인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This paper presents a technique in which a learning model, after training directly on data, discriminates the fault zone and estimates the fault location in the branch section of an AC power supply system. However, the conventional method has a limitation in that its performance degrades as the fault point approaches the branch point. The proposed technique feeds a multi-decision-tree model with the current distribution ratio — corrected for measurement-magnification error — together with a direction vector defined relative to the branch point, allowing the model to determine the fault location on its own. The training and evaluation dataset was constructed by interpolating fault data simulated with PSCAD/EMTDC. Compared with the conventional method, the proposed technique improved the discrimination accuracy by 18.9 percentage points and the average location error by 13m within 50m of the branch point, and by 23.2 percentage points and 32m, respectively, in the 50–100m range, showing substantial performance gains in both regions.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
