文献

J-GLOBAL ID：202202212412975010   整理番号：22A0903200

電力品質擾乱の自動分類に適用したウェーブレットスペクトル解析と属性ランキング【JST・京大機械翻訳】

Wavelet spectral analysis and attribute ranking applied to automatic classification of power quality disturbances

著者 (2件)： Pinho Andre da Costa (Universidade Federal Fluminense - Escola de Engenharia, Rua Passo da Patria, 156, Bloco D, Niteroi, 24210-240, RJ, Brazil) ,  Garcia Emanoel Gecildo Albuquerque (Universidade Federal Fluminense - Escola de Engenharia, Rua Passo da Patria, 156, Bloco D, Niteroi, 24210-240, RJ, Brazil)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 206  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： 電力系統における非線形負荷とデバイスの使用の増加は,電気エネルギー信号の波形変化の発生を増加させた。これらの擾乱の強度と頻度は,消費者に供給されるエネルギー品質を定義する。本研究では,そのような問題を検討し,これらの障害の自動分類の有効性を改善するための2つの新しいアプローチを提案した。最初の関心事は属性の抽出である。最初に,離散ウェーブレット変換(DWT)分解レベルと元の信号の間の最良の相関を調べ,最も代表的なものとして8番目のレベルを指摘した。外乱とそれらのそれぞれの8番目のレベル詳細係数に関して,7つの従来の計量を適用して,新しい特徴を提案した:加重中心周波数(wcf)。さらに,第8レベル詳細係数のスペクトル解析を行い,その結果,4つの新しい特徴が12属性を持つベクトルを完成させた。第2の新規性は,属性をランク付けし選択するための大域的マーカーを定義するための多重指数解析から構成された。知る限りでは,これは,マルチパラメトリックランキング技術が,電気外乱の自動分類をサポートするために使用された初めてである。これらの特徴は,10,000信号の合成データベースから抽出され,異なる分類器(人工ニューラルネットワーク(ANN)とサポートベクトルマシン(SVM))を受けた。結果は,DWT分解のスペクトル分析に関連する2つの提案属性が分類器の性能に適切な影響を与えることを示した。さらに,分類器の結果は,最も低いランクされたものに対して最も高いランク属性の半分を考慮した分類性能を比較するとき,約30%の差を見つけることによって,ランキング法の正当性を確認した。最後に,得られた結果を,文献における他の顕著な研究と比較し,その関連性を,電気外乱の自動分類に対する効果的な解を指示することによって検証した。Copyright 2022 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： ベクトル ,  *自動分類 ,  消費者 ,  データベース ,  *電力 ,  電力系統 ,  ニューラルネットワーク ,  分光分析 ,  *スペクトル解析 ,  *波束 ,  多重化 ,  *系統擾乱 ,  機械学習 ,  ウェーブレット変換 ,  サポートベクトルマシン
準シソーラス用語： 離散ウェーブレット変換 ,  *電力品質擾乱 , 【Automatic Indexing@JST】

著者キーワード (4件)： 電力擾乱 ,  エネルギー品質 ,  機械学習 ,  属性選択

分類 (2件)： 電力系統一般  (NB02000E) ,  変圧器  (NB08020Q)

タイトルに関連する用語 (6件)： 電力品質擾乱 ,  自動分類 ,  ウェーブレット ,  スペクトル解析 ,  属性 ,  ランキング