Активное обучение интеллектуальной релейной защиты. Противостоящие режимы

Юрий Анатольевич Дементий

doi:10.34831/EP.2021.18.52.008

Активное обучение интеллектуальной релейной защиты. Противостоящие режимы

Юрий Анатольевич Дементий

Аннотация

Обсуждаются проблемы применения алгоритмов машинного обучения для построения интеллектуальной релейной защиты. Отмечаются недостатки классического подхода к обучению моделей машинного обучения на основе прецедентов. Формулируется задача активного обучения с использованием имитационной модели объекта для синтеза наиболее информативных прецедентов. Для построения классификаторов применяется геометрическая интерпретация модели классификации. Рассматриваются вопросы сходимости процесса обучения моделей при таком подходе. Анализируется зависимость эффективности от параметров базового алгоритма классификации. Обучается и анализируется классификатор режимов работы линии электропередачи с гарантированной селективностью.

Ключевые слова

машинное обучение, активное обучение, селективность, классификация режимов работы объекта.

Полный текст:

PDF

Литература

Singh, H. Design, Implementation and Testing of an Artificial Neural Net-work Based Fault Direction Discriminator for protecting Transmission Lines [Text] / H. Singh, M.S. Sachdev, T.S. Sidhu // IEEE Transactions on Power Delivery – 1995. -- Vol. 10. -- No. 2 – P. 697 -- 706.

Куликов, А.Л. Анализ применения метода опорных векторов в многомерной релейной защите [Текст] / А.Л. Куликов, Д.И. Бездушный, М.В. Шарыгин, В.Ю. Осокин // Известия Российской академии наук. Энергетика. – 2020. – № 2. – С. 123 -- 132 – (DOI 10.31857/S0002331020020065).

Liua, C. An overview of decision tree applied to power systems [Text] / C. Liua, Z.H. Rathera, Z. Chena, C.L. Bak // International Journal of Smart Grid and Clean Energy. – 2013. -- Vol. 2. -- No. 3. -- P. 413 -- 419.

Yang, H. Machine learning for power system protection and control [Text] / H. Yang, X. Liu, D. Zhang, T. Chen, C. Li, W. Huang // The Electricity Journal. – 2021. -- Vol. 34. – Is. 1. – (https://doi.org/10.1016/j.tej.2020.106881).

Куликов, А.Л. Применение статистических критериев распознавания режима релейной защиты сетей электроснабжения [Текст] / А.Л. Куликов, М.В. Шарыгин // Электротехника. – 2019. – № 2. – С. 58 -- 64.

Лямец, Ю.Я. Граничные режимы в методике обучения релейной защиты. Часть 1. Граничные условия и обучающие процедуры [Текст] / Ю.Я. Лямец, Д.В. Кержаев, Г.С. Нудельман, Ю.В. Романов // Известия вузов. Электромеханика – 2009. – С. 24 – 30.

Vapnik, V. The nature of statistical learning theory [Text] / V.Vapnik. – NY.: Springer, 2000 – 314 p.

Дементий, Ю.А. Активное обучение классификатора режимов работы объекта с использованием имитационной модели [Текст] / Ю.А. Дементий // Современные тенденции развития цифровых систем релейной защиты и автоматики: материалы III Международной научно-технической конференции молодых специалистов форума «РЕЛАВЭКСПО-2021». – Чебоксары: Изд-во Чуваш. ун-та, 2021. – С. 157 -- 162.

Fan, R. LIBLINEAR: A Library for Large Linear Classification [Text] / R. Fan, K. Chang, C. Hsieh, X. Wang, C. Lin // Journal of Machine Learning Research. – 2008. -- Vol. 9. -- P. 1871 -- 1874.

Мартынов, М.В. Исследование и разработка обучаемых модулей микропроцессорных защит линий электропередачи [Текст]: дис. … канд. техн. наук / Мартынов Михаил Владимирович. – Чебоксары, 2014. – 226 с.

Jack, A. Orenstein, Multidimensional tries used for associative searching [Text] / A. Jack // Information Processing Letters. – 1982. -- Vol. 14. – Is. 4. -- P. 150 -- 157.

Balcan, M.F. Active Learning – Modern Learning Theory [Text] / M.F. Balcan, R. Urner // Encyclopedia of Algorithms. -- NY.: Springer, 2016. – (https://doi.org/10.1007/978-1-4939-2864-4_769).

Дементий, Ю.А. Детерминированный метод построения образа имитационной модели объекта [Текст] / Ю.А. Дементий, К.П. Николаев // Современные тенденции развития цифровых систем релейной защиты и автоматики: материалы III Международной научно-технической конференции молодых специалистов форума «РЕЛАВЭКСПО-2021». – Чебоксары: Изд-во Чуваш. ун-та, 2021. – С. 168 – 172.

Spall, J.C. Introduction to Stochastic Search and Optimization [Text] / J.C. Spall. -- John Wiley & Sons, 2003. – 618 p.

Olkin, I. Multivariate Beta Distributions and Independence Properties of the Wishart Distribution [Text] / I. Olkin, H. Rubin // The Annals of Mathematical Statistics. – 1964. -- Vol. 35. -- No. 1 – P. 261 -- 269.

Schölkopf, B. Estimating the support of a high-dimensional distribution [Text] / B. Schölkopf, J.C. Platt, J. Shawe-Taylor, A.J. Smola, R.C. Williamson // Neural computation. – 2001. -- Vol. 13. -- No.7. – P. 1443 -- 1471.

DOI: http://dx.doi.org/10.34831/EP.2021.18.52.008