文献

J-GLOBAL ID：201602254072787871   整理番号：16A1064878

電力系統故障解析と新規性検出のためのデータ駆動型解【Powered by NICT】

Data-driven solutions for power system fault analysis and novelty detection

著者 (2件)： Han Ruyuan (Automation Department, Xiamen University, Xiamen, China, 361005) ,  Zhou Qifeng (Automation Department, Xiamen University, Xiamen, China, 361005)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICCSE  ページ： 86-91  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 電力監視技術の発展に伴い,電力系統に蓄積するより多くのリアルタイムデータ。モニタリングデータの大量で高次元のために,伝統的なデータ解析法は隠された規則とモニタリングデータと故障理由の間の複雑な関係を発見するために見舞われる可能性がある。近年,データマイニング技術は多くの分野で適用することに成功した。従来の統計的方法と一般的に使用されるエキスパートシステムと比較して,データ駆動に基づく方法は,多くの故障検出システムにおける優れた性能を示した。しかし,これらの方法の大部分は,事前に決定した故障を検出できるだけである新しいものを無視している。また実際には,これらの新しいタイプの破壊はしばしばより大きな損失をもたらした。本論文では,発電所故障を解析し,新規性検出アプローチを導入する種々のデータマイニング技法を統合した。特に,ランダムフォレストを用いて発電プラントの故障タイプを予測し,重要な特徴をランク付けすることである。K-ミーンズと相関分析は,断層と特徴の間の相関を発見するために適用した。著者らの最近の研究で提案した,新しいアプローチRFPを用いて,新たに出現した故障を発見することである。実際の発電所データセット上での実験を行い,提案したデータ駆動方式は,植物断層と重要な影響要因を明らかにし,新たな故障を検出できることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 等級づけ ,  発電所 ,  高次元 ,  *電力 ,  データマイニング ,  データ解析 ,  エキスパートシステム ,  *電力系統 ,  *故障 ,  故障検出
準シソーラス用語： 相関分析 ,  ランダムフォレスト ,  データマイニング技術 ,  *データ駆動 ,  *電力系統故障 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 電力系統故障 ,  解析 ,  新規性 ,  データ駆動 ,  解