Partial Discharge Pattern Recognition of Medium-Voltage Switchgear Based on Association Rules Mining

• Autorzy: Hao Y. , Huang C. , Zheng W.

Warianty tytułu

PL

Wykrywanie schematu wyładowań niezupełnych w rozdzielni średniego napięcia w oparciu o wydobycie powiązanych reguł

• Języki publikacji: EN

Abstrakty

EN

In the paper, a new partial discharge pattern recognition approach based on association rules mining is developed. Some statistical parameters are extracted from the sampled transient earth voltage data and classic Apriori algorithm is employed to mine the association rules between those parameters and the corresponding fault types. Moreover, using other experimental data obtained in the laboratory, the method is validated and made comparison with two conventional methods.

PL

W artykule opisano metodę wykrywania wyładowań niezupełnych, poprzez wyznaczenie reguł powiązanych z wystąpieniem tych wyładowań i ich wyszukiwanie. Dzięki analizie statystycznej danych dotyczących stanów nieustalonych napięcia oraz zastosowaniu algorytmu apriori, określono zasady powiązane z wystąpieniem zjawisk. Skuteczność działania rozwiązania została potwierdzona wynikami badań eksperymentalnych, które następnie porównano z dwoma konwencjonalnymi metodami.

Słowa kluczowe

EN

partial discharge; pattern recognition; association rules; transient voltage distributions

PL

wyładowanie niezupełne; napięcie prądu; rozdzielnia średniego napięcia

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 4
• Strony: 176--179
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Hao Y.

• Shanghai Jiaotong University

autor

Huang C.

• Shanghai Jiaotong University

autor

Zheng W.

• Shanghai Jiaotong University

Bibliografia

• [1] Y.Ming, The application of temporary earth voltage (TEV) measurement in the online monitoring of the partial discharge of HV switch cabinet, 2010 China International Conference on Electricity Distribution(CICED), 2010, 1-6.
• [2] F.H.Kreuger, E.Gulski, Classsification of partial discharge, IEEE Transactions on Electrical Insulation, 28(1993), Issue 6, 917-931.
• [3] K.Tan, F.Li, Some types of artifical neural network used for recognition of partial discharge (in Chinese), High Voltage Engineering, (1996), Issue 4, 3-7.
• [4] T.K.Abdel, R.M.Sharkawy, Partial discharge pulse pattern recognition using an inductive inference algorithm, IEEE Transactions on Dielectrics and Electrical Insulation, 12(2005), Issue 2, 320-327.
• [5] T.K.Abdel, R.M.Sharkawy, Partial discharge pattern classification using fuzzy decision tree approach, IEEE Transaction on Instrumentation and Measurement, 54(2005), Issue 6, 2258-2263.
• [6] R.Agrawal, Mining association rules between sets of items in large database, Proceedings of the 1993 ACM SIGMOD international conference on Management of data, Washington D.C, United States, 1993, 207-216.
• [7] IEEE Standard for High-voltage Switchgear (Above 1000V) Test Techniques-Partial Discharge Management, IEEE STD C37.301-2009, 1-63.
• [8] P.Brown, Nonintrusive partial discharge measurements on high voltage switchgear, IEEE Colloquium on Monitors and Condition Assessment Equipment (Digest No.1996/186), 1996, 10/1-10/5.
• [9] J.Han, J.Pei, Mining frequent patterns without candidate generation, Proceedings of the 2000 ACM SIGMOD international conference on Management of data, 29(2000), Issue 2, 1-12.
• [10] J.C.Bezdek, R.Ehrlich, FCM: The fuzzy c-means clustering algorithm, Computers& Geosciences, 10(1984), Issue 2-3,191-203.
• [11] Z.Yang, W.H.Tang, Association rule mining based dissolved gas analysis for fault diagnosis of power transformers, IEEE Transactions on Systems, Man and Cybernetics, Part C: Application and Reviews, 39(2009), Issue 6, 597-610.
• [12] A.Zoubir, B.Boashash, The bootstrap and its application in signal processing, IEEE Signal Process.Mag., 15(1998), No.1, 56-77.