一种基于多模态融合的中压配电电缆状态评估方法技术

本发明专利技术涉及中压配电电缆状态评估技术领域，特别涉及一种基于多模态融合的中压配电电缆状态评估方法，包括步骤：构建中压配电电缆包含多模态数据的数据集作为样本；通过数据增强的方式扩充样本的数量；基于递归图进行结构化数据的特征提取；基于Faster R

【技术实现步骤摘要】
一种基于多模态融合的中压配电电缆状态评估方法


[0001]本专利技术涉及中压配电电缆状态评估
，特别涉及一种基于多模态融合的中压配电电缆状态评估方法。

技术介绍

[0002]随着国民经济发展和城市化进程的推进，电力电缆在城市电网中重要性日益凸显，已成为城市电能输送“主动脉”。当前在运配电电缆线路已超过80万公里，且配电电缆设备总量保持年均15％快速增长，城市电网电缆化率持续攀升并已超过50％，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。但地下电缆线路结构复杂、运行环境多样、设备密度日趋增大。配电电缆线路故障及损毁带来的断面丧失风险非常严峻，一旦发生类似事件，将严重影响城市电网运行安全，极易造成城市局部或大面积用户停电。因此，亟需构建有效的中压配电电缆状态评估方法。
[0003]当前，关于配电电缆状态评估的研究呈现出两大特点：1)由于绝缘寿命很大程度上决定了电力电缆线路的寿命，关于配电电缆状态评估的研究主要集中于电缆绝缘状态的评估。2)当前的研究多聚焦单类指标，少数考虑了多类指标的研究通常采用打分制，对人工经验依赖性较强，或验证场景较为单一。
[0004]针对电缆绝缘状态评估的研究，主要是通过试验分析所得数据与电缆寿命长短的关系，如电热老化法、等温松弛电流法、极化/去极化电流法、活化能法等试验。基于XLPE电缆绝缘切片的介质损耗因数试验提出tanδ的变化可以反映电缆绝缘的老化程度，tanδ的拟合直线斜率越大，绝缘老化越严重，适用于缺失原始数据的电缆绝缘老化状态评估。或通过试验发现，随着绝缘老化的加剧，0.01Hz正弦场中的平均相位体电荷密度与击穿场强明显下降，即超低频场下的空间电荷情况可有效反映电缆绝缘老化状态，但在实际应用中，该方法应进一步结合综合电荷的积累量、极性以及分布区域范围考虑。或通过极化
‑
去极化电流法获取电缆的弛豫电流，结合频率分布函数对弛豫电流进行拟合，得到各类试样的弛豫电流频域分布曲线并分析其差异，发现热老化的弛豫电流频域峰值明显向低频方向偏移，但水树老化无明显现象。
[0005]国内虽然既有针对电缆单数据源的基于数据驱动的状态评估方法，也有综合多个数据源进行分析的状态评估方法，但是单数据源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，譬如绝缘老化或过负荷运行等，而综合多个数据源分析的方法大多是基于决策级数据融合的方法，本质是在融合时人为赋予各权重，仍然不够客观。

技术实现思路

[0006]针对上述问题，本专利技术提供了一种基于多模态融合的中压配电电缆状态评估方法，具体技术方案如下：
[0007]一种基于多模态融合的中压配电电缆状态评估方法，包括以下步骤：
[0008]步骤S1，构建中压配电电缆包含多模态数据的数据集作为样本，其中多模态数据的数据集包含电缆传感器采集的结构化时间序列数据和摄像头采集的非结构化的电缆接头处的图像数据，结合数据配准原则解决样本中数据存在采样频率不一致的问题；多模态数据包含局部放电、接头温度、载流量、直流分量及接头外观图像五类数据；其中，局部放电、接头温度、载流量、直流分量韦结构化数据，接头外观图像为非结构化数据；
[0009]步骤S2，通过数据增强的方式扩充样本的数量；
[0010]步骤S3，针对采自电缆传感器的结构化数据，基于递归图进行结构化数据的特征提取；
[0011]步骤S4，针对采自电缆接头处的图像数据，基于Faster R
‑
CNN网络进行图像数据的特征提取；
[0012]步骤S5，融合步骤S3和步骤S4提取的特征，输入分类网络，得到融合特征；
[0013]步骤S6，将步骤S5的融合特征作为输入，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。
[0014]优选地，所述步骤S1中结合数据配准原则解决样本中数据存在采样频率不一致的问题具体包括以下步骤：
[0015]将其中电缆传感器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电缆传感器采集的时间序列数据或摄像头采集的图像数据进行扩充，获得同一时间段内长度相同的一组序列数据。
[0016]优选地，所述步骤S2中通过数据增强的方式扩充样本的数量具体包括：
[0017]针对图像数据，通过水平翻转、随机裁剪、平移变换与颜色、光照、对比度变换增加样本数；
[0018]针对结构化数据，在原数据的基础上，通过加随机噪声的方式增加样本数，实现与增强后的图像数据样本的对应。
[0019]优选地，所述步骤S3具体包括：
[0020]步骤S31，将采自同一电缆传感器的时序数据首先经过预处理，再生成递归矩阵，随后绘制出递归图；所述预处理包括数据清洗、数据配准和数据归一化；
[0021]步骤S32，采用经典的AlexNet网络对生成的递归图进行特征提取。
[0022]优选地，所述步骤S31中的数据配准具体包括以下步骤：
[0023]将其中电缆传感器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电缆传感器采集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；
[0024]用同一状态量i的数据构成行向量i＝1,2,...,5，如下式所示：
[0025][0026]其中，x
i
(t
n
)表示状态量i在t
n
时刻采样的值；
[0027]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：
[0028][0029]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采样的值。
[0030]优选地，所述步骤S31中的数据归一化具体为：
[0031]按照下式进行归一化处理，得到归一化矩阵
[0032][0033]其中，是矩阵X的第l行归一化后的向量，E为均值，σ2为方差。
[0034]优选地，所述步骤S31中生成递归矩阵具体包括以下步骤：
[0035]将归一化后的矩阵按列分解，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；
[0036]在递归矩阵计算时，取消Heaviside函数，将所用的递归矩阵元素定义如下式所示：
[0037][0038]其中，R
i,j
表示递归矩阵，表示i时刻的系统状态参量，表示j时刻的系统状态参量；
[0039]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。优选地，所述步骤S4中Faster R
‑
CNN网络包括特征提取主干网络、RPN层、RoI Pooling layer层以及分类网络；
[0040]所述RPN层在前段分为两部分；分别是在分类层，利用softmax函数完成参考框anchors的pos本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态融合的中压配电电缆状态评估方法，其特征在于，包括以下步骤：步骤S1，构建中压配电电缆包含多模态数据的数据集作为样本，其中多模态数据的数据集包含电缆传感器采集的结构化时间序列数据和摄像头采集的非结构化的电缆接头处的图像数据，结合数据配准原则解决样本中数据存在采样频率不一致的问题；多模态数据包含局部放电、接头温度、载流量、直流分量及接头外观图像五类数据；其中，局部放电、接头温度、载流量、直流分量韦结构化数据