اکسپرس 24
ترجمه فارسی مقاله روش مبتنی بر یادگیری نظارت‌شده برای پایش وضعیت مقره‌های خطوط هوایی با استفاده از اندازه‌گیری جریان نشتی

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

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement
عنوان مقاله به فارسی روش مبتنی بر یادگیری نظارت‌شده برای پایش وضعیت مقره‌های خطوط هوایی با استفاده از اندازه‌گیری جریان نشتی
نویسندگان Mile Mitrovic, Dmitry Titov, Klim Volkhov, Irina Lukicheva, Andrey Kudryavzev, Petr Vorobev, Qi Li, Vladimir Terzija
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Machine Learning,Machine Learning,یادگیری ماشین , یادگیری ماشین ,
توضیحات Submitted 26 July, 2024; originally announced July 2024. , Comments: 10 pages, 9 figures
توضیحات به فارسی ارسال شده 26 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 10 صفحه ، 9 شکل

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 400,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

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.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.