La detección de descargas parciales es una tecnología clave para mantener el funcionamiento normal de los equipos eléctricos industriales. Los bujes de papel impregnado de aceite son componentes cruciales que conectan los transformadores a la red eléctrica. La degradación del aislamiento conduce a descargas parciales, lo que representa una amenaza significativa para el funcionamiento del sistema eléctrico. Desarrollar diagnósticos en línea para descargas parciales en bujes de transformadores y la identificación automática de defectos en el aislamiento puede proteger eficazmente la seguridad del sistema y del personal. Debido a las limitaciones de tamaños de muestra pequeños y redes ligeras, este estudio combina técnicas de interpolación con una red neuronal convolucional ligera para mejorar la precisión de identificación. Esta red utiliza interpolación para mantener la señal de muestra no distorsionada de la entrada inicial y reduce los defectos de entrenamiento derivados del tamaño de muestra pequeño. La red neuronal extrae características de descarga parcial para determinar el tipo de defecto y su causa. Este estudio utiliza un conjunto de datos disponible públicamente con señales de descarga de generadores. Aunque provienen de una fuente diferente a las señales de descarga generadas por bujes de papel impregnado de aceite, la distribución de señales es similar, lo que permite un análisis justo y proporciona una referencia para evaluar señales de descarga obtenidas de bujes de papel impregnados de aceite u otros dispositivos de descarga. Los resultados experimentales muestran que la precisión de esta red mejoró del 97% a más del 99%, manteniendo una baja complejidad computacional y un excelente rendimiento en tiempo real. Además, esta red fue implementada y validada en equipos industriales existentes.
Yi-Pin Hsu (Vier,) estudió esta cuestión.