Recognizing VSC DC Cable Fault Types Using Bayesian Functional Data Depth

Autor:	Jerzy Baranowski, Katarzyna Grobler-Dębska, Edyta Kucharska
Jazyk:	angličtina
Rok vydání:	2021
Předmět:	cable diagnostics Bayesian statistics functional data analysis uncertainty Hamiltonian Monte Carlo data depth Technology
Zdroj:	Energies, Vol 14, Iss 18, p 5893 (2021)
Druh dokumentu:	article
ISSN:	1996-1073 53165268
DOI:	10.3390/en14185893
Popis:	Diagnostics of power and energy systems is obviously an important matter. In this paper we present a contribution of using new methodology for the purpose of signal type recognition (for example, faulty/healthy or different types of faults). Our approach uses Bayesian functional data analysis with data depths distributions to detect differing signals. We present our approach for discrimination of pole-to-pole and pole-to-ground short circuits in VSC DC cables. We provide a detailed case study with Monte Carlo analysis. Our results show potential for applications in diagnostics under uncertainty.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/531652686ca94dde80e77639510cd36c Zobrazit plný text záznamu View record in DOAJ Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.