Diagnóstico de fallas en transformadores de potencia basado en Random Forest y mejora de la optimización de enjambre de partículas-Backpropagation-AdaBoost
Autores: Zhou, Lei; Fu, Zhongjun; Li, Keyang; Wang, Yuhui; Rao, Hang
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Diagnóstico de fallas en transformadores de potencia basado en Random Forest y mejora de la optimización de enjambre de partículas-Backpropagation-AdaBoost
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Propone una metodología de diagnóstico de fallas para transformadores sumergidos en aceite
Componentes de gas
Algoritmo de Bosques Aleatorios
Optimización de Enjambre de Partículas Mejorada
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 42
Citaciones: Sin citaciones
Este artículo propone una metodología novedosa de diagnóstico de fallas para transformadores sumergidos en aceite para mejorar la precisión diagnóstica influenciada por componentes gaseosos en el aceite del transformador de potencia.
Descripción
Este artículo propone una metodología novedosa de diagnóstico de fallas para transformadores sumergidos en aceite para mejorar la precisión diagnóstica influenciada por componentes gaseosos en el aceite del transformador de potencia.