High-Precision Identification of Power Quality Disturbances Based on Discrete Orthogonal S-Transforms and Compressed Neural Network Methods
Hyväksytty
Luokittelutiedot
OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti
Julkaisukanavan tiedot
Lehden/sarjan nimi
IEEE access
ISSN-E (elektroninen)
2169-3536
ISSN-L (linking)
2169-3536
Kustantaja
IEEE
Julkaisun JUFO ID
78297
Julkaisun JUFO-taso
1
Julkaisumaa
Yhdysvallat (USA)
Kansainvälisyys
Kyllä
Julkaisun tarkemmat tiedot
Julkaisuvuosi
2023
Ilmoitusvuosi
2023
Lehden/sarjan volyymi
11
Sivunumerot
85571-85588
DOI
10.1109/ACCESS.2023.3304375
Julkaisukieli
englanti
Yhteisjulkaisutiedot
Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei
Saatavuustiedot
Verkkojulkaisun linkki
Linkki rinnakkaistallenteeseen
Luokitukset ja lisätiedot
OKM-tieteenalaluokitus
113 Tietojenkäsittely ja informaatiotieteet, 213 Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka
Avainsanat
compressed sensing; deep neural network; discrete orthogonal S-transform; Multiple power quality disturbances identification; wind-grid distribution
Rahoittajatiedot
Rahoitustiedot julkaisussa
The work of Muhammad Faheem was supported in part by the University of Vaasa, and in part by the Academy of Finland.
Lähdetietokantojen tunnukset
WoS -tunniste
WOS:001051653400001
Scopus -tunniste
Scopus:85167803535