文献

J-GLOBAL ID：202202257230484428   整理番号：22A0979052

可視画像と機械学習による電気機器の金属素子のための温度差モニタリング方法【JST・京大機械翻訳】

Temperature Difference Monitoring Method for Metal Devices of Electrical Equipment by Visible Images and Machine Learning

著者 (4件)： Yuan Zhe (Huazhong University of Science and Technology,School of Electrical and Electronic Engineering,Wuhan,China) ,  Ye Qizheng (Huazhong University of Science and Technology,School of Electrical and Electronic Engineering,Wuhan,China) ,  Han Mengting (Huazhong University of Science and Technology,School of Electrical and Electronic Engineering,Wuhan,China) ,  Nie Xiaofei (Huazhong University of Science and Technology,School of Electrical and Electronic Engineering,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CPEEE  ページ： 159-164  発行年： 2022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： 本論文では,通常の可視画像を用いて,電気機器と送電線で使用される2つの金属デバイス間の温度差を測定した。110kV送電線で使用された3種類の金属デバイスの温度差実験を,太陽光環境における温度差を変えて可視画像を収集するために実施した。機械学習(ML)技術を適用して,可視画像特性と温度差間の関係関数をモデル化した。結果は,これらの画像における金属デバイスの対応する温度差が訓練されたMLモデルによってよく予測できることを示した。太陽光のより大きな照度は,より高い予測精度を得るのに役立った。この方法は,2つの異なる相の温度を比較することによって,電気装置における金属部品の異常温度上昇をモニターするために使用できた。それは,電力系統におけるインテリジェント温度監視のための新しい選択を提供し,コストを節約し,検査効率を改善する。Copyright 2022 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： 照度 ,  送電線 ,  電力系統 ,  太陽光 ,  *機械学習
準シソーラス用語： *温度差 ,  予測精度 ,  *電気機器 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 可視画像 ,  機械学習 ,  電気機器 ,  温度差 ,  モニタリング