文献

J-GLOBAL ID：202202257527756564   整理番号：22A0991651

三次元コンボリューションニューラルネットワークに基づく配電ネットワークの異常同定法【JST・京大機械翻訳】

Anomaly Identification Method for Distribution Internet of Things Based on Three-dimensional Convolutional Neural Network

著者 (6件)： Yin Haoran (強電磁工程与新技術国家重点実験室(華中科技大学),湖北省武漢市 430074;電力安全与高效湖北省重点実験室(華中科技大学電气与電子工程学院),湖北省武漢市 430074) ,  Miao Shihong (強電磁工程与新技術国家重点実験室(華中科技大学),湖北省武漢市 430074;電力安全与高效湖北省重点実験室(華中科技大学電气与電子工程学院),湖北省武漢市 430074) ,  Han Ji (強電磁工程与新技術国家重点実験室(華中科技大学),湖北省武漢市 430074;電力安全与高效湖北省重点実験室(華中科技大学電气与電子工程学院),湖北省武漢市 430074) ,  Wang Zixin (強電磁工程与新技術国家重点実験室(華中科技大学),湖北省武漢市 430074;電力安全与高效湖北省重点実験室(華中科技大学電气与電子工程学院),湖北省武漢市 430074) ,  Mao Wandeng (国网河南省電力公司電力科学研究院,河南省鄭州市 450052) ,  Niu Rongze (国网河南省電力公司電力科学研究院,河南省鄭州市 450052)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 46  号： 1  ページ： 42-50  発行年： 2022年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 配電網における電力網と通信網との高度結合により、単一ネットワークの異常状態はもう1つのネットワークに相互作用し、さらに異常範囲拡大を引き起こす可能性があり、単独に電力網あるいは通信網の異動情報を採用するだけで、配電物連系異動源の類型と位置を正確に識別することは難しい。そこで,三次元畳込みニューラルネットワーク(3D-CNN)に基づく配電網異常同定と位置決め法を提案した。最初に,配電ネットワークの通信トラフィック特性を解析し,そして,SimulinkおよびOPNETに基づく配電網相互作用シミュレーションモデルを,構築した。次に,3D-CNNのサンプル構築法を提案し,配電網における各ノードの電気量と通信トラフィック情報を特徴サブピクセルとして構成し,さらに,配電網を各時刻の状態を1つの特徴フレーム画像として表示した。隠れた配電ネットワークの異動過程を含む立方サンプルマトリックスを形成した。続いて,3D特徴抽出ネットワークと階層softmax分類装置を含む深さ学習モデルを構築し,立方サンプルマトリックスの隠れた異常情報を抽出し,同定することにより,配電ネットワークの異常型と位置の判定を同時に実現できた。最後に、IEEE33ノード配電網異常データを利用してモデルに対してテストを行い、結果により、提案方法は電力網短絡故障、通信中断故障、通信データ異常による保護誤動作と拒絶に対して精確な分類と定位を行うことができることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  学習モデル ,  故障 ,  シミュレーションモデル ,  通信網 ,  *ネットワーク ,  分類装置 ,  電力系統 ,  *配電 ,  特徴抽出 ,  通信 ,  *三次元
準シソーラス用語： Simulink ,  *配電網 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 送配電一般  (NB05010K) ,  配電(事業者側)  (NB05040R)

タイトルに関連する用語 (2件)： 配電ネットワーク ,  同定法