文献

J-GLOBAL ID：202202242031093822   整理番号：22A0151315

スパースロジスティック分類器を用いた大規模電力系統の過渡安定性評価【JST・京大機械翻訳】

Transient stability assessment in large-scale power systems using sparse logistic classifiers

著者 (1件)： Lv Jiaqing (AGH University of Science & Technology, Poland)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 136  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  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： 本論文では,過渡安定性評価の問題をパターン認識問題として定式化した。過渡安定性境界(TSB)は,セキュアと不安全な運転条件の間の領域を分離する。大規模電力ネットワークでは,TSBは非常に高次元の超平面である。「スパースロジスティック分類器」と呼ばれる現代の機械学習法をTSBの発見に適用した。この手法は,古典的ロジスティック分類器をL1ペナルティと組み合わせ,高次元モデリングに望ましい自動特徴低減特性を備えている。この方法論を470母線電力網により実証し,この分野で最近適用したいくつかの競合する方法と比較した。これらの競合する方法は,L1設計を装備しない古典的ロジスティック分類器と同様に,サポートベクトルマシン(SVM)とk最近傍(kNN)分類器を含む。高次元問題のために,著者らのアプローチは優れた予測分類精度を示した。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： パターン認識 ,  *過渡安定度 ,  *電力系統 ,  パターン分類 ,  高次元 ,  定式化 ,  ペナルティ ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 分類会計機 ,  分類精度 ,  運転条件 ,  超平面 , 【Automatic Indexing@JST】

著者キーワード (4件)： 過渡安定度境界 ,  動的セキュリティ評価 ,  パターン分類 ,  スパースロジスティック分類器

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 分類器 ,  大規模 ,  電力系統 ,  安定性評価