Szczegóły publikacji
Opis bibliograficzny
Recognizing VSC DC cable fault types using Bayesian functional data depth / Jerzy BARANOWSKI, Katarzyna GROBLER-DĘBSKA, Edyta KUCHARSKA // Energies [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1996-1073. — 2021 — vol. 14 iss. 18 art. no. 5893, s. 1-17. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 15-17, Abstr. — Publikacja dostępna online od: 2021-09-17
Autorzy (3)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 136268 |
|---|---|
| Data dodania do BaDAP | 2021-09-30 |
| Tekst źródłowy | URL |
| DOI | 10.3390/en14185893 |
| Rok publikacji | 2021 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Energies |
Abstract
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.
