Feature extraction and classification of surface discharges on an ice-covered insulator string during AC flashover using gray-level co-occurrence matrix
Notice bibliographique
Résumé
This study focuses on the feature extraction and classification of surface discharges of ice-covered insulator strings during process of alternating current flashover. The test specimen was the five units suspension ceramic insulators, which was artificially accreted with wet-grown ice in the cold-climate room of CIGELE. Based on the IEEE Standard 1783/2009, flashover experiments were conducted on iced insulators to measure the minimum flashover voltage (VMF) and record the propagating process of surface discharges to flashover by using a high-speed video camera. The gray-level co-occurrence matrix (GLCM) method has been used to extract four parameters of arc discharge images features that characterize different stages of flashover process. The parameters are angular second moment (ASM), contrast (CON), inverse difference moment (IDM) and entropy (ENT). These statistical parameters of GLCM can be extracted to reveal the underlying properties of ice flashover on the insulator surface from the quantitative perspective. The different values of these indicators are representative of the different stages in the process of arc discharge. Once the value of quantitative indicators (ASM, CON, IDM, ENT) of surface discharges exceeds the threshold value, the higher flashover risk of iced insulators will appear. Hence, the proposed methods are helpful to understand and monitor surface discharge on iced outdoor insulator strings for preventing flashover accidents.
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 | 0,001 |
| 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 ».