SỬ DỤNG THUẬT TOÁN SVM ĐỂ PHÂN LOẠI PHỤ TẢI ĐIỆN

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Bình Nguyễn Văn

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học - Đại học Thủ Dầu Một, 2022

Mô tả vật lý: tr.60-68

Bộ sưu tập: Metadata

ID: 332805

Thêm vào giỏ Liên kết toàn văn

Với sự phát triển của công nghiệp 4.0, hầu hết tất cả mọi lĩnh vực trong đời sống nói chung đều áp dụng các thuật toán thông minh, hệ thống IoT, trí tuệ nhân tạo với mục đích để tăng sự hiệu quả, năng suất trong công việc quản lý, giám sát, tăng hiệu quả kinh tế. Với ngành điện hiện tại cũng chú trọng việc sử dụng và truyền tải điện năng một cách thông minh, một trong những sự thông minh đó là tự phân loại được các loại tải sử dụng hàng ngày của các khu vực khác nhau như nhà hàng, khách sạn, khu vực vui chơi giải trí,…bên cạnh việc phân loại tải sử dụng điện năng còn có thêm các thông tin khách hàng, thông tin người dùng, những nhà sản xuất và cung cấp điện năng có thể dựa vào sự phân loại tải những khu vực cụ thể để dự đoán được thói quen của người sử dụng dịch vụ, từ những dự đoán này nhà sản xuất có những phương án tối ưu hơn cho việc cân bằng pha phù hợp trong quá trình cung cấp điện năng cho từng khu vực. Trong bài báo này, tác giả trình bày kết quả thực hiện phân loại phụ tải dựa vào học sâu đối với các lưới điện, cụ thể là sử dụng phương pháp Support Vector Machine (SVM) để thực hiện việc phân loại phụ tải. Kết quả đạt được cao hơn các phương pháp phân loại truyền thống, tỷ lệ chính xác của phương pháp lớn hơn 0,93.With the development of Industry 4.0, almost all areas of life in general are applying smart techniques, IoT systems, and artificial intelligence with the goal of increasing efficiency and productivity at work. manage, monitor, increase economic efficiency, etc. With the electricity industry also focusing on the smart use and transmission of electricity, one of the smart ones is the self-categorization of loads used in daily life. In addition to load classification, there are information customers, information users, manufacturers, and suppliers. Power supply can rely on load classification of possible areas to predict service users. From these projects, manufacturers have more optimal solutions for suitable phase balance in the process. power supply for each area. In this paper, the author presents the results of performing deep learning dependent classification for electrical categories, specifically using the Support Vector Machine (SVM) method to perform subcategory loading. The results obtained are higher than the method distribution system. The accuracy ratio of the method is greater than 0.93.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR