всего просмотров: 1539
Оценка читателей: голосов 0
1. Воропай Н.И., Томин Н.В., Курбацкий В.Г. и др. Комплекс интеллектуальных средств для предотвращения крупных аварий в электроэнергетических системах. Новосибирск: Наука, 2016.
2. Воропай Н.И., Саратова Н.Е. Анализ статистики отказов РЗА на микропроцессорной базе с точки зрения их учета при моделировании каскадных аварий // Проблемы энергетики. 2008. № 11/12 (1). C. 66–71.
3. Воропай Н.И. Снижение рисков каскадных аварий в электроэнергетических системах. Новосибирск: Изд-во СО РАН, 2011.
4. IEEE PES CAMS Task Force on Understanding, Prediction, Mitigation and Restoration of Cascading Failures “Initial Review of Methods for Cascading Failure Analysis in Electric Power Transmission Systems” // Proc. IEEE PES General Meeting, Pittsburgh, PA USA, July, 2008.
5. Negnevitsky M. An Expert System Application for Clearing Overloads // Int. J. Power Energy Syst. 1995. V. 15. No. 1. P. 9–13.
6. Барканс Е., Жалостиба Д. Защита от развалов и самовосстановление энергосистем. Чебоксары: РИЦ «СРЗАУ», 2014.
7. Kessel P., Glavitsch H. Estimating the Voltage Stability of a Power System // IEEE Trans. Power Delivery. 1986. V. 1. No. 3. P. 346–354.
8. Войтов О.Н., Воропай Н.И., Гамм А.З. и др. Анализ неоднородностей электроэнергетических систем. Новосибирск: Наука, 1999.
9. Goh H. Comparative Study of Different Kalman Filter Implementations in Power System Stability // Amer. J. Appl. Sci. 2014. V. 11. No. 8. P. 1379–1390.
10. Karbalaei F., Soleymani H., Afsharnia S. A Comparison of Voltage Collapse Proximity Indicators // IPEC, 2010 Conf. Proc. 2010. P. 429–432.
11. Sayed Shah D.M. Voltage Stability in Electric Power System: A Practical Introduction. Berlin: Logos Verlag GmbH, 2015.
12. Kurbatsky V.G., Sidorov D.N., Spiryaev V.A., Tomin N.V. The Hybrid Model Based on Hilbert-Huang Transform and Neural Networks for Forecasting of Short-Term Operation Conditions of Power Systems // Proc. IEEE PES Trondheim PowerTech. Trondheim. 2011. P. 1–7.
13. Zhukov A., Tomin N., Sidorov D., Panasetsky D., Spirayev V. A Hybrid Artificial Neural Network for Voltage Security Evaluation in a Power System // Proc. 2015 Int. Youth Con. Energy (IYCE). Pisa, 2015. P. 1–8.
14. Kurbatsky V., Tomin N., Sidorov D., Spiryaev V. Application of Two Stages Adaptive Neural Network Approach for Short-Term Forecast of Electric Power Systems // Proc. 10 Int. Conf. Environ. Electr. Engineer. Rome. 2011. P. 1–4.
15. Манов Н.С., Хохлов М.В., Чукреев Ю.Я. и др. Методы и модели исследования надежности электроэнергетических систем. Сыктывкар: Изд-во Коми научный центр УрО РАН, 2010.
16. Курбацкий В.Г., Сидоров Д.Н., Спиряев В.А., Томин Н.В. Прогнозирование нестационарных временных рядов на основе преобразования Гильберта–Хуанга и машинного обучения // АиТ. 2014. № 5. C. 143–158.
17. Kalyani S., Shanti Swarup K. Design of Pattern Recognition System for Static Security Assessment and Classification // Patt. Anal. Appl. 2012. V. 15. P. 299– 311.
18. Jothinathan K., Ganapathy S. Transient Security Assessment in Power Systems Using Deep Neural Network // Int. J. Appl. Engin. Res. 2012. V. 10. No. 15. P. 787–790.
19. Diao R., Sun K., Vittal V., et al. Decision Tree-Based Online Voltage Security Assessment Using PMU Measurements // IEEE Trans. Power Syst. 2009. V. 24. No. 2. P. 832–839.
20. Архипов И.Л., Иванов А.М., Холкин Д.В. и др. Мультиагентная система управления напряжением и реактивной мощностью // Тр. 22-й конф. «Релейная защита и автоматика энергосистем». Москва. 2014. С. 243–252.
21. Belkacemi R., Babalola S., Zarrabian A. Experimental Implementation of MultiAgent System Algorithm to Prevent Cascading Failure after N − 1 − 1 Contingency in Smart Grid Systems // IEEE Power & Energy Society General Meeting, Denver, CO. 2015. P. 1–5.
22. Панасецкий Д.А. Совершенствование структуры и алгоритмов противоаварийного управления ЭЭС для предотвращения лавины напряжения и каскадного отключения линий // Дис. ... канд. техн. наук: 05.14.02; Иркутск: ИСЭМ СО РАН, 2015. 192 c.
23. Negenborn R.R., De Schutter B., Hellendoorn J. Multi-agent Model Predictive Control for Transportation Networks: Serial Versus Parallel Schemes // Engineer. Appl. Artific. Intelligence. 2008. V. 21. P. 353–366.
24. Жуков А.В., Сидоров Д.Н. Модификация алгоритма случайного леса для классификации нестационарных потоковых данных // Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование. 2016. Т. 9. № 4. С. 86–95.
25. Zhukov A.V., Sidorov D.N., Foley A.M. Random Forest Based Approach for Concept Drift Handling // Commun. Comput. Inform. Sci. 2017. V. 661. P. 69–77.
26. Воропай Н.И., Негневицкий М., Томин Н.В. и др. Интеллектуальная система для предотвращения крупных аварий в энергосистемах // Электричество. 2014. № 8. С. 1–7.
27. Geurts P., Ernst D., Wehenkel L. Extremely Randomized Trees // Machine Learning. 2006. V. 63. No. 1. P. 3–42.
28. Scornet E. Random Forests and Kernel Methods // IEEE Trans. Inform. Theory. 2016. V. 62. No. 3. P. 1485–1500.
29. Kundur P. Power System Stability and Control. N.Y.: McGraw Hill, 1994.