文献

J-GLOBAL ID：202202275093848651   整理番号：22A0323837

部分的に観測可能な配電系統のための学習ベースの線インピーダンス推定【JST・京大機械翻訳】

Learning-based line impedance estimation for partially observable distribution systems

著者 (3件)： Zhu Yanming (Key Laboratory of Control of Power Transmission and Conversion (Shanghai Jiao Tong University), Ministry of Education, 800 Dongchuan Road, Minhang District, Shanghai 200240, China) ,  Xu Xiaoyuan (Key Laboratory of Control of Power Transmission and Conversion (Shanghai Jiao Tong University), Ministry of Education, 800 Dongchuan Road, Minhang District, Shanghai 200240, China) ,  Yan Zheng (Key Laboratory of Control of Power Transmission and Conversion (Shanghai Jiao Tong University), Ministry of Education, 800 Dongchuan Road, Minhang District, Shanghai 200240, China)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 137  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  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： 正確な分布線インピーダンスは配電系統運用と制御に不可欠であるが,記録されたパラメータは真のインピーダンスからバイアスされるようである。部分的観測可能配電系統(PODS)におけるリアルタイム測定データの欠如は,配電線インピーダンス推定の困難さを増加させる。この課題に取り組むために,ラインパラメータと全システムのアクセス可能な測定の間の依存性をマイニングすることによる学習ベースの配電線インピーダンス推定法を提案した。強化学習(RL)モデルを,限られた測定による線インピーダンス推定のために確立し,そして,RL報酬機構を設計して,種々の操作シナリオの間の推定精度を評価した。RL訓練における様々なシナリオを探索するために,多数のノード電力注入サンプルを生成するための生成的敵対ネットワークベースの方法を提案した。さらに,経験的モード分解とKalmanフィルタを組み合わせたデータ雑音除去法を設計し,RLエージェントに対する雑音除去状態情報を与えた。IEEE試験システムに関する数値事例研究は,限られたSCADA測定のみによる配電線インピーダンス推定における提案したRLベース法の有効性と優位性を検証した。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： *インピーダンス ,  *学習 ,  電力 ,  *配電系統 ,  配電線 ,  周波数解析 ,  Kalmanフィルタ ,  事例研究 ,  SCADAシステム ,  エージェント ,  強化学習 ,  雑音除去
準シソーラス用語： 推定精度 ,  推定法 ,  経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 配電系統 ,  線インピーダンス推定 ,  データ駆動 ,  強化学習

分類 (1件)： 配電(事業者側)  (NB05040R)

タイトルに関連する用語 (5件)： 観測 ,  配電系統 ,  学習 ,  インピーダンス ,  推定