Czasopismo | WIADOMOŚCI ELEKTROTECHNICZNE | Rocznik 2024 - zeszyt 5

Predykcja uszkodzeń w urządzeniach energetycznych z wykorzystaniem zaawansowanych technik uczenia maszynowego

Fault prediction in power equipment using machine learning tools

10.15199/74.2024.5.5

nr katalogowy: 148698
10.15199/74.2024.5.5

Streszczenie

W artykule poruszono tematykę predykcji uszkodzeń w urządzeniach energetycznych z wykorzystaniem zaawansowanych technik uczenia maszynowego. Dotychczasowa analiza przebiegów pozyskanych z rejestratorów zakłóceń instalowanych w urządzeniach elektroenergetycznej automatyki zabezpieczeniowej (EAZ) opierała się na wiedzy eksperckiej. Przebiegi pozyskane w wyniku wystąpienia zakłócenia były analizowane przez specjalistę lub zespół ekspertów i na tej podstawie wyciągano wnioski i rekomendowano działania profilaktyczne. Tradycyjne formy oprogramowania do analizy danych nie były przystosowane do obsługi takiego poziomu złożoności i skali analizowanych zjawisk, dlatego w ramach prac badawczych podjęto próbę wykorzystania systemów, narzędzi i aplikacji zaprojektowanych do analizy zbiorów danych z wykorzystaniem technik uczenia maszynowego. Dzięki temu podejściu osiągnięto wysoką dokładność predykcji uszkodzeń urządzeń energetycznych.

Abstract

This article addresses the issue of predicting faults in power equipment through the use of machine learning techniques. Previous analyses of waveforms obtained from disturbance recorders installed in power utility devices relied on expert knowledge. The waveforms resulting from disturbances were analyzed by a specialist or a team of experts, and conclusions were drawn and preventive actions recommended based on this analysis. Traditional forms of data analysis software were not equipped to handle such a level of complexity and the scale of the phenomena analyzed, therefore, within the framework of research work, an attempt was made to utilize systems, tools, and applications designed for data set analysis using machine learning techniques. This approach has achieved high accuracy in predicting faults in power equipment.

Słowa kluczowe

Keywords

Bibliografia

[1] Cheon K., J. Yang. 2020. An Ensemble Model for Machine Failure Prediction.
[2] Elektrometal Energetyka. Karta katalogowa K-1.2.5. Rozdzielnica średniego napięcia e2 ALPHA. Warszawa, 2018.
[3] Elektrometal Energetyka. Karta katalogowa K-3.2.8. Sterownik polowy e2 TANGO-600, – 800, – 1000,-1200. Warszawa, 2021.
[4] Elektrometal Energetyka. Karta katalogowa K-35.1.1. Zespół zabezpieczeń WN e2 TANGO-2000. Pole transformatora WN. Warszawa, 2022.
[5] Foshin D., T. Chernyshova, D. Anoshin, X. Ireton. 2023. Azure Data Factory Cookbook. Build ETL, Hybrid ETL and ELT pipelines using ADF, Synapse Analytics, Fabric and Databricks – Second Edition. Packt Publishing.
[6] Leukel J., J. González, M. Riekert. 2021. Adoption of machine learning technology for failure prediction in industrial maintenance: A systematic review. Journal of Manufacturing Systems.
[7] Marz Nathan M., W. Warren James. 2016. Big Data. Najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym. Gliwice: Helion.
[8] Mayer-Schönberger V., K. Cukier. 2014. BIG DATA Rewolucja, która zmieni nasze myślenie, pracę i życie. Warszawa: MT Biznes.
[9] McKinney W. 2017. Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3rd Edition. O’Reilly Media.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


WIADOMOŚCI ELEKTROTECHNICZNE- e-publikacja (pdf) z zeszytu 2024-5 , nr katalogowy 148698 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


WIADOMOŚCI ELEKTROTECHNICZNE- e-zeszyt (pdf) 2024-5 licencja: Osobista Produkt cyfrowy Nowość	45.00 zł

Prenumerata

WIADOMOŚCI ELEKTROTECHNICZNE - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

402.00 zł

WIADOMOŚCI ELEKTROTECHNICZNE - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
WIADOMOŚCI ELEKTROTECHNICZNE - papierowa prenumerata roczna	492.00 zł brutto 455.56 zł netto 36.44 zł VAT (stawka VAT 8%)
WIADOMOŚCI ELEKTROTECHNICZNE - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

534.00 zł

WIADOMOŚCI ELEKTROTECHNICZNE - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
WIADOMOŚCI ELEKTROTECHNICZNE - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	600.00 zł brutto 555.56 zł netto 44.44 zł VAT (stawka VAT 8%)

600.00 zł

Zeszyt

2024-5

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma