論文の概要: The State of the Art in transformer fault diagnosis with artificial
intelligence and Dissolved Gas Analysis: A Review of the Literature
- arxiv url: http://arxiv.org/abs/2304.11880v1
- Date: Mon, 24 Apr 2023 07:50:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 15:49:58.924511
- Title: The State of the Art in transformer fault diagnosis with artificial
intelligence and Dissolved Gas Analysis: A Review of the Literature
- Title(参考訳): 人工知能と溶存ガス分析による変圧器故障診断技術の現状:文献のレビュー
- Authors: Yuyan Li
- Abstract要約: 変圧器故障診断(TFD)は、電力系統の保守と管理において重要な側面である。
本稿では,人工知能(AI)と溶存ガス分析(DGA)を用いたTFDにおける技術の現状を概観する。
- 参考スコア(独自算出の注目度): 1.0152838128195467
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Transformer fault diagnosis (TFD) is a critical aspect of power system
maintenance and management. This review paper provides a comprehensive overview
of the current state of the art in TFD using artificial intelligence (AI) and
dissolved gas analysis (DGA). The paper presents an analysis of recent
advancements in this field, including the use of deep learning algorithms and
advanced data analytics techniques, and their potential impact on TFD and the
power industry as a whole. The review also highlights the benefits and
limitations of different approaches to transformer fault diagnosis, including
rule-based systems, expert systems, neural networks, and machine learning
algorithms. Overall, this review aims to provide valuable insights into the
importance of TFD and the role of AI in ensuring the reliable operation of
power systems.
- Abstract(参考訳): 変圧器故障診断(TFD)は電力系統の保守管理において重要な側面である。
本稿では,人工知能(AI)と溶存ガス分析(DGA)を用いたTFDにおける技術の現状を概観する。
本稿では、ディープラーニングアルゴリズムと高度なデータ分析技術の利用、そしてTFDと電力産業全体に対する潜在的な影響など、この分野における最近の進歩について分析する。
レビューではまた、ルールベースのシステム、エキスパートシステム、ニューラルネットワーク、マシンラーニングアルゴリズムなど、さまざまなアプローチによる障害診断のメリットと制限を強調している。
本総説は,電力系統の信頼性確保におけるTFDの重要性とAIの役割に関する貴重な知見を提供することを目的としている。
関連論文リスト
- Power Transformer Fault Prediction Based on Knowledge Graphs [9.690455133923667]
広範なフォールトデータの不足により、機械学習技術を効果的に適用することは困難である。
我々は,知識グラフ(KG)技術と勾配向上決定木(GBDT)を併用した新しい手法を提案する。
本手法は, 変圧器の故障や過去の運用データに影響を及ぼす様々な要因を統合することで, 少数の高次元データから効率的に学習できるように設計されている。
論文 参考訳(メタデータ) (2024-02-11T19:14:28Z) - Integrating LLMs for Explainable Fault Diagnosis in Complex Systems [0.0]
本稿では,原子力プラントなどの複雑なシステムにおける故障診断の説明可能性を高めるための統合システムを提案する。
物理に基づく診断ツールとLarge Language Modelを組み合わせることで、障害を識別するだけでなく、その原因と意味を明確かつ理解可能な説明を提供する新しいソリューションを提供する。
論文 参考訳(メタデータ) (2024-02-08T22:11:21Z) - Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。
このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。
本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文 参考訳(メタデータ) (2024-02-07T21:58:40Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳(メタデータ) (2023-12-22T15:04:20Z) - An Ontology for Defect Detection in Metal Additive Manufacturing [3.997680012976965]
産業用 4.0 アプリケーションのキーは、データ統合とセマンティック相互運用性の問題に対処できる制御システムを開発することである。
金属添加物製造文献から知られているプロセス誘起欠陥の分類について述べる。
我々の知識基盤は、さらなる欠陥分析用語を付加することにより、付加的な製造能力を向上させることを目的としている。
論文 参考訳(メタデータ) (2022-09-29T13:35:25Z) - 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) - On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。
モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。
提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文 参考訳(メタデータ) (2021-10-17T13:42:37Z) - Stability Analysis of Unfolded WMMSE for Power Allocation [80.71751088398209]
電力割り当ては、無線ネットワークにおける基本的な問題の1つである。
これらのアルゴリズムの出力電力配分は入力摂動に関して安定であることが不可欠である。
本稿では,グラフニューラルネットワークを利用した最新のアルゴリズムであるUWMMSEに着目した。
論文 参考訳(メタデータ) (2021-10-14T15:44:19Z) - Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。
制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。
我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
論文 参考訳(メタデータ) (2021-08-12T00:30:39Z) - Artificial Intelligence based Anomaly Detection of Energy Consumption in
Buildings: A Review, Current Trends and New Perspectives [2.1874189959020423]
本稿では,人工知能を用いたエネルギー消費構築のための,既存の異常検出フレームワークの詳細なレビューを行う。
著者の知識を最大限に活用するために、エネルギー消費の構築における異常検出について論じる最初のレビュー記事である。
論文 参考訳(メタデータ) (2020-10-09T13:28:34Z) - Review of data analysis in vision inspection of power lines with an
in-depth discussion of deep learning technology [16.224505272448802]
無人航空機の普及により、大量の電力線検査データを収集することができる。
大規模な検査データ、特に可視画像を用いて、電力伝送の信頼性、安全性、持続可能性を維持することは、迫力のある問題である。
本稿では,現在の文献を概観し,今後の研究課題を明らかにする。
論文 参考訳(メタデータ) (2020-03-22T04:09:59Z)
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。