• English
    • العربية
  • English
  • تسجيل الدخول
  • جامعة قطر
  • مكتبة جامعة قطر
  •  الصفحة الرئيسية
  • الوحدات والمجموعات
  • عن المستودع الرقمي
    • الرؤية والرسالة
  • المساعدة
    • إرسال الأعمال الأكاديمية
    • سياسات الناشر
    • أدلة المستخدم
      • عرض المستودع الرقمي
      • البحث في المستودع الرقمي (البحث البسيط والبحث المتقدم)
      • ارسال عملك للمستودع الرقمي
      • مصطلحات المستودع الرقمي
عرض التسجيلة 
  •   مركز المجموعات الرقمية لجامعة قطر
  • المستودع الرقمي لجامعة قطر
  • أكاديمية
  • مساهمة أعضاء هيئة التدريس
  • كلية الهندسة
  • علوم وهندسة الحاسب
  • عرض التسجيلة
  • مركز المجموعات الرقمية لجامعة قطر
  • المستودع الرقمي لجامعة قطر
  • أكاديمية
  • مساهمة أعضاء هيئة التدريس
  • كلية الهندسة
  • علوم وهندسة الحاسب
  • عرض التسجيلة
  •      
  •  
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Machine Learning-based Regression and Classification Models for Oil Assessment of Power Transformers

    Thumbnail
    التاريخ
    2020
    المؤلف
    Bhatia, Neha Kamalraj
    El-Hag, Ayman H.
    Shaban, Khaled Bashir
    البيانات الوصفية
    عرض كامل للتسجيلة
    الملخص
    Expensive and widely used power and distribution transformers need to be monitored to ensure the reliability of the power grid. Evaluating the transformer oil different parameters is vital to determine the transformer insulation health conditions. In this paper, both regression and classification models based on machine learning are used to test the correlation between the interfacial tension values (IFT) of the transformer oil with other oil test results, namely, breakdown voltage, acidity, color, dissipation factor and water content. Experimental results with oil samples obtained for 730 units indicate that both acidity and color have the highest correlation with IFT. Nevertheless, other parameters like breakdown voltage and dielectric dissipation factor contributes marginally in increasing the classifier output accuracy when added to the acidity and color. 2020 IEEE.
    DOI/handle
    http://dx.doi.org/10.1109/ICIoT48696.2020.9089647
    http://hdl.handle.net/10576/37514
    المجموعات
    • علوم وهندسة الحاسب [‎2485‎ items ]

    entitlement


    مركز المجموعات الرقمية لجامعة قطر هو مكتبة رقمية تديرها مكتبة جامعة قطر بدعم من إدارة تقنية المعلومات

    اتصل بنا
    اتصل بنا | جامعة قطر

     

     

    الصفحة الرئيسية

    أرسل عملك التابع لجامعة قطر

    تصفح

    محتويات مركز المجموعات الرقمية
      الوحدات والمجموعات تاريخ النشر المؤلف العناوين الموضوع النوع اللغة الناشر
    هذه المجموعة
      تاريخ النشر المؤلف العناوين الموضوع النوع اللغة الناشر

    حسابي

    تسجيل الدخول

    إحصائيات

    عرض إحصائيات الاستخدام

    عن المستودع الرقمي

    الرؤية والرسالة

    المساعدة

    إرسال الأعمال الأكاديميةسياسات الناشر

    مركز المجموعات الرقمية لجامعة قطر هو مكتبة رقمية تديرها مكتبة جامعة قطر بدعم من إدارة تقنية المعلومات

    اتصل بنا
    اتصل بنا | جامعة قطر

     

     

    Video