本发明专利技术公开一种高压电缆智能监测中枢系统设计方法，通过集成在基于web中枢系统中的基于进化学习和卷积神经网络的高压电缆局部放电模式识别模型，不断采集电缆局放数据，更新局放识别模型训练样本库，提高电缆放电类型识别精度，同时记录电缆多类型参数，通过多参数评价和模糊综合评估方法建立电缆状态多参数评估模型，进而基于Web中枢系统，通过数据管理、数据通信、数据可视化三大模块，对在运电缆的状态进行模式识别、状态评估、生成诊断报告、给出电缆检修建议的一体化检测和评估流程，完成对电缆状态评价与运维指导。此方法将多种人工智能方法集成于高压电缆监测中枢系统中，能够在电缆在线运行状态下实时监测电缆状态。够在电缆在线运行状态下实时监测电缆状态。够在电缆在线运行状态下实时监测电缆状态。
【技术实现步骤摘要】
一种高压电缆智能监测中枢系统设计方法
[0001]本专利技术涉及一种高压电缆智能监测中枢系统设计方法，属于电缆局放在线监测领域。
技术介绍
[0002]随着城市用电需求的不断增加，高压电缆在城市输配电中投入使用的比例逐年提高，高压电缆的运行状态直接影响了整个输配电网络运行的稳定性。
[0003]随着电缆投运年限的增加，越来越多的在运电缆可用寿命逐步缩短，电缆绝缘性能下降，一大批早期投运电缆接近服役年限，亟需对其进行状态评估和运维指导。然而目前电缆安全检查主要通过离线方式进行，这会对人民生活和工业发展造成一定的经济损失并带来诸多不便，研发现场高压电缆在线监测设备迫在眉睫。
[0004]通过研发一种高压电缆智能监测中枢系统，创造性的将人工智能方法集成在高压电缆在线监测中枢系统中，并能够实时采集电缆运行数据，更新训练样本库，不断提高中枢系统模式识别精度，同时通过电缆多参数综合评价模型，多维度、全方面考虑电缆信息，给出有效的状态评价和运维指导，进而通过中枢系统可视化展示，实现了高压电缆在线监测，能够精确识别电缆放电类型，及时给出在运电缆状态评价和维护意见，具有较高的经济价值和社会效益。
技术实现思路
[0005]本专利技术的目的是提供一种高压电缆智能监测中枢系统设计方法，以解决上述
技术介绍
中存在的问题。
[0006]本专利技术的目的由以下技术措施实现：
[0007]一种高压电缆智能监测中枢系统设计方法，其特征在于按以下步骤进行：
[0008]S1：基于web中枢系统通过卷积神经网络建立高压电缆局部放电类型，基于新建的高压电缆局部放电类型，通过进化学习，使高压电缆局放样本库及局放识别模型自动进化，在基于web中枢系统中集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法；
[0009]S2：基于web中枢系统记录电缆局放信息、环境信息、历史故障数据和离线数据多类型参数，通过层次分析法确定各参数权重系数，基于隶属度函数确定模糊关系矩阵，在基于web中枢系统中得到基于模糊层次的高压电缆多参数状态评估方法，给出在运电缆状态评价结果及运维指导意见；
[0010]经过S1集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法和经过S2得到基于模糊层次的高压电缆多参数状态评估方法的基于web中枢系统为高压电缆智能监测中枢系统。
[0011]进一步地，S1所述的在基于web中枢系统集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法，具体按以下步骤进行：
[0012]S1.1：基于实验室电缆局部放电实验，采集不同类型缺陷电缆的局放数据，将基于不同缺陷类型电缆采集到的所有局放数据分类为缺陷类型1至缺陷类型4；
[0013]S1.2：基于实验室采集到的四种不同电缆缺陷类型的局放样本数据，通过卷积神经网络训练局放模式识别，将卷积神经网络训练得到的局放模式识别模型作为基础模型集成至基于web中枢系统内；
[0014]S1.3：基于web中枢系统在工业现场各现地监测点不断采集运行现场电缆的局放信号，剔除现场噪声干扰，选择有效的局放信号作为训练样本库的扩充；
[0015]S1.4：基于web中枢系统监测到样本库的扩充，对现场扩充的有效样本进行局放模式识别，确认电缆局放类型，送入基于web中枢系统的训练模型中，若人工在场，可选择性加入人工指导，结合人工指导选择运维意见，对训练模型进行验证、更新与调整；
[0016]S1.5：重复S1.2
‑
S1.4的步骤，在每次采集到工业现场新的高压电缆局放信号后，更新训练样本库，进而对基于web中枢系统的训练模型进行更新，不断提高集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法精度。
[0017]进一步地，S2所述的在基于web中枢系统得到基于模糊层次的高压电缆多参数状态评估方法，具体按照以下步骤进行：
[0018]S2.1：基于web中枢系统的现地单元采集高压电缆局放在线监测信息、监测信息、离线检测信息、环境信息和历史故障数据多种类型参数，建立高压电缆绝缘状态评估参数集合；
[0019]S2.2：基于web中枢系统的现地单元采集到的各种类型参数，结合不断更新的在运电缆数据得出结合局放位置、局放过电压和局放趋势的局放综合预警，结合基地电流、负荷电流和相间温度差在线监测数据，得到在运待评价电缆的样本库；
