Evrişimsel sinir ağı ve k-en yakın komşu algoritması kullanılarak kısmi deşarj algılama

Kısmi Deşarj, IEC-60270 standardına göre " İletkenler arasındaki yalıtımı kısmen kapatan ve bir iletkenin yakınında meydana gelebilecek veya oluşamayacak yerel bir elektrik boşalması" olarak tanımlanabilir. Orta gerilim elektrik hatları elektriği uzun mesafelere taşır, bunun sonucunda yetkililer bu alanlardaki kabloların kısmi boşalmasını izlemekte ve erken tespit etmekte zorlanırlar. Zorluk, uzun vadeli hasarı önlemek için kısmi deşarjları yeterince erken tespit etmektir, bu nedenle maliyetli onarımları ve önemli elektrik kesintilerini önlemek için erken kısmi deşarj tespiti önemlidir. Kısmi Deşarjın sınıflandırılması ve tanınması için geleneksel yöntemler, özelliklerin manuel olarak çıkarılmasına ve bir elektrik akımındaki çok özel darbeleri tanımlama uzmanlığına bağlıdır, bu nedenle, kısmi deşarjı yeterince hızlı tahmin etmek için özellikleri çıkarabilen ve bunları otomatik olarak sınıflandırabilen bir algılama mekanizmasına sahip olmak esastır. Veri seti kaggle.com'dan toplanmıştır. Ostrava Teknik Üniversitesi (VSB) ve Ostrava Teknik Üniversitesi, başıboş elektrik alanlarının ve yalıtılmış havai kabloların voltaj sinyalini belirlemek için özel bir sayaç tasarladı. Sınıflandırma modellerini oluşturmadan önce sinyaller için ön işleme adımı olarak gürültüyü gidermek için hızlı fourier transformatör tekniği kullanılmıştır. Dört sınıflandırma modeli oluşturulmuş ve birbirleriyle karşılaştırılarak modeller CNN-KNN, CNN, CNN+LSTM ve KNN, ağırlıkları güncellemek için Adam optimizasyon algoritması ve çıktıyı aralık içinde tutmak için sigmoid işlevi kullanılmıştır. 0_1, çünkü modelin eğitimi sırasında aşırı sığmayı önlemek için katmanlar arasında ikili sınıflandırma ve bırakma tekniği. Model performansı birkaç metrik kullanılarak ölçüldü: F-score, recall, presision, accuracy ve confusion matrix, sonuçlar modellerin (CNN-KNN) modellerden (CNN, CNN-LSTM ve KNN) daha yüksek performans verdiğini gösteriyor.