메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
Recently, innovative techniques in artificial intelligence such as machine learning have emerged to efficiently process huge amounts of big data delivered from PMUs to WAMS. Through processing raw data and analyzing big data, It delivers highly useful and valuable system status information to system operators. The types of machine learning vary depending on the usage, but the CNN (Convolution Neural Network) model is mainly used for the post analysis and fault detection(classification) in the power system. In this paper, based on PMU big data, we study the power system fault classification model by using CNN Model. Using Convolution neural network model based on KERAS, the database for each fault type was built and supervised learning was conducted for the model. The constructed model was verified with test data and the validity of the model was verified by inputting the actual power system fault data for the trained model. As a result, developed model classified correctly for the actual fault.
#WAMS #PMU #Big-Data #CNN #Fault Classification

목차

Abstract
1. 서론
2. WAMS
3. CNN을 이용한 고장패턴인식
4. 계통 데이터를 이용한 모델 학습
5. 결론
Reference

참고문헌 (14)

참고문헌 신청
K. Martin / 2008 / Exploring the IEEE Standard c37.118 2005 Synchrophasors for Power Systems / IEEE Trans. Power Del 23(4):1805~1811 google schola 2005 / IEEE Standard for Synchrophasors for Power Systems, IEEE Std. C37.118 2005 google schola M. Patel / 2010 / Real Time Application of Synchrophasors Improving Reliability google schola Pedro Emanuel Almeida Cardos / 2017 / Deep Learning Applied to PMU Data in Power systems google schola P. Zhang / 2007 / Phasor Measurement Unit (PMU) Implementation and Applications google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

μPMU 데이터 수집을 위한 시각동기화 연구
이재호 ,  박찬 ,  최선 대한전기학회 학술대회 논문집 2021.07
PMU와 상정해석 기법을 활용한 배전계통의 고장구간 추정 방안
홍지송 ,  최연흠 ,  오찬혁 외 2명 대한전기학회 학술대회 논문집 2021.04
심층 신경망을 이용한 재생에너지원의 PMU 빅 데이터기반 새로운 계통 현상 판별
이경민 ,  박철원 전기학회논문지 2021.01
PMU 데이터 기반 AI 및 빅데이터를 이용한 전력계통 상황인지 기술 연구 현황
강성범 ,  유선호 ,  고백경 외 3명 대한전기학회 학술대회 논문집 2019.07
변전소의 PMU 빅 데이터를 이용한 전처리 및 사고 분석에 관한 연구
이경민 ,  박철원 전기학회논문지 2023.09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-560-000971700