New Method for Transformer Fault Diagnosis Using Probabilistic Neural Network Based on Principal Component Analysis
محل انتشار: کنفرانس منطقه ای سیرد
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 746
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIRED01_002
تاریخ نمایه سازی: 15 اسفند 1393
چکیده مقاله:
Power transformers has an important role in electrical power transmission and its interruption has financial losses, thus its condition monitoring is essential andperformance of this equipment is effective for power system reliability. In this paper, proposed method has advantages of both principal component analysis andprobabilistic neural network. Firstly, main feature is extracted from primary and secondary three phase currents and searchcoils differential voltage by wavelet transform. Then, after decomposition of signals, redundant data is reduced by applying PCA. Finally, this information isused as probabilistic neural network inputs. Diagonal elements of confusion matrix proves appropriate performance oftransformer fault diagnosis usingprobabilistic neural network based on principal component analysis . Classification results show after six level decomposition ofsignals by mother wavelet ‘db5’ , 99.11% of samples are correctly classified.
کلیدواژه ها:
نویسندگان
Hossein Paidarnia
Khaje Nasir Toosi University of Technology – Tehran
Salman Hajiaghasi
Khaje Nasir Toosi University of Technology – Tehran
Karim Abbaszadeh
Khaje Nasir Toosi University of Technology – Tehran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :