Voimajohtojen maadoitusmittaukset: Maadoitusmittausprosessin kehittäminen
Bibliographic record
Abstract
Maadoitusmittaukset ovat mukana voimajohdon elinkaaren jokaisessa vaiheessa. Maan resistiivisyysmittauksilla saatu tieto maaperän ominaisuuksista on maadoitussuunnittelun perusta. Henkilöturvallisuuden ja voimajohdon häiriöttömän toiminnan varmistamiseksi, sen maadoitusten kunto tulee tarkastaa määrävälein. Voimajohtojen tapauksessa tämä tarkoittaa lähes poikkeuksetta pylväsmaadoitusten hyvyyttä kuvaavan maadoitusresistanssin mittaamista. Suomessa maadoitusolosuhteet ovat verrattain haasteelliset, minkä lisäksi voimajohdoilla on erityispiirteitä, jotka monimutkaistavat maadoittamista ja mittaamista entisestään. Turvallinen, luotettava ja tehokas maadoitusmittaaminen on ammattitaitoa vaativa tehtävä. \nTyön tavoitteena oli kehittää maadoitusmittausprosessia Eltel Networks Oy:ssä. Päätavoite oli löytää keinoja parantaa maadoitusresistanssimittausten luotettavuutta keskimäärin. Työssä etsittiin myös muita keinoja tehostaa maadoitusmittausprosessia ja mittauksilla saadun tiedon hyödyntämistä. Työ alkoi tutustumalla maadoittamisen ja maadoitusmittauksiin liittyvään tutkimuskirjallisuuteen sekä nykyisiin käytäntöihin. Alussa tutustuttiin myös mittausmenetelmiin ja niiden suorittamiseen käytännön tasolla. Pääpaino oli käytössä olevissa mittausmenetelmissä, mutta myös joidenkin uusien menetelmien toimintaperiaatteisiin perehdyttiin ja tarkasteltiin niiden soveltuvuutta voimajohtojen maadoitusmittauksiin. Aihetta käsittelevä tutkimuskirjallisuus on pääosin ulkomaista ja useimmiten myös melko vanhaa. Voimajohtojen maadoitusten näkökulmasta tehtyä tutkimusta on myös melko vähän saatavilla. Haasteena olikin taustateorian sovittaminen Suomen maadoitusolosuhteisiin ja voimajohtojen erityispiirteisiin. Teoriatutkimuksen lisäksi tehtiin tilastollista vertailua erityyppisten pylväiden ja maadoitusten maadoitusresistanssimittauksista. Vertailussa käytetty aineisto koostui voimajohtojen kunnossapidon osana tehdyistä maadoitusresistanssimittauksista laadituista pöytäkirjoista. Pöytäkirjoihin on kirjattu tiedot mm. mittaustuloksista menetelmittäin sekä maadoitusresistanssiin ja mittaustuloksiin mahdollisesti vaikuttavista tekijöistä. Mittaustulokset ryhmiteltiin näiden tekijöiden perusteella ja menetelmien luotettavuutta vertailtiin ryhmittäin. \nTilastollisen vertailun perusteella maadoitusresistanssimittausten tuloksissa on suurta hajontaa, ja mittausvirhe on keskimäärin suuri. Selkein virheen aiheuttaja oli vertailun perusteella useimmissa tapauksissa epärealistiseen maaperämalliin perustuvan vertailuarvon käyttö. Lisäksi joidenkin mittausmenetelmien havaittiin olevan selkeästi epäluotettavia tietyntyyppisten maadoitusten mittaamisessa. Vertailun tulokset tukivat pääosin esiteltyä teoriaa, ja tiettyjen menetelmien huonolle luotettavuudelle tietyntyyppisten maadoitusten mittauksissa löytyi teoreettista perustaa. Maadoittamisen ja maadoitusmittaamisen teorian moniulotteisuus nosti esiin myös mittausta suorittavien henkilöiden ammattitaidon merkityksen maadoitusmittausprosessissa. \nTyössä esitetään keinoja, joilla luotettavuutta maadoitusresistanssimittauksissa voidaan parantaa. Lisäksi suositellaan kaksikerrosmaaperämallin käyttöönottoa voimajohtojen maadoitusten suunnittelussa ja maadoitusresistanssimittausten vertailuarvona. Maadoitusmittauksia suorittaville henkilöille annettavassa ohjeistuksessa ja perehdytyksessä tullaan jatkossa tuomaan selkeämmin esiin virhetekijöiden vaikutusta mittaustulokseen ja korostamaan menetelmien soveltuvuuden tärkeyttä. Työssä perehdyttiin joihinkin hyvin lupaaviin uusiin mittausmenetelmiin, kuten Boys-menetelmä ja selektiivinen käännepistemenetelmä. Esiteltyjen mittausmenetelmien soveltuvuutta voimajohtojen maadoitusmittauksiin selvitetään perusteellisemmin erillisessä kehitysprojektissa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.139 | 0.038 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".