THE ELECTRONIC SCIENTIFIC JOURNAL "YOUNG SCIENCE OF SIBERIA"

ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ПОДХОДОВ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ К СОВЕРШЕНСТВОВАНИЮ РЕЛЕЙНОЙ ЗАЩИТЫ

Receipt date: 
25.08.2021
Bibliographic description of the article: 

Трифонов Р. С. Перспективы применения подходов глубокого машинного обучения к совершенствованию релейной защиты [Электронный ресурс] / Р. С. Трифонов, С. В. Новиков // Молодая наука Сибири: электрон. науч. журн. — 2021 — №1. Режим доступа: http://mnv.irgups.ru/toma/212-2021, свободный. — Загл. с экрана. — Яз. рус., англ. (дата обращения: _______)

Year: 
2021
Journal number: 
УДК: 
621.316.925
Article File: 
Abstract: 

В настоящее время, в режимах работы релейной защиты происходит сбои в работе её систем, которые создают проблемы для совершенствования алгоритмов релейной защиты. Для решения таких проблем рассмотрен классический подход построения алгоритмов, а также перспектива применения подход глубокого обучения для совершенствования систем релейной защиты.

Применяя подход глубокого обучения для релейной на основе статистики получаемых данных, эти данные происходят множество логических операций, а система будет выдавать решение. Такое применение в релейной защите, повышает её чувствительность, селективность и надежность. Создавая безаварийный и качественный рабочий процесс релейной защиты.

List of references: 

1 Орельен Ж. Прикладное машинное обучение с помощью Scikit-Learnи TensorFlow. Концепции, инструменты и техники для создания интеллектуальных систем. 2018., стр.688.

2 Жуков Л. А. Приложение нейронных сетей. стр. 121.

3 Насибуллин А. Т., Панова Е. А. Постановка задачи применения адаптивных нейронных сетей в дистанционной релейной защите линий.

4 Донской В. И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. -Симферополь: ДИАЙПИ, 2014., стр. 228.

5 Загоруйко Н. Г. Когнитивный анализ данных. 2012., стр. 203.

6 Гудфеллоу Я., Бенджио И., Курвилль А., Глубокое обучение. 2017., стр 652.