論文の概要: Radial Deformation Emplacement in Power Transformers Using Long Short-Term Memory Networks

• arxiv url: http://arxiv.org/abs/2012.06982v1
• Date: Sun, 13 Dec 2020 06:55:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 12:37:51.982398
• Title: Radial Deformation Emplacement in Power Transformers Using Long Short-Term Memory Networks
• Title（参考訳）: 長期記憶ネットワークを用いた変圧器の放射状変形配置
• Authors: Arash Moradzadeh, Kazem Pourhossein, Behnam Mohammadi-Ivatloo, Tohid Khalili, Ali Bidram
• Abstract要約: ラジアル変形(RD)は、短絡欠陥と絶縁損傷を通じて電力変換器の動作に影響を与える機械的応力の例である。 周波数応答解析(FRA)は、変圧器の機械的欠陥を診断するためのよく知られた方法です。 本稿では,長い短期記憶(LSTM)と呼ばれる深層学習アルゴリズムを用いて,早期にRD故障を検出する特徴抽出手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A power transformer winding is usually subject to mechanical stress and tension because of improper transportation or operation. Radial deformation (RD) is an example of mechanical stress that can impact power transformer operation through short circuit faults and insulation damages. Frequency response analysis (FRA) is a well-known method to diagnose mechanical defects in transformers. Despite the precision of FRA, the interpretation of the calculated frequency response curves is not straightforward and requires complex calculations. In this paper, a deep learning algorithm called long short-term memory (LSTM) is used as a feature extraction technique to locate RD faults in their early stages. The experimental results verify the effectiveness of the proposed method in the diagnosis and locating of RD defects.
• Abstract（参考訳）: 変圧器の巻線は通常、不適切な輸送や運転のために機械的応力と張力を受ける。 ラジアル変形(RD)は、短絡欠陥と絶縁損傷を通じて電力変換器の動作に影響を与える機械的応力の例である。 周波数応答解析(FRA)は、変圧器の機械的欠陥を診断する方法としてよく知られている。 FRAの精度にもかかわらず、計算された周波数応答曲線の解釈は単純ではなく、複雑な計算を必要とする。 本稿では,長い短期記憶(LSTM)と呼ばれる深層学習アルゴリズムを用いて,早期にRD故障を検出する特徴抽出手法を提案する。 実験の結果,RD欠陥の診断と位置決定における提案手法の有効性が検証された。

関連論文リスト

• Learning Linear Attention in Polynomial Time [115.68795790532289]
  線形注意を持つ単層変圧器の学習性に関する最初の結果を提供する。 線形アテンションは RKHS で適切に定義された線形予測器とみなすことができる。 我々は,すべての経験的リスクが線形変換器と同等のトレーニングデータセットを効率的に識別する方法を示す。
  論文  参考訳（メタデータ） (2024-10-14T02:41:01Z)
• Rethinking Transformers in Solving POMDPs [47.14499685668683]
  本稿では、部分的に観測可能なマルコフ決定プロセス(POMDP)における一般的なアーキテクチャ、すなわちトランスフォーマーの有効性を精査する。 Transformersがモデル化に苦労する正規言語は、POMDPに再現可能である。 このことはトランスフォーマーがPOMDP固有の帰納バイアスを学習する上で大きな課題となる。
  論文  参考訳（メタデータ） (2024-05-27T17:02:35Z)
• Variability-Aware Approximate Circuit Synthesis via Genetic Optimization [13.42152378784862]
  CMOSデバイスがナノメートルスケールで直面する大きな障壁の1つは、製造不完全性によるパラメータ変動の増加である。 それまでの取り組みでは、動作周波数上の悲観的かつ性能劣化のタイミングガードバンドを強制していた。 可変性を考慮した近似回路を生成するための回路に依存しない自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-23T18:29:26Z)
• Calibrating Wireless Ray Tracing for Digital Twinning using Local Phase Error Estimates [40.04476706955071]
  レイトレーシング(RT)は、次世代無線システムの無線アクセスネットワーク(RAN)セグメントのDTを可能にする技術として広く見なされている。 RTヒンジの有効性は、RTが想定する電磁特性の実際のチャネル条件への適応に影響を及ぼす。 本稿では,チャネル応答における位相誤差を推定・補償する新しいチャネル応答に基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-12-19T22:01:59Z)
• Efficient Mixed-Type Wafer Defect Pattern Recognition Using Compact Deformable Convolutional Transformers [0.0]
  混合型DPRは, 空間的特徴の変化, 欠陥の不確かさ, 存在する欠陥の数により, 単型DPRよりも複雑である。 本稿では, 欠陥数と欠陥の種類を正確に予測する, コンパクトな変形可能な畳み込み変圧器(DC Transformer)を提案する。 実験結果から,DCトランスフォーマーは単型と混合型の両方の欠陥を認識するのに極めて優れた性能を示した。
  論文  参考訳（メタデータ） (2023-03-24T06:24:07Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• XAI for Transformers: Better Explanations through Conservative Propagation [60.67748036747221]
  変換器の勾配は局所的にのみ関数を反映しており、入力特徴の予測への寄与を確実に識別できないことを示す。 我々の提案は、よく確立されたLPP法のトランスフォーマーへの適切な拡張と見なすことができる。
  論文  参考訳（メタデータ） (2022-02-15T10:47:11Z)
• A novel Time-frequency Transformer and its Application in Fault Diagnosis of Rolling Bearings [0.24214594180459362]
  シーケンス処理における標準変換器の膨大な成功に触発された新しい時間周波数変換器(TFT)モデルを提案する。 本稿では,TFTに基づく新しいエンドツーエンドの故障診断フレームワークについて述べる。
  論文  参考訳（メタデータ） (2021-04-19T06:53:31Z)
• Intelligent Protection & Classification of Transients in Two-Core Symmetric Phase Angle Regulating Transformers [0.0]
  内部断層は99.9%のバランス精度で検出され、故障ユニットは98.7%のバランス精度でローカライズされ、非デフォルトのトランジェントは99.5%のバランス精度で分類される。 提案手法は、既存のマイクロプロセッサベースのディファレンシャルリレーの動作を監視でき、安定性と信頼性が向上する。
  論文  参考訳（メタデータ） (2020-06-17T13:42:58Z)

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。