சுருக்கம்

Comparison of Two Popular Methods for Transformer Weibull Lifetime Modelling

Dan Zhou

The paper is concerned with transformer Weibull lifetime modelling which is recognised as essential for effective asset management within electric utilities. Two popular and widely adopted methods, maximum likelihood estimation and median rank regression, are discussed and compared for their properties in estimating transformer lifetime data. To greatly mimic the field collected transformer lifetime data, Monte-Carlo simulations are conducted to generate multiple sets of transformer lifetime data with the censoring rate being set at 90% and sample size chosen as ranging from 60 to 1000. Weibull parameters are estimated for each sample set with both methods. Performance of each estimation method is then evaluated with respect to their corresponding relative difference between median value and the true value (RD) as well as the relative root mean square error (RRMSE) obtained for each sample size. It is found that the maximum likelihood method is superior to the median rank regression method due to the fact that it always provides smaller RD as well as RRMSE and is hence recommended to be used for transformer Weibull lifetime modelling.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது மற்றும் இன்னும் மதிப்பாய்வு செய்யப்படவில்லை அல்லது சரிபார்க்கப்படவில்லை

ஜர்னல் ஹைலைட்ஸ்

அடாப்டிவ் சிக்னல் செயலாக்கம் அடிப்படை மின் பொறியியல் ஆப்டிகல் கம்யூனிகேஷன் ஒத்திசைவற்ற இயந்திரங்கள் கட்டுப்பாட்டு கோட்பாடு மற்றும் பயன்பாடு குறைக்கடத்தி தொழில்நுட்பம் சுமைகள் மற்றும் மின் ஆற்றல் மாற்றியின் மின் மற்றும் சுரண்டல் பண்புகள் செயற்கை நுண்ணறிவு மற்றும் மின் பொறியியல் பயன்பாடு செயற்கைக்கோள் தொடர்பு டிஜிட்டல் சிக்னல் செயலாக்கம் நோய் கண்டறிதல் மற்றும் உணர்தல் அமைப்புகள் பயோ எலக்ட்ரானிக்ஸ் பவர் எலக்ட்ரானிக் மாற்றிகளின் பகுப்பாய்வு மின் இயந்திரங்கள் மின் தரம் மற்றும் விநியோகச் செலவு ஆகியவற்றின் பொருளாதார அம்சங்கள் மின்காந்த டிரான்சியன்ட்ஸ் புரோகிராம்கள் (EMTP) மின்சார இயக்கிகள் மற்றும் பயன்பாடு மின்னணு பொருட்கள் மின்னணுவியலில் செயற்கை நுண்ணறிவு வயர்லெஸ் நெட்வொர்க்கிங்

குறியிடப்பட்டது

கல்வி விசைகள்
ஆராய்ச்சி பைபிள்
CiteFactor
காஸ்மோஸ் IF
RefSeek
ஹம்டார்ட் பல்கலைக்கழகம்
அறிஞர்
சர்வதேச புதுமையான இதழ் தாக்க காரணி (IIJIF)
சர்வதேச அமைப்பு ஆராய்ச்சி நிறுவனம் (I2OR)
காஸ்மோஸ்

மேலும் பார்க்க