Klassifikation von TE-Messungen unter Ausnutzung des vollständigen Informationsgehalts

Conference: VDE-Hochspannungstechnik 2018 - ETG-Fachtagung
11/12/2018 - 11/14/2018 at Berlin, Deutschland

Proceedings: ETG-Fb. 157: VDE-Hochspannungstechnik

Pages: 6Language: germanTyp: PDF

Personal VDE Members are entitled to a 10% discount on this title

Authors:
Adam, Benjamin; Beltle, Michael; Tenbohlen, Stefan (Universität Stuttgart, Deutschland)

Abstract:
Werden zur Klassifikation von Teilentladungen (TE) Diagramme wie das phase resolved partial discharge diagram (PRPD) oder die Pulse Sequenz Analyse (PSA) benutzt, so enthalten diese nie den vollen Informationsgehalt der Messung. Beim PRPD wird die Zeitinformation, beim PSA die Phaseninformation ignoriert. Für eine Bewertung durch menschliche Experten ist dies von Vorteil, da die Menge an Informationen so beherrscht werden kann. Computergestützte Systeme sind auf diese Reduktion und Abstraktion der Informationen nicht angewiesen. In dieser Arbeit wird ein neues Verfahren vorgestellt, mit dem gemessene Teilentladungen direkt klassifiziert werden können. Dabei werden direkt die von TE-Messgerät gelieferten Daten ohne Vorverarbeitung genutzt. Das Messgerät liefert die Daten in Form einer sequenziellen Liste mit der Zeit-, Ladungs- und Phaseninformation für jeden gemessenen Impuls. Um diese Art von Daten zu klassifizieren kommt ein neuronales Netz in Form von Long Short-Term Memory zum Einsatz. Bei einem Datensatz von künstlichen, im Labor aufgenommenen TE-Messungen erreicht dieser Klassifikator eine Genauigkeit von 99,9%.