데이터마이닝 기법을 이용한 전철전력설비 이상상태 데이터 분석

Q: 이 논문에서 정의한 TEO란 무엇인가?

TEO(Tesor Energy Operator)는 순간적인 전압강하 및 파형왜곡과 같은 전기장애의 전조현상을 파악하기 위해 사용되는 연산자이다. 이상적인 전압신호 파형은 순수 정현파의 특성을 지니지만, 고조파 발생 시 파형이 왜곡되며, TEO 기법은 이러한 외형 왜곡이 발생한 순간을 인지할 수 있게 한다.

Q: 전철전력설비 이상상태를 효과적으로 예측하는 방법은 무엇인가?

연구 결과, TEO 연산자와 STFT 분석을 적용한 실시간 감시 시스템을 통해 순시치 데이터를 기반으로 이상상태를 16.7ms 이내에 검출할 수 있다. 또한, 데이터마이닝 기법으로 TEO값의 RMS, Variance 등 시간파형 특징을 활용하여 이상상태를 4단계로 분류하고, 랜덤포레스트 알고리즘으로 약 97%의 정확도로 예측할 수 있다.

신승권; 김재원; 조규정; 정호성; 김형철

doi:10.5370/KIEE.2020.69.11.1795

추천

검색

질문

자료유형: 학술저널

저자정보: 신승권 (Korea Railroad Research Institute) 김재원 (Korea Railroad Research Institute) 조규정 (Korea Railroad Research Institute) 정호성 (Korea Railroad Research Institute) 김형철 (Korea Railroad Research Institute)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제69권 제11호

발행연도: 2020.11

수록면: 1,795 - 1,800 (6page)

DOI: 10.5370/KIEE.2020.69.11.1795

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

It is necessary to develop a novel technology for predicting and diagnosing anomaly conditions of the railway power system, such as voltage drop and distortion so as to prevent a fault due to a power outage of the railway power system during railroad operation. Therefore, for intelligent management and maintenance of electric power equipment for railway system, an algorithm for an anomaly condition monitoring system based on real time TEO information was developed, and field installation for performance verification of the developed module was completed. In this paper, we describe the data mining process of a real-time monitoring system for anomaly conditions of the railway power system and the process of verifying the operation of the monitoring system.

#TEO #STFT #Clustering

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-560-001579465

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)