Synchronous Generator Off-line Diagnosis Approach Including Fault Detection and Estimation of Failures on Machine Parameters
Notice bibliographique
Résumé
Fault diagnosis involves the detection, location, and identification of faults. The objective of this work is twofold: first, fault detection in a synchronous generator using the parity space approach, a method based on building the fault indicators using analytical redundancy relationships, a generator model, and actual input and output data; second, computation of defaulting synchronous generator parameters using the maximum likelihood estimation algorithm, which combines the generalized least-squares estimator, the linear Kalman filter, and the Newton-type finite-difference optimization algorithm. In the first step, the proposed technique is successfully applied for external faults diagnosis of two generators: (1) a 4-pole, 60-Hz, 208-V, 1.5-kVA loaded laboratory synchronous generator using a 3-phase, sudden short-circuit fault at 10% rated voltage, and (2) an unloaded 20-pole, 60-Hz, 13.2-kV, 13.75-MVA large generator at Hydro-Québec's Rapides-des-Quinzes plant following a scenario of a 10% line-to-line short-circuit fault. For external faults, failures on parameters do not exist. The proposed scheme could therefore aid in building an automatic protective relay for the synchronous generators. In the second step, the diagnosis process is applied for the fault detection and determination of failures on parameters occurring on the 1.5-kVA generator following broken damper rotor's bars using finite-element simulated data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».