.png){kind=icon}
返回
Partial discharge defect classification in cast-resin transformers using machine learning-based algorithms
.png){kind=icon}
OA
AI
DOI：10.2478/jee-2025-0059.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
树脂浇注变压器因其优异的灭弧特性、安装简便及维护成本低，已在电力系统中得到广泛应用。从状态监测的角度来看，基于局部放电（PD）测量的内部缺陷识别与分类技术正变得越来越重要。本文研究了使用两种机器学习（ML）算法——随机森林（RF）和人工神经网络（ANN）模型——进行PD缺陷分类。设计了四种典型的PD缺陷模型：金属突出物、绝缘体上的颗粒、脱层和气隙。通过基于印刷电路板（PCB）的罗氏线圈型PD传感器，测量了每个局部放电起始电压（PDIV）下的PD单脉冲和相位分辨局部放电（PRPD）模式。从每个PD单脉冲和PRPD模式中提取了多种PD特征。实验结果表明，本文使用的两种不同ML算法能够以超过90%的准确率对PD缺陷进行分类，且使用RF模型的PD分类率略高于ANN模型。
Keyword:
cast-resin transformers
PD defect classification
machine learning algorithm
Rogowski-type PD sensor
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
1.2
论文数:
30
被引数:
0
机构
引用论文
Insulation Defect Diagnosis Using a Random Forest Algorithm with Optimized Feature Selection in a Gas-Insulated Line Breaker基于优化特征选择和随机森林算法的气体绝缘线路断路器绝缘缺陷诊断.png)
ELECTRONICS
OAAI
ELECTRONICSIF2.6
OAAI分享收藏Statistical model optimized random forest regression model for concrete dam deformation monitoringOAAI
OAAI分享收藏An improved random forest based on the classification accuracy and correlation measurement of decision trees基于决策树分类精度和相关性度量的改进随机森林
PREAI
分享收藏Optimal Trees Selection for Classification via Out-of-Bag Assessment and Sub-BaggingIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Distributed Partial Discharge Detection in a Power Transformer Based on Phase-Shifted FBG基于移相FBG的电力变压器分布式局部放电检测IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏
查看更多内容