[0020]S2.3：基于web中枢系统基于层次分析法得到各电缆状态评估参数的权重向量，基于隶属度函数得到模糊关系矩阵，在基于web中枢系统得到基于模糊层次的高压电缆多参数状态评估方法，并建立基于多参数融合的高压电缆综合参数评估模型；
[0021]S2.4：基于web中枢系统结合振荡波测试数据和交流耐压试验数据，使用基于多参数融合的高压电缆综合参数评估模型，给出电缆评价，确定电缆检修顺序。
[0022]进一步地，本专利技术还包括S3：基于web中枢系统采集现地单元电缆信号，输入基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法以及基于模糊层次的高压电缆多参数状态评估方法，得出在运电缆局放类型、故障信息及运维指导建议，通过基于web中枢系统接收电缆信号、管理电缆信息、并实现电缆缺陷的局放模式识别、状态诊断，给出详细的运维指导，生成完整的电缆缺陷分析报告。
[0023]进一步地，所述S3具体步骤包括：
[0024]S3.1:基于web中枢系统内进化学习与卷积神经网络的高压电缆局部放电模式识别方法对电缆放电类型进行局放模式识别，给出电缆放电识别结果；
[0025]S3.2：基于web中枢系统内模糊层次的高压电缆多参数状态评估方法得出在运电缆局放类型、故障信息及运维指导建议；
[0026]S3.3：通过TCP/IP通信原理，研发多线程数据通信单元，通过MySQL数据库进行海量数据的管理，通过Vue与Flask框架实现数据显示，形成基于数据通信、数据关系和数据可视化三大模块的高压电缆智能监测中枢系统；
[0027]S3.4：通过基于web中枢系统接收电缆信号、管理电缆信息、并实现电缆缺陷的局放模式识别、状态诊断，给出详细的运维指导，生成完整的电缆缺陷分析报告。
[0028]本专利技术达到的有益效果是：高压电缆智能监测中枢系统通过基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法，基于web中枢系统现地单元不断采集高压电缆现场运行数据，对局放模式识别训练样本库进行扩充，不断提高电缆放电模式识别精度；此外，通过基于模糊层次的高压电缆多参数状态评估方法，综合考虑影响电缆运行状态的多方面因素，对电缆多角度、全方面给出状态评估意见和运维指导；同时，通基于web中枢系统管理电缆信息，进行数据通讯，可视化展示局放模式识别和状态评价结果，生成详细报告，及时有效的对电缆状态给出实时评价，减少了离线检测的频率，具有较高的经济和社会效益。
附图说明
[0029]图1为本专利技术的整体流程结构框图。...
【技术保护点】
【技术特征摘要】
1.一种高压电缆智能监测中枢系统设计方法，其特征在于按以下步骤进行：S1：基于web中枢系统通过卷积神经网络建立高压电缆局部放电类型，基于新建的高压电缆局部放电类型，通过进化学习，使高压电缆局放样本库及局放识别模型自动进化，在基于web中枢系统中集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法；S2：基于web中枢系统记录电缆局放信息、环境信息、历史故障数据和离线数据多类型参数，通过层次分析法确定各参数权重系数，基于隶属度函数确定模糊关系矩阵，在基于web中枢系统中得到基于模糊层次的高压电缆多参数状态评估方法，给出在运电缆状态评价结果及运维指导意见；经过S1集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法和经过S2得到基于模糊层次的高压电缆多参数状态评估方法的基于web中枢系统为高压电缆智能监测中枢系统。2.根据权利要求1所述高压电缆智能监测中枢系统设计方法，其特征在于：S1所述的在基于web中枢系统集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法，具体按以下步骤进行：S1.1：基于实验室电缆局部放电实验，采集不同类型缺陷电缆的局放数据，将基于不同缺陷类型电缆采集到的所有局放数据分类为缺陷类型1至缺陷类型4；S1.2：基于实验室采集到的四种不同电缆缺陷类型的局放样本数据，通过卷积神经网络训练局放模式识别，将卷积神经网络训练得到的局放模式识别模型作为基础模型集成至基于web中枢系统内；S1.3：基于web中枢系统在工业现场各现地监测点不断采集运行现场电缆的局放信号，剔除现场噪声干扰，选择有效的局放信号作为训练样本库的扩充；S1.4：基于web中枢系统监测到样本库的扩充，对现场扩充的有效样本进行局放模式识别，确认电缆局放类型，送入基于web中枢系统的训练模型中，若人工在场，可选择性加入人工指导，结合人工指导选择运维意见，对训练模型进行验证、更新与调整；S1.5：重复S1.2
‑
S1.4的步骤，在每次采集到工业现场新的高压电缆局放信号后，更新训练样本库，进而对基于web中枢系统的训练模型进行更新，不断提高集成建立基于进化学习与卷积神经网络的高压电缆局部放电模式识别方法精度。3.根据权利要求1高压电缆智能监测中枢系统设计方法，其特征在于：S2所述的在基于web...
【专利技术属性】
技术研发人员：彭小圣，贾诗媛，董磊，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。