論文の概要: Machine Learning Methods for Anomaly Detection in Nuclear Power Plant Power Transformers

• arxiv url: http://arxiv.org/abs/2211.11013v1
• Date: Sun, 20 Nov 2022 16:20:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 23:30:32.669887
• Title: Machine Learning Methods for Anomaly Detection in Nuclear Power Plant Power Transformers
• Title（参考訳）: 原子力発電所変圧器の異常検出のための機械学習手法
• Authors: Iurii Katser, Dmitriy Raspopov, Vyacheslav Kozitsin, Maxim Mezhov
• Abstract要約: 原子力発電所は多くの変圧器を運用しており、寿命は25年を超えている。 電力変換器を監視する重要な方法は、溶解ガスのクロマトグラフィー解析である。 本研究では,機械学習およびデータ解析手法を用いて,変圧器の欠陥や欠陥を自動的に検出するアルゴリズムの開発段階について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Power transformers are an important component of a nuclear power plant (NPP). Currently, the NPP operates a lot of power transformers with extended service life, which exceeds the designated 25 years. Due to the extension of the service life, the task of monitoring the technical condition of power transformers becomes urgent. An important method for monitoring power transformers is Chromatographic Analysis of Dissolved Gas. It is based on the principle of controlling the concentration of gases dissolved in transformer oil. The appearance of almost any type of defect in equipment is accompanied by the formation of gases that dissolve in oil, and specific types of defects generate their gases in different quantities. At present, at NPPs, the monitoring systems for transformer equipment use predefined control limits for the concentration of dissolved gases in the oil. This study describes the stages of developing an algorithm to detect defects and faults in transformers automatically using machine learning and data analysis methods. Among machine learning models, we trained Logistic Regression, Decision Trees, Random Forest, Gradient Boosting, Neural Networks. The best of them were then combined into an ensemble (StackingClassifier) showing F1-score of 0.974 on a test sample. To develop mathematical models, we used data on the state of transformers, containing time series with values of gas concentrations (H2, CO, C2H4, C2H2). The datasets were labeled and contained four operating modes: normal mode, partial discharge, low energy discharge, low-temperature overheating.
• Abstract（参考訳）: 電力変換器は原子力発電所(NPP)の重要な構成要素である。 現在、NPPは多くの変圧器を運用しており、寿命は25年を超えている。 寿命の延長により、変圧器の技術的状態を監視する作業が急務となる。 電力変換器を監視する重要な方法は、溶解ガスのクロマトグラフィー解析である。 これは変圧器油に溶解したガスの濃度を制御する原理に基づいている。 装置のほとんどあらゆる種類の欠陥の出現は、石油に溶解するガスの形成に伴うものであり、特定の種類の欠陥はガスを異なる量で生成する。 現在、NPPでは、変圧器機器の監視システムは、オイル中の溶存ガス濃度に対する予め定義された制御限界を使用している。 本研究では,機械学習とデータ解析手法を用いて変圧器の欠陥や欠陥を自動的に検出するアルゴリズムの開発段階について述べる。 機械学習モデルの中で、ロジスティック回帰、決定木、ランダムフォレスト、勾配ブースティング、ニューラルネットワークをトレーニングした。 それらのベストは、テストサンプルにF1スコア0.974を示すアンサンブル(StackingClassifier)にまとめられた。 数値モデルを構築するために, ガス濃度 (H2, CO, C2H4, C2H2) の値を持つ時系列を含む変圧器の状態のデータを用いた。 データセットはラベル付けされ、通常モード、部分放電、低エネルギー放電、低温オーバーヒートの4つの動作モードを含む。

