論文の概要: Power Quality Event Recognition and Classification Using an Online Sequential Extreme Learning Machine Network based on Wavelets

• arxiv url: http://arxiv.org/abs/2212.13375v1
• Date: Tue, 27 Dec 2022 06:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 14:51:33.512314
• Title: Power Quality Event Recognition and Classification Using an Online Sequential Extreme Learning Machine Network based on Wavelets
• Title（参考訳）: ウェーブレットに基づくオンライン逐次学習マシンネットワークを用いた電力品質事象認識と分類
• Authors: Rahul Kumar Dubey
• Abstract要約: 本研究では,過渡条件下での電力品質問題を検出するために,ウェーブレットに基づくオンラインシーケンス・エクストリーム・ラーニング・マシン(OS-ELM)分類器の試作と試験を行った。 様々なタイプのパワー障害を検出し、分類する能力を示すために、いくつかの一時的なイベントが使用された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reduced system dependability and higher maintenance costs may be the consequence of poor electric power quality, which can disturb normal equipment performance, speed up aging, and even cause outright failures. This study implements and tests a prototype of an Online Sequential Extreme Learning Machine (OS-ELM) classifier based on wavelets for detecting power quality problems under transient conditions. In order to create the classifier, the OSELM-network model and the discrete wavelet transform (DWT) method are combined. First, discrete wavelet transform (DWT) multi-resolution analysis (MRA) was used to extract characteristics of the distorted signal at various resolutions. The OSELM then sorts the retrieved data by transient duration and energy features to determine the kind of disturbance. The suggested approach requires less memory space and processing time since it can minimize a large quantity of the distorted signal's characteristics without changing the signal's original quality. Several types of transient events were used to demonstrate the classifier's ability to detect and categorize various types of power disturbances, including sags, swells, momentary interruptions, oscillatory transients, harmonics, notches, spikes, flickers, sag swell, sag mi, sag harm, swell trans, sag spike, and swell spike.
• Abstract（参考訳）: システムの信頼性の低下とメンテナンスコストの増大は、電力品質の低下によるものであり、通常の機器性能の低下や老化のスピードアップ、さらには異常な故障を引き起こす可能性がある。 本研究は,過渡条件下での電力品質問題を検出するためのウェーブレットに基づくオンラインシーケンシャル・エクストリーム・ラーニング・マシン(os-elm)のプロトタイプを実装し,検証する。 分類器を作成するために、OSELM-networkモデルと離散ウェーブレット変換(DWT)法を組み合わせる。 まず, 離散ウェーブレット変換 (dwt) マルチレゾリューション解析 (mra) を用いて, 歪み信号の特性を様々な解像度で抽出した。 OSELMは取得したデータを過渡的な持続時間とエネルギー特性でソートして、障害の種類を決定する。 提案手法では、信号の本来の品質を変えることなく、歪んだ信号の特性の量を最小限に抑えることができるため、メモリスペースと処理時間が少なくなる。 ソーグ、シャウチ、瞬間的中断、発振性トランジェント、ハーモニックス、ノッチ、スパイク、フリッカー、サグ・シャウチ、サグ・ミ、サグ・ハーモ、シャウチ・トランス、サグ・スパイク、シャウチ・スパイクなど、様々な種類のパワー障害を検出し、分類する能力を示すために、いくつかのタイプの過渡現象が使用された。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• TDANet: A Novel Temporal Denoise Convolutional Neural Network With Attention for Fault Diagnosis [0.5277756703318045]
  本稿では,音環境における故障診断性能を向上させるため,TDANet(Tunal Denoise Convolutional Neural Network With Attention)を提案する。 TDANetモデルは、その周期特性に基づいて1次元信号を2次元テンソルに変換し、マルチスケールの2次元畳み込みカーネルを用いて周期内および周期間の信号情報を抽出する。 CWRU (single sensor) とReal Aircraft Sensor Fault (multiple sensor) の2つのデータセットに対する評価は、TDANetモデルがノイズの多い環境下での診断精度において既存のディープラーニングアプローチを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2024-03-29T02:54:41Z)
• Time Series Diffusion Method: A Denoising Diffusion Probabilistic Model for Vibration Signal Generation [8.889712498189969]
  拡散モデルが振動信号を生成する能力についての研究は行われていない。 振動信号生成のための時系列拡散法(TSDM)を提案する。
  論文  参考訳（メタデータ） (2023-12-13T08:53:37Z)
• Multi-scale Residual Transformer for VLF Lightning Transients Classification [8.484339601339325]
  VLFの干渉やノイズを低減するためには、正確な雷信号の分類が重要である。 近年、ディープラーニング、特に畳み込みニューラルネットワーク(CNN)の進化は、雷の分類に変化をもたらした。 本研究では、複雑なパターンを識別するだけでなく、入力雷信号列の異なる側面の意義を重み付けする革新的なマルチスケール残差変換(MRTransformer)を提案する。
  論文  参考訳（メタデータ） (2023-12-07T09:26:58Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid Framework for Rotating Machinery [2.580765958706854]
  回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。 従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。 本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-09T01:09:59Z)
• Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
  事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。 ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
  論文  参考訳（メタデータ） (2022-01-20T06:36:35Z)
• F-FADE: Frequency Factorization for Anomaly Detection in Edge Streams [53.70940420595329]
  エッジストリームにおける異常検出のための新しいアプローチであるF-FADEを提案する。 ノード対間の相互作用の周波数の時間進化分布を効率的にモデル化するために、新しい周波数分解技術を用いる。 F-FADEは、一定メモリしか必要とせず、時間的および構造的な変化を伴う幅広い種類の異常をオンラインストリーミング環境で処理できる。
  論文  参考訳（メタデータ） (2020-11-09T19:55:40Z)
• EGFC: Evolving Gaussian Fuzzy Classifier from Never-Ending Semi-Supervised Data Streams -- With Application to Power Quality Disturbance Detection and Classification [0.0]
  障害のリアルタイム検出と分類は、業界標準に欠かせないものと考えられている。 半教師付き外乱検出・分類のための進化型ガウスファジィ分類フレームワークを提案する。 オンラインデータストリームベースのEGFC法は、絶え間ないデータストリームから障害パターンを自律的に学習することができる。
  論文  参考訳（メタデータ） (2020-04-17T07:08:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。