Dissolved gas analysis (DGA) has be

Dissolved gas analysis (DGA) has been widely used for fault diagnosis in a transformer. Artificial neural
networks (ANN) have high accuracy but are regarded as black boxes that are difficult to interpret. For
many problems it is desired to extract knowledge from trained ANN so that the user can gain a better
understanding of the solution arrived by the NN. This paper applies a pedagogical approach for rule
extraction from function approximating ANN with application to incipient fault diagnosis using the concentrations
of the dissolved gases within the transformer oil, as the inputs. The proposed method derives
linear equations by approximation the hidden unit activation function and splitting the input space into
subregion. For each subregion there is a linear equation. The experiments on real data indicate that the
approach used can extract simple and useful rules. Transformer incipient fault diagnosis can be made that
matches the actual fault present and at times the predictions better than those of the IEC/IEEE method.
The rule sets generated have been successfully checked for accuracy of predictions by applying them to
case studies.

ผลลัพธ์ (ไทย) 1:

ใช้วิเคราะห์ก๊าซละลาย (DGA) ในการวินิจฉัยข้อบกพร่องในตัวหม้อแปลงไฟฟ้าอย่างกว้างขวาง ประสาทประดิษฐ์เครือข่าย (แอน) มีความแม่นยำสูง แต่ถือว่าเป็นกล่องดำที่ยากต่อการตีความ สำหรับปัญหาหลายอย่างมันจะต้องสกัดความรู้จากแอนน์ได้รับการฝึกฝนเพื่อให้ผู้ใช้สามารถได้รับดีกว่ามาทำความเข้าใจโซลูชัน โดย NN กระดาษนี้ใช้วิธีการสอนสำหรับกฎสกัดจากฟังก์ชันระหว่างแอนกับการวินิจฉัยข้อบกพร่อง incipient ใช้ที่ความเข้มข้นของก๊าซละลายในน้ำมันหม้อแปลง เป็นปัจจัยการผลิต วิธีที่เสนอมาสมการเชิงเส้น โดยประมาณหน่วยซ่อนเปิดใช้งานฟังก์ชันและแบ่งพื้นที่ป้อนข้อมูลลงในภูมิภาคลุ่ม ในแต่ละภูมิภาคลุ่ม มีสมการเชิงเส้น ทดลองจริงข้อมูลบ่งชี้ว่า การวิธีใช้สามารถแยกกฎเรียบง่าย และมีประโยชน์ การวินิจฉัยข้อบกพร่อง incipient หม้อแปลงได้ที่ตรงกับปัจจุบันของข้อบกพร่องที่เกิดขึ้นจริงและที่คาดคะเนที่ดีกว่าของวิธี IEC/IEEEชุดของกฎที่สร้างขึ้นมีการสำเร็จตรวจสอบความถูกต้องของการคาดคะเน โดยการนำไปใช้กับกรณีศึกษาการ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ก๊าซที่ละลายในน้ำ (DGA) ได้ถูกนำมาใช้กันอย่างแพร่หลายสำหรับการวินิจฉัยความผิดในหม้อแปลง ประสาทเทียมเครือข่าย (ANN) มีความแม่นยำสูง แต่ได้รับการยกย่องว่าเป็นกล่องสีดำที่ยากที่จะตีความ
สำหรับปัญหาที่หลาย ๆ คนก็เป็นที่ต้องการที่จะดึงความรู้จากการฝึกอบรม ANN เพื่อให้ผู้ใช้สามารถได้รับที่ดีกว่าความเข้าใจของการแก้ปัญหามาโดยNN กระดาษนี้ใช้วิธีการสอนสำหรับกฎสกัดจากฟังก์ชั่นที่ใกล้เคียงกับแอนกับการประยุกต์ใช้ในการวินิจฉัยความผิดเริ่มเกิดขึ้นโดยใช้ความเข้มข้นของก๊าซที่ละลายภายในน้ำมันหม้อแปลงที่เป็นปัจจัยการผลิต วิธีที่เสนอมาสมการเชิงเส้นโดยประมาณยืนยันการใช้งานฟังก์ชั่นหน่วยที่ซ่อนอยู่และแยกพื้นที่เข้าสู่อนุภูมิภาค สำหรับแต่ละอนุภูมิภาคมีสมการเชิงเส้น การทดลองกับข้อมูลจริงแสดงให้เห็นว่าวิธีการใช้สามารถดึงกฎง่ายและมีประโยชน์ หม้อแปลงการวินิจฉัยความผิดเริ่มแรกสามารถทำที่ตรงกับความผิดที่เกิดขึ้นจริงในปัจจุบันและในช่วงเวลาที่การคาดการณ์ที่ดีขึ้นกว่าของ IEC / วิธี IEEE. ชุดกฎที่สร้างได้รับการตรวจสอบความถูกต้องประสบความสำเร็จของการคาดการณ์โดยใช้พวกเขาที่จะเป็นกรณีศึกษา

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ก๊าซละลาย ( ดีจีเอ ) มีการใช้กันอย่างแพร่หลายในการวินิจฉัยความผิดในหม้อแปลง โครงข่ายประสาทเทียม ( ANN )
มีความเที่ยงตรงสูง แต่ถือว่า เป็นกล่องสีดำที่ยากต่อการตีความ สำหรับหลายปัญหามันเป็นที่ต้องการ
เพื่อสกัดความรู้จากการอบรม แอน เพื่อให้ผู้ใช้สามารถเพิ่มความเข้าใจ
ของโซลูชั่นมาถึงโดย nn .กระดาษนี้ใช้วิธีการสอนสำหรับการสกัดกฎ
จากฟังก์ชันประเภทแอนด้วยโปรแกรมการวินิจฉัยความผิดเริ่มแรกที่ใช้ความเข้มข้นของก๊าซที่ละลาย
ภายในหม้อแปลงน้ำมันเป็นปัจจัยการผลิต วิธีที่เสนอมา
สมการเชิงเส้นโดยการกระตุ้นการทำงานและการแยกหน่วยลับเข้าพื้นที่ใน
อนุภาคในแต่ละภูมิภาคมีสมการเชิงเส้น การทดลองกับข้อมูลที่แท้จริงพบว่าสามารถสกัด
แนวทางกฎง่ายและมีประโยชน์ หม้อแปลงเริ่มแรกการวินิจฉัยข้อบกพร่องสามารถทำให้ความผิดที่เกิดขึ้นจริง
ตรงกับปัจจุบัน และในเวลาที่คาดคะเนที่ดีกว่าของ IEC /
โดยวิธีกฎชุดสร้างขึ้นได้รับการประสบความสำเร็จในการตรวจสอบความถูกต้องของการทำนายโดยการใช้พวกเขาเพื่อ
กรณีศึกษา