論文の概要: Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement
- arxiv url: http://arxiv.org/abs/2407.20288v1
- Date: Fri, 26 Jul 2024 18:11:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-31 19:18:14.273672
- Title: Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement
- Title（参考訳）: 漏れ電流測定を用いたオーバーヘッドライン絶縁体の条件モニタリングのための教師付き学習法
- Authors: Mile Mitrovic, Dmitry Titov, Klim Volkhov, Irina Lukicheva, Andrey Kudryavzev, Petr Vorobev, Qi Li, Vladimir Terzija,
- Abstract要約: 本稿では,カップアンドピンガラス絶縁体列のフラッシュオーバー確率を推定するための機械学習(ML)に基づく新しい手法を提案する。
提案手法は,絶縁体ストリングの状態を正確に判定し,資産管理技術者に適切な行動を取るよう指示する。
- 参考スコア（独自算出の注目度）: 4.543428299377013
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a new practical and economical solution to the aging problem of overhead line (OHL) assets, the technical policies of most power grid companies in the world experienced a gradual transition from scheduled preventive maintenance to a risk-based approach in asset management. Even though the accumulation of contamination is predictable within a certain degree, there are currently no effective ways to identify the risk of the insulator flashover in order to plan its replacement. This paper presents a novel machine learning (ML) based method for estimating the flashover probability of the cup-and-pin glass insulator string. The proposed method is based on the Extreme Gradient Boosting (XGBoost) supervised ML model, in which the leakage current (LC) features and applied voltage are used as the inputs. The established model can estimate the critical flashover voltage (U50%) for various designs of OHL insulators with different voltage levels. The proposed method is also able to accurately determine the condition of the insulator strings and instruct asset management engineers to take appropriate actions.
- Abstract（参考訳）: オーバヘッドライン(OHL)資産の老朽化問題に対する新たな実践的・経済的解決策として、世界中の電力グリッド企業の技術方針は、計画的予防維持から資産管理におけるリスクベースのアプローチへと段階的に移行した。
汚染の蓄積はある程度予測できるが、その代替を計画するために絶縁体フラッシュオーバーのリスクを特定する効果的な方法は今のところ存在しない。
本稿では,カップアンドピンガラス絶縁体列のフラッシュオーバー確率を推定するための機械学習(ML)に基づく新しい手法を提案する。
提案手法は, リーク電流(LC)の特徴と印加電圧を入力として用いた, XGBoost (Extreme Gradient Boosting) 教師付きMLモデルに基づく。
確立されたモデルでは、電圧レベルが異なるOHL絶縁体の設計における臨界フラッシュオーバー電圧(U50%)を推定することができる。
提案手法は,絶縁体ストリングの状態を正確に判定し,資産管理技術者に適切な行動を取るよう指示する。
関連論文リスト
- Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。
提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
論文 参考訳（メタデータ） (2024-10-07T23:38:58Z) - Real-world validation of safe reinforcement learning, model predictive control and decision tree-based home energy management systems [0.8480931990442769]
本稿では,機械学習に基づくエネルギー管理手法の現実的検証について述べる。
住宅の4つの再生を電気的に設置する実験を行った。
論文 参考訳（メタデータ） (2024-08-14T10:12:15Z) - Robust Deep Reinforcement Learning for Inverter-based Volt-Var Control in Partially Observable Distribution Networks [11.073055284983626]
DRLベースのアプローチの大きな問題は、アクティブな分散ネットワークにおける測定デプロイメントの制限である。
このような問題に対処するために,保守的な批評家と代理的な報酬を持つ堅牢なDRLアプローチを提案する。
論文 参考訳（メタデータ） (2024-08-13T10:02:10Z) - Multi-Granularity Semantic Revision for Large Language Model Distillation [66.03746866578274]
LLM蒸留における多粒性セマンティックリビジョン法を提案する。
シーケンスレベルでは、シーケンス修正と再生戦略を提案する。
トークンレベルでは、蒸留目的関数として、Kulback-Leibler損失を補正する分布適応クリッピングを設計する。
スパンレベルでは、シーケンスのスパン前処理を利用して、スパン内の確率相関を計算し、教師と学生の確率相関を一貫性に制約する。
論文 参考訳（メタデータ） (2024-07-14T03:51:49Z) - Safety Constrained Multi-Agent Reinforcement Learning for Active Voltage Control [34.95810473913879]
能動電圧制御問題を制約付きマルコフゲームとして定式化し,安全性に制約のあるMARLアルゴリズムを提案する。
実世界規模シナリオを用いた配電ネットワークシミュレーション環境における本手法の評価を行った。
論文 参考訳（メタデータ） (2024-05-14T09:03:00Z) - Unveiling the Misuse Potential of Base Large Language Models via In-Context Learning [61.2224355547598]
大規模言語モデル(LLM)のオープンソース化は、アプリケーション開発、イノベーション、科学的進歩を加速させる。
我々の調査は、この信念に対する重大な監視を露呈している。
我々の研究は、慎重に設計されたデモを配置することにより、ベースLSMが悪意のある命令を効果的に解釈し実行できることを実証する。
論文 参考訳（メタデータ） (2024-04-16T13:22:54Z) - Enhancing Polynomial Chaos Expansion Based Surrogate Modeling using a
Novel Probabilistic Transfer Learning Strategy [2.980666177064344]
ブラックボックスシミュレーションでは、非侵入型PCEは一連のシミュレーション応答評価を用いてサロゲートを構築することができる。
そこで我々は,類似のPCEサロゲート構築タスクを通じて得られた知識を新たなサロゲート構築タスクに転送することで,伝達学習を活用することを提案する。
論文 参考訳（メタデータ） (2023-12-07T19:16:42Z) - Reinforcement Learning based Proactive Control for Transmission Grid
Resilience to Wildfire [2.944988240451469]
山火事時の電力系統の運転には弾力性駆動型能動制御が必要である。
本研究では,テストベッド・テンポラル・ファイア・プロポーザルとアクティブ・パワー・システム・オペレーションを統合的に導入する。
提案手法は, 極端イベント時の負荷損失低減に有効であることを示す。
論文 参考訳（メタデータ） (2021-07-12T22:04:12Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - Strictly Batch Imitation Learning by Energy-based Distribution Matching [104.33286163090179]
すなわち、強化信号へのアクセスがなく、遷移力学の知識がなく、環境とのさらなる相互作用もない。
1つの解決策は、既存のアルゴリズムをオフライン環境で動作させるために、見習いの学習に適合させることである。
しかし、このようなアプローチは、政治外の評価やオフラインモデルの推定に大きく依存しており、間接的で非効率である可能性がある。
優れたソリューションは、ポリシーを明示的にパラメータ化し、ロールアウトダイナミクスから暗黙的に学習し、完全にオフラインで運用できるべきだ、と私たちは主張する。
論文 参考訳（メタデータ） (2020-06-25T03:27:59Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z)
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。