Diagnosing Disk-Space Variation in Distribution Power Transformer Windings Using Group Method of Data Handling Artificial Neural Networks
Notice bibliographique
Résumé
Monitoring centers in the smart grid exchange the collected data by sensors and smart meters to monitor the current conditions and performance of electric power components. Distribution Power Transformers (DPTs) have a key role in maintaining the integrity of power flow in the smart grid. Online monitoring of DPTs to detect possible faults can potentially increase the reliability of modern power systems. Mechanical defects of DPTs are the major issues in their proper operation that must be detected in their early stage of occurrence. One of the most effective solutions for diagnosing mechanical defects in DPTs is Frequency Response Analysis (FRA). In this study, an appropriate condition monitoring scheme for DPTs is developed to identify even minor winding defects. Disk-Space Variation (DSV), a common DPT windings fault, is applied to the 20 kV-winding of a 1.6 MVA DPT in various locations and with different severity. Their corresponding frequency responses are then computed, and all four components of the frequency responses, i.e., amplitude, argument, and real and imaginary parts, are evaluated. Different data-driven-based indices are implemented to extract appropriate feature vectors in the preprocessing stage. Group Method of Data Handling (GMDH) Artificial Neural Networks is proposed to assist monitoring centers in interpreting FRA signatures and identifying DPT defects at primary stages. GMDH has a data-dependent structure, which gives high flexibility to modeling nonlinear characteristics of FRA test results with different data sizes. It is demonstrated that the proposed approach is capable of accurately determining the fault location and fault severity. The proposed Artificial Intelligence (AI)-based approach is used to extract essential features from frequency response traces in order to detect the position and degree of Disk-Space Variation (DSV) in the DPT windings. The experimental results verify the effectiveness of the proposed methods in determining the severity and location of DSV defects.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».