- Tytuł:
-
Zastosowanie uczenia nadzorowanego do klasyfikacji defektów PPZ na podstawie sygnałów EA
Application of supervised learning for classification of OLTC defects on the basis of AE signals - Autorzy:
-
Wotzka, D.
Cichoń, A.
Manowski, P. - Powiązania:
- https://bibliotekanauki.pl/articles/376716.pdf
- Data publikacji:
- 2018
- Wydawca:
- Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
- Tematy:
-
analiza sygnałów EA
podobciążeniowe przełączniki zaczepów
PPZ
klasyfikacja uszkodzeń PPZ
uczenie nadzorowane - Opis:
-
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.
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. - Źródło:
-
Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 93; 335-344
1897-0737 - Pojawia się w:
- Poznan University of Technology Academic Journals. Electrical Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł