Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Energetyka

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Zastosowanie metod uczenia maszynowego do klasyfikacji wyładowań iskrowych rozwijających się wewnątrz napowietrznych układów izolacyjnych wysokich napięć

100%

Molas M. , Berkowski P.

Energetyka

2024

tom nr 10

409--414

W artykule omówiono możliwość zastosowania metod uczenia maszynowego do automatycznej klasyfikacji wyładowań iskrowych rozwijających się wewnątrz napowietrznych układów izolacyjnych wysokich napięć. Zwrócono uwagę na trudności w walidacji modeli symulacyjnych stosowanych do analizy wyładowań iskrowych oraz na konieczność opracowania narzędzi umożliwiających automatyczną analizę i klasyfikację danych, co można osiągnąć dzięki zastosowaniu metod uczenia maszynowego. W badaniach wykorzystano dane z pomiarów laboratoryjnych przeprowadzonych w Laboratorium Wysokich Napięć Instytutu Energetyki – Państwowego Instytutu Badawczego. Podczas eksperymentów generowano różne rodzaje wyładowań iskrowych i rejestrowano obrazy przedstawiające kształt kanału wyładowania. Przeanalizowano trzy typy danych wejściowych: fotografie wyładowań, obrazy przedstawiające wyodrębniony kanał wyładowania oraz trajektorie tego kanału. Na tej podstawie stworzono klasyfikatory oparte na algorytmach uczenia maszynowego, które pozwalają na automatyczną klasyfikację rodzaju udaru oraz jego biegunowości. Przeprowadzone badania potwierdziły, że metody uczenia maszynowego mogą być skutecznie wykorzystywane do automatycznej klasyfikacji wyładowań iskrowych, co może przyczynić się do rozwoju modeli symulacyjnych iskry długiej.

The article discusses the possibility of applying machine learning methods for the automatic classification of spark discharges occurring within high-voltage overhead insulation systems. It highlights the challenges in validating simulation models used to analyze spark discharges and emphasizes the need to develop tools that enable automatic data analysis and classification, which can be achieved through the application of machine learning methods. The study utilized data from laboratory measurements conducted at the High Voltage Laboratory of the Institute of Power Engineering - National Research Institute. During the experiments, various types of spark discharges were generated, and images depicting the shape of the discharge channel were recorded. Three types of input data were analyzed: photographs of discharges, images of the extracted discharge channel, and the trajectories of the discharge channel. Based on this data, machine learning-based classifiers were developed, allowing for the automatic classification of the type of impulse and its polarity. The conducted research confirmed that machine learning methods can be effectively used for the automatic classification of spark discharges, which may contribute to the development of long-spark simulation models.