实体
Julian Oelhaf
Julian Oelhaf
PulseAugur coverage of Julian Oelhaf — every cluster mentioning Julian Oelhaf across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
无监督聚类方法有助于电力系统故障分析
研究人员开发了一种无监督聚类方法，利用电压和电流信号分析高压电力系统中的故障事件。该方法利用了 Réseau de Transport d'Électricité (RTE) 的数据，并通过快速傅里叶变换 (FFT) 提取频域特征。然后应用 K-Means 算法对故障进行分类，而无需标记数据，聚类结果由电力系统专家进行验证。
-
机器学习模型用于电力系统故障分析比较 · arXiv 研究
一篇新论文详细介绍了在电力系统中用于故障分类和定位的机器学习模型的受控比较。该研究使用了相同的数据集、传感假设和决策时间范围，以确保模型之间的可比性。对于故障分类，即使在仅有10毫秒的短决策窗口下，顶级模型的F1分数也达到了0.98以上，表明早期瞬态数据具有信息量。对于故障定位，最佳模型的稳定误差约为归一化线路长度的10%，准确性因电网段而异，而非仅取决于时间上下文。