Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees

Alexandra I. Khalyasmaa; Mihail D. Senyuk; Stanislav A. Eroshenko

doi:10.1109/TPWRD.2020.3021702

Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees

Alexandra I. Khalyasmaa, Mihail D. Senyuk, Stanislav A. Eroshenko

Результат исследований: Вклад в журнал › Статья › рецензирование

Язык оригинала	Английский
Номер статьи	9186646
Страницы (с-по)	2154-2163
Число страниц	10
Журнал	IEEE Transactions on Power Delivery
Том	36
Номер выпуска	4
DOI	https://doi.org/10.1109/TPWRD.2020.3021702
Состояние	Опубликовано - авг. 2021

Предметные области ASJC Scopus

Energy Engineering and Power Technology
Electrical and Electronic Engineering

Предметные области WoS

Технологии, Электротехника и электроника

Ссылки

10.1109/TPWRD.2020.3021702

Другие файлы и ссылки

Fingerprint

Подробные сведения о темах исследования «Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees». Вместе они формируют уникальный семантический отпечаток (fingerprint).

1 Завершено

Адаптивная система управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения
Хальясмаа, А. И.
30/06/2018 → 30/06/2020
Проект: Проект-Грант

Цитировать

@article{62ed3104b9bd4f1ea0af9e7b401a77a4,

title = "Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees",

keywords = "Current transformers, gradient boosting, high-voltage equipment, machine learning, random forest, technical state assessment",

author = "Khalyasmaa, {Alexandra I.} and Senyuk, {Mihail D.} and Eroshenko, {Stanislav A.}",

note = "Funding Information: The reported study was supported by Russian Science Foundation research project No. 18-79-00201. Publisher Copyright: {\textcopyright} 1986-2012 IEEE. Copyright: Copyright 2021 Elsevier B.V., All rights reserved.",

year = "2021",

month = aug,

doi = "10.1109/TPWRD.2020.3021702",

language = "English",

volume = "36",

pages = "2154--2163",

journal = "IEEE Transactions on Power Delivery",

issn = "0885-8977",

publisher = "Institute of Electrical and Electronics Engineers Inc.",

number = "4",

}

Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees. / Khalyasmaa, Alexandra I.; Senyuk, Mihail D.; Eroshenko, Stanislav A.

В: IEEE Transactions on Power Delivery, Том 36, № 4, 9186646, 08.2021, стр. 2154-2163.

Результат исследований: Вклад в журнал › Статья › рецензирование

TY - JOUR

T1 - Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees

AU - Khalyasmaa, Alexandra I.

AU - Senyuk, Mihail D.

AU - Eroshenko, Stanislav A.

N1 - Funding Information: The reported study was supported by Russian Science Foundation research project No. 18-79-00201. Publisher Copyright: © 1986-2012 IEEE. Copyright: Copyright 2021 Elsevier B.V., All rights reserved.

PY - 2021/8

Y1 - 2021/8

KW - Current transformers

KW - gradient boosting

KW - high-voltage equipment

KW - machine learning

KW - random forest

KW - technical state assessment

UR - http://www.scopus.com/inward/record.url?scp=85101681291&partnerID=8YFLogxK

UR - https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcAuth=tsmetrics&SrcApp=tsm_test&DestApp=WOS_CPL&DestLinkType=FullRecord&KeyUT=000678351700023

UR - https://elibrary.ru/item.asp?id=46754195

U2 - 10.1109/TPWRD.2020.3021702

DO - 10.1109/TPWRD.2020.3021702

M3 - Article

AN - SCOPUS:85101681291

VL - 36

SP - 2154

EP - 2163

JO - IEEE Transactions on Power Delivery

JF - IEEE Transactions on Power Delivery

SN - 0885-8977

IS - 4

M1 - 9186646

ER -

Analysis of the State of High-Voltage Current Transformers Based on Gradient Boosting on Decision Trees

Предметные области ASJC Scopus

Предметные области WoS

Ссылки

Другие файлы и ссылки

Fingerprint

Проекты

Адаптивная система управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения

Цитировать