{rfName}
In

Indexat a

Llicència i ús

Citacions

30

Altmetrics

Anàlisi d'autories institucional

Ye-Lin, YAutor (correspondència)Nieto-Del-Amor, FAutor o coautorFuster-Roig, VAutor o coautor

Compartir

Publicacions
>
Article

Inception 1D-convolutional neural network for accurate prediction of electrical insulator leakage current from environmental data during its normal operation using long-term recording

Publicat a:Engineering Applications Of Artificial Intelligence. 119 105799- - 2023-03-01 119(), DOI: 10.1016/j.engappai.2022.105799

Autors: Bueno-Barrachina, Jose-M; Ye-Lin, Yiyao; Nieto-del-Amor, Felix; Fuster-Roig, Vicente

Afiliacions

Univ Politecn Valencia, Ctr Invest Innovac Bioingn Ci2B, Camino Vera S-N Ed 7F - Autor o coautor
Univ Politecn Valencia, Inst Tecnol Elect - Autor o coautor

Resum

Contamination flashover remains one of the biggest challenges for power grid designers and maintenance engineers. Insulator leakage current contains relevant information about their state so that continuous monitoring is considered the most effective way to prevent contamination flashover. In this work, we attempted to accurately predict insulator leakage current in real time during normal operations based on environmental data using long-term recordings. We first confirmed that the history of environmental data also contained relevant information to predict leakage current by conditional Granger analysis and determined that 20 was the optimal number of previous samples for this purpose. We then compared the performance of typical regression models and convolutional neural network (CNN), when using both current and the last 21 samples as input features. We confirmed that the model with the last 21 samples might perform significantly better. Input features pre-processing by cascaded inception architecture was fundamental to capture the complex dynamic interaction between environmental data and leakage current and significantly improved the model performance. CNN based on inception architecture performed much better, achieving an average R2 of 0.94 +/- 0.03. The proposed model could be used to predict leakage current in both porcelain insulators with or without coatings and silicone composite insulators. Our results pave the way for creating an on-line pre-warning system adapted to individual installations, can anticipate the negative consequences of weather and/or pollution deposits and is useful for designing a strategic high-voltage electrical insulator preventive maintenance plan for preventing contamination flashover and thus increase power grid reliability and resilience.

Paraules clau

Conditional granger causalityContamination flashoverConvolutionConvolutional neural networkConvolutional neural networksDegradationElectrical insulatorsEnvironmental dataFlashoverFlashover voltageForecastingGranger causalityIdentificationImpactInception architectureInsulator contaminationInsulator leakage current predictionInsulator leakage currentsLeakage currentsMechanismNetwork architecturePreventive maintenanceRecognitionRegression analysisSiliconesSirStructural damage detectionSupport vector regressionSupport vector regressions

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Engineering Applications Of Artificial Intelligence a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2023, es trobava a la posició 5/181, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Engineering, Multidisciplinary. Destacable, igualment, el fet que la revista està posicionada per sobre del Percentil 90.

Des d'una perspectiva relativa, i tenint en compte l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials proporcionades per WoS (ESI, Clarivate), proporciona un valor per a la normalització de citacions relatives a la taxa de citació esperada de: 2.27. Això indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 14 Nov 2024)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 1.58 (font consultada: FECYT Febr 2024)
  • Field Citation Ratio (FCR) de la font Dimensions: 10.2 (font consultada: Dimensions Jun 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-06-29, el següent nombre de cites:

  • WoS: 14
  • Scopus: 16

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-29:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 38 (PlumX).

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (Bueno-Barrachina, JM) i Últim Autor (Fuster Roig, Vicente Luis).

l'autor responsable d'establir les tasques de correspondència ha estat Ye Lin, Yiyao.