Tadqiqot nazoratli nuqta–tekislik yuqori kuchlanish tajriba qurilmasida havo, transformator mineral moyi va shimdirilgan qog‘oz muhitlarida hosil qilingan qisman razryadlardan tok, kuchlanish va piezoelektrik akustik signallarni to‘plagan hamda bu signallardan chiqarilgan xususiyatlar yordamida Random Forest (RF) bilan Gradient Boosting (GB) klassifikatorlarini solishtirgan. Tadqiqotdagi eng yuqori umumiy aniqlik akustik sensor ma’lumotlar to‘plamida RF bilan %96,51 sifatida olingan; shu ma’lumotlar to‘plamida GB %95,87 aniqlik bergan. Tok ma’lumotlar to‘plamida RF %94,60, kuchlanish ma’lumotlar to‘plamida esa %91,43 aniqlikka erishgan. Shu bilan birga tajribalar nazoratli laboratoriya sharoitlarida va faqat uchta izolyatsiya muhitida bajarilgan; real ekspluatatsiyadagi transformatorlar bo‘yicha dala tasdig‘i taqdim etilmagan.

Tadqiqot natijalari sensor turi klassifikatsiya muvaffaqiyatiga sezilarli ta’sir qilishini ko‘rsatadi. RF modeli uchala ma’lumotlar to‘plamining barchasida GBdan yuqoriroq umumiy aniqlik bergan. Eng yaqqol samaradorlik akustik ma’lumotlarda ko‘rinadi, kuchlanish sensori ma’lumotlarida esa ikki model orasidagi farq kichikroqdir. Akustik ma’lumotlar uchun RFning precision, recall, F1-score, specificity va accuracy qiymatlari mos ravishda %96,51, %96,56, %96,48, %98,27 va %96,51 deb xabar qilingan.

Bu natija “akustik sensor yakka o‘zi barcha qisman razryad diagnostikasi muammolarini hal qiladi” degan ma’noni bermaydi. Tadqiqot ma’lum elektrod geometriyasi va nazoratli izolyatsiya muhitlarida ishlab chiqarilgan ma’lumotlar bilan bajarilgan. Bundan tashqari, maqola ko‘p sensorli yondashuvni ta’kidlasa ham, e’lon qilingan samaradorlik jadvalida tok, kuchlanish va akustik sensorlar alohida ma’lumotlar to‘plamlari sifatida baholangan; uch sensordan olingan xususiyatlar bitta birlashtirilgan fusion modeli bilan olingan alohida samaradorlik natijasi berilmagan.

Turkiya nuqtayi nazaridan usul kuch transformatorlarining holatini kuzatish tizimlarida elektr va akustik o‘lchovlarni mashina o‘rganishi bilan birga baholashga qaratilgan qo‘llash mumkin bo‘lgan tadqiqot ramkasini beradi. Ammo tadqiqotdagi %96,51 aniqlik to‘g‘ridan-to‘g‘ri Turkiyadagi dala transformatorlari uchun kutiladigan muvaffaqiyat darajasi sifatida ishlatilolmaydi. Real qo‘llanishda sensor joylashuvi, elektromagnit va mexanik shovqin, transformator dizayni, moy va qog‘ozning qarishi, razryad geometriyasi hamda ekspluatatsiya sharoitlari ostida qayta o‘qitish va mustaqil dala tasdig‘i kerak bo‘ladi.

Qisman razryad nima uchun kuzatiladi?

Tadqiqot kuch transformatorlarining ishonchliligi izolyatsiya tizimining holati bilan yaqindan bog‘liq degan fikrdan kelib chiqadi. Mualliflar qisman razryadni izolyatsiya materialida yuzaga keladigan mahalliy dielektrik buzilish sifatida ta’riflaydi va bu hodisalar vaqtida aniqlanmasa, yanada og‘ir izolyatsiya nosozliklariga olib borishi mumkinligini bildiradi.

