عرض بسيط للتسجيلة

المؤلفBenhmed, Kamel
المؤلفMooman, Abdelniser
المؤلفYounes, Abdunnaser
المؤلفShaban, Khaled
المؤلفEl-Hag, Ayman
تاريخ الإتاحة2022-12-21T10:01:47Z
تاريخ النشر2018
اسم المنشورIEEE Transactions on Power Delivery
المصدرScopus
معرّف المصادر الموحدhttp://dx.doi.org/10.1109/TPWRD.2017.2762920
معرّف المصادر الموحدhttp://hdl.handle.net/10576/37506
الملخصThis letter investigates an approach based on feature selection and classification techniques to reduce assessment complexities of power transformers. This approach decreases the number of features by extracting the most influential ones when determining the transformers health index (HI). Several filters and wrapper-based feature selection methods are investigated. The effectiveness of the selected features is validated through performance evaluations of various classification models. The experimental results demonstrate that water content, acidity, breakdown voltage, and FFA (Furan), are the most influential testing parameters in determining the transformer HI. 1986-2012 IEEE.
اللغةen
الناشرInstitute of Electrical and Electronics Engineers Inc.
الموضوعArtificial intelligence
condition monitoring
transformer
العنوانFeature selection for effective health index diagnoses of power transformers
النوعArticle
الصفحات3223-3226
رقم العدد6
رقم المجلد33
dc.accessType Abstract Only


الملفات في هذه التسجيلة

الملفاتالحجمالصيغةالعرض

لا توجد ملفات لها صلة بهذه التسجيلة.

هذه التسجيلة تظهر في المجموعات التالية

عرض بسيط للتسجيلة