A System Based on Artificial Neural Networks for Automatic Classification of Hydro-generator Stator Windings Partial Discharges

Oliveira, Rodrigo M. S. de; Araújo, Ramon C. F.; Barros, Fabrício José Brito; Segundo, Adriano Paranhos; Zampolo, Ronaldo; Fonseca, Wellington da Silva; Dmitriev, Victor; Brasil, Fernando S.

doi:10.1590/2179-10742017v16i3854

Cited by 21 publications

(57 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Utilizou-se então a técnica de projeções de amplitude e fase do PRPD desenvolvida por [Oliveira et al 2017]. Estas projeções conservam as informações que, segundo a norma, são essenciais para a correta identificação dos padrões de DPs, tais como o formato e simetria das nuvens e a presença ou ausência de nuvens aéreas (correspondentes aos padrões de descarga Superficial e Lacuna).…”

Section: Parâmetros De Entradaunclassified

“…Por outro lado, quando o equipamento é monitorado continuamente, o grande volume de informações geradas inviabiliza a análise manual dos dados [Oliveira et al 2017]. Por consequência, faz-se necessário o desenvolvimento de um sistema automático, capaz de filtrar os sinais medidos e classificá-los em termos de tipos de defeito normatizados [IEC 2012], associados à isolação.…”

Section: Introductionunclassified

“…A maior parte dos trabalhos endereça o problema utilizando redes neurais [Oliveira et al 2017] para classificação automática. O mapa auto-organizável de Kohonen, embora pouco utilizado, apresenta as seguintes vantagens:(i) maior interpretabilidade dos resultados, devido à verificação visual do mapa SOM; (ii) necessidade de menos amostras para um aprendizado representativo do problema; e (iii) melhor análise de padrões de teste duvidosos, baseada na comparação dos mesmos com as amostras de treino mais próximas no mapa.…”

Section: Introductionunclassified

“…Redes neurais são empregadas para identificar as sub-bandas que contêm a parcela mais relevante do sinal de DP, eliminando os ruídos [Zampolo et al 2015]. Na segunda etapa, são extraídas dos sinais filtrados as features propostas por [Oliveira et al 2017], as quais são fornecidas como entradas para o treinamento da rede SOM. Após o treino, a técnica de [Han and Song 2003] é empregada para visualizar as regiões do mapa SOM referentes a cada tipo de DP.…”

Section: Introductionunclassified

See 3 more Smart Citations

Metodologia de Classificação de Descargas Parciais em Hidrogeradores Utilizando Mapas Auto-organizáveis de Kohonen

Fernandes¹,

Oliveira²,

Sena³

et al. 2019

Anais Do Workshop Em Desempenho De Sistemas Computacionais E De Comunicação (WPerformance)

Self Cite

View full text Add to dashboard Cite

A maneira mais utilizada para avaliação da condição da isolação estatórica em hidrogeradores é o monitoramento de descargas parciais (DPs). Neste trabalho, é apresentado um sistema de classificação de padrões de DPs usando mapas auto-organizáveis de Kohonen (SOM). Foram combinadas diversas técnicas da literatura para pré-processamento e visualização dos padrões. Propõe-se uma metodologia que obtém as fronteiras de separação no mapa Kohonen que maximizam a acurácia, além de automatizar a classificação de padrões desconhecidos. O mapa de Kohonen treinado apresentou alta taxa de acerto, generalizando o problema a ponto de evidenciar subgrupos associados a variações dos padrões de um mesmo tipo de DP.

show abstract

Section: Parâmetros De Entradaunclassified

Section: Introductionunclassified

See 2 more Smart Citations

Metodologia de Classificação de Descargas Parciais em Hidrogeradores Utilizando Mapas Auto-organizáveis de Kohonen

Fernandes¹,

Oliveira²,

Sena³

et al. 2019

Anais Do Workshop Em Desempenho De Sistemas Computacionais E De Comunicação (WPerformance)

Self Cite

View full text Add to dashboard Cite

show abstract

“…In our previous paper [20], a single-source PD recognition methodology using neural networks in hydro-generator stator windings was proposed. It seemed to be the first work to statistically evaluate the recognition methodology with on-line measurements in several hydro-generators.…”

Section: Introductionmentioning

confidence: 99%

Novel Features and PRPD Image Denoising Method for Improved Single-Source Partial Discharges Classification in On-Line Hydro-Generators

et al. 2021

Self Cite

View full text Add to dashboard Cite

In this paper, a novel image denoising algorithm and novel input features are proposed. The algorithm is applied to phase-resolved partial discharge (PRPD) diagrams with a single dominant partial discharge (PD) source, preparing them for automatic artificial-intelligence-based classification. It was designed to mitigate several sources of distortions often observed in PRPDs obtained from fully operational hydroelectric generators. The capabilities of the denoising algorithm are the automatic removal of sparse noise and the suppression of non-dominant discharges, including those due to crosstalk. The input features are functions of PD distributions along amplitude and phase, which are calculated in a novel way to mitigate random effects inherent to PD measurements. The impact of the proposed contributions was statistically evaluated and compared to classification performance obtained using formerly published approaches. Higher recognition rates and reduced variances were obtained using the proposed methods, statistically outperforming autonomous classification techniques seen in earlier works. The values of the algorithm’s internal parameters are also validated by comparing the recognition performance obtained with different parameter combinations. All typical PD sources described in hydro-generators PD standards are considered and can be automatically detected.

show abstract

Digital Signal Processing Techniques Applied to Partial Discharge Monitoring and Classification

Dmitriev,

Oliveira,

Zampolo

et al. 2023

Partial Discharges in Hydroelectric Generators

View full text Add to dashboard Cite

A System Based on Artificial Neural Networks for Automatic Classification of Hydro-generator Stator Windings Partial Discharges

Cited by 21 publications

References 14 publications

Metodologia de Classificação de Descargas Parciais em Hidrogeradores Utilizando Mapas Auto-organizáveis de Kohonen

Metodologia de Classificação de Descargas Parciais em Hidrogeradores Utilizando Mapas Auto-organizáveis de Kohonen

Novel Features and PRPD Image Denoising Method for Improved Single-Source Partial Discharges Classification in On-Line Hydro-Generators

Digital Signal Processing Techniques Applied to Partial Discharge Monitoring and Classification

Contact Info

Product

Resources

About