Transformatorlarda mineral moy bilan sellyulozali elektr izolyatsiya qog‘ozi birga ishlatilishi mumkinligi sababli, bir xil turdagi elektr hodisa turli dielektrik muhitlarda turlicha tok, kuchlanish va akustik xususiyatlar ko‘rsatishi mumkin. Tadqiqotning asosiy savoli bu farqlar mashina o‘rganishi tomonidan havo, mineral moy va qog‘oz sifatida ajratib berila oladimi-yo‘qligidir.

Tajriba qurilmasi qanday tuzildi?

Tajriba tizimi sozlanadigan 220 V, 50 Hz AC manba, himoya zanjiri, manbada nisbati 600 deb berilgan yuqori kuchlanish transformatori, tokni cheklash qarshiligi, kuchlanish bo‘lgichi, o‘lchash qarshiligi, osiloskop, kompyuter va piezoelektrik akustik sensordan iborat.

Test hujayrasi Plexiglas va Bakelite yordamida 11,4 × 6,9 × 11,6 cm³ o‘lchamlarida tayyorlangan. Hujayra ichida nuqta–tekislik elektrod tizimi mavjud. Nuqta elektrodining egrilik radiusi 50 µm, tekislik elektrodining diametri 2,5 cm va elektrod oralig‘i 2,5 mmdir.

O‘lchash qarshiligi 50 Ω deb berilgan. Osiloskop kirishini himoya qilish uchun bu qarshilikka teskari parallel diodlar ulangan. Tizim elektromagnit aralashuvni kamaytirish uchun Faraday qafasi ichiga olingan va manbada yerga ulash qarshiligi 0,92 Ω deb xabar qilingan.

Piezoelektrik sensor test hujayrasining tashqarisida, razryad nuqtasi balandligi bilan mos keladigan tarzda joylashtirilgan. Shunday qilib, bir xil hodisa paytida tok, kuchlanish va akustik kanallar osiloskop orqali bir vaqtda qayd etilgan.

Manbada vaqt aniqligi haqida nima deyiladi?

Tadqiqot yozuvlar “0,5 µs time shifting” bilan bajarilganini va sizib o‘tuvchi tok yoki kuchlanish pasayishi boshlangan on \(t=0\) deb qabul qilinganini bildiradi. Bu aynan namuna olish oralig‘i, ekran vaqt siljishi yoki boshqa bir qayd parametri ekanligi tushuntirilmaydi. Shuningdek, osiloskopning namuna olish tezligi va polosasi kengligi alohida berilmagan.

Bu tafsilot muhimdir; chunki tadqiqot havo muhitidagi birinchi tok cho‘qqisini taxminan 20 ns miqyosida talqin qiladi. Manba “0,5 µs time shifting” iborasi bilan bu 20 ns aniqlikning texnik munosabatini tushuntirmaydi. Shu sababli bu yerda mazkur qiymat sukut bilan namuna olish davri sifatida talqin qilinmagan.

Uch izolyatsiya muhitida qanday signallar kuzatildi?

3–5-rasmlar havo, mineral moy va shimdirilgan qog‘ozda qayd etilgan tok, kuchlanish va akustik signallar turli amplitudalar hamda so‘nuvchi tebranish profillarini ko‘rsatishini namoyon qiladi.

Bu sonlar tegishli rasmlarda belgilangan cho‘qqi qiymatlaridir. Turli tajriba kuchlanishlari va dielektrik muhitlar mavjud bo‘lgani uchun, faqat maksimal amplitudalarga qarab muhitlarning umumiy dielektrik chidamlilik tartibini chiqarish kerak emas.

Havodagi razryad uchun tezlik qanday hisoblandi?

Tadqiqotda havo muhitidagi birinchi kuchli tok cho‘qqisi taxminan 20 ns davom etgani qabul qilinadi va razryad shu on 2,5 mm elektrod oralig‘ini bosib o‘tgani faraz qilinadi. Manbada ishlatilgan bog‘lanish:

\[ v=\frac{d}{t} \]

shaklidadir. \(d\) elektrodlar orasidagi masofani, \(t\) esa razryad bu masofani bosib o‘tgani faraz qilingan vaqtni ko‘rsatadi.

