Towards automated statistical partial discharge source classification using pattern recognition techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study presents a comprehensive review of the automated classification in partial discharge (PD) source identification and probabilistic interpretation of the classification results based on the relationship between the variation of the phase‐resolved PD (PRPD) patterns and the source of the PD. The proposed automated classification system consists of modern, high‐performance statistical feature extraction methods and classifier algorithms. Their application in online monitoring and recognition of the PD patterns is investigated based on their low‐processing time and high‐performance evaluation. The application of modern statistical algorithms and pre‐processing methods configured in this automated classification system improves the pattern recognition accuracy of the different PD sources that are suitable to be employed in different high‐voltage (HV) insulation media. To evaluate the performance of the different combinations of the feature extraction/classier pairs, laboratory setups are designed and built that simulate various types of PDs. The test cells include three sources of PD in , two sources of PD in transformer oil, and corona in the air. Data samples for different classes of PD sources are captured under two levels of voltage and two different levels of noise. The results of this study evaluate the suitability of the proposed classification systems for probabilistic source identification in various insulation media. Furthermore, of importance to the problem of the PD source identification is to assign a ‘degree of membership’ to each PRPD pattern, besides assigning a class label to it. Some of the classifier algorithms studied in this study, such as fuzzy classifiers, are not only able to show high classification accuracy rate, but they also calculate the ‘degree of membership’ of a sample to a class of data. This enables probabilistic interpretation of a new PRPD pattern that is being classified. The determination of the degree of membership for future PRPD samples allows safer decision making based on the risk associated with the different sources of PD in HV apparatus.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 découle