论文信息 - Artificial self-organizing neural network for partial discharge source recognition

Artificial self-organizing neural network for partial discharge source recognition

ContentsIn this paper the application of Kohonen's self-organizing feature map for partial discharge (pd) source recognition is described. Several HV tests on artificially injured medium voltage cables have been made to study the capabilities in source recognition and injury description. A description of the learning algorithm and results of the discrimination between different kinds of defects are presented.ÜbersichtDer Beitrag beschreibt die Anwendung der selbstorganisierenden Kohonen-Karte zur Teilentladungs(TE)-Fehlerarterkennung an definiert geschädigten Mittelspannungs-VPE-Kabeln. Die statistisch analysierten Meßdaten bilden die Eingangsvektoren der Kohonen-Karte, deren Anlernalgorithmus beschrieben wird. Anschließend wird das vorgestellte Verfahren anhand der Klassifikation von acht Fehlerarten beurteilt.

V. Tryba | A. Schnettler

[1] Ulrich Rückert,et al. Selbstorganisierende Karten als lernende klassifizierende Speicher , 1988 .

[2] H. Suzuki,et al. Pattern recognition of partial discharge in XLPE cables using a neural network , 1991, [1991] Proceedings of the 3rd International Conference on Properties and Applications of Dielectric Materials.

[3] D. Peier,et al. Isolierstoffdiagnose mit rechnerunterstützten Teilentladungsmesssystemen , 1991 .

[4] N. Hozumi,et al. Discrimination of partial discharge patterns using a neural network , 1991 .

[5] A. J. Germond,et al. Impulse Test Fault Diagnosis on Power Transformers Using Kohonen"s Self-Organizing Neural Network , 1991 .