Manbaning sonli hisobi:

\[ v= \frac{2.5\times10^{-3}} {20\times10^{-9}} = 12.5\times10^{4}\ \mathrm{m/s} = 125\ \mathrm{km/s} \]

deb berilgan. Bu qiymat bevosita optik tarzda o‘lchangan razryad tarqalish tezligi emas; signal cho‘qqisi vaqti 2,5 mm bo‘shliq ko‘priklanish vaqtini ifodalaydi degan farazga asoslangan hisobdir.

Signal nima uchun so‘nuvchi tebranish shaklida modellashtiriladi?

Tadqiqotchilar tok signali kuchli birinchi cho‘qqidan keyin so‘nuvchi sinusoidal tuzilishga aylanishini aytib, quyidagi empirik ifodadan foydalanadi:

\[ v=r+b\sin(c\,t+d)\exp(f\,t) \]

Manba izohiga ko‘ra \(f\) so‘nishni boshqaradi; \(r\) va \(b\) amplitudaga, \(c\) va \(d\) esa tebranishning chastota/faza xususiyatlariga ta’sir qiladi. Tadqiqotda bu tenglamaning koeffitsiyentlari uch muhit uchun alohida sonli ko‘rinishda xabar qilinmagan; shuning uchun model bu yerda eksperimental signal shakli izohi sifatida ishlatiladi.

Ma’lumotlar to‘plami qanday bo‘lindi?

2-rasm o‘qitish uchun %70, test uchun %30 ajratishni ko‘rsatadi. I-jadval esa har bir sensor va izolyatsiya muhiti uchun haqiqiy namuna sonlarini beradi.

Shunga ko‘ra tok sensori ma’lumotlar to‘plami 736 o‘qitish va 315 test namunasi; kuchlanish va akustik ma’lumotlar to‘plamlarining har biri 735 o‘qitish va 315 test namunasini o‘z ichiga oladi.

Manba mustaqil validatsiya to‘plami, kross-validatsiya, tasodifiy urug‘, ma’lumotlarni bo‘lish algoritmi yoki bir xil jismoniy razryad hodisasiga tegishli bog‘liq namunalar o‘qitish va test guruhlari orasida qanday ajratilganini tushuntirmaydi. Bu kamchiliklar xabar qilingan aniqlik turli ma’lumot bo‘linishlarida qanchalik o‘zgarishini baholashni cheklaydi.

Xususiyatlarni chiqarish qanday bajarildi?

Usul sxemasida signallar avval shovqinni kamaytirish jarayonidan o‘tkaziladi, keyin vaqt va chastota sohasidagi xususiyatlar chiqariladi hamda klassifikatorga uzatiladi. Biroq manba ishlatilgan denoising algoritmining nomi va parametrlarini yoki chiqarilgan xususiyatlarning to‘liq ro‘yxatini bermaydi.

Bu yerda manba ichidagi bayon farqi ham mavjud: annotatsiya bo‘limi faqat time-domain feature extraction iborasidan foydalansa, usul bo‘limi ochiq ravishda ham time-domain, ham frequency-domain xususiyatlar haqida gapiradi. Maqolaning usul qismi batafsilroq bo‘lgani uchun ikkala soha ham ishlatilgani bayon qilingan; ammo bu farq bibliografik/metodologik eslatma sifatida saqlangan.

Random Forest qanday qaror qiladi?

Random Forest tasodifiy ma’lumot va xususiyat kichik to‘plamlarida bir nechta qaror daraxtini o‘qitib, ularning ko‘pchilik ovozidan foydalanadi. Manbada yakuniy sinf:

\[ \hat{y}=\operatorname{mode}\{h_t(x)\}_{t=1}^{T} \]

bilan ko‘rsatiladi. \(h_t(x)\), \(t\). qaror daraxtining \(x\) namunasi uchun bergan bashorati; \(T\) esa daraxtlar sonidir.

Ammo tadqiqotda ishlatilgan haqiqiy daraxtlar soni, maksimal chuqurlik, xususiyat tanlash strategiyasi yoki boshqa RF giperparametrlari xabar qilinmagan.

Gradient Boosting qanday ishlatildi?

