MétaCan
Menu
Retour à la cohorte
Enregistrement W4407448601 · doi:10.1109/tdei.2025.3541615

Spectral Analysis of Electrical Discharge in Mineral Oil—Comparison With Air Discharge

2025· article· en· W4407448601 sur OpenAlexaff
Salma Nait Bachir, A. Nacer, Hocine Moulai, I. Fofana

Notice bibliographique

RevueIEEE Transactions on Dielectrics and Electrical Insulation · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePower Transformer Diagnostics and Insulation
Établissements canadiensCégep de ChicoutimiUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésPartial dischargeElectric dischargeSpectral analysisMineral oilMaterials scienceEnvironmental sciencePetroleum engineeringElectrodeElectrical engineeringVoltageEngineeringChemistryMetallurgyPhysics

Résumé

récupéré en direct d'OpenAlex

This study aims to compare the spectral characteristics of electrical discharges in mineral oil (MO) with those in air. The results demonstrate that electrical discharge channels in MO exhibit a resistive nature, as evidenced by the phase difference, and that discharges in this medium are associated with higher energy levels due to their superior dielectric strength. This necessitates higher voltages for discharge initiation compared to electrical discharges in air, which involve lower energy levels due to air’s lower dielectric properties. Temporal domain analysis shows that electrical discharges in air propagate faster than those in MO. In addition, fast Fourier transform (FFT) analysis reveals that air discharges exhibit a broader spectrum with more high-frequency components, indicating faster propagation than MO discharges. The differences in dielectric properties—such as dielectric strength, breakdown voltage, density, and viscosity—are lower in the air than in MO, significantly influencing discharge characteristics, including current, voltage, power, and energy. These findings offer crucial insights into the nature of discharge channels, energy levels, propagation speeds, and discharge dynamics in air and MO. This contributes to developing more effective insulation monitoring and predictive maintenance strategies in electrical 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.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,006
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 Opus0,008
Tête enseignante GPT0,238
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Dielectrics and Electrical InsulationMême sujetPower Transformer Diagnostics and InsulationTravaux en français237 207