ترجمه فارسی مقاله روش مبتنی بر یادگیری نظارت‌شده برای پایش وضعیت مقره‌های خطوط هوایی با استفاده از اندازه‌گیری جریان نشتی

چکیده

As a new practical and economical solution to the aging problem of overhead line (OHL) assets, the technical policies of most power grid companies in the world experienced a gradual transition from scheduled preventive maintenance to a risk-based approach in asset management. Even though the accumulation of contamination is predictable within a certain degree, there are currently no effective ways to identify the risk of the insulator flashover in order to plan its replacement. This paper presents a novel machine learning (ML) based method for estimating the flashover probability of the cup-and-pin glass insulator string. The proposed method is based on the Extreme Gradient Boosting (XGBoost) supervised ML model, in which the leakage current (LC) features and applied voltage are used as the inputs. The established model can estimate the critical flashover voltage (U50%) for various designs of OHL insulators with different voltage levels. The proposed method is also able to accurately determine the condition of the insulator strings and instruct asset management engineers to take appropriate actions.

چکیده به فارسی (ترجمه ماشینی)

به عنوان یک راه حل عملی و اقتصادی جدید برای مشکل پیری دارایی های خط سربار (OHL) ، سیاست های فنی اکثر شرکت های شبکه برق در جهان یک انتقال تدریجی از نگهداری پیشگیرانه برنامه ریزی شده به یک رویکرد مبتنی بر ریسک در مدیریت دارایی را تجربه کرده است.حتی اگر تجمع آلودگی در حد معینی قابل پیش بینی باشد ، در حال حاضر هیچ روش موثری برای شناسایی خطر فلاشور عایق به منظور برنامه ریزی جایگزینی آن وجود ندارد.در این مقاله یک روش مبتنی بر یادگیری ماشین جدید (ML) برای برآورد احتمال فلاور رشته عایق شیشه فنجان و پین ارائه شده است.روش پیشنهادی مبتنی بر مدل ML تحت نظارت شیب شدید (XGBoost) است که در آن از ویژگی های جریان نشت (LC) و ولتاژ کاربردی به عنوان ورودی استفاده می شود.مدل تعیین شده می تواند ولتاژ فلاشور بحرانی (U50 ٪) را برای طرح های مختلف عایق های OHL با سطح ولتاژ مختلف تخمین بزند.روش پیشنهادی همچنین قادر به تعیین دقیق وضعیت رشته های عایق و به مهندسان مدیریت دارایی برای انجام اقدامات مناسب است.