Gradient Boostingda daraxtlar parallel va mustaqil tarzda emas, balki oldingi model xatolarini kamaytiradigan tarzda ketma-ket yaratiladi. Tadqiqotda yakuniy sinf:

\[ \hat{y}=\operatorname{sign}(F_M(x)) \]

shaklida ifodalangan. \(F_M(x)\), \(M\) boosting iteratsiyasi oxirida olingan ensemble funksiyasidir. Ammo o‘rganish tezligi, daraxt chuqurligi, boosting iteratsiyalari soni va yo‘qotish funksiyasining haqiqiy tajriba sozlamalari manbada batafsil berilmagan.

Muvaffaqiyat qaysi mezonlar bilan baholandi?

Tadqiqot accuracy, precision, recall, F1-score va specificitydan foydalanadi:

\[ Accuracy=\frac{TP+TN}{N} \]

\[ Precision=\frac{TP}{TP+FP} \]

\[ Recall=\frac{TP}{TP+FN} \]

\[ F1=2\times\frac{Precision\times Recall}{Precision+Recall} \]

\[ Specificity=\frac{TN}{TN+FP} \]

Bu yerda \(TP\) to‘g‘ri pozitiv, \(TN\) to‘g‘ri negativ, \(FP\) noto‘g‘ri pozitiv va \(FN\) noto‘g‘ri negativ namuna sonlarini ifodalaydi. Uch sinfli muammoda bu metriklar sinflar orasida qaysi makro/mikro og‘irlashtirish bilan birlashtirilgani manbada alohida tushuntirilmagan.

Tadqiqot qo‘llab-quvvatlaydigan va qo‘llab-quvvatlamaydigan natijalar

Tadqiqot Usuli va Natijalari

RF va GBning umumiy samaradorligi

II-jadvaldagi umumiy natijalar RF har uch sensor ma’lumotlar to‘plamida ham GBdan yuqoriroq aniqlik berganini ko‘rsatadi. RF–GB accuracy farqi tok ma’lumotlarida 3,49 foiz punkti, kuchlanish ma’lumotlarida 0,95 foiz punkti va akustik ma’lumotlarda 0,64 foiz punkti darajasidadir.

Nima uchun akustik ma’lumot oldinga chiqadi?

Tadqiqotning o‘z test qurilmasida akustik ma’lumot ikki ensemble model uchun ham eng yuqori umumiy aniqliklarni bergan. RFda akustik accuracy %96,51 bo‘lsa, tokda %94,60 va kuchlanishda %91,43dir. GBda shu tartib %95,87, %91,11 va %90,48dir.

Akustik sensor test hujayrasining tashqarisida, razryad sohasi balandligida joylashtirilgan piezoelektrik sezgichdir. 3–5-rasmlarda uch muhitning akustik signallari cho‘qqi amplitudasi va so‘nish xatti-harakatlarida ko‘rinadigan farqlar bor. Tadqiqot bu farqlar klassifikatsiya uchun foydali ekanini ilgari suradi.

Chalkashlik matritsalarida nima uchun ehtiyot bo‘lish kerak?

7–9-rasmlar havo, mineral moy va qog‘oz sinflari uchun normallashtirilgan chalkashlik matritsalarini taqdim etadi. Matritsalar umuman yuqori to‘g‘ri klassifikatsiya nisbatlarini ko‘rsatsa-da, rasmlar atrofidagi ayrim sinf bo‘yicha foizlar bilan izoh matnida berilgan foizlar birma-bir mos kelmaydi.

Masalan, tok ma’lumotlar to‘plami uchun matn RFning qog‘ozda %94,2 klassifikatsiya aniqligi berganini aytsa, 8-rasmning asosiy matritsasidagi tegishli diagonal katak boshqa qiymatni ko‘rsatadi. Akustik ma’lumotlar uchun matnda berilgan sinf recall qiymatlari ham 9-rasmdagi diagonal qiymatlar bilan to‘liq ustma-ust tushmaydi. Shu sababli bu Verianla izohi sinf bo‘yicha muhokamada aniq foizlarni qayta ishlab chiqish o‘rniga, ochiq va izchil jadvalga tushirilgan II-jadval umumiy metriklarini asos qiladi.

