論文の概要: A Data-Driven Approach for High-Impedance Fault Localization in Distribution Systems

• arxiv url: http://arxiv.org/abs/2311.15168v1
• Date: Sun, 26 Nov 2023 02:52:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 18:57:42.651464
• Title: A Data-Driven Approach for High-Impedance Fault Localization in Distribution Systems
• Title（参考訳）: 配電系統における高インピーダンス故障位置推定のためのデータ駆動手法
• Authors: Yuqi Zhou, Yuqing Dong and Rui Yang
• Abstract要約: 低電流のため, 従来の過電流リレーによるHIFの検出は困難である。 本稿では,HIFイベントの識別のためのデータ駆動型手法を提案する。
• 参考スコア（独自算出の注目度）: 5.6874061098584345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate and quick identification of high-impedance faults is critical for the reliable operation of distribution systems. Unlike other faults in power grids, HIFs are very difficult to detect by conventional overcurrent relays due to the low fault current. Although HIFs can be affected by various factors, the voltage current characteristics can substantially imply how the system responds to the disturbance and thus provides opportunities to effectively localize HIFs. In this work, we propose a data-driven approach for the identification of HIF events. To tackle the nonlinearity of the voltage current trajectory, first, we formulate optimization problems to approximate the trajectory with piecewise functions. Then we collect the function features of all segments as inputs and use the support vector machine approach to efficiently identify HIFs at different locations. Numerical studies on the IEEE 123-node test feeder demonstrate the validity and accuracy of the proposed approach for real-time HIF identification.
• Abstract（参考訳）: 配電系統の信頼性の高い運用には,高精度で迅速な障害同定が不可欠である。 送電網の他の故障とは異なり、hifは低故障電流のため従来の過電流リレーでは検出が極めて困難である。 HIFは様々な要因によって影響を受けるが、電圧電流特性は、システムが障害にどう反応するかを著しく示唆し、HIFを効果的にローカライズする機会を与える。 本研究では,HIFイベントの識別のためのデータ駆動型手法を提案する。 まず、電圧電流軌道の非線形性に取り組むため、分割関数で軌道を近似する最適化問題を定式化する。 次に,すべてのセグメントの機能特徴を入力として収集し,サポートベクターマシンアプローチを用いて異なる場所でのhifを効率的に識別する。 IEEE 123-node test feederの数値的研究により,実時間HIF識別のための提案手法の有効性と精度が示された。

関連論文リスト

• Fault Identification Enhancement with Reinforcement Learning (FIERL) [4.264842065153012]
  本書は, 活断層検出(AFD)分野における新しいアプローチを提示する。 タスクを、パッシブ障害検出(PFD)と制御入力設計の2つに明確に分離している。 この研究のコアコントリビューションは、このような制御戦略の設計のための一般的なシミュレーションベースのアプローチであるFIERLである。
  論文  参考訳（メタデータ） (2024-05-08T10:10:24Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Unsupervised High Impedance Fault Detection Using Autoencoder and Principal Component Analysis [0.0]
  本稿では,オートエンコーダと主成分分析に基づくモニタリング技術を用いた教師なしHIF検出フレームワークを提案する。 提案手法の性能を4.16kVの分布系から収集した実データを用いて検証した。
  論文  参考訳（メタデータ） (2023-01-05T01:35:32Z)
• Data-driven design of fault diagnosis for three-phase PWM rectifier using random forests technique with transient synthetic features [2.382536770336505]
  3相パルス幅変調(PWM)は通常、絶縁ゲートバイポーラトランジスタ(IGBT)の開回路欠陥の発生時に動作を維持することができる。 データ駆動型オンライン故障診断手法を提案する。
  論文  参考訳（メタデータ） (2022-11-02T05:48:30Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• 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)
• Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes [57.70237375696411]
  入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。 提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
  論文  参考訳（メタデータ） (2022-08-30T09:27:59Z)
• 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)
• Federated Learning with Correlated Data: Taming the Tail for Age-Optimal Industrial IoT [55.62157530259969]
  本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。 本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。 数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
  論文  参考訳（メタデータ） (2021-08-17T08:38:31Z)
• Deep Learning for High-Impedance Fault Detection: Convolutional Autoencoders [0.0]
  高インピーダンス断層(HIF)は、電流振幅が低く、非常に多様な特性のため、検出が困難である。 機械学習(ML)は、データからパターンを学習し、HIFを正常に検出するため、HIF検出で人気を集めている。 本稿では教師なし学習を活用し,HIF検出のための畳み込みオートエンコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-24T18:58:43Z)

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。