文献

J-GLOBAL ID：201202298722962334   整理番号：12A0059946

サポートベクトルマシンによる溶存ガス分析に基づく電力変圧器の故障診断

Power transformer fault diagnosis based on dissolved gas analysis by support vector machine

著者 (3件)： BACHA Khmais (Unit of research: Control, Monitoring and Reliability of the Systems, Higher School of Sciences and Technol. of ...) ,  SOUAHLIA Seifeddine (Unit of research: Control, Monitoring and Reliability of the Systems, Higher School of Sciences and Technol. of ...) ,  GOSSA Moncef (Unit of research: Control, Monitoring and Reliability of the Systems, Higher School of Sciences and Technol. of ...)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 83  号： 1  ページ： 73-79  発行年： 2012年02月 
JST資料番号： C0994A  ISSN： 0378-7796  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電力変圧器の溶存ガス分析(DGA)のための知的故障分類法を提案した。サポートベクトルマシン(SVM)は,小さなサンプリング(少量の訓練データ),非線形および高次元(大量の入力データ)を持った問題に対して強力である。IEC規格60599は,比率とグラフ表現である二つのDGA法を提案している。実験データに従えば,同じ入力データに対して,これらの二つの方法は二つの異なった故障診断結果を与え,問題を発生させる。本論文では,この問題を解決するために,入力ベクトルを詳細に調べて,比率とグラフ表現の組み合わせにより構築した新しい拡張法を検討した。SVMを適用して電力変圧器故障分類を確立し,またDGAの従来法と新しい拡張法間の最も適切なガス特徴を選択した。Tunisian電力ガス会社(STEG)からの実験データを用いて,提案したSVMモデルの性能を説明した。つぎに,この多層SVM分類器を訓練サンプルで訓練した。最後に,電力変圧器の正常状態と6つの故障形式を,訓練した分類器で同定した。SVMから求めた結果と比較して,提案したDGA法は変圧器故障形式の同定において優れた性能を持っていることを示した。このSVM法を他のAI技術(ファジィ論理,MLPおよびRBFニューラルネットワーク)と比較した。提案した方法は変圧器故障診断に対してよい性能を示した。この試験結果は,この新しい拡張法とSVM法が,電力変圧器故障分類のための診断精度を大幅に改善できることを示した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *電力変圧器 ,  *故障診断 ,  *ガス分析 ,  溶存ガス ,  サポートベクトルマシン ,  IEC規格 ,  パターン分類 ,  技術 ,  機械学習
準シソーラス用語： 拡張法 ,  *溶存ガス分析

分類 (2件)： 変圧器  (NB08020Q) ,  信頼性  (KB04040H)

タイトルに関連する用語 (4件)： サポートベクトルマシン ,  溶存ガス分析 ,  電力変圧器 ,  故障診断