Zastosowanie uczenia nadzorowanego do klasyfikacji defektów PPZ na podstawie sygnałów EA

• Autorzy: Wotzka D. , Cichoń A. , Manowski P.

Identyfikatory

DOI

10.21008/j.1897-0737.2018.93.0028

Warianty tytułu

EN

Application of supervised learning for classification of OLTC defects on the basis of AE signals

• Konferencja: Computer Applications in Electrical Engineering (23-24.04.2018 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Tematyka artykułu dotyczy rozpoznawania defektów podobciążeniowych przełączników zaczepów (PPZ) z wykorzystaniem uczenia nadzorowanego. PPZ to specjalistyczne urządzenie będące częścią transformatora elektroenergetycznego, które pozwala na skokową zmianę przekładni a tym samym napięcia na zaciskach tego transformatora. Jako metodę diagnostyczną zastosowano metodę emisji akustycznej (EA), której zaletą jest możliwość stosowania podczas normalnej pracy transformatora bez konieczności jego wyłączania. Sygnały EA pozyskane z badań laboratoryjnych, w których symulowano cztery rodzaje defektów - typowych uszkodzeń PPZ, poddano wstępnej analizie z wykorzystaniem filtrów cyfrowych i transformaty Hilberta, a następnie poddano procesowi klasyfikacji. W artykule zawarto przykładowe przebiegi czasowe sygnałów EA oraz wyniki wstępnych badań dotyczących klasyfikacji defektów PPZ z wykorzystaniem siedmiu metod wraz z oceną ich skuteczności.

EN

The subject of the article concerns recognition of defects of on load tap changers (OLTC) with the use of supervised learning. OLTC is a specialized device that is part of a power transformer, which allows for a step change of the gear and thus the voltage at the terminals of this transformer. The acoustic emission (AE) method was applied as diagnostic method. The advantage of this method lies in the possibility of its application during normal operation of the device without having to turn it off. EA signals were obtained from laboratory tests in which four types of defects - typical OLTC damages, were simulated. The gathered signals were pre-analyzed using digital filters and Hilbert transforms, and then subjected to the classification process. The article contains examples of EA signal waveforms and the results of preliminary research on the classification of OLTC defects with the use of seven methods together with an assessment of their effectiveness.

Słowa kluczowe

PL

analiza sygnałów EA; podobciążeniowe przełączniki zaczepów; PPZ; klasyfikacja uszkodzeń PPZ; uczenie nadzorowane

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2018
• Tom: No. 93
• Strony: 335--344
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Wotzka D.

• Politechnika Opolska

autor

Cichoń A.

• Politechnika Opolska

autor

Manowski P.

• PROMAN Sp. z o.o.

Bibliografia

• [1] Erbrink J., Gulski E., Seitz P. P., Leich R., Advanced on-site diagnosis of transformer on-load tap changer, Conference Record of the 2008 IEEE International Symposium on Electrical Insulation, 2008, pp. 252-256.
• [2] Erbrink J. J., Gulski E., Smit J. J., Seitz P. P., Leich R., Experimental model of aging mechanisms of on-load tap changer contacts, International Conference on Condition Monitoring and Diagnosis, Beijing, 2008, pp. 247-250.
• [3] Cichoń A., Borucki S., Boczar T., diagnosis of the non-concurrent operation of the on-load tap changer contacts by the acoustic emission method, Archives of Acoustics, Volume 36, Number 4, ISSN 0137-5075, 2011.
• [4] Cichoń A., Boczar T., Frącz P., Zmarzły D., Detection of defects in on-load tapchangers using acoustic emission method, Conference Record of the 2012 IEEE International Symposium on Electrical Insulation (ISEI), 2012.
• [5] Cichoń A., Borucki S., Diagnostics of technical condition on load tap changers by acoustic emission method using different types of measuring transducers, International Conference on High Voltage Engineering and Application (ICHVE), 2012.
• [6] Cichoń A., Berger P. Borucki S., Analiza porównawcza wyników badań w zakresie oceny stopnia zużycia styków PPZ metodą akustyczną i oscylograficzną, Pomiary Automatyka Kontrola, nr 02, 2013, s. 152-155.
• [7] Majchrzak H., Cichoń A., Borucki S., Application of the acoustic emission method for diagnosis of on-load tap changer, Archives of Acoustics, Volume 42, Number 1, ISSN 2300-262X, 2017.
• [8] Shanker T. B., Nagamani H. N., Punekar G. S., Acoustic emission signal analysis of On-Load Tap Changer (OLTC), IEEE 1st International Conference on Condition Assessment Techniques in Electrical Systems (CATCON), 2013.
• [9] Filho E. F. S., de Almeida F. A. L., Self-organized classification of on-load tap changers acoustic signatures, Conference Proceedings: IEEE Instrumentation and Measurement Technology (IMTC), 2008.
• [10] Wang H., Liu Y., Griffin P., Artificial intelligence in OLTC fault diagnosis using dissolved gas-in-oil information, IEEE Power Engineering Society Summer Meeting, Volume. 4, 2000.
• [11] Ritschel F., Sause M. G. R., Brunner A. J. Niemz P., Acoustic emission (AE) Signal classification from tensile tests on plywood and layered wood, 31st Conference of the European Working Group on Acoustic Emission (EWGAE), 2014.
• [12] Rippengill S., Worden K., Holford K.M., Pullin R., automatic classification of acoustic emission patterns strain, Volume 39, Number 1, 2003.
• [13] Ding P., Li Q., Huang X., Classification of acoustic emission sources produced by carbon/epoxy composite based on support vector machine, IOP Conference Series: Materials Science and Engineering, Global Conference on Polymer and Composite Materials (PCM), Volume 87, 2015.
• [14] Ebenezer S. P., Papandreou-Suppappola A., Suppappola S. B., Classification of acoustic emissions using modified matching pursuit, EURASIP Journal on Advances in Signal Processing, ISSN: 1687-6180, 2004.
• [15] Pomponi E., Vinogradov A., Real-time acoustic emission classification: new evolutionary approach, 30th European Conference on Acoustic Emission Testing & 7th International Conference on Acoustic Emission, 2012.
• [16] Baccar D., Schiffer S., Soffker D., acoustic emission-based identification and classification of frictional wear of metallic surfaces, 7th European Workshop on Structural Health Monitoring (EWSHM), 2014.
• [17] Zhao J., Wang K., Guo Y., Acoustic emission signals classification based on suport vector machine, 2nd International Conference on Computer Engineering and Technology (ICCET), 2010.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).