Comparison of Artificial Neural Network for Partial Discharge Diagnosis

부분방전 진단을 위한 인공신경망 기법의 비교

This paper investigates the diagnosis performance of Artificial Neural Network (ANN) depending on the structure and the input vector type of ANN, which has been used to detect the partial discharge to lead to the electric machinery deterioration. The diagnosis performance of one hidden layer and two hidden layer in ANN are compared. The performance using the 2048 time-series data and the performance using the feature input vector are compared. For measuring the partial discharge signal, the tip-to-plate, the sphere-to-sphere, the tip-to-tip, the tip-to-sphere and the sphere-to-plate electrodes are used respectively. For ANN's learning, Matlab and C-code program are used. For evaluating the diagnosis performance of ANNs, the simulation studies are performed.

본 논문은 전력기기 열화의 주요한 원인으로 알려진 부분방전의 진단을 위해 널리 사용되는 인공신경망의 계층 구조 및 입력벡터의 구성 요소의 변화에 대한 진단 성능을 검토한다. 은닉층이 1개 또는 2개인 인공신경망의 계층구조 변화에 대한 진단 성능을 비교하였으며, 입력벡터는 세라믹 커플러를 이용하여 한주기에 2048번 샘플링한 시계열 신호를 직접 사용하는 경우와 특성벡터를 추출하여 사용하는 경우를 비교하였다. 침${\leftrightarrow}$평판, 구${\leftrightarrow}$구, 침${\leftrightarrow}$침, 평판${\leftrightarrow}$평판, 구${\leftrightarrow}$평판 형태의 5가지 전극조합의 부분방전 실험으로 학습데이타를 수집하고, 시뮬레이션 연구를 수행하여 인공신경망의 진단 성능을 평가하였다.