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/2304.11880v2
- Date: Thu, 1 Aug 2024 22:49:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 19:02:21.885621
- 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）: 人工知能とガス分析による変圧器断層診断技術の現状:文献的考察
- 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）: 1.450405446885067
- 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
- Deep Learning in Automated Power Line Inspection: A Review [11.274746931307385]
電力線メンテナンスはコンピュータビジョンを利用した自動検査への移行によってパラダイムシフトを経験している。
近年,電力線検査における深層学習技術の適用に注目が集まっている。
本稿では,電力線データ解析のためのディープラーニングシステムの改良を,研究者や産業が支援するための既存研究のレビューを行った。
論文 参考訳（メタデータ） (2025-02-10T18:13:45Z) - A Review of Intelligent Device Fault Diagnosis Technologies Based on Machine Vision [0.0]
本稿ではトランスフォーマーの構造,動作原理,メリット,特に自己注意機構と並列計算機能について詳述する。
ViT(Vision Transformer)やその拡張など、視覚タスクの精度と効率を改善するために自己認識を活用する重要なTransformerモデルの亜種を強調している。
これらの進歩にもかかわらず、広範なラベル付きデータセットへの依存、重要な計算要求、リソース制限されたデバイスにモデルをデプロイすることの難しさなど、課題は残る。
論文 参考訳（メタデータ） (2024-12-11T07:06:53Z) - Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。
再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。
本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
論文 参考訳（メタデータ） (2024-11-03T18:01:50Z) - Open Problems in Technical AI Governance [93.89102632003996]
テクニカルAIガバナンス(Technical AI Governance)は、AIの効果的なガバナンスを支援するための技術分析とツールである。
本論文は、AIガバナンスへの貢献を目指す技術研究者や研究資金提供者のためのリソースとして意図されている。
論文 参考訳（メタデータ） (2024-07-20T21:13:56Z) - Fault Diagnosis in Power Grids with Large Language Model [0.0]
本稿では,Large Language Models (LLMs) を利用して,故障診断精度と説明可能性を向上させる手法を提案する。
我々は、複雑なデータの解釈においてLLMを導くために、包括的でコンテキスト対応のプロンプトを設計した。
実験により,診断精度,説明可能性品質,応答コヒーレンス,文脈理解の大幅な改善が示された。
論文 参考訳（メタデータ） (2024-07-11T19:44:18Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - Transformers-based architectures for stroke segmentation: A review [0.6554326244334866]
ストロークは依然として重要な世界的な健康上の問題であり、タイムリーな介入と患者の成果を改善するために正確かつ効率的な診断ツールを必要とする。
当初自然言語処理用に設計されたトランスフォーマーは、医療画像解析を含む様々なコンピュータビジョンアプリケーションで顕著な能力を発揮している。
このレビューは,脳卒中セグメンテーションの文脈で適用された最先端のTransformerベースのアーキテクチャを詳細に調査することを目的としている。
論文 参考訳（メタデータ） (2024-03-27T14:42:08Z) - Machine Learning and Vision Transformers for Thyroid Carcinoma Diagnosis: A review [3.2071249735671348]
本稿では, 甲状腺癌診断におけるAIベースのアプローチ, 特にトランスフォーマーを用いたアプローチについて概説する。
人工知能(AI)アルゴリズム,フレームワークの目標,使用するコンピューティング環境に基づいて,これらの手法の新たな分類システムを導入する。
この論文は、教師なし、教師なし、または混在したアプローチを通じて、TCの診断と治療を支援するためのAI機器の重要性を強調している。
論文 参考訳（メタデータ） (2024-03-17T17:45:04Z) - 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) - 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)
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。