Dobór algorytmu uczenia sieci neuronowej do rozpoznawania jednoźródłowych form wyładowań niezupełnych rejestrowanych metodą emisji akustycznej

• Autorzy: Borucki S. , Cichoń A.

Warianty tytułu

EN

The selection of the neural network teaching algorithm for the recognition of single-source partial discharge forms registered by the acoustic emission method

• Języki publikacji: PL

Abstrakty

PL

Genezę podjętych w artykule prac stanowi problem efektywnego i skutecznego rozpoznawania jednoźródłowych form wyładowań niezupełnych (WNZ), które mogą występować w układach izolacyjnych transformatorów elektroenergetycznych. W pracy przedstawiono możliwość wykorzystania jednokierunkowych sieci neuronowych (SNN) do identyfikacji zamodelowanych form WNZ, na podstawie zarejestrowanych sygnałów emisji akustycznej (EA). W oparciu o przeprowadzone symulacje komputerowe dokonano doboru algorytmu uczącego zastosowanego klasyfikatora neuronowego.

EN

The genesis of the research work presented in this paper is the issue of the effective and efficient recognition of single-source partial discharge (PD) forms that occur in paper-oil insulation systems of power transformers. The paper presents research results referring to the application possibilities of single-direction neural networks (SNN) for identification of basic PD forms modeled in laboratory conditions. The experiment results of the computer simulations carried out made a proper selection of the teaching algorithm used in the examinations of the neural classifier possible.

Słowa kluczowe

PL

wyładowanie niezupełne; emisja akustyczna; izolacja papierowo-olejowa

EN

partial discharge; acoustic emission; neuron network; paper-oil insulation

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2008
• Tom: R. 84, nr 3
• Strony: 16--19
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Borucki S.

autor

Cichoń A.

• Politechnika Opolska,

Bibliografia

• [1] Bish N.B., Howson P.A., Howlett R.J., Condition Monitoring of Dielectric Behaviour Lading to the Diagnosis of Partial Discharge Onset Using Neural Network Analysis, 34th Universities Power Engineering Conference UPEC’99, 14 – 16 September 1999.
• [2] Boczar T., Obiektywizacja wyników akustycznej metody oceny wyładowań niezupełnych przy zastosowaniu do opisu sygnałów analizy statystycznej i cyfrowych metod przetwarzania, Of. Wyd. Politechniki Opolskiej, 2003.
• [3] Boczar T., Borucki S., Cichoń A., Lorenc M. : „Rozpoznawanie wyładowań elektrycznych rejestrowanych metodą emisji akustycznej przy wykorzystaniu sieci neuronowych”, Przegląd Elektrotechniczny”, EUI’2005, Problemy eksploatacji układów izolacyjnych wysokiego napięcia, Krynica, 27 – 30 września 2005, str. 30-33.
• [4] Candela R., Mirelli G, Schifani R.: „PD Recognition by Means of Statistical and Fractal Parameters and a Neural Network”, IEEE Transactions on Dielectrics and Electrican Insulation, Vol. 7, No. 1, February 2000, pp. 87 – 94.
• [5] Chin-Pao Hung, Mang-Hui Wang: „Diagnosis of Incipient Faults in Power Transformers Using CMAC Neural Network Approach”, Electric Power System Research, Vol. 71, 2004, pp. 235 – 244.
• [6] Duch W. Korbicz J. Rutkowski L. Tadeusiewicz R. Biocybernetyka i inżynieria biomedyczna, Tom 6 sieci neuronowe, Akademicka Of. Wyd. Exit, Warszawa, 2000.
• [7] Salama M.M., Determination of Neural-Network Topology for Partial Discharge Pulse Pattern Recognition, IEEE Transactions on Neural Networks, V. 12, No.2, 2002.
• [8] Skubis J., Aktualne kierunki prac nad akustyczną metodą oceny wyładowań elektrycznych’, Konf. N-T, Transformatory w eksploatacji, Sieniawa 2002, 9 – 14.
• [9] Yann-Chang Huang: „Evolving Neural Nets for Fault Diagnosis of Power Transformer”, IEEE Transaction Power Delivery, Vol. 18, No. 3, 2003, pp. 843 – 848.