MétaCan
Menu
Retour à la cohorte
Enregistrement W2142342623 · doi:10.1109/mei.2004.1342428

Effect of manufacturer, winding age and insulation type on stator winding partial discharge levels

2004· article· en· W2142342623 sur OpenAlexaff
G.C. Stone, V. Warren

Notice bibliographique

RevueIEEE Electrical Insulation Magazine · 2004
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh voltage insulation and dielectric phenomena
Établissements canadiensOntario Power Generation
Organismes subventionnairesnon disponible
Mots-clésPartial dischargeReliability engineeringStatorElectromagnetic coilEngineeringLine (geometry)Instrumentation (computer programming)PercentileAutomotive engineeringVoltageElectrical engineeringComputer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

With thousands of machines monitored for as long as 25 years with the same method, on-line partial discharge (PD) testing has become a recognized, proven tool to help maintenance engineers identify which stator windings need off-line testing, inspections and/or repairs. With over 63,000 test results acquired with the same test method, what constitutes a winding with low, moderate or high PD has been identified. This paper presents tables that enable test users to easily identify with some certainty which stators are likely to suffer from groundwall insulation deterioration, with only a single measurement on a machine. The practical importance of these tables is that if one applies PD sensors to a machine and, in the first measurement, one obtains a Qm that exceeds the 90 percentile of the relevant Qm distribution, then one should be concerned enough at the PD level to take action, such as more frequent testing and/or off-line tests and inspections at the next convenient machine shutdown. Within the statistical accuracy possible with several thousands of independent results, it seems that critical PD levels only depend on operating voltage, hydrogen pressure, manufacturer, and the specific type of PD sensor and instrumentation used.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,288
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Electrical Insulation MagazineMême sujetHigh voltage insulation and dielectric phenomenaTravaux en français237 207