MétaCan
Menu
Retour à la cohorte
Enregistrement W4289767443 · doi:10.25077/jnte.v11n2.968.2022

Gas Production by Monoester of Saturated Fatty Acids under Electrical Fault

2022· article· en· W4289767443 sur OpenAlexaff
Abdul Rajab, Dzaki Ahmad Fertoni, Riko Novendra, Husnul Fajri

Notice bibliographique

RevueJurnal Nasional Teknik Elektro · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePower Transformer Diagnostics and Insulation
Établissements canadiensPositive Living North
Organismes subventionnairesUniversitas Andalas
Mots-clésGas chromatographyFossil fuelVoltageHydrocarbonFault (geology)Petroleum engineeringChromatographyElectric potential energyHigh voltageChemistryEnvironmental sciencePulp and paper industryAnalytical Chemistry (journal)Materials scienceEnergy (signal processing)Organic chemistryGeologyElectrical engineeringEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper deals with the gas production by monoester oil intended to be used as insulating oil under an electrical discharge of low energy. The monoester contains only saturated fatty acids in its hydrocarbon chain. The electrical fault was realized by implementing an AC high voltage to hemispherical shaped electrode pairs with the gap of 2.5 mm immersed in the oil sample. The voltage application was paused when the breakdown occurred in oil and re-applied repeatedly up to 50 and 75 times to allow a high concentration of gasses produced by the oil sample. The resulting gasses were extracted from the oil sample using the headspace method and then analyzed using gas chromatography (GC). Fault identification methods, like DGA status, Key Gas, Duval Triangle, and IEC Ratio, were performed to predict the fault causing the production of such gasses. The results are compared with those of the monoester of unsaturated type. It is found that the Key Gas method is applicable for both oils under electrical discharge. The Duval Triangle and the IEC Ratio methods diagnose the electrical discharge in both monoesters but overestimate them as high energy discharge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,217
Score d'incertitude au seuil0,602

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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 tête enseignante, 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 revueJurnal Nasional Teknik ElektroMême sujetPower Transformer Diagnostics and InsulationTravaux en français237 207