Adabiyot solishtiruvi qanday talqin qilinishi kerak?

Bu jadval RF usuli ayrim solishtirma tadqiqotlardan yuqoriroq aniqlik berganini ko‘rsatishi bilan birga, barcha satrlardan yuqori emasligini ham ochiq namoyon qiladi: manbada keltirilgan CNN natijasi %98 va bilayered neural network natijasi %96,97dir.

Bundan ham muhimi, bu tadqiqotlar bir xil ma’lumotlar to‘plami, sensor, klassifikatsiya maqsadi yoki tajriba protokolidan foydalanmaydi. Shuning uchun III-jadval nazoratli head-to-head benchmark emas. U turli nashrlardan olingan aniqliklarning kontekstual solishtiruvidir va kichik foiz farqlaridan qat’iy algoritm ustunligi chiqarilmasligi kerak.

Modelning real dala qo‘llanishiga o‘tishidagi kamchiliklar

Tadqiqot kelajakda ma’lumotlar to‘plamini kengaytirish va real vaqtli kuzatuv ilovalarini rivojlantirishni taklif qiladi. Mavjud tajribada real ekspluatatsiyadagi transformatorlardan uzluksiz onlayn ma’lumot ishlatilmagan.

Bundan tashqari, RF va GBning giperparametrlari, xususiyatlar ro‘yxatining barchasi, shovqinni kamaytirish algoritmining tafsilotlari, tasodifiy ma’lumot bo‘lish usuli, kross-validatsiya, ishonch oralig‘i yoki turli tasodifiy boshlanishlar ostidagi samaradorlik o‘zgaruvchanligi xabar qilinmaydi. Bu tafsilotlar modelning mustaqil qayta ishlab chiqarilishi va umumlashtirilishini baholash uchun muhim chegaralardir.

Manba va Usul Haqida Izoh

To‘liq asl tadqiqot nomi: Experimental Evaluation of Ensemble Learning Models for Partial Discharges Detection in Transformer Insulation Mediums

Sarlavha izohi: Asl sarlavhada “Partial Discharges Detection” iborasi shu shaklda ishlatilgan. Bibliografik sodiqlik sababli sarlavha sukut bilan grammatik jihatdan o‘zgartirilmagan.

Mualliflar: Ryad Haridi, Hocine Moulai, Hakim Azizi, Abdelmoumene Hechifa, Said Djaballah va Kaissa Hamouimeche.

Mualliflar tartibi: Manba versiyasidagi tartib aynan saqlangan.

Teng birinchi muallif/teng hissa: Manbada teng hissa bayonoti mavjud emas.

Mas’ul muallif: Hocine Moulai; manbada aloqa manzili hmoulai@usthb.dz sifatida berilgan.

Muassasalar: LCDEP Laboratory, Faculty of Electrical Engineering, Algiers; Ziane Achour University, Djelfa; UDERZA Unit, University of El Oued va LGMM Laboratory, University of 20 August 1955-Skikda; Hassiba Benbouali University, Chlef; Electrical Engineering Faculty, Mouloud Mammeri University, Tizi-Ouzou, Algeria.

DOI: 10.2139/ssrn.6932264

Platforma: SSRN.

Rasmiy yozuv:https://ssrn.com/abstract=6932264

SSRN yozuv sanasi: 13 iyun 2026.

Manba turi va hakamlik holati: Bu tadqiqot hakam baholashidan o‘tmagan preprintdir; natijalari shu nashr bosqichi hisobga olingan holda baholanishi kerak.

Yakuniy hakamli jurnal/nashriyot: Ko‘rib chiqilgan manbada ko‘rsatilmagan.

Litsenziya: Ochiq qayta foydalanish litsenziyasi manbada ko‘rsatilmagan.

Moliyalashtirish: Ko‘rib chiqilgan versiyada alohida moliyalashtirish bayonoti mavjud emas.

Manfaatlar to‘qnashuvi: Ko‘rib chiqilgan versiyada alohida competing-interest bayonoti mavjud emas.

