アンサンブル学習を用いた高電圧多端子DCネットワークにおける故障位置【JST・京大機械翻訳】

Flavin Timothy; Mitra Bhaskar; Nagaraju Vidhyashree; Meyur Rounak

プレプリント

J-GLOBAL ID：202202209419230694 整理番号：22P0277423

アンサンブル学習を用いた高電圧多端子DCネットワークにおける故障位置【JST・京大機械翻訳】

Fault location in High Voltage Multi-terminal dc Networks Using Ensemble Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月20日プレプリントサーバーでの情報更新日： 2022年01月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

大きな距離送電ネットワークのための故障の正確な位置は,より速い修理と回復プロセスにとって不可欠である。モジュール型マルチレベルコンバータ(MMC)技術を用いた高電圧直流(HVdc)ネットワークは,相互接続したマルチ端末ネットワークに対してその突出性を見出した。これにより,低コストで大きな距離のバルク電力伝送が可能になる。しかし,それらはdc故障の課題に対処する。dc故障の下でネットワークを分離する高速かつ効率的な方法を広く研究し,研究した。成功した分離の後,故障を正確に位置決めすることは必須である。故障後電圧と電流署名は多重因子の関数であり,従ってマルチ端末ネットワーク上の故障を正確に位置決めすることは挑戦的である。本論文では,正確な故障位置に対する新しいデータ駆動アンサンブル学習ベースアプローチを論じた。ここでは,正確な故障位置に対するeXtreme勾配ブースティング(XGB)法を利用した。測定ノイズ,故障位置,抵抗および電流制限インダクタンスに対する提案アルゴリズムの感度を,直流(EMTdc)を含む電力系統コンピュータ支援設計(PSCAD)/電磁過渡装置において設計した放射状3端子MTdcネットワーク上で実行した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

開閉装置 , 電力変換器 , 配電(事業者側)

, , ,

前のページに戻る