인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This paper proposes an acoustic emission-based anomaly detection and statistical analysis method to detect partial discharges caused by insulation degradation inside cast resin transformers. While high-frequency current transformers and ultra-high frequency sensors offer high accuracy, they are expensive and require complex signal interpretation. In contrast, acoustic emission sensors can measure elastic waves generated within the insulation at a relatively low cost. By applying artificial intelligence techniques, data-driven anomaly detection can be achieved without complicated analysis procedures. In this study, an acoustic emission sensor was attached to the outer enclosure of a 22.9 kV cast resin transformer to acquire signals under both normal and faulty conditions. The Hilbert transform was applied to enhance impulsive characteristics, and a one-dimensional convolutional long short-term memory autoencoder model was developed for anomaly detection. Using a threshold based on the interquartile range, normal and fault signals were classified with 100% accuracy in the laboratory environment. The proposed method provides an efficient data-driven analytical framework for diagnosing insulation degradation and offers potential applications in condition monitoring and predictive maintenance of cast resin transformers.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096080441