Ma’lumotlar mavjudligi: Ko‘rib chiqilgan versiyada alohida data-availability bayonoti mavjud emas.

CRediT/muallif hissalari: Ko‘rib chiqilgan versiyada alohida CRediT hissa bildiruvi mavjud emas.

Tajriba geometriyasi: Nuqta–tekislik elektrod tizimi; nuqta elektrodi egrilik radiusi 50 µm, tekislik elektrodi diametri 2,5 cm va elektrod oralig‘i 2,5 mm. Test hujayrasi 11,4 × 6,9 × 11,6 cm³ deb xabar qilingan.

Izolyatsiya muhitlari: Havo, transformator mineral moyi va shimdirilgan qog‘oz. Qog‘oz qismi manbada “paper 0.1 mm of width” shaklida ta’riflangan; 0,1 mm qiymatining geometrik jihatdan qalinlikmi yoki boshqa o‘lchammi ekanligi alohida tushuntirilmagan.

O‘lchash kanallari: Tok, kuchlanish va piezoelektrik akustik signal.

Mashina o‘rganishi: Random Forest va Gradient Boosting.

Ma’lumotlarni bo‘lish: Usul sxemasi taxminan %70 o‘qitish / %30 test ajratilishini ko‘rsatadi. Alohida validatsiya to‘plami yoki kross-validatsiya xabar qilinmagan.

Manba ichidagi xususiyat chiqarish izohi: Annotatsiya faqat vaqt sohasi xususiyatlaridan gapirgan bo‘lsa, usul bo‘limi vaqt va chastota sohasi xususiyatlari birga chiqarilganini bildiradi. Maxsus xususiyatlarning batafsil ro‘yxati manbada berilmagan.

Ko‘p sensorli izoh: Tadqiqot ko‘p sensorli yondashuvni ta’kidlaydi; ammo II-jadvalda samaradorlik tok, kuchlanish va akustik ma’lumotlar to‘plamlari uchun alohida-alohida xabar qilingan. Uch modallikni bitta feature-fusion modelida birlashtirgan alohida natija taqdim etilmagan. Shuning uchun %96,51 qiymati “uch sensorning birlashtirilgan fusion aniqligi” sifatida talqin qilinmasligi kerak.

Lokalizatsiya izohi: Matn PD manbai va hosil bo‘lish muhitining aniqlanishi haqida gapiradi; e’lon qilingan klassifikatsiya yorliqlari havo, mineral moy va qog‘ozdir. Alohida fazoviy lokalizatsiya maqsadi, koordinata bashorati yoki lokalizatsiya xato metrikasi xabar qilinmagan.

Chalkashlik matritsasi izohi: 7–9-rasmlarning ayrim sinf bo‘yicha qiymatlari bilan ularni izohlaydigan matndagi foizlar orasida nomuvofiqliklar mavjud. Shu sababli Verianla maqolasidagi asosiy samaradorlik sonlari manbada ochiq berilgan II-jadval orqali keltirilgan; noaniq sinf foizlari sukut bilan muvofiqlashtirilmagan.

Ilmiy qamrov chegarasi: Natijalar nazoratli laboratoriya tajribalariga, bitta nuqta–tekislik elektrod geometriyasiga, uch izolyatsiya muhitiga va manbada tushuntirilgan o‘qitish/test ma’lumotlar to‘plamlariga tegishli. Real dala transformatorlarida xuddi shu klassifikatsiya samaradorligi, erta nosozlikning oldini olish muvaffaqiyati yoki real vaqtli operatsion ishonchlilik bevosita tasdiqlanmagan.

Kontent asosi: Bu Verianla izohi ko‘rib chiqilgan tadqiqotning tajriba qurilmasi, signal grafiklari, usul sxemasi, ma’lumotlar taqsimoti, tenglamalari, samaradorlik jadvallari, chalkashlik matritsalari, muhokamasi va natijalariga asoslanadi. Bibliografik identifikatsiyani tasdiqlashdan tashqari tashqi manbalardan yangi ilmiy topilma qo‘shilmagan.