Cable degradation discharge point location method based on transient zero sequence alarm and acoustic environmental data
Notice bibliographique
Résumé
By optimizing the automation configuration of medium-voltage distribution lines, capturing the initial signals of cable insulation hidden danger, combining the real case data of 6 years of distribution network insulation faults and hidden danger in a city of Zhejiang, summarizing the waveform law and progressive signal characteristics in the process of insulation hidden danger deterioration, a set of real-time monitoring method based on the analysis of big data of the medium-voltage distribution line cable insulation deterioration of the corona hidden danger has been developed. The method is based on the master station to realize localization, instead of periodic on-site equipment charged detection, has been verified on-site and found discharge traces cable head in advance. This method utilizes distribution automation and dispatch automation configurations to capture the instantaneous zero-sequence overcurrent signals corresponding to insulation degradation discharges, waveform characteristics, acoustic mutations, and environmental information as input. A quantitative risk algorithm consisting of eight analysis dimensions such as zero-sequence spike characteristics, number of spikes, and synchronization of acoustic ripple and spike timing is used. Three optional computational media, including master station, enhanced DTU, and DTU external component, are used to give hidden risk localization. The two methods, local discharge detection robot and manual detection, are used to confirm the site and then carry out out outage maintenance to prevent the further expansion of hidden dangers. The method relies on the distribution automation of existing protection devices and master station configuration to assist a small number of sensors and edge computing devices to realize, through the protection device uninterrupted monitoring instead of manual periodic local discharge detection. It solves the problems of high cost of periodic testing, unavoidable accidents caused by continuous insulation degradation in the interval of testing cycle, hidden location of some cables and blind area of testing, and effectively improves the reliability of power supply.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».