論文の概要: Fault Detection for Covered Conductors With High-Frequency Voltage
Signals: From Local Patterns to Global Features
- arxiv url: http://arxiv.org/abs/2011.02336v1
- Date: Sun, 1 Nov 2020 02:58:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 00:03:24.765199
- Title: Fault Detection for Covered Conductors With High-Frequency Voltage
Signals: From Local Patterns to Global Features
- Title(参考訳): 高周波電圧信号を有する被覆導体の故障検出:局所パターンから大域的特徴へ
- Authors: Kunjin Chen, Tom\'a\v{s} Vantuch, Yu Zhang, Jun Hu, Jinliang He
- Abstract要約: 本稿では,クラスタリング手法に基づくパルス形状解析手法を提案する。
我々は、洞察に富んだ特徴を構築し、優れた検出性能を持つ新しい機械学習モデルを開発する。
提案したモデルは,カグル競技における勝利モデルよりも優れ,現場におけるリアルタイムな乱れを検出する最先端のソリューションを提供する。
- 参考スコア(独自算出の注目度): 5.453001435164266
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The detection and characterization of partial discharge (PD) are crucial for
the insulation diagnosis of overhead lines with covered conductors. With the
release of a large dataset containing thousands of naturally obtained
high-frequency voltage signals, data-driven analysis of fault-related PD
patterns on an unprecedented scale becomes viable. The high diversity of PD
patterns and background noise interferences motivates us to design an
innovative pulse shape characterization method based on clustering techniques,
which can dynamically identify a set of representative PD-related pulses.
Capitalizing on those pulses as referential patterns, we construct insightful
features and develop a novel machine learning model with a superior detection
performance for early-stage covered conductor faults. The presented model
outperforms the winning model in a Kaggle competition and provides the
state-of-the-art solution to detect real-time disturbances in the field.
- Abstract(参考訳): 部分放電 (PD) の検出とキャラクタリゼーションは, 被覆導体を用いた架空線の絶縁診断に不可欠である。
自然に得られた何千もの高周波電圧信号を含む大規模データセットのリリースにより、前例のない規模の障害関連pdパターンのデータ駆動分析が実現可能になる。
pdパターンの多様さと背景雑音の干渉は,代表的なpd関連パルス群を動的に識別できるクラスタリング技術に基づく革新的なパルス形状特徴付け手法の設計を動機付ける。
これらのパルスを基準パターンとして、洞察力のある特徴を構築し、初期被覆導体断層に対する検出性能に優れた新しい機械学習モデルを開発する。
提案モデルは,カグル競技における勝利モデルよりも優れ,現場におけるリアルタイムな乱れを検出する最先端のソリューションを提供する。
関連論文リスト
- The Risk of Federated Learning to Skew Fine-Tuning Features and
Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。
3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。
提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文 参考訳(メタデータ) (2024-01-25T09:18:51Z) - Cross-modal Prompts: Adapting Large Pre-trained Models for Audio-Visual
Downstream Tasks [55.36987468073152]
本稿では,DG-SCT(Dual-Guided Space-Channel-Temporal)アテンション機構を提案する。
DG-SCTモジュールはトレーニング可能なクロスモーダル・インタラクション・レイヤを事前トレーニングされたオーディオ・ビジュアル・エンコーダに組み込む。
提案手法は, AVE, AVVP, AVS, AVQA, AVQAを含む複数のダウンストリームタスクにまたがる最先端の処理結果を実現する。
論文 参考訳(メタデータ) (2023-11-09T05:24:20Z) - Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。
具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。
アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文 参考訳(メタデータ) (2023-08-06T05:58:45Z) - Generalizable Classification of UHF Partial Discharge Signals in
Gas-Insulated HVDC Systems Using Neural Networks [0.0]
非検出部分放電(PDs)は、高圧(HV)ガス絶縁系の安全上の重要な問題である。
本稿では,HVDC GISの絶縁体上での金属突起および導電性粒子によるPD信号の分類のためのニューラルネットワークに基づくアプローチを提案し,解析する。
論文 参考訳(メタデータ) (2023-07-17T13:21:02Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳(メタデータ) (2023-06-13T12:43:59Z) - Learning Graph Patterns of Reflection Coefficient for Non-destructive
Diagnosis of Cu Interconnects [1.4502611532302039]
本稿では,Cu配線欠陥の非破壊検出と診断のための新しい手法を提案する。
本手法は,係数のグラフパターンを活用することにより,相互接続欠陥の根本原因と重大性の両方を一意に解析する。
我々は,グラフパターンが故障診断能力を有し,学習アルゴリズムの効果的な入力データとして機能することが実験的に実証された。
論文 参考訳(メタデータ) (2023-04-20T10:51:21Z) - One-Step Detection Paradigm for Hyperspectral Anomaly Detection via
Spectral Deviation Relationship Learning [17.590080772567678]
ハイパースペクトル異常検出は、周囲からスペクトルを逸脱するターゲットを特定することを含む。
現在のディープ検出モデルは、バックグラウンド再構築や生成などのプロキシタスクの完了に最適化されている。
本稿では,異常検出タスクに対して直接最適化された教師なし転送直接検出モデルを提案する。
論文 参考訳(メタデータ) (2023-03-22T06:41:09Z) - Identification of Power System Oscillation Modes using Blind Source
Separation based on Copula Statistic [1.8741805956888702]
再生可能エネルギー資源が大量に浸透する電力システムのダイナミクスは、より非線形になってきている。
適切な予防的または矯正的制御行動を開始するために障害を受けるとき、振動の動的モードを正確に識別することが重要である。
モーダル解析においてこれらの非線形力学に対処するために,コプラ統計に基づく高次ブラインドソース同定(HOBI)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-07T17:38:05Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳(メタデータ) (2023-01-19T21:39:38Z) - Power Quality Event Recognition and Classification Using an Online
Sequential Extreme Learning Machine Network based on Wavelets [0.0]
本研究では,過渡条件下での電力品質問題を検出するために,ウェーブレットに基づくオンラインシーケンス・エクストリーム・ラーニング・マシン(OS-ELM)分類器の試作と試験を行った。
様々なタイプのパワー障害を検出し、分類する能力を示すために、いくつかの一時的なイベントが使用された。
論文 参考訳(メタデータ) (2022-12-27T06:33:46Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳(メタデータ) (2022-06-29T23:22:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。