文献

J-GLOBAL ID：202202255962970153   整理番号：22A0977242

HCTSAとソフトマックス回帰の統合によるMTDCシステムのためのデータ駆動故障検出と分類【JST・京大機械翻訳】

Data-Driven Fault Detection and Classification for MTDC Systems by Integrating HCTSA and Softmax Regression

著者 (5件)： Li Jiapeng (School of Electrical Engineering, Xi’an Jiaotong University, Shaan Xi, China) ,  Song Guobing (School of Electrical Engineering, Xi’an Jiaotong University, Shaan Xi, China) ,  Yan Jifei (School of Electrical Engineering, Xi’an Jiaotong University, Shaan Xi, China) ,  Li Yujun (School of Electrical Engineering, Xi’an Jiaotong University, Shaan Xi, China) ,  Xu Zhao (Department of Electrical Engineering, The Hong Kong Polytechnic University, Hong Kong)
資料名： IEEE Transactions on Power Delivery  (IEEE Transactions on Power Delivery)
巻： 37  号： 2  ページ： 893-904  発行年： 2022年 
JST資料番号： A0340B  ISSN： 0885-8977  CODEN： ITPDE5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高速故障分離の必要条件は,多端子直流(MTDC)システムの安全運転に大きな挑戦をもたらす。保護方式の速度と信頼性の間のより良いトレードオフを作るために,故障過渡信号からより貴重な情報を採掘することは,必須である。本論文は,MTDCシステムにおける高速かつ信頼できるDC故障検出と分類を達成するために,多次元特徴を掘り出して,合成できるデータ駆動フレームワークを提案した。高度比較時系列解析(HCTSA)を最初に採用して,故障電流波形から明確な物理的解釈を有する広範囲な特徴を抽出し,次に,故障同定に貴重ないくつかの特徴を, greedy欲前方探索を利用して選択した。縮小特性に基づき,ソフトマックス回帰分類器(SRC)をさらに提案し,比較的小さなオンライン計算負荷で各故障カテゴリーの確率を計算した。PSCAD/EMTDCで行った数値シミュレーションは,提案したアプローチが,異なる故障条件の下で有効であり,雑音崩壊に対してロバストであり,また,様々なDCグリッドにおいて複製可能なことを示した。さらに,従来の微分ベース保護法及びいくつかの典型的な人工知能ベース(AIベース)法との比較研究を行った。提案方法は,従来の保護と浅い構造AIベースの方法,より良い解釈可能性,および深い構造AIベースの方式に関するより低いオンライン計算複雑性に関して,より高い故障同定精度の利点を有することを検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *故障 ,  時系列分析 ,  信頼性 ,  複製 ,  *故障検出 ,  微分 ,  計算量 ,  人工知能 ,  直流 ,  高次元 ,  ロバスト性
準シソーラス用語： 数値シミュレーション ,  オンライン ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (3件)： 配電(事業者側)  (NB05040R) ,  電力系統一般  (NB02000E) ,  保護装置  (NB09040T)

タイトルに関連する用語 (5件)： ソフト ,  統合 ,  データ駆動 ,  故障検出 ,  分類