文献

J-GLOBAL ID：202202265283749123   整理番号：22A0554470

ディープラーニングマシンによる双方向長期短期メモリネットワークに基づく15kVおよび25kV配電絶縁体のリアルタイム漏れ電流分類【JST・京大機械翻訳】

Real-Time Leakage Current Classification of 15kV and 25kV Distribution Insulators Based on Bidirectional Long Short-Term Memory Networks With Deep Learning Machine

著者 (3件)： Yeh Chao-Tsung (Department of Electrical Engineering, National Kaohsiung University of Science and Technology, Kaohsiung City, Taiwan) ,  Thanh Phuong Nguyen (Department of Electrical Engineering, National Kaohsiung University of Science and Technology, Kaohsiung City, Taiwan) ,  Cho Ming-Yuan (Department of Electrical Engineering, National Kaohsiung University of Science and Technology, Kaohsiung City, Taiwan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 7128-7140  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 本論文では,Webベースサービスに関する双方向長短期メモリ(Bi-LSTM)モデルを用いて,沿岸サイトにおける碍子の漏れ/放電電流を分類するオンラインモニタリングシステムを提案した。遠隔モニタリング方法論は,15kVと25kV分布碍子の漏れ/放電電流のピークレベルを分類するために,環境パラメータを使用する。時系列気象データ,湿度,温度,降雨,露点,太陽照明,風速,気圧,および風向をリアルタイムで自動的に収集し,データサーバに移した。Bi-LSTMの構造のためのハイパーパラメータ最適化を,深い学習機械におけるグリッド検索能力を通して利用した。Bi-LSTMの最適設計は,15kVと25kV碍子のHDPEとSRの漏れ/放電電流分類の予測における性能と精度を改善する。リカレントニューラルネットワーク(RNN),長い短期メモリ(LSTM),およびゲート化リカレントユニット(GRU)のような持続的方法論と比較して,Bi-LSTMは,漏れ/放電レベルの予測において,より良い性能とより高い精度を持ち,それは,碍子の表面汚染を評価するために利用される。提案したBi-LSTMモデルの最適化構造は,他のモデルと比較して,訓練および検証データに対して,49.529%の誤差,12.761%の精度,72.736%の誤差,および36.641%の精度の最大改善を達成した。さらに,Webベースのサービスを,保全スタッフのために開発し,碍子のすべての電流と予測状態と相互作用する。このオンライン漏洩電流分類を台湾のMailiao町に設置し,15kVと25kV配電碍子の合理的な保全機構を確立した。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： *記憶装置 ,  最適化 ,  相互作用 ,  *電流 ,  放電 ,  降雨 ,  風速 ,  保全 ,  最適設計 ,  湿度 ,  碍子 ,  *配電 ,  風向 ,  Web【情報システム】
準シソーラス用語： オンライン , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (8件)： 双方向 ,  長期 ,  短期 ,  配電 ,  絶縁体 ,  リアルタイム ,  漏れ電流 ,  分類