アンサンブル学習を用いた電力系統における事故種類認識

カテゴリ: 全国大会

論文No: 6-209

グループ名: 【全国大会】平成19年電気学会全国大会論文集

発行日: 2007/03/15

タイトル(英語): Power System Fault Types Recognition with Ensemble Learning

著者名: 近江正太郎 (明治大学),森 啓之 (明治大学),浦野昌一 (東京電力)

キーワード: 電力系統|事故種類|多層パーセプトロン|アンサンブル学習|AdaBoost.M1

要約(日本語): 本稿では，電力系統における事故種類を推定する問題に対して，アンサンブル学習を用いる手法を提案する。電力を安定供給するためには，電力系統の信頼度が極めて高くなければならない。一方で，雷や風雪などの天災を原因とする，未然に防ぐことが極めて困難な事故も存在する。電力系統に事故が発生した場合，停電時間をできるだけ短くし，損傷した設備を早急に修復しなければならない。このためには，事故の位置や種類，原因をできるだけ早く同定する必要がある。本稿では，この中で事故種類の判別を扱い，パターン認識手法として，電力系統に限らず様々な分野で有効性が確認されている多層パーセプトロンを用いる。さらに，アンサンブル学習法も用いることで，さらなる高精度化を図る。

原稿種別: 日本語

PDFファイルサイズ: 881 Kバイト