Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Zeitaufgelöste Teilentladungsimpuls-Klassifikation mit Neuronaler Online-Identifikation und -Unterdrückung stochastischer Störer

Wolfgang Krause (Broschiert, Deutsch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Die Leistungsfähigkeit moderner Industrie- und Dienstleistungsgesellschaften wie der Bundesrepublik Deutschland basiert auf der zuverlässigen sowie weitgehend unterbrechungsfreien Versorgung mit elektrischer Energie. Daher ist es heutzutage wesentliche Aufgabe der Forschung im Bereich der Hochspannungstechnik, die bisherige Versorgungszuverlässigkeit zu erhalten bzw. zu optimieren. Die extreme Häufung teilweise dramatischer Blackouts im Jahr 2003 hat allen Beteiligten die weitreichenden Folgen mangelnder Zuverlässigkeit bei der Versorgung mit elektrischer Energie deutlich vor Augen geführt. Dabei hat insbesondere der Zustand der in den Übertragungs- und Verteilnetzen eingesetzten Betriebsmittel der Hochspannungstechnik entscheidenden Einfluss auf die erreichbare Versorgungssicherheit. Die Teilentladungsdiagnose als empfindliche und gleichzeitig zerstörungsfreie Methode zur Bestimmung des Zustandes dieser Betriebsmittel wird insbesondere vor Ort wesentlich durch externe impulsförmige Störsignale beeinträchtigt. Deshalb sind speziell hierfür effektive Verfahren zur Störsignalunterdrückung dringend notwendig. Die Dissertation behandelt Konzept, Realisierung und Ergebnisse eines realzeitfähigen Verfahrens, um sogenannte zeitaufgelöste Teilentladungsmessungen von impulsförmigen Störsignalen zu befreien. Dieses Verfahren der online durchgeführten Impulsform-Identifikation basiert auf der Neuronalen Klassifikation hochfrequent abgetasteter Impulsformen. Es ist durch den Einsatz eines schnellen sowie flexibel konfigurierbaren Neuronalen Netzwerks und einer algorithmusbasierten Informationsgewinnung in der Lage, sich optimal auf die jeweils vorliegende Messsituation zu adaptieren. Es wird gezeigt, dass sich mit solchermaßen störbereinigten Datensätzen eine wesentliche Erhöhung der Zuverlässigkeit einer nachfolgend durchgeführten Teilentladungsdiagnose erreichen lässt.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 29,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
05.12.2006
Sprache
Deutsch
EAN
9783833468636
Herausgeber
BoD – Books on Demand
Sonderedition
Nein
Autor
Wolfgang Krause
Seitenanzahl
192
Auflage
1
Einbandart
Broschiert
Thema-Inhalt
THR - Elektrotechnik
Höhe
210 mm
Breite
14.8 cm

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!