$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

FCM에 기반한 자가생성 지도학습알고리즘을 이용한 전력선의 고장전류 판별
Fault Current Discrimination of Power Line using FCM allowing self-organization 원문보기

대한전기학회 2011년도 제42회 하계학술대회, 2011 July 20, 2011년, pp.368 - 369  

정종원 (동의과학대학) ,  원태현 (동의과학대학) ,  이준탁 (동아대학교)

Abstract AI-Helper 아이콘AI-Helper

This article suggests an online-based remote fault current mode discrimination method in order to identify the causes of the power line faults with various causes. For that, it refers to existing cause identification methods and categorizes modes by fault causes based on statistical techniques befor...

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 이러한 다양한 원인을 가진 전력선의 고장에 있어 그 원인을 판별하기 위하여 기존의 원인 판별을 위한 방법을 기저로 하여 우선 통계적 기법에 의하여 고장 원인별 모드를 분류하였고 각 원인별 고장 전류의 특징점을 추출하기 위하여 고장 기록 장치로 부터 획득된 원인별 고장 전류를 위상 평면으로의 전처리 과정을 수행하여 기존의 방법과 비교하였다. 그리고 일반적인 RBF 네트워크에서는 입력 데이터가 중간층의 임의의 하나의 클러스터에 대해 거리에 기반한 소속도를 기준으로 하여 속하거나 속하지 않는 이분법에 의해 분류되어지는 것에 대하여 제안하는 방법에서의 중간층의 클러스터링 방법은 기존의 이분법과는 달리 퍼지 분류인 1개의 데이터가 2가지 이상의 클러스터에 속하는 것을 허용한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
대도시의 인구 집중 현상에 따른 문제는? 급속한 산업발달과 경제성장으로 인하여 국내의 전기 에너지 수요가 급증함에 따라 전력설비의 용량이 증가하고 있다. 뿐만 아니라 대도시의 인구 집중 현상에 따른 전력 수요 밀도가 크게 증가하는 시점에서 전력의 안정적인 공급은 매우 중요한 문제가 된다. 그러나 이러한 전력계통은 그 시스템이 외부에 노출이 되어 있기 때문에 자연 재해나 여러 가지 원인에 의해서 고장이 발생하게 되며, 이는 전력의 안정적인 공급이라는 측면에서 문제가 되므로 전력계통의 고장에 대한 해석, 복구, 계통 보호 및 사고 시에 그 원인을 규명하는 문제는 아주 중요한 관심사가 되어 진다.
FCM에 기반한 자가생성 지도학습알고리즘에 의한 고장 전류모드의 판별 결과는? 시뮬레이션 결과 학습된 데이터에 관해서는 약 95%, 비학습된 데이터에 대하여서는 약 74%의 판별율을 보였다. 학습된 데이터에서의 판별하지 못한 부류는 모드 2와 모드 4, 그리고 모드 9이었는데 모드 2의 경우는 2 모선에 모두 사고가 난 형태로써 이때 데이터의 유사성이 떨어지는 것으로 나타났다. 모드 4의 경우는 기타 범주의 고장 원인이 산불 등과 그외의 데이터들과의 상관성이 떨어짐에 기인하는데 다른 모드로의 결과가 유도되는 것으로 보아 분류에 문제가 있었던 것으로 보인다. 모드 9의 경우는 파급고장에 의한 것으로 주변의 다른 원인의 파급에 의한 것이다. 이는 데이터의 형태의 유사성이 중성선 전류의 크기가 작아짐은 판별을 해 내는데 그렇지 않은 경우는 1차적인 원인으로의 분류를 행함을 볼 수 있었다. 뿐만 아니라 비학습된 데이터의 경우에는 그 인식율이 저하되었는데 이는 학습된 데이터와 비학습된 데이터의 상관성이 떨어지거나 혹은 충분히 학습이 되지 못한 결과이다.
급속한 산업발달과 경제성장으로 인한 변화는? 급속한 산업발달과 경제성장으로 인하여 국내의 전기 에너지 수요가 급증함에 따라 전력설비의 용량이 증가하고 있다. 뿐만 아니라 대도시의 인구 집중 현상에 따른 전력 수요 밀도가 크게 증가하는 시점에서 전력의 안정적인 공급은 매우 중요한 문제가 된다.
질의응답 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로