関連論文リスト

• One-Layer Transformer Provably Learns One-Nearest Neighbor In Context [48.4979348643494]
  本研究では、1層変圧器が1層近傍の規則を学習する能力について検討する。 単一のソフトマックスアテンション層は、ワンアレスト隣人のように振る舞うことをうまく学ぶことができる。
  論文  参考訳（メタデータ） (2024-11-16T16:12:42Z)
• Graph Transformers Dream of Electric Flow [72.06286909236827]
  グラフデータに適用された線形変換器は、正準問題を解くアルゴリズムを実装可能であることを示す。 そこで我々は,これらのグラフアルゴリズムをそれぞれ実装するための明示的な重み設定を提案し,基礎となるアルゴリズムの誤差によって構築したトランスフォーマーの誤差を限定する。
  論文  参考訳（メタデータ） (2024-10-22T05:11:45Z)
• Detecting broken Absorber Tubes in CSP plants using intelligent sampling and dual loss [0.0]
  集中型太陽光発電(CSP)は化石燃料から再生可能エネルギーへの転換を導く技術である。 現在、パラボリック・トラフ・コレクター・システムによるCSPプラントの自動故障検出は、2つの主な欠点を証明している。 我々は、抽出されたデータと無人航空機の使用、および7つの実工場に設置されたセンサーによって提供されるデータを組み合わせることで、両方のギャップに対処する。
  論文  参考訳（メタデータ） (2022-11-25T12:53:52Z)
• Condition Monitoring of Transformer Bushings Using Computational Intelligence [0.0]
  溶存ガス・イン・オイル分析(DGA)は、大型変圧器のブッシング状態を監視するために用いられる。 本研究は, DGA中のガスが相互に関連し, 意思決定に重要であるガスについて検討する。
  論文  参考訳（メタデータ） (2022-04-20T10:24:30Z)
• Transformers in Time Series: A Survey [66.50847574634726]
  時系列モデリングのためのTransformerスキームを,その強みと限界を強調して体系的にレビューする。 ネットワーク構造の観点から、トランスフォーマーに施された適応と修正を要約する。 応用の観点からは,予測,異常検出,分類などの共通タスクに基づいて時系列変換器を分類する。
  論文  参考訳（メタデータ） (2022-02-15T01:43:27Z)
• Power transformer faults diagnosis using undestructive methods (Roger and IEC) and artificial neural network for dissolved gas analysis applied on the functional transformer in the Algerian north-eastern: a comparative study [0.0]
  Key Gases, Rogers Ratios, IEC Ratios, Duval Triangles, Logarithmic Nomograph for DGA results。 ニューラルネットワークを用いた電力変換器診断のための非エレガントなツールの設計。
  論文  参考訳（メタデータ） (2021-08-02T13:09:53Z)
• Scalable Transformers for Neural Machine Translation [86.4530299266897]
  トランスフォーマーは、そのキャパシティとシーケンス生成の並列トレーニングのため、ニューラルネットワーク翻訳(NMT)で広く採用されている。 本稿では,異なるスケールのサブトランスフォーマーを自然に含み,パラメータを共有できる,スケーラブルなトランスフォーマーを提案する。 スケーラブルトランスフォーマーのトレーニングの難しさに対処する3段階のトレーニングスキームが提案されている。
  論文  参考訳（メタデータ） (2021-06-04T04:04:10Z)
• Gaze Estimation using Transformer [14.26674946195107]
  我々は、純粋変換器とハイブリッド変換器の2種類の視覚変換器について考察する。 私たちはまず、人気の高いViTに従い、画像から視線を推定するために純粋なトランスフォーマーを使用します。 一方、我々は畳み込み層を保存し、CNNとトランスフォーマーを統合する。
  論文  参考訳（メタデータ） (2021-05-30T04:06:29Z)
• Efficient pre-training objectives for Transformers [84.64393460397471]
  本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。 マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
  論文  参考訳（メタデータ） (2021-04-20T00:09:37Z)
• Environmental Pollution Prediction of NOx by Process Analysis and Predictive Modelling in Natural Gas Turbine Power Plants [0.0]
  本研究では,NOx排出予測のための機械学習モデルを構築するために,環境気象条件,電気出力,タービン性能要因を組み込んだ。 このモデルは、有害な排出の削減と全体の運用効率の向上のために、運用プロセスの最適化に使用することができる。
  論文  参考訳（メタデータ） (2020-11-05T18:01:58Z)
• On Layer Normalization in the Transformer Architecture [112.40350994368741]
  まず,学習速度のウォームアップが重要である理由を理論的に検討し,レイヤー正規化の位置が重要であることを示す。 ウォームアップステージのないPre-LNトランスフォーマーはベースラインと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-12T00:33:03Z)

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。