On the Feasibility of Detecting Faults and Irregularities in On-Load Tap Changers (OLTCs) by Vibroacoustic Signal Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Unlike traditional tap changers, which require transformers to be de-energized before making changes, On-Load Tap Changers (OLTCs) can adjust taps while the transformer is in service, ensuring continuous power supply during voltage regulation. OLTCs enhance grid reliability and support load balancing, reducing strain on the network and optimizing power quality. Their importance has grown as the demand for stable voltage and the integration of renewables has increased, making them vital for modern and resilient power systems. While enhanced OLTCs often incorporate stronger materials and improved designs, mechanical components like contacts and diverter switches can still experience wear over time. This can result in longer maintenance intervals. In the era of digitalization, advanced diagnostic techniques capable of detecting early signs of wear or malfunction are essential to enable preventive maintenance for these important components. This contribution introduces a novel method for detecting faults and irregularities in OLTCs, leveraging vibroacoustic signals to enhance OLTC diagnostics. This paper proposes a tolerance-based approach using the envelope of vibroacoustic signals to identify faults. A significant challenge in this field is the limited availability of faulty signal data, which hinders the performance of machine learning algorithms. To address this, this study introduces a nonlinear model utilizing amplitude modulation with a Gaussian carrier to simulate faults by introducing controlled distortions. The dataset used in this study, with data recorded under real operating conditions from 2016 to 2023, is free of anomalies, providing a robust foundation for the analysis. The results demonstrate a marked improvement in the robustness of detecting simulated faults, offering a promising solution for enhancing OLTC diagnostics and preventive maintenance in modern power systems.
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.
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) | 0,000 | 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 découle