Generator Insulation-Aging On-Line Monitoring Technique Based on Fiber Optic Detecting Technology
Notice bibliographique
Résumé
The relationship between insulation aging and generator lifespan using fiber optic sensors (FOSs) is explored to ultimately improve asset lifespan through smart choices in running conditions and maintenance. Insulation aging is a major factor that causes generator failure. FOS provides the rare opportunity of being installed up close to the insulation, monitoring degradations that are otherwise difficult to detect. FOSs, unlike purely electrical transducers, are immune to high voltage (HV) and strong electromagnetic (EM) fields. They are small and have a proven long life by their deployment in the Telecom industry. The proposed FOS is a Fabry-Perot cavity made up of two identical fiber Bragg gratings (FBGs) using light wave interference as the working principle. Such architecture delivers simultaneous vibration (10 Hz–1 kHz) and temperature (0.1°C resolution) monitoring, both helping to spot irregular vibration patterns (signatures) and hot-spots inside the generator stator slots. The signal processing unit equipped with a gateway device can help to connect the large volume of sensor data, allowing correlation with the supervisory control and data acquisition (SCADA) system data of the plant. This chapter also elaborates on the field test jointly conducted with Calpine Corporation and Oz Optics, Ltd. (Ottawa, Ontario, Canada).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 |
| 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 ».