Zastosowanie wybranych klasyfikatorów uczenia maszynowego do rozpoznawania form wyładowań niezupełnych

• Autorzy: Cichoń Andrzej , Borucki Sebastian , Włodarz Michał

Identyfikatory

DOI

10.15199/48.2022.10.42

Warianty tytułu

EN

The use of selected machine learning classifiers to recognize forms of partial discharges

• Języki publikacji: PL

Abstrakty

PL

Ocena intensywności oraz form wyładowań niezupełnych pozwala na określenie stanu izolacji urządzeń elektroenergetycznych. W artykule przedstawiono możliwości identyfikacji podstawowych form wyładowań niezupełnych, przy wykorzystaniu wybranych algorytmów uczenia maszynowego. Przedstawiono wpływ różnych metod przetwarzania wstępnego sygnałów na skuteczność modeli sztucznej inteligencji. Zaproponowano metodę ekstrakcji cech statystycznych z sygnałów emisji akustycznej pozwalających na klasyfikację form wyładowań.

EN

The assessment of the intensity and forms of partial discharges allows for the determination of the insulation condition of electrical power devices. The article presents the possibilities of partial discharge form prediction of selected machine learning algorithms. The influence of various pre-processing methods on the effectiveness of artificial intelligence models is presented. A method of extracting statistical features from acoustic emission signals has been proposed, allowing for the prediction of discharge forms.

Słowa kluczowe

PL

wyładowanie niezupełne; uczenie maszynowe; metoda emisji akustycznej; dekompozycja falkowa

EN

partial discharge; machine learning; acoustic emission method; wavelet decomposition

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 10
• Strony: 193--196
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Cichoń Andrzej

• Politechnika Opolska, Katedra Elektroenergetyki i Energii Odnawialnej, ul. Prószkowska 76, 45-758 Opole

• https://orcid.org/0000-0003-4281-0127

autor

Borucki Sebastian

• Politechnika Opolska, Katedra Elektroenergetyki i Energii Odnawialnej, ul. Prószkowska 76, 45-758 Opole

• https://orcid.org/0000-0003-0748-5488

autor

Włodarz Michał

• Politechnika Opolska, Katedra Elektroenergetyki i Energii Odnawialnej, ul. Prószkowska 76, 45-758 Opole

Bibliografia

• [1] Kraetge A., Hoek S., Koch M., Kołtunowicz W., Robust measurement, monitoring and analysis of partial discharges in transformers and other HV apparatus, IEEE Trans. Diel. El. Ins., 20 (2013), 2043–2051
• [2] Rubio-Serrano J., Rojas-Moreno M.V., Posada J., Martienez-Tarifa J.M., Robles G., Garcia-Souto J.A., Electro-acoustic detection, identification and location of PD sources in oil-paper insulation systems, IEEE Trans. on Diel. and El. Ins., 19 (2012), 1569–1578
• [3] Mirzaei H., Akbari A., Gockenbach E., Miralikhani K., Advancing new techniques for UHF PD detection and localization in the power transformers in the factory tests, IEEE Trans. Dielectr. Electr. Ins., 22, (2015), 448–455
• [4] Yaacob M.M., Alsaedi M.A., Rashed J.R., Dakhil A.M., AtyahS.F., Review on partial discharge detection techniques related to high voltage power equipment using different sensors, Photonic Sens., 4 (2014), 325–337
• [5] Boczar T., Cichoń A., Borucki S., Diagnostic expert system of transformer insulation systems using the acoustic emission method, IEEE Trans. on Diel. and El. Ins., 21, (2014), 854–865
• [6] Borucki S., Łuczak J., Lorenc M., The Application of Selected Hierarchical Clustering Methods for Classification the AcousticEmission Signals Generated by Partial Discharges. Arch. of Acoust., 46, (2021), 409–417
• [7] Breiman, L., Random forest, Mach. Learn, 45 (2001), 5–32
• [8] Aha D.W., Kibler D., Albert M.K., Instance-based learning algorithms, Mach Learn, 6 (1991), 37–66
• [9] Keerthi S.S., Shevade S.K., Bhattacharyya C., Murthy K.R.K., Improvements to Platt's SMO Algorithm for SVM Classifier Design, Neural Computation, 13, (2001), 637-649

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).