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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이경영 (Soongsil University) 임세헌 (Soongsil University) 김태근 (Soongsil University) 송경민 (Soongsil University) 윤성국 (Soongsil University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제73권 제8호
발행연도
2024.8
수록면
1,318 - 1,326 (9page)
DOI
10.5370/KIEE.2024.73.8.1318

이용수

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

초록· 키워드

오류제보하기
Transmission line fault data plays an important role in power system reliability analysis and fault prediction. However, real fault data is not enough because transmission line faults do not frequently happen. To obtain various fault data, we propose a generative adversarial network (GAN)-based data augmentation technique. The proposed technique consists of three steps. i) it generates fault data using the wasserstein GAN with gradient penalty (WGAN-GP) model. ii) the generated data is filtered through an isolation forest (IF) algorithm, and iii) the filtered data is evaluated for its quality through KL-divergence. We visually showed that the proposed technique"s data generation performance in terms of data diversity. It is also confirmed that the generated data is closer to the real fault data than the simulated data.

목차

Abstract
1. 서론
2. 이론적 배경
3. 다양한 송전선로 고장데이터 생성을 위한 GAN 기반 데이터 증강기법
4. 실험결과
5. 결론
References

참고문헌 (0)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-090651437