Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Vývoj Aplikačního nástroje s využitím měření WAMS a neuronových sítí pro klasifikaci provozních stavů v přenosové soustavě

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F24%3A43974833" target="_blank" >RIV/49777513:23220/24:43974833 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://partnerstvi.fel.zcu.cz/" target="_blank" >https://partnerstvi.fel.zcu.cz/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Vývoj Aplikačního nástroje s využitím měření WAMS a neuronových sítí pro klasifikaci provozních stavů v přenosové soustavě

  • Popis výsledku v původním jazyce

    Tato výzkumná zpráva popisuje vývoj algoritmu neuronových sítí pro detekci provozních stavů v přenosové soustavě na základě dat z PMU. Hlavní vývoj probíhal v pythonu, s MATLABem jako verifikačním nástrojem pro snadnější zpracování a vizualizaci dat. Algoritmus spolehlivě rozpoznává klíčové stavy, jako zkraty či skokové změny zatížení, přičemž výsledky jsou interpretovány prostřednictvím grafické vizualizace. Další zlepšení přesnosti vyžaduje rozšíření trénovacích dat, zejména pro omezení falešně pozitivních detekcí.

  • Název v anglickém jazyce

    Development of an Application Tool using WAMS measurements and neural networks for classifying operating states in the transmission system

  • Popis výsledku anglicky

    This research report describes the development of a neural network algorithm for detecting operational states in a transmission system based on PMU data. The main development was done in python, with MATLAB as a verification tool for easier data processing and visualization. The algorithm reliably recognizes key states, such as short circuits or load step changes, and the results are interpreted via a graphical visualisation. Further improvement of accuracy requires expanding the training data, especially to reduce false positive detections.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

  • OECD FORD obor

    20201 - Electrical and electronic engineering

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/TN02000025" target="_blank" >TN02000025: Národní centrum pro energetiku II</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2024

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů