MétaCan
Menu
Retour à la cohorte
Enregistrement W4285537938 · doi:10.1049/icp.2022.0412

Influence of aging on prebreakdown characteristics of ester liquids with experimental and statistical analysis

2022· article· en· W4285537938 sur OpenAlexaff
T. Jayasree, U. Mohan Rao, I. Fofana, S. Brettschneider, Esperanza Mariela Rodriguez-Celis, Patrick Picher

Notice bibliographique

RevueIET conference proceedings. · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePower Transformer Diagnostics and Insulation
Établissements canadiensHydro-QuébecUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceElectrodeDegradation (telecommunications)ThermalComposite materialStatistical analysisStress (linguistics)RADIUSVoltageChemistryThermodynamicsElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This study emphasizes the pre-breakdown phenomenon of low pour point synthetic esters with thermal degradation for potential usage in cold climatic regions. It is to be mentioned that two synthetic esters having a pour point less than -60°C are chosen for this work. The investigations are aimed at understanding the pre-breakdown behaviour of these very low pour point liquids at room temperature. The testing is performed using a point-plane electrode configuration under AC stress in a hermetically sealed test cell. To understand the influence of thermal degradation, the insulating liquids are subjected to a controlled thermal stressing under sealed conditions. The measurements are reported at different thermal aging duration (2 weeks, 4 weeks, and 6 weeks) at a tip of radius 5.46 μm and 10.75 μm with an inter-electrode distance of 10 mm. The measurements include partial discharge inception voltage, breakdown-streamer-inception voltage, and acidity of the liquids at different aging conditions. The influence of thermal degradation on the pre-breakdown characteristics of the fluids is reported. In addition, a two-way ANOVA (with interaction) statistical analysis has been performed on the experimental data.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET conference proceedings.Même sujetPower Transformer Diagnostics and InsulationTravaux en français237 207