer Engineering, Bitlis Eren University, Bitlis, Turkey)
資料名： Sadhana  (Sadhana)
巻： 45  号： 1  ページ： 286  発行年： 2020年 
JST資料番号： A1011A  ISSN： 0256-2499  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 電気料金は,すべてのエネルギー分布サービスによって直面する大きな問題であり,上昇を続ける。したがって,電気料金検出技術に関する研究は近年増加している。生産中のエネルギー計の不適切なキャリブレーションと不法な較正は,非技術的損失を引き起こすかもしれない。非技術的損失は,結果としてのセキュリティリスクと収入の iしい損失に対する主要な関心事であった。殆どのメートル改定位置において,損傷したメートル端末および/または不法な応用は,検査の間,区別できない。事実,配電会社は電気料金を除去できない。しかし,それを検出,予防,および低減するために測定することが可能である。本論文では,実際の毎日の電力消費データ(中国の国家グリッド会社の電力消費データセット)に関する深層学習法を用いて開発した。データセットをより使用可能で,意味のある結果を抽出するための新しい方法を開発することにより,データ削減を行った。2016年の実際の毎日の電力消費データを認識できるデータセットのために,長い短期メモリ(LSTM)ベースの深層学習法を開発した。提案方法の性能を評価するために,精度,予測,およびリコールメトリックを,5つのクロスフォールド技術を考慮することによって使用した。提案した方法の性能は,以前に報告された結果よりも良好であることが分かった。Copyright Indian Academy of Sciences 2020 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 ,  電力消費 ,  電気料金 ,  *配電 ,  *配電系統 ,  エネルギー分布 ,  検出法 ,  端末装置 ,  *データ処理 ,  セキュリティ
準シソーラス用語： ホップ数 ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 電気輸送 ,  非技術的損失 ,  長期短期記憶

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (2件)： 配電系統 ,  LSTM