文献

J-GLOBAL ID：202202257944813640   整理番号：22A0565767

ハリケーン中の時間依存配電系統のリスク解析のための動的Bayesネットワークと物理ベースモデリングの統合【JST・京大機械翻訳】

Integrating dynamic Bayesian network and physics-based modeling for risk analysis of a time-dependent power distribution system during hurricanes

著者 (2件)： Lu Qin (Department of Civil and Environmental Engineering, University of Connecticut, Storrs, CT 06269, United States) ,  Zhang Wei (Department of Civil and Environmental Engineering, University of Connecticut, Storrs, CT 06269, United States)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 220  ページ： Null  発行年： 2022年 
JST資料番号： D0980B  ISSN： 0951-8320  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ハリケーンは,多くの沿岸地域の配電系統に対して重大な損傷と故障をもたらす主要な自然災害の1つである。より良い意思決定のために,配電システムの前危険保全と災害後回復は,配電システムのリスク分析を通して改良できる。しかし,天然材料として,木材は時間と共に劣化する。したがって,配電系統の性能は,それらのライフサイクルの間,著しく変化した。材料劣化による既存の配電系統の時間依存特性を定量化するために,動的Bayesネットワーク(DBN)を,ハリケーンに対する配電系統のリスク解析のために実装した。配電系統における極の故障確率を捉えるために,極線部品と極線システムトポロジーの物理的特性を取り入れた物理ベース脆弱性解析により,極の脆弱性表面を生成した。配電系統の故障率は,各時間ステップでBayesネットワーク(BN)を通して得られる。極の観察された故障データによって,パワー分布システムにおける構成要素の材料特性と脆弱性表面を,Bayes推論を通して更新した。より具体的には,粒子フィルタ(PF)アルゴリズムを利用した。BN推論における計算コストを効率的に節約するために,Gaussプロセス(GP)アルゴリズムを採用して,極の挙動を予測する代理モデルを構築した。予測器を特徴空間から選択し,さらに計算時間を減らし,自動関連性決定(ARD)法を通して代理モデルの予測性能を強化した。故障率は,システム劣化プロセスが,ハリケーンイベントの10年間隔を与えられた場合,11%だけ過小評価される。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 ,  意思決定 ,  故障 ,  故障率 ,  *ネットワーク ,  保全 ,  ライフサイクル ,  *リスク ,  木材 ,  *配電系統 ,  Bayes推定 ,  Gauss過程 ,  *ハリケーン ,  *リスク分析 ,  自然災害
準シソーラス用語： *動的Bayesネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： リスク分析 ,  システム劣化 ,  DBN ,  配電システム ,  物理学に基づく脆弱性解析 ,  粒子フィルタ ,  機械学習

分類 (2件)： 信頼性  (KB04040H) ,  配電(事業者側)  (NB05040R)

タイトルに関連する用語 (7件)： ハリケーン ,  時間依存 ,  配電系統 ,  リスク解析 ,  動的Bayesネットワーク ,  物理ベースモデリング ,  統合