文献

J-GLOBAL ID：201702235055247728   整理番号：17A0344092

変圧器故障診断油における溶存ガスの新しい特徴パラメータ【JST・京大機械翻訳】

New Features Derived from Dissolved Gas Analysis for Fault Diagnosis of Power Transformers

著者 (7件)： Wang Ke (China Electric Power Research Institute) ,  Li Jinzhong (China Electric Power Research Institute) ,  Zhang Shuqi (China Electric Power Research Institute) ,  Sun Jiantao (China Electric Power Research Institute) ,  Wang Jianyi (China Electric Power Research Institute) ,  Gao Fei (China Electric Power Research Institute) ,  Cheng Huanchao (China Electric Power Research Institute)
資料名： Zhongguo Dianji Gongcheng Xuebao  (Zhongguo Dianji Gongcheng Xuebao)
巻： 36  号： 23  ページ： 6570-6578  発行年： 2016年 
JST資料番号： C2285A  ISSN： 0258-8013  CODEN： ZDGXER  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 油中の溶存ガス分析(DISSOLVED GAS ANALYSIS,DGA)は現場電力変圧器の故障診断に最もよく用いられる方法である。しかし、油中の溶存ガス含有量は変圧器構造、容量、故障位置及び故障程度などの要素の影響を受けやすいため、変圧器故障診断の信頼性を低下させる。変圧器故障診断の正確さを向上させるために,サポートベクトルマシン(SVM)と遺伝的アルゴリズム(GENETIC)に基づく新しい特徴的パラメータを提案した。まず第一に,28のDGA比率を入力として,SVMに基づく変圧器故障診断モデルを確立した。第二に,GAとSVMのパラメータを最適化するためにGAを使用して,9つの最適化されたDGA比を変圧器故障診断の新しい特性パラメータとして選択した。IEC TC10故障データベースの診断結果は以下の通りであった。DGAの新しい特徴パラメータの故障診断正確率は84%であり、常用のDGA含有量とIEC比率の診断正確率は10%~25%向上した。サポートベクトルマシン(SVM)の診断結果は,すべての種類の特性パラメータを使用することによって,ニューラルネットワーク診断モデルより優れている。最終的に,国内の117組の変圧器の故障診断精度はDGAの新しい特性パラメータを用いて%%に達し,この方法の有効性を再検証した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  信頼性 ,  *変圧器 ,  サポートベクトルマシン ,  *故障診断 ,  データベース ,  電力変圧器 ,  遺伝的アルゴリズム ,  *溶存ガス ,  ニューラルネットワーク ,  *故障
準シソーラス用語： 診断モデル ,  特性パラメータ ,  溶存ガス分析 ,  *特徴パラメータ , 【Automatic Indexing@JST】

著者キーワード (6件)： power transformers ,  fault diagnosis ,  gas ratios dissolved in oil ,  support vector machine ,  genetic algorithm ,  IEC TC 10 database

分類 (3件)： 人工知能  (JE08000Z) ,  変圧器  (NB08020Q) ,  信頼性  (KB04040H)

タイトルに関連する用語 (4件)： 変圧器 ,  故障診断 ,  溶存ガス ,  特徴パラメータ