論文の概要: Understanding the limits of snapshot-based fault diagnosis in distribution networks
- arxiv url: http://arxiv.org/abs/2611.17998v1
- Date: Fri, 13 Nov 2026 10:24:19 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:29:28.782061
- Title: Understanding the limits of snapshot-based fault diagnosis in distribution networks
- Title(参考訳): 分散ネットワークにおけるスナップショットに基づく故障診断の限界を理解する
- Abstract要約: 本稿では、IEEEテストフィード3つのソースと、分散生成を伴う公開データセットを分離する。
3つの電圧センサは、1%の精度クラスで90~96%の障害を分類し、96~99%のマイクロファサー測定ユニット(マイクロPMU)で分類する。
識別可能性マージン配置は、1秒未満でシミュレーションからそれらを選択し、12の配置方法のベストにマッチする。
- 参考スコア(独自算出の注目度): 0.15293427903448018
- License:
- Abstract: Inverter-based resources weaken fault currents in distribution networks, and snapshot-based diagnosis, which classifies a fault from voltage phasors at a few buses at one instant, offers a cheap first-stage screen. Its published accuracies, however, rest on different noise assumptions and do not show whether the error comes from the classifier, the features, the measurement error, or the fault resistance. This paper separates these sources on three IEEE test feeders and a public data set with distributed generation, using four feature sets, thirteen classifiers, and measurement error defined by total vector error classes. The classifier is not the limiting factor, because the full phasor snapshot classifies every fault correctly without noise, and the remaining error comes from measurement error on high-impedance faults. Three voltage sensors classify 90-96% of faults at the 1% accuracy class and 96-99% with distribution micro phasor measurement units (micro-PMUs). A discriminability-margin placement selects them from simulations alone in under one second and matches the best of twelve placement methods. The results show when snapshot-based diagnosis can be trusted.
- Abstract(参考訳): インバータベースのリソースは、分散ネットワークの故障電流を弱め、スナップショットベースの診断は、数台のバスで電圧ファサーから故障を分類し、安価な第1ステージスクリーンを提供する。
しかし、公表された精度は異なる雑音の仮定に基づいており、その誤差が分類器、特徴、測定誤差、または耐故障性から来ているかどうかを示さない。
本稿では,3つのIEEEテストフィードと4つの特徴集合,13個の分類器,および全ベクトル誤りクラスで定義される測定誤差を用いて,分散生成を伴う公開データセットのソースを分離する。
完全なファサースナップショットはノイズなしで全ての障害を正しく分類し、残りのエラーは高いインピーダンス障害の測定誤差から生じる。
3つの電圧センサは、1%の精度クラスで90-96%の障害を分類し、96-99%はマイクロファサー測定ユニット(マイクロPMU)で分類する。
識別可能性マージン配置は、1秒未満でシミュレーションからそれらを選択し、12の配置方法のベストにマッチする。
その結果、スナップショットに基づく診断がいつ信頼できるかが分かる。
関連論文リスト
- Bayesian Distribution System State Estimation with Flow Matching [1.5839621757142595]
中電圧給電装置用ポジショニングポジショニング(後部サンプリング,状態推定)を提案する。
PoSEは、配信システムオペレータが知らないこと、すなわちサブステーションインジェクションの分散のみを学ぶ。
すべての推定器の最も低い注入、電圧、分岐電流誤差を与える。
論文 参考訳(メタデータ) (2026-10-29T10:37:37Z) - Drift Calibration in Geometric Eye Tracking Systems [34.12106856838315]
12人の被験者から163回の臨床試験を含む校正中心のデータセットを提示した。
共通空間外挿プロトコルを用いて,グローバル,ローカル,複合的な補正関数の評価を行う。
論文 参考訳(メタデータ) (2026-08-30T12:05:44Z) - A Hybrid Two-Stage Machine Learning Pipeline for Fault Detection and Classification in Power Transmission Systems [0.4349640169711269]
本稿では,分類から検出を分離するハイブリッド2段階機械学習パイプラインを提案する。
TLFaultDatasetでは、Line-faultのエンドツーエンドの精度が31.3%から95.8%に向上している。
独立した単一ポイントデータセットでは、同じフレームワークが通常の操作を含むすべてのクラスで97.25%のエンドツーエンドの精度を達成している。
論文 参考訳(メタデータ) (2026-08-24T18:11:29Z) - Conformalized Large Language Models under Configuration Shift [46.502741608809174]
コンフォーマル予測は不確実性定量化のための分布のないフレームワークである。
非整合性スコアは、単に固定モデルではなく、推論パイプラインによって引き起こされることが多い。
構成シフトがCPの妥当性を損なうことを示す。
論文 参考訳(メタデータ) (2026-08-02T19:34:41Z) - FLARE: One-Shot PE-Level Fault Localization in Systolic Arrays via Algebraic Test Vectors [1.2202677752692377]
シストリックアレイは、ニューラルネットワーク推論において支配的な計算ファブリックである。
以前の作業では、均一なテストパターンでカラムレベルの障害検出を効率的に処理していた。
しかし、故障列内の行レベルの障害局所化は、ハードウェアの冗長性に頼らずに未解決のままである。
論文 参考訳(メタデータ) (2026-05-09T01:22:28Z) - Probabilistic Soundness Guarantees in LLM Reasoning Chains [37.440902632372904]
ARES(Autoregressive Reasoning Entailment Stability)は、事前に検証された前提のみに基づいて、各推論ステップを評価する確率的フレームワークである。
ARESは4つのベンチマークで最先端のパフォーマンスを達成し、非常に長い合成推論チェーン上で優れた堅牢性を示す。
論文 参考訳(メタデータ) (2025-07-17T09:40:56Z) - SBEST: Spectrum-Based Fault Localization Without Fault-Triggering Tests [17.90798133817018]
本研究は, 事故報告から得られたスタックトレースを, スペクトルベース断層定位における故障トリガー試験のプロキシとして用いる可能性について検討した。
本稿では,スタックトレース情報とテストカバレッジデータを統合する新たな手法であるSBESTを提案する。
論文 参考訳(メタデータ) (2024-05-01T15:15:52Z) - 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) - Fault diagnosis for three-phase PWM rectifier based on deep feedforward
network with transient synthetic features [0.0]
過渡的な合成特徴を持つディープフィードフォワードネットワークに基づく断層診断手法を提案する。
平均断層診断精度は、過渡的な合成断層データに対して97.85%に達する。
オンライン断層診断実験により,本手法が故障IGBTを正確に検出できることが判明した。
論文 参考訳(メタデータ) (2022-11-01T02:32:20Z) - Beyond calibration: estimating the grouping loss of modern neural
networks [68.8204255655161]
適切なスコアリングルール理論は、キャリブレーション損失が与えられた場合、個々のエラーを特徴づける欠片がグループ化損失であることを示している。
視覚およびNLPにおける現代のニューラルネットワークアーキテクチャは、特に分散シフト設定においてグループ化損失を示す。
論文 参考訳(メタデータ) (2022-10-28T07:04:20Z) - Fault-tolerant parity readout on a shuttling-based trapped-ion quantum
computer [64.47265213752996]
耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。
フラグ条件パリティ測定の単発忠実度は93.2(2)%である。
このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
論文 参考訳(メタデータ) (2021-07-13T20:08:04Z)
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。