文献

J-GLOBAL ID：202002215441903061   整理番号：20A0913417

電力変圧器油クロマトグラフィーの溶解ガス分析に向けての機械学習について【JST・京大機械翻訳】

On Machine Learning Apporaches towards Dissolved Gases Analyses of Power Transformer Oil Chromatography

著者 (6件)： Su Lei (State Grid Shanghai Electric Power Research Institute,Shanghai,China) ,  Yang Yixuan (ISTBI Fudan University,Shanghai,China) ,  Xing Haobo (Fudan University,Shanghai,China) ,  Wei Bengang (State Grid Shanghai Electric Power Research Institute,Shanghai,China) ,  Ling Ping (State Grid Shanghai Electric Power Research Institute,Shanghai,China) ,  Lu Wenlian (ISTBI Fudan University,Shanghai,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SSCI  ページ： 1743-1750  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 変圧器の故障診断は電力系統のセキュリティにとって重要な問題である。DGA(分解ガス分析)技術は,変圧器油クロマトグラフィーにおける溶解ガスの分析に基づいて行われる変圧器故障を検出し分類するための広く使われている技術である。ここでは,機械学習はこれらのタスクに対する有望なアプローチである。本論文では,機械学習による2つのDGAタスクの方法と結果を報告する。変圧器キー状態のマルチスケール予測。大規模データセットによって支持されて,アンサンブル学習アプローチは,故障検出の精度と88.5%の高い分類に対して実行した。LSTM(Long-Short-Tem Memory)は,MAEとMSEにより,他よりも良好に達成される。これらの研究はDGAにおける機械学習の力を例証する。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *変圧器 ,  *溶解 ,  故障 ,  電力系統 ,  *電力変圧器 ,  故障診断 ,  *クロマトグラフィー ,  故障検出 ,  分解ガス ,  セキュリティ ,  *機械学習
準シソーラス用語： アンサンブル学習 ,  *変圧器油 ,  *溶存ガス分析 ,  大規模データセット , 【Automatic Indexing@JST】

分類 (5件)： NMR一般  (BM07041R) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 電力変圧器 ,  クロマトグラフィー ,  溶解ガス分析 ,  機械学習