Transmission Power Line Fault Detection using Convolutional Neural Networks

Abstract

In an electrical power system, most of the faults occurs in overhead transmission lines because of most of the conductor exposure to the atmosphere. Therefore, Insulated Overhead Conductors (IOCs) are widely used. To overcome this, a robust real-time PD fault analysis system is required. To analyze and classify the raw voltage signal for detection of PD's in IOC's a Convolutional Neural Network (CNN) based fault classification algorithm is proposed in this paper. The CNN is implemented using popular pre-trained CNN architectures such as AlexNet, VGG16 & ResNet are applied to the voltage signals in the dataset. From the values of Precision, Recall & F1-Score it is observed that ResNet architecture provides the best prediction and classification results.

Dalgacık Paket Dönüşümü, ReliefF Özellik Seçimi ve Topluluk Öğrenme Algoritması Tabanlı Bir Kısmi Deşarj Arızası Tespit Yöntemi

“…Önerilen yöntemin LSTM ve destek vektör makine (DVM) tabanlı yöntem kullanılarak karşılaştırılmış ve karşılaştırma sonrasında LSTM yönteminin daha iyi performans gösterdiği görülmüştür. [11]'de, yalıtılmış havai iletim hatlarında KD'lerin tespiti için CNN tabanlı arıza sınıflandırma algoritması önerilmiş olup, veri setindeki gerilim sinyallerine AlexNet, VGG16 ve ResNet gibi önceden eğitilmiş popüler CNN mimarileri uygulanmıştır. [12]'de, dalgacık dönüşümü (DD) kullanılarak gürültü filtreleme sonrasında KD sinyal özellikleri elde edilmiş ve LSTM kullanılarak KD hatası tespit edilmiştir.…”