基于朴素贝叶斯的电缆老化状态评估方法和装置制造方法及图纸

本发明专利技术公开了一种基于朴素贝叶斯的电缆老化状态评估方法和装置，方法包括：收集待评估电缆的相关参数；将电缆的相关参数输入预先构建的朴素贝叶斯分类器，对电缆老化状态进行评估；其中，所述预先构建的朴素贝叶斯分类器构建方法如下：获取已有电缆的相关参数和电缆老化状态，作为训练数据；将训练数据中电缆的相关参数作为朴素贝叶斯分类模型的属性变量，电缆老化状态作为类变量，基于训练数据集计算各属性变量的先验概率，建立朴素贝叶斯分类器。本发明专利技术可以基于少量样本，以较低的计算代价对电缆老化状态进行准确的评估，为电缆的运行维护提供有针对性的指导。

【技术实现步骤摘要】
基于朴素贝叶斯的电缆老化状态评估方法和装置
本专利技术属于电力设备维护
，具体涉及一种电缆老化状态评估方法和装置。
技术介绍
电缆是非常重要的电力设备，其故障时会导致用户停电。如果能在电缆发生故障前对电缆的老化状态进行评估，及时进行检修更换，将可减小故障损失，提升供电可靠性。电缆老化状态的评估方法主要包括两大类：1)切片法，通过制作电缆样本切片，对电缆样本切片进行检测，如理化性能检测：傅立叶变换红外光谱仪，差式量热扫描分析，X射线衍射分析，扫描电镜分析等，根据理化检测结果对电缆老化程度进行判断。如公开号CN102778638A的一种判定XLPE电缆绝缘水树老化状态的方法，通过开展上述理化测试，然后根据介电损耗峰、低频电导、片晶厚度变化和基团消失等数据，对电缆绝缘水树老化程度进行综合评估和诊断；对电缆样本进行切片后测试，虽然结果直观，但是难以满足实际电缆运维的要求；2)数学方法，通过分析电缆老化的各影响因素，建立数学模型，对电缆老化状态进行评估。如公开号CN106251059A的一种基于概率神经网络算法的电缆状态评估方法，根据电缆设备基本信息、运行信息、运检信息、家族缺陷等多类别的信息源，构建多源信息数据库；运用因子分析法对不完备信息下的数据库进行预处理，提出基于概率神经网络的多源信息融合算法，对不完备信息条件下对电缆整体状态进行综合评估。如公开号CN109272190A的一种基于动量BP神经网络的电力电缆状态评价方法，建立引入动量因子的动量BP神经网络，评估电力电缆运行状态。但神经网络需要大量的数据进行训练，而实际运行经验表明，电缆老化的相关样本数据较少。如何通过分析较少的样本数据，建立准确的评估模型是值得研究的问题。
技术实现思路
专利技术目的：针对现有技术的不足，本专利技术提出一种基于朴素贝叶斯的电缆老化状态评估方法和装置，可以根据电缆老化影响因素，对电缆老化状态进行评估，为电缆的运行维护提供指导。技术方案：为了实现以上目的，本专利技术采用如下的技术方案：第一方面，提供一种基于朴素贝叶斯的电缆老化状态评估方法，包括以下步骤：收集待评估电缆的相关参数；将待评估电缆的相关参数输入预先构建的朴素贝叶斯分类器，对电缆老化状态进行评估；其中，所述预先构建的朴素贝叶斯分类器构建方法如下：获取已有电缆的相关参数和电缆老化状态，作为训练数据；将训练数据中电缆的相关参数作为朴素贝叶斯分类模型的属性变量，电缆老化状态作为类变量，计算各属性变量的先验概率，建立朴素贝叶斯分类器。其中，所述的电缆的相关参数包括：电缆运行时间、电缆是否发生过接地故障、电缆局放、电缆介损。进一步地，所述计算各属性变量的先验概率时，对离散变量采用拉普拉斯修正的频数计算先验概率，对连续变量采用高斯分布计算先验概率。所述对离散变量采用拉普拉斯修正的频数计算先验概率，具体公式如下：其中离散变量Xt一共有m个取值，即{xt1,xt2,…,xtm}，P(c)是电缆状态类别为c的概率值，P(xti|c)是当电缆状态类别为c时离散变量Xt的值为xti的概率值，1≤i≤m，Dc表示电缆状态类别为c的个数，D表示总数，表示电缆状态为类别c时离散变量Xt的值为xti的个数，N表示可能的电缆状态类别数，Nt表示变量Xt可能的类别数。所述对连续变量采用高斯分布计算先验概率包括：对于连续变量Xj，采用高斯分布计算当类别为c时连续变量Xj的值为xjk的概率值，具体公式如下：其中P(xjk|c)是当类别为c时，连续变量Xj的值为xjk的概率值，μ为平均值，δ为标准差，两者均通过训练数据中变量求得，计算公式如下：其中xj1,xj2,…,xjn表示训练数据中连续变量Xj的元素，即Xj＝{xj1,xj2,…,xjn}。所述朴素贝叶斯分类器的表达式如下：其中c表示电缆老化状态类别，y是c的取值集合，argmax是一个函数，如有结果x0＝argmax(f(x))，则表示当函数f(x)取x＝x0的时候，得到f(x)取值范围的最大值，argmax函数返回的使f(x)取值最大的x，因此hnb(x)表示使得值最大的类别c。优选地，所述方法还包括：对电缆数据进行预处理，所述预处理包括对缺失数据和异常数据进行删除，其中异常数据采用SPSS中的描述统计进行检测，对于Z分数大于3或小于-3的数据，则认为是异常数据。第二方面，提供一种基于朴素贝叶斯的电缆老化状态评估装置，包括：参数获取模块，用于收集待评估电缆的相关参数，以及获取已有电缆的相关参数和电缆老化状态，所述已有电缆的相关参数和电缆老化状态构成训练数据；模型构建模块，用于根据训练数据中电缆的相关参数和老化状态，基于朴素贝叶斯分类模型构建电缆老化状态评估模型，其中，所述电缆老化状态评估模型以训练数据中电缆的相关参数作为朴素贝叶斯分类模型的属性变量，电缆老化状态作为类变量，计算各属性变量的先验概率；状态评估模块，用于根据待评估电缆的相关参数和电缆老化状态评估模型，对电缆的老化状态做出评估。其中，所述电缆的相关参数包括：电缆运行时间、电缆是否发生过接地故障、电缆局放、电缆介损。进一步地，所述模型构建模块计算各属性变量的先验概率时，对离散变量采用拉普拉斯修正的频数计算先验概率，对连续变量采用高斯分布计算先验概率。有益效果：本专利技术利用朴素贝叶斯分类方法通过分析电缆老化故障的可能的影响因素，对电缆的老化状态进行评估。朴素贝叶斯是一种典型的小样本机器学习方法，通过先验概率来推断后验概率，根据后验概率的大小来做出评估和判断，和现有技术相比，本专利技术无需对电缆样本切片，所需样本量又小，方法快速、简便，通过分析电缆检测状态量、运行时间及电缆是否发生接地故障等，对电缆的老化状态进行分级评估，可为电缆的运行维护提供更加有针对性的指导。附图说明图1为本专利技术基于朴素贝叶斯的电缆老化状态评估方法的总体流程图。具体实施方式下面结合附图和具体实施例，进一步阐明本专利技术的技术方案。参照图1，本专利技术的一种基于朴素贝叶斯的电缆老化状态评估方法，包括以下步骤：步骤A，收集电缆相关数据。包括电缆运行时间、电缆是否发生过接地故障、电缆的局放、电缆的介损及电缆的老化状态等。如表1所示为一实施例中得到的数据示例，收集的数据总数为50，其中轻度老化33个，中度老化8个，严重老化9个，表中有4个与电缆老化可能相关的变量，分别为X1，X2，X3，X4。电缆老化程度用X5表示。表1电缆相关数据步骤B，基于步骤A中获取的电缆相关数据，对数据进行预处理，主要是对缺失数据和异常数据进行删除，其中异常数据采用SPSS中的描述统计进行检测，对于Z分数大于3或小于-3的数据，则认为是异常数据。步骤C：基于步骤B预处理后的数据，建立朴素贝叶斯分类器。从表1所示的数本文档来自技高网...

