文献

J-GLOBAL ID：202202267178596156   整理番号：22A0980448

増分学習強化XGBoostに基づく適応静的電圧安定性マージン推定アプローチ【JST・京大機械翻訳】

An Adaptive Static Voltage Stability Margin Estimation Approach Based on Incremental Learning-Enhanced XGBoost

著者 (5件)： Gao Han (Northeast Electric Power University School of Electrical Engineering, Jilin, China) ,  Cai Guowei (Northeast Electric Power University School of Electrical Engineering, Jilin, China) ,  Yang Deyou (Northeast Electric Power University School of Electrical Engineering, Jilin, China) ,  Wang Lixin (Northeast Electric Power University School of Electrical Engineering, Jilin, China) ,  Wang Bo (Northeast Electric Power University School of Electrical Engineering, Jilin, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 816  ページ： 157-166  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 電力系統のトポロジー変化の存在における静的電圧安定性マージン(VSM)を適応的に推定するために,増分学習増強XGBoost(ILeXGBoost)アプローチを本論文で提案した。この方法は勾配ブースト理論と損失関数の二次Taylor展開を利用して結果の精度を保証した。さらに,システムトポロジーと動的不確実性の突然の変化が起こるとき,学習手順を容易にするために,訓練データ変化としてモデルを適切に適応するために,増分学習技術を適用して,学習手順を容易にするために,以前に学習された知識とリアルタイム更新フェーザ測定ユニット(PMU)データを使用した。シミュレーション結果は,この方式が適応的に推定結果を得るためにシステムのトポロジー変化を効果的に認識することができ,計算速度がオンラインアプリケーションのために十分に高速であることを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  シミュレーション ,  *電圧 ,  *学習 ,  損失関数 ,  データ ,  不確実性 ,  電力系統 ,  勾配 ,  計算機処理速度 ,  応用プログラム ,  Taylor展開
準シソーラス用語： 訓練データ ,  実時間 ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 静的電圧安定性余裕 ,  増分学習 ,  XGBoost ,  フェーザ測定ユニット ,  オンライン応用

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 増分 ,  学習 ,  強化 ,  適応 ,  電圧安定性 ,  推定