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
강성범 (한국전력공사) 고백경 (한국전력공사) 남수철 (한국전력공사) 최영도 (한국전력공사) 김용학 (한국전력공사) 전동훈 (한국전력공사)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제68권 제9호
발행연도
2019.9
수록면
1,079 - 1,084 (6page)
DOI
10.5370/KIEE.2019.68.9.1079

이용수

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

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
변전소의 PMU 빅 데이터를 이용한 전처리 및 사고 분석에 관한 연구
이경민 ,  박철원 전기학회논문지 2023 .09
PMU 데이터 기반 AI 및 빅데이터를 이용한 전력계통 상황인지 기술 연구 현황
강성범 ,  유선호 ,  고백경 외 3명 대한전기학회 학술대회 논문집 2019 .07

최근 본 자료

전체보기

댓글(0)

0

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