文献

J-GLOBAL ID：202202257769051537   整理番号：22A0944383

故障に対する極端な勾配ブースティングを用いた送電線の弾力性の向上【JST・京大機械翻訳】

Enhancing the resiliency of transmission lines using extreme gradient boosting against faults

著者 (3件)： Bhatnagar Maanvi (Department of Electrical Engineering, National Institute of Technology Raipur, 492010, India) ,  Yadav Anamika (Department of Electrical Engineering, National Institute of Technology Raipur, 492010, India) ,  Swetapadma Aleena (School of Computer Engineering, KIIT Deemed to be University, Bhubaneswar, 751024, India)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 207  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： 本論文では,Teager Kaiserエネルギー演算子(TKEO)と極端勾配ブースト(XGBoost)アルゴリズムの助けを借りて,正確な故障位置推定とともに故障の検出と分類に関連する中継時間の低減を目的とする。完全な解析をIEEE14バス伝送ネットワークで行った。各位相に対応する4つのXGBoostモジュールを故障検出,分類のために開発し,故障の型に依存する故障位置推定のために4つの回帰モジュールを開発した。提案方法は,故障を正確に決定することができ,それを位置決めし,また,故障相(s)を認識することができる。通常の低インピーダンス故障(LIF)から離れた高インピーダンス故障(HIF)を決定するのに特別の注意を払ったが,故障の発生特性,故障開始角,電力流れ角,送電線パラメータの変化などの故障パラメータを変えて,中継位置で記録した電圧と電流測定を利用した。さらに,提案したXGBoostアルゴリズムベースのアプローチは,約1~2msの時間で故障を検出し,分類できる。故障位置の絶対誤差は,ほとんどのシナリオにおいて約0~2kmである。比較研究は,提案した方式のメリットを明確に示した。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： アルゴリズム ,  電圧 ,  *故障 ,  電力 ,  ネットワーク ,  *弾性 ,  *送電線 ,  故障検出 ,  電流測定 ,  *機械学習
準シソーラス用語： *ブースティング ,  位置推定 , 【Automatic Indexing@JST】

著者キーワード (6件)： 進化する故障 ,  故障検出と分類 ,  故障位置 ,  高インピーダンス故障 ,  送電線 ,  XGBoost

分類 (1件)： 送電  (NB05030G)

タイトルに関連する用語 (4件)： 故障 ,  勾配ブースティング ,  送電線 ,  弾力性