Cristin-resultat-ID: 1832811
Sist endret: 24. september 2020, 12:43
NVI-rapporteringsår: 2020
Resultat
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
2020

Comparative Study of Event Prediction in Power Grids using Supervised Machine Learning Methods

Bidragsytere:
  • Kristian Wang Høiem
  • Vemund Mehl Santi
  • Bendik Nybakk Torsæter
  • Helge Langseth
  • Christian Andre Andresen og
  • Gjert Hovland Rosenlund

Bok

Om resultatet

Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
Publiseringsår: 2020
ISBN:
  • 978-1-7281-4701-7
Open Access

Klassifisering

Fagfelt (NPI)

Fagfelt: Elkraft og elektrotekniske fag
- Fagområde: Realfag og teknologi

Beskrivelse Beskrivelse

Tittel

Comparative Study of Event Prediction in Power Grids using Supervised Machine Learning Methods

Sammendrag

There is a growing interest in applying machine learning methods on large amounts of data to solve complex problems, such as prediction of events and disturbances in the power system. This paper is a comparative study of the predictive performance of state-of-the-art supervised machine learning methods. The event prediction models are trained and validated using high-resolution power quality data from measuring instruments in the Norwegian power grid. The recorded event categories in the study were voltage dips, ground faults, rapid voltage changes and interruptions. Out of the tested machine learning methods, the Random Forest models indicated a better prediction performance, with an accuracy of 0.602. The results also indicated that rapid voltage changes (accuracy = 0.710) and voltage dips (accuracy = 0.601) are easiest to predict among the tested power quality events.

Bidragsytere

Kristian Wang Høiem

  • Tilknyttet:
    Forfatter
    ved Energisystemer ved SINTEF Energi AS

Vemund Mehl Santi

  • Tilknyttet:
    Forfatter
    ved Institutt for datateknologi og informatikk ved Norges teknisk-naturvitenskapelige universitet
Aktiv cristin-person

Bendik Nybakk Torsæter

  • Tilknyttet:
    Forfatter
    ved Energisystemer ved SINTEF Energi AS

Helge Langseth

  • Tilknyttet:
    Forfatter
    ved Institutt for datateknologi og informatikk ved Norges teknisk-naturvitenskapelige universitet

Christian Andre Andresen

  • Tilknyttet:
    Forfatter
    ved Energisystemer ved SINTEF Energi AS
1 - 5 av 6 | Neste | Siste »

Resultatet er en del av Resultatet er en del av

2020 International Conference on Smart Energy Systems and Technologies - SEST.

SEST 2020, .. 2020, IEEE. Vitenskapelig antologi/Konferanseserie
1 - 1 av 1