文献

J-GLOBAL ID：202202277174922147   整理番号：22A0482243

ACマイクログリッドのためのサポートベクトルマシンとGaussプロセス回帰を用いたロバストな故障検出と位置予測モジュール【JST・京大機械翻訳】

A Robust Fault Detection and Location Prediction Module Using Support Vector Machine and Gaussian Process Regression for AC Microgrid

著者 (2件)： Srivastava Adhishree (Department of Electrical and Electronics Engineering, Birla Institute of Technology, Mesra, Patna, India) ,  Parida S.K (Electrical Engineering Department, Indian Institute of Technology, Patna, India)
資料名： IEEE Transactions on Industry Applications  (IEEE Transactions on Industry Applications)
巻： 58  号： 1  ページ： 930-939  発行年： 2022年 
JST資料番号： A0338B  ISSN： 0093-9994  CODEN： ITIACR  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： 配電網における分散型発電機(DG)のインキュレーションにより,電力供給のより良い信頼性が保証される。スマートセンサと最新のグリッド通信プロトコルは,インテリジェントマイクログリッド(MGs)の開発において重要な役割を果たした。従来の保護方式は,MGsに実装するとき,信頼できる性能を提供しない。本論文では,故障中の1サイクル3相電圧と電流測定の二乗平均平方根値を必要とするアプローチを提案した。これらのデータを,故障隔離とロケータモジュールを開発するための入力として扱った。このモジュールは,中央保護システムで利用可能であると想定され,機械学習(ML)ベースの技術を使用して設計された。故障位置予測のためのGauss過程回帰と故障同定のためのサポートベクトルマシン。提案した方法論の有効性を,負荷変動および異なるDG浸透レベルを有する実際のグリッドシナリオを考慮して評価した。さらに,提案モデルのロバスト性を,DG相関の影響と同様に,線パラメータおよび負荷の変化を考慮して,感度解析を行うことにより評価した。3つのDGと2つのグリッド源から成る7バスメッシュ化acMG試験システムをSIMULINKプラットフォームでモデル化し,提案したモジュールを実証するために使用した。MATLAB2020aのデータ分析ツールを,MGsのためのMLベースの故障分離と位置モジュールを開発するために調査した。提案した方式は,OPALリアルタイム(OPAL-RT)リアルタイムシミュレータOP-4510から得た実時間MGデータでも検証した。予測結果の正確性は,提案した方式がリアルタイムの実用化に適していることを証明した。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： 浸透 ,  *故障 ,  信頼性 ,  感度解析 ,  *故障検出 ,  *Gauss過程 ,  実効値 ,  *ロバスト性 ,  電流測定 ,  機械学習 ,  *サポートベクトルマシン ,  *マイクログリッド
準シソーラス用語： 通信プロトコル ,  分散型発電 ,  配電網 , 【Automatic Indexing@JST】

分類 (3件)： 電力変換器  (NB08030B) ,  トランジスタ  (NC03070N) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (8件)： Ac ,  マイクログリッド ,  サポートベクトルマシン ,  Gaussプロセス ,  ロバスト ,  故障検出 ,  位置予測 ,  モジュール