Identification of line status changes using phasor measurements in transient states through deep learning networks

Natalja Gotman; Galina Shumilova

doi:10.1051/e3sconf/202021601035

All issues

Volume 216 (2020)

E3S Web Conf., 216 (2020) 01035

References

Open Access

Issue		E3S Web Conf. Volume 216, 2020 Rudenko International Conference “Methodological problems in reliability study of large energy systems” (RSES 2020)


Article Number		01035
Number of page(s)		5
DOI		https://doi.org/10.1051/e3sconf/202021601035
Published online		14 December 2020

Cardoso P.E.A. Deep learning applied to PMU data in power systems: Ph.D. thesis. Faculdade De Engenharia Da Universidade Do Porto, 2017, 105 p. [Google Scholar]
Schmidhuber J. Deep Learning in Neural Networks: an Overview//Neural Networks, 2015, Vol. 61, pp. 85–117. doi: 10.1016/j.neunet.2014.09.003. [CrossRef] [PubMed] [Google Scholar]
Паттерсон Дж., Гибсон А. Глубокое обучение с точки зрения практика/пер. с анг. М.: ДМК Пресс, 2018, 418 с. [Google Scholar]
Muhammad A., Lee J.M., Hong S.W., Lee S.J., and Lee E.H. Deep learning application in power system with a case study on solar irradiation forecasting//in Proc. Int. Conf. Artif. Intell. Inf. Commun. (ICAIIC), Feb. 2019, pp. 275–279. [Google Scholar]
Li W.T., Deka D., Chertkov M., Wang M. Real-time faulted line localization and PMU placement in power systems through convolutional neural networks//IEEE Transactions on Power Systems, 2019, Vol. 34, No. 6, pp. 4640–4651. [CrossRef] [Google Scholar]
Хайкин С. Нейронные сети: полный курс. 2-е изд., испр./пер. с англ. М: ООО «И.Д.Вильямс», 2006, 1104 с. [Google Scholar]
Созыкин А.В. Обзор методов обучения глубоких нейронных сетей//Вестник ЮУрГУ. Серия: Вычислительная математика и информатика, 2017, Т.6, № 3. с. 28–59. [Google Scholar]
Хохлов М.В., Голуб И.И. Унифицированный подход к оптимизации размещения PMU в сети для обеспечения надежности наблюдаемости ЭЭС//Методические вопросы исследования надежности больших систем энергетики: Вып. 65. Надежность либерализованных систем энергетики/Отв. ред. Н.И. Воропай, А.Н. Назарычев. Иркутск, 2015, с. 591–601. [Google Scholar]

Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.

Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.

Initial download of the metrics may take a while.

[1] Cardoso P.E.A. Deep learning applied to PMU data in power systems: Ph.D. thesis. Faculdade De Engenharia Da Universidade Do Porto, 2017, 105 p. [Google Scholar]

[2] Schmidhuber J. Deep Learning in Neural Networks: an Overview//Neural Networks, 2015, Vol. 61, pp. 85–117. doi: 10.1016/j.neunet.2014.09.003. [CrossRef] [PubMed] [Google Scholar]

[3] Паттерсон Дж., Гибсон А. Глубокое обучение с точки зрения практика/пер. с анг. М.: ДМК Пресс, 2018, 418 с. [Google Scholar]

[4] Muhammad A., Lee J.M., Hong S.W., Lee S.J., and Lee E.H. Deep learning application in power system with a case study on solar irradiation forecasting//in Proc. Int. Conf. Artif. Intell. Inf. Commun. (ICAIIC), Feb. 2019, pp. 275–279. [Google Scholar]

[5] Li W.T., Deka D., Chertkov M., Wang M. Real-time faulted line localization and PMU placement in power systems through convolutional neural networks//IEEE Transactions on Power Systems, 2019, Vol. 34, No. 6, pp. 4640–4651. [CrossRef] [Google Scholar]

[6] Хайкин С. Нейронные сети: полный курс. 2-е изд., испр./пер. с англ. М: ООО «И.Д.Вильямс», 2006, 1104 с. [Google Scholar]

[7] Созыкин А.В. Обзор методов обучения глубоких нейронных сетей//Вестник ЮУрГУ. Серия: Вычислительная математика и информатика, 2017, Т.6, № 3. с. 28–59. [Google Scholar]

[8] Хохлов М.В., Голуб И.И. Унифицированный подход к оптимизации размещения PMU в сети для обеспечения надежности наблюдаемости ЭЭС//Методические вопросы исследования надежности больших систем энергетики: Вып. 65. Надежность либерализованных систем энергетики/Отв. ред. Н.И. Воропай, А.Н. Назарычев. Иркутск, 2015, с. 591–601. [Google Scholar]