Design parameter based method of partial discharge detection and location in power transformers
Notice bibliographique
Résumé
Insulation defect detection in time ensures higher operational reliability of power system assets. Power transformers are the most critical unit of power systems both from economical and operational front. Hence it becomes necessary to have knowledge of the actual insulation condition of transformer to increase dependability of the system. The performance and ageing of the transformer insulation is mainly affected by Partial discharges (PD). Proper diagnosis in terms of amplitude and location of partial discharge in a power transformer enables us to predict well in advance, with much confidence, the defect in insulation system, which avoids large catastrophic failures. In this work a 20kVA, 230/50kV single phase core type transformer is used for evaluation of the transfer function-based partial discharge detection and location using modeling of the winding, using design data. The simulation of capturing on-line PD pulses across the bushing tap capacitor is done for various tap positions. Standard PD source model is used to inject PD pulse signal at 10 tap locations in the winding and corresponding response signatures are captured at the bushing tap end (across 1000pF). The equivalent high frequency model of the winding is derived from the design parameters using analytical calculations and simulations in packages such as MAGNET and ANSOFT. The test conditions are simulated using ORCAD-9 and the results are evaluated for location accuracy using design parameter based PD monitoring method. .
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».