Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 11

Metody klasyfikacji obrazów fazowo-rozdzielczych wnz z wykorzystaniem hybrydowych sieci neuronowych

Methods for classifying PD phase-resolved images using hybrid neural networks

10.15199/48.2024.11.42

nr katalogowy: 151367
10.15199/48.2024.11.42

Streszczenie

W artykule autorzy dokonali klasyfikacji czterech typowych defektów generujących wyładowania niezupełne w izolacji rozdzielnicy średnich napięć SN za pomocą głębokich sieci neuronowych na podstawie obrazów fazowo-rozdzielczych wyładowań. Zbadano i omówiono efektywność różnych hybrydowo połączonych sieci neuronowych: GoogleNet i SqueezeNet uczonych na skalogramach, SAE z FNN, 2D-CNN z LSTM oraz AE połączone z CNN i LSTM. Najwyższą dokładność klasyfikacji typu wnz uzyskano dla sieci CNN w połączeniu z LSTM.

Abstract

In the article, the authors classified four typical defects generating partial discharges in the insulation of medium voltage switchgear using deep neural networks based on phase-resolved images of discharges. The effectiveness of various hybrid connected neural networks was examined and discussed: GoogleNet and SqueezeNet trained on scalograms, SAE with FNN, 2D-CNN with LSTM, and AE combined with CNN and LSTM. The highest PD type classification accuracy was achieved for CNN combined with LSTM.

Słowa kluczowe

Keywords

Bibliografia

[1] Pattanadech N., Haller R., Kornhuber S., Muhr M., Partial Discharges (PD): Detection, Identification, and Localization, Wiley, 2023
[2] CIGRE Technical Brochure 662, Guidelines for partial discharge detection using conventional (IEC 60270) and unconventional methods, 2016, www.e-cigre.org
[3] Bednarczyk T., Kołtunowicz W., Krueger M., Ranninger U., Pomiary i lokalizacja wyładowań niezupełnych w izolacji transformatorów energetycznych. Przegląd Elektrotechniczny, 98 (2022), nr 10
[4] Uckol H.I., Ilhan S., Ozdemir A. Workmanship Defect Classification in Medium Voltage Cable Terminations with Convolutional Neural Network. Electric Power Systems Research (2021), 194
[5] Classify Time Series Using Wavelet Analysis and Deep Learning - MATLAB & Simulink Example: https://www.mathworks.com/help/deeplearning/ug/classifytime- series-using-wavelet-analysis-and-deep-learning.html
[6] Thi N.D.T., Do T.D., Jung J.R., Jo H., Kim Y.H., Anomaly Detection for Partial Discharge in Gas-Insulated Switchgears Using Autoencoder. IEEE Access 2020, 8, 152248–152257
[7] Alsumaidaee Y.A.M., Yaw C.T., Koh S.P., Tiong S.K., Chen C.P., Ali K., Review of Medium-Voltage Switchgear Fault Detection in a Condition-Based Monitoring System by Using Deep Learning, Energies (Basel) 2022, 15 (18), 6762
[8] Li Z., Qu N., Li X., Zuo J., Yin Y., Partial Discharge Detection of Insulated Conductors Based on CNN-LSTM of Attention Mechanisms. Journal of Power Electronics 2021, 21, 1030– 1040
[9] Li G., Wang X., Li X., Yang A., Rong, M., Partial Discharge Recognition with a Multi-Resolution Convolutional Neural Network. Sensors (Switzerland) 2018, 18 (10), 3512
[10]Iandola F.N., Han S., Moskewicz M.W., Ashraf K., Dally W.J., Keutzer K., SqueezeNet: AlexNet-Level Accuracy with 50x Fewer Parameters and <0.5MB Model Size. 2016, https://arxiv.org/abs/1602.07360
[11] Szegedy C., Liu W., Jia Y., Sermanet P., Reed S., Anguelov D.; Erhan D., Vanhoucke V., Rabinovich A., Going Deeper with Convolutions. In Proceedings of the Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2015, Vol. 07-12-June- 2015, 1–9.
[12] Keras: Deep Learning for Humans: https://keras.io/
[13] TensorFlow: https://www.tensorflow.org/

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

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-11 , nr katalogowy 151367 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-11 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-11

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma