一种基于多元递归图特征提取的10kV电缆运行状态评估模型制造技术

本发明专利技术涉及一种基于多元递归图特征提取的10kV电缆运行状态评估模型，基于多种结构化数据对10kV配电电缆进行状态评估。首先将多种结构化数据经过预处理获取初始数据矩阵；随后基于初始数据矩阵生成相应的递归矩阵，再依据递归矩阵绘制递归图；最后，对递归图进行特征提取，以电缆状态等级为目标进行特征提取和参数训练，最终输出电缆状态等级。本发明专利技术充分利用了10kV配电电缆系统中的多种结构化数据，一定程度上解决了不同数据源权重赋予过程主观性强的问题。性强的问题。性强的问题。

【技术实现步骤摘要】
一种基于多元递归图特征提取的10kV电缆运行状态评估模型


[0001]本专利技术涉及10kV配电电缆状态评估方法，尤其是涉及一种基于多元递归图特征提取的10kV电缆运行状态评估模型。

技术介绍

[0002]当前，部分大型城市电网电缆化率已超过95％，其中10kV电缆线路在6
‑
35kV中压配电电缆中占比达到95％以上，成为当前城市电缆网的主要组成部分。同时，10kV电缆线路结构复杂、运行环境多样、设备密度日趋增大，需要有效的风险评估方法支撑配电电缆设备运维管理。
[0003]已有电缆运行风险评估方法集中于运行维护环节的多维度评估，但各维度指标之间相互割裂，独立分析，无法挖掘多维度评价指标间的关联关系。主要的评价技术手段包括：
[0004](1)设备评分法：根据专家经验，为电缆运行风险的各个影响因素/评价指标赋予一定的权重，然后按权相加，得到综合的电缆运行风险评估结果。该方法的缺陷在于对专家经验的依赖性较大，各影响因素/评价指标的权重不具有客观性。
[0005](2)层次分析法(analytic hierarchy process,AHP)：是一种针对多因素分析、多指标分级的评价方法。首先将电缆运行风险评估层次化，即根据电缆运行风险评价的总体目标，将各影响因素/风险评价指标进行分解，然后按照影响因素间的相互关系和隶属关系，将各影响因素按不同层次进行聚集组合，形成多层分析结构，最终归结为最底层(指标/影响因素)相对于最高层(电缆运行风险评估)相对重要程度的权值或相对优劣次序的问题。
[0006](3)神经网络法：神经网络是以有向图为拓扑结构的高度非线性动态系统，通过调整内部神经元之间的互相连接关系来学习特征、进行信息处理，故具有很强的自学习、自适应和容错能力。神经网络法以各个影响因素/评价指标为输入，以电缆的运行风险评估等级/值为输出，通过训练各神经元的参数进行模型参数的确定。
[0007](4)模糊数学法：用隶属程度非绝对的“属于”或“不属于”来描述因素差异的模糊程度，是用精确的数学语言对模糊性的一种描述。其主要步骤为：从各个影响因素/评价指标出发，确定评价指标对于电缆运行风险状态的隶属度，得到各个影响因素/评价指标的模糊状态矩阵，然后确定不同影响因素的权重，计算电缆运行状态评估结果。该方法还可通过与层次分析法、神经网络法等方法结合提高评估准确性。
[0008]目前，国内外已经有公司或机构开发了在线监测平台，能够全面地获取电缆运行状态数据，然而由于缺少高级分析功能，大量数据没有得以充分利用。现有做法往往是从单一方面分析，然后人为赋予状态量对应的权重，加权获得最终的评价结果。这类综合性决策方法可概括为决策级融合方法。决策级的优点是容错性强、通信量小、运算量小。但从另外一方面，影响电缆风险水平的影响因素众多，各类影响因素之间相互关联。现有决策级融合方法首先基于单类观测量进行风险水平评估，然后对各类决策进行综合，其难以挖掘各评
估量之间的关联关系，且信息损失量大，难以准确评估电缆的运行风险水平。因此，多个参量的融合状态风险评估应是往后针对电力设备进行状态评估的主要发展趋势。
[0009]目前，国内虽然既有针对电缆单参量的数据驱动的状态评估方法，也有综合多个参量分析的状态评估方法，但是单参量的数据驱动的状态评估方法仅能评估电缆某一个方面的状态，譬如绝缘老化、过负荷运行等，而综合多个参量分析的方法也仅是基于决策级数据融合的方法，这种方法的本质是人为赋予各状态参量权重，仍然不够客观。

技术实现思路

[0010]本专利技术主要解决现有10kV电缆状态评估的问题，提供了一种基于多元递归图特征提取的10kV电缆运行状态评估模型，主要针对多种结构化数据融合，信息相互增强。该模型整体架构如图1所示：
[0011]本专利技术为了解决上述技术问题而采用的技术解决方案如下：
[0012]一种基于多元递归图特征提取的10kV电缆运行状态评估模型，包括以下步骤：
[0013]步骤1，构建包含10kV电缆多种结构化数据的数据集；
[0014]步骤2，针对数据集完成数据预处理，获取初始数据矩阵；
[0015]步骤3，基于初始数据矩阵生成递归矩阵；
[0016]步骤4，依据递归矩阵绘制递归图；
[0017]步骤5，对递归图进行特征提取，以电缆状态等级为目标进行特征提取和参数训练，最终输出电缆状态等级；
[0018]步骤6，对训练好的模型进行测试。
[0019]在上述基于多元递归图特征提取的10kV电缆运行状态评估模型中，所述的步骤2中完成数据预处理的具体操作方法为：
[0020]本专利技术中的数据预处理主要包括数据清洗、数据配准和数据归一化三个过程。
[0021](1)数据清洗
[0022]针对实际工程中所采集到的数据存在缺失、异常以及误差等问题，需对原始数据进行处理。首先各自清洗原始时间序列数据中的异常数据，再对序列中的空缺处进行插值补全；
[0023](2)数据配准
[0024]针对采样频率不一致的问题，将其中最高的采样频率作为基准，以插值的方式对采样频率较低的时间序列进行扩充，获得同一时间段内长度相同的一组序列数据。用同一状态量i(i＝1,2,...,5)的数据构成行向量如下式所示：
[0025][0026]假设有j个采样时刻，将i个状态量在j个采样时刻的数据整理为矩阵形式，如下式所示：
[0027][0028]上式中，每一行为同一状态量的不同时刻数据，每一列为同一时刻不同状态量的值；
[0029](3)数据归一化
[0030]针对原数据物理意义及量纲不同的问题，采用归一化处理进行去量纲。按照下式进行归一化处理，得到归一化矩阵
[0031][0032]其中，是X的第l行，E为均值，σ2为方差。
[0033]在上述基于多元递归图特征提取的10kV电缆运行状态评估模型中，所述的步骤3中生成递归矩阵的具体操作方法为：
[0034]将归一化后的矩阵按列理解，某一列为表征系统相应时刻状态的全部参量值，确定合适的嵌入维数l与延迟时间τ以及合适的误差容限ε。
[0035]因为后续将递归图作为卷积神经网络的输入进行特征提取，故在递归矩阵计算时做出以下改变：取消Heaviside函数，将所用的递归矩阵元素定义如下式所示：
[0036][0037]并再次按行进行归一化处理，得到一个元素值在(0,1)间分布的矩阵。
[0038]在上述基于多元递归图特征提取的10kV电缆运行状态评估模型中，所述的步骤4中绘制递归图的具体操作方法为：
[0039]结合图像像素的亮度值在0至255之间,靠近255的像素亮度较高,靠近0的亮度较低,其余部分就属于中间调。将上述递归图元素整体扩至255倍，即元素分布在(0,225)之间，可以对应不同的像素亮度值绘制递归图，因此递归图能更细节地体现各点之间的联系与变化。
[0040]在上述基于多元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元递归图特征提取的10kV电缆运行状态评估模型，其特征在于，包括以下步骤：步骤1，构建包含10kV电缆多种结构化数据的数据集；步骤2，针对数据集完成数据预处理，获取初始数据矩阵；步骤3，基于初始数据矩阵生成递归矩阵；步骤4，依据递归矩阵绘制递归图；步骤5，对递归图进行特征提取，以电缆状态等级为目标进行特征提取和参数训练，最终输出电缆状态等级；步骤6，对训练好的模型进行测试。2.根据权利要求1所述的一种基于多元递归图特征提取的10kV电缆运行状态评估模型，其特征在于，所述的步骤2中完成数据预处理的具体操作方法为：数据预处理主要包括数据清洗、数据配准和数据归一化三个过程，(1)数据清洗首先各自清洗原始时间序列数据中的异常数据，再对序列中的空缺处进行插值补全；(2)数据配准针对采样频率不一致的问题，将其中最高的采样频率作为基准，以插值的方式对采样频率较低的时间序列进行扩充，获得同一时间段内长度相同的一组序列数据，用同一状态量i(i＝1,2,...,5)的数据构成行向量如下式所示：假设有j个采样时刻，将i个状态量在j个采样时刻的数据整理为矩阵形式，如下式所示：上式中，每一行为同一状态量的不同时刻数据，每一列为同一时刻不同状态量的值；(3)数据归一化针对原数据物理意义及量纲不同的问题，采用归一化处理进行去量纲，按照下式进行归一化处理，得到归一化矩阵归一化处理，得到归一化矩阵其中，是X的第l行，E为均值，σ2为方差。3.根据权利要求1所述的一种基于多元递归图特征提取的10kV电缆运行状态评估模型，其特征在于，所述的步骤3中，生成递归矩阵的具体操作方法为：将归...

【专利技术属性】
技术研发人员：王波，任广振，张嘉鑫，王红霞，何毅帆，马恒瑞，李怡凡，孙翔，谢成，
申请(专利权)人：国网浙江省电力有限公司国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：