論文の概要: Optimized Fuzzy Logic Approach with the IEEE Key Gas Method for Diagnosing Power Transformer Faults Using Dissolved Gas Analysis

• arxiv url: http://arxiv.org/abs/2608.18133v1
• Date: Tue, 28 Jul 2026 12:36:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-23 14:54:39.987766
• Title: Optimized Fuzzy Logic Approach with the IEEE Key Gas Method for Diagnosing Power Transformer Faults Using Dissolved Gas Analysis
• Title（参考訳）: IEEEキーガス法による溶存ガス分析を用いた変圧器故障診断のためのファジィ最適化手法
• Abstract要約: IEEE Key Gas Method (KGM) は曖昧なデータに対処し、高い診断精度を保証する。 本研究では,Fuzzy Logic と IEEE Key Gas Method (FL-KGM) を組み合わせた拡張モデルを提案する。 実世界のデータセットを用いた実験的検証は、FL-KGMが最大98.6%の精度で達成し、KGMや他のFLベースのアプローチを著しく上回っていることを示している。
• 参考スコア（独自算出の注目度）: 0.15293427903448018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable transformer fault diagnosis is essential for maintaining power system stability. The IEEE Key Gas Method (KGM), a widely utilized approach in Dissolved Gas Analysis (DGA), exhibits limitations in addressing ambiguous data and ensuring high diagnostic accuracy. This study presents An enhanced model combining Fuzzy Logic with the IEEE Key Gas Method (FL-KGM) that introduces refined membership functions, optimized fuzzy rule sets, and a novel separation of CO and CO2 to eliminate diagnostic inconsistencies. By leveraging multidimensional gas ratio analysis and an adaptive classification framework, FL-KGM delivers superior fault identification and classification. Experimental validation utilizing real-world datasets demonstrates that FL-KGM achieves up to 98.6% accuracy, significantly outperforming KGM and other FL-based approaches. These findings elucidate the potential of FL-KGM in advancing transformer monitoring, enabling intelligent fault detection, and enhancing predictive maintenance strategies in modern power systems.
• Abstract（参考訳）: 電力系統の安定性維持には信頼性の高い変圧器故障診断が不可欠である。 IEEE Key Gas Method (KGM) は、DGA(Dissolved Gas Analysis)において広く利用されている手法であり、曖昧なデータに対処し、高い診断精度を保証する。 本研究では,Fizzy Logic と IEEE Key Gas Method (FL-KGM) を組み合わせた改良モデルを提案する。 多次元ガス比分析と適応分類の枠組みを活用することにより、FL-KGMは優れた故障識別と分類を提供する。 実世界のデータセットを用いた実験的検証は、FL-KGMが最大98.6%の精度で達成し、KGMや他のFLベースのアプローチを著しく上回っていることを示している。 これらの知見は, 変圧器監視の進展, インテリジェントな故障検出, 近代電力系統の予測保守戦略の強化におけるFL-KGMの可能性を明らかにするものである。

関連論文リスト

• An adaptive multi-fuzzy logic model for diagnosing transformer faults using dynamic weight optimization [0.15293427903448018]
  早期電源変圧器故障の診断には, 溶存ガス分析(DGA)が重要である。 従来のDGA法は不整合であり、特に複数の故障条件において精度が異なる。 本稿では,複数のDGA手法とファジィ論理と動的重み調整機構を組み合わせた適応型マルチファジィ論理モデルを提案する。
  論文  参考訳（メタデータ） (2026-07-26T06:21:33Z)
• Energy-Guided Flow Matching Enables Few-Step Conformer Generation and Ground-State Identification [45.52894539097255]
  本稿では,明示的な学習エネルギーモデルとフローマッチングを結合する統合フレームワークであるEnFlowを紹介する。 サンプリング中にエネルギー段階的な誘導を取り入れることで,低エネルギー領域への軌道を導出する。 さらに、学習したエネルギー関数は、生成したアンサンブルの効率的なエネルギーベースのランク付けを可能にし、正確な基底状態の同定を可能にする。
  論文  参考訳（メタデータ） (2025-12-27T14:00:22Z)
• Fault Diagnosis and Quantification for Photovoltaic Arrays based on Differentiable Physical Models [8.71780347170974]
  本稿では,微分可能な高速故障シミュレーションモデル(DFFSM)に基づくPV弦の新しい故障定量化手法を提案する。 提案したDFFSMは、複数の断層下でのI-V特性を正確にモデル化し、断層パラメータに関する解析的勾配を提供する。 シミュレーションおよび測定されたI-V曲線の実験結果から,提案したGFPIは異なる断層間で高い定量化精度を示し,I-V再構成誤差は3%以下であった。
  論文  参考訳（メタデータ） (2025-12-18T22:19:25Z)
• Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
  チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。 提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
  論文  参考訳（メタデータ） (2025-09-16T08:48:44Z)
• Optimized Spectral Fault Receptive Fields for Diagnosis-Informed Prognosis [8.719982934025415]
  SFRF(Spectral Fault Receptive Fields)は, 断層診断における劣化状態の評価手法である。 SFRFは、特性欠陥周波数を中心とした対角スペクトルフィルタとして設計されている。 多目的進化最適化戦略は、受容場パラメータを調整するために用いられる。
  論文  参考訳（メタデータ） (2025-06-14T07:12:56Z)
• Learning to Hear Broken Motors: Signature-Guided Data Augmentation for Induction-Motor Diagnostics [40.044978986425676]
  3相エンジンのインテリジェント診断における機械学習(ML)アルゴリズムの適用は、診断性能と精度を大幅に向上させる可能性がある。 本稿では,エンジン物理モデルを考慮した教師なし異常発生手法を提案する。 SGDA(Signature-Guided Data Augmentation)は、健康な電流信号の周波数領域において、物理的に可塑性な断層を直接合成する、教師なしのフレームワークである。
  論文  参考訳（メタデータ） (2025-06-10T03:36:16Z)
• Feature-Weighted MMD-CORAL for Domain Adaptation in Power Transformer Fault Diagnosis [2.7898966850590625]
  本研究では,最大平均離散度(MMD)と相関アライメント(CORAL)と特徴特化重み付け(MCW)を組み合わせた特徴重み付きドメイン適応手法を提案する。 MMD-CORAL (MC) よりも7.9%改善し、2.2%改善した電力変圧器用データセットの実験的評価により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2025-05-20T20:44:35Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• A Safe Genetic Algorithm Approach for Energy Efficient Federated Learning in Wireless Communication Networks [53.561797148529664]
  フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。 FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。 現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
  論文  参考訳（メタデータ） (2023-06-25T13:10:38Z)
• Power Transformer Fault Diagnosis with Intrinsic Time-scale Decomposition and XGBoost Classifier [0.0]
  電力変圧器故障診断のための内在時間分解法(ITD)を提案する。 提案手法は,従来の手法よりも95%以上の精度,高感度,F1スコアを実現している。
  論文  参考訳（メタデータ） (2021-10-21T20:36:38Z)
• 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)

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。