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 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
장수영 (명지대학교) 손영익 (명지대학교) 강상희 (명지대학교)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제68권 제9호
발행연도
2019.9
수록면
1,060 - 1,066 (7page)
DOI
10.5370/KIEE.2019.68.9.1060

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2019

1기 무한모선 계통의 선로 고장 감지를 위한 PI 관측기 설계 연구
장수영 ,  김준우 ,  손영익 외 2명 전기학회논문지 2019.10 학술저널
1기 무한모선 시스템의 선로 고장판별을 위한 강화학습 기반 외란관측기 설계
장수영 ,  손영익 ,  강상희 전기학회논문지 2019.09 학술저널
Deep Q-Network 기반 PI 관측기를 이용한 1기 무한모선 계통의 외란 추정
장수영 ,  김준우 ,  김도훈 외 1명 대한전기학회 학술대회 논문집 2019.07 학술대회자료

초록· 키워드

오류제보하기
According to the increase of electric power demand in the modern society the power system is gradually expanding. This results in a growing need for an intelligent method of fast determination and protection against various failures in the power system. As the computer platform is improved, the system fault detection and reliable protection devices have been trying to enhance their performances using artificial intelligence techniques. If a failure occurs in the single-machine infinite bus(SMIB) system. the electrical output of the generator changes, which can be regarded as a result of an external disturbance input. This paper presents a line fault detection method by using a reinforcement learning-based disturbance observer that estimates the magnitude of the equivalent disturbance. Reinforcement learning is an algorithm that models the relationship between the behavior of an agent and the reward from environment. This paper has adopted the Deep Q-Network for training of the proposed disturbance observer. The performance of the proposed reinforcement learning-based disturbance observer is verified by computer simulations. The results show that the disturbance can be estimated successfully and the estimate can be used to detect the line fault.
#Single-machine infinite-bus system #Reinforcement learning #Deep Q-Network #Disturbance observer #Fault detection #Out-of-step

목차

Abstract
1. 서론
2. 본론
3. 결론
References

참고문헌 (28)

참고문헌 신청
A. R. Bergen / 2000 / Power System Analysis / Prentice Hall google schola H. Saadat / 2002 / Power System Analysis / McGraw-Hill google schola G. W. Kim / 2005 / Power System Analysis Using MATLAB 1 / UUP google schola J. D. Glover / 2016 / Power System Analysis & Design / Cengage Learning google schola 남순열 / 2004 / 송전 선로의 사고 거리에 따른 특성 주파수 해석 / 전기학회논문지 A권 53(8(A)):432~437 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

고장데이터 수집서버를 탑재한 모선보호반과 이를 활용한 실시간 자동고장분석 시스템에 대한 연구
소순영 ,  강대언 ,  서승현 외 1명 대한전기학회 학술대회 논문집 2020 .07
1기 무한모선 계통의 선로 고장 감지를 위한 PI 관측기 설계 연구
장수영 ,  김준우 ,  손영익 외 2명 전기학회논문지 2019 .10
변전소 고장사례 분석을 통한 주요 고장원인에 대한 연구
조필훈 ,  김형근 ,  박원준 대한전기학회 학술대회 논문집 2017 .07

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-560-000971735