擬似観測値を用いた電力系統事故検出ニューラルネットの学習改善法
擬似観測値を用いた電力系統事故検出ニューラルネットの学習改善法
カテゴリ: 部門大会
論文No: 102
グループ名: 【B】平成15年電気学会電力・エネルギー部門大会講演論文集
発行日: 2003/08/06
タイトル(英語): An Improved ANN Learning Method for Power System Fault Detection with Pseudo-Measurements
著者名: 森 啓之(明治大学),青山 光(明治大学),山田 剛史(東京電力),浦野 昌一(東京電力)
著者名(英語): Hiroyuki Mori(Meiji University),Hikaru Aoyama(Meiji University),Takeshi Yamada(Tokyo Electric Power Company),Shoichi Urano(Tokyo Electric Power Company)
キーワード: 故障検出|ニューラルネット|学習法学習法|Fault Detection|Artificial Neural Net|Learning Method
要約(日本語): 電力系統において事故が発生した際、事故の種類と事故の発生場所を推定することは系統運用上、重要な問題である。実際の送電系統において観測されたデータ数に限界があるため、非線形近似能力が優れているニューラルネットワークモデルを用いても必ずしも事故の種類と位置の推定は良好でない。そこで、実際に発生した送電線事故時において観測されたデータから擬似的に観測データ(以後、擬似観測値と略記)を作成し、学習データを増加させることによってニューラルネットワークモデルの精度を向上させる手法を提案する。提案法を実データに適用した結果、擬似観測値を考慮した場合は、擬似観測値を考慮しない場合よりも、事故の種類の認識率と事故の発生場所の推定において良好な結果が得られた。
PDFファイルサイズ: 1,787 Kバイト
受取状況を読み込めませんでした