【技术保护点】
1.一种基于朴素贝叶斯的电缆老化状态评估方法，其特征在于，包括以下步骤：/n收集待评估电缆的相关参数；/n将待评估电缆的相关参数输入预先构建的朴素贝叶斯分类器，对电缆老化状态进行评估；其中，所述预先构建的朴素贝叶斯分类器构建方法如下：/n获取已有电缆的相关参数和电缆老化状态，作为训练数据；/n将训练数据中电缆的相关参数作为朴素贝叶斯分类模型的属性变量，电缆老化状态作为类变量，基于训练数据集计算各属性变量的先验概率，建立朴素贝叶斯分类器。/n

【技术特征摘要】
1.一种基于朴素贝叶斯的电缆老化状态评估方法，其特征在于，包括以下步骤：
收集待评估电缆的相关参数；
将待评估电缆的相关参数输入预先构建的朴素贝叶斯分类器，对电缆老化状态进行评估；其中，所述预先构建的朴素贝叶斯分类器构建方法如下：
获取已有电缆的相关参数和电缆老化状态，作为训练数据；
将训练数据中电缆的相关参数作为朴素贝叶斯分类模型的属性变量，电缆老化状态作为类变量，基于训练数据集计算各属性变量的先验概率，建立朴素贝叶斯分类器。


2.根据权利要求1所述的基于朴素贝叶斯的电缆老化状态评估方法，其特征在于，所述的电缆的相关参数包括：电缆运行时间、电缆是否发生过接地故障、电缆局放、电缆介损。


3.根据权利要求1所述的基于朴素贝叶斯的电缆老化状态评估方法，其特征在于，所述计算各属性变量的先验概率时，对离散变量采用拉普拉斯修正的频数计算先验概率，对连续变量采用高斯分布计算先验概率。


4.根据权利要求3所述的基于朴素贝叶斯的电缆老化状态评估方法，其特征在于，所述对离散变量采用拉普拉斯修正的频数计算先验概率，具体公式如下：






其中，离散变量Xt一共有m个取值，表示为{xt1,xt2,…,xtm}，P(c)是电缆状态类别为c的概率值，P(xti|c)是当电缆状态类别为c时离散变量Xt的值为xti的概率值，1≤i≤m，Dc表示电缆状态类别为c的个数，D表示总数，表示电缆状态为类别c时离散变量Xt的值为xti的个数，N表示可能的电缆状态类别数，Nt表示变量Xt可能的类别数。


5.根据权利要求3所述的基于朴素贝叶斯的电缆老化状态评估方法，其特征在于，所述对连续变量采用高斯分布计算先验概率包括：
对于连续变量Xj，采用高斯分布计算当类别为c时连续变量Xj的值为xjk的概率值，具体公式如下：



其中P(xjk|c)是当电缆状态类别为c时连续变量Xj的值为xjk的概率值，μ为平均值，δ为标准差，两者均通过训练数据中变量求得，计算公式...

【专利技术属性】
技术研发人员：谭笑，陈杰，刘洋，王永强，柏仓，李陈莹，胡丽斌，曹京荥，张伟，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，国网江苏省电力有限公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏;32