선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 고도화된 첨단 산업 사회의 전력소비자들은 고품질의 전력 공급을 요구하고 있어 이를 위해서는 사고 시 고쟝 원인을 정확하게 빠른 시간 내에 판단하여 조치를 취하여 계통의 안정성 및 신뢰도를 확보하여야 한다. 본 논문에서는 이러한 선로의 고장에 있어 그 원인을 규명하기 위한 방법으로 선로에 취부 되어져 있는 고장 기톡 장치(Fauli recorder)의 데이터와 개선된 퍼지 C-Means 클러스터링(Fuzzy C-Means Clustering; FCM) 기법을 이용하여 판단하고자 하였다.
- 본 논문에서는 전술되어진 바와 같이 F/R로부터 얻어진 데이터 중 중성선의 전류를 가공하여 전처리한 후 개선된 FCM을 이용한 RBF Network를 이용하여 고장 원인을 규명하고자 하였다. 데이터는 부산 경남 울산 소재의 F/R로부터 얻어진 고장 데이터를 사용하였으며 2001년부터 2006년까지의 데이터를 이용하였다.
- 그리고 효율적이고 정확성이 높은 중간층을 구성하기 위하여 기존의 이분법이 아닌 2개 이상의 원인에 소속이 가능한 퍼지 분류가 가능하고 군집간의 거리에 따른 변화와 군집 중심의 위치, 그리고 군집형태에 따라 영향을 덜 받는 개선된 FCM 클러스터링 알고리즘을 사용하였다. 이를 통하여 중간층 뉴런의 과도한 생성을 막고 좀 더 효율적이고 정확한 중간층의 구성이 가능하도록 하고자 하였다.
- 전술한 바와 같은 절차에 의해 고장 전류의 데이터를 이용하여 고장 원인을 판별하고자 하였다. 실험은 기존의 FCM과 개선된 FCM을 이용한 방법을 비교 고찰 하였다.
- 퍼지논리의 특징을 이용하여 이분법에 의한 ART1 알고리즘을 적용한 방법보다 효율적이고 정확성이 높은 중간층을 구성하기 위하여 본 논문에서는 기존의 FCM 알고리즘을 개선한 개선된 퍼지 RBF 네트워크를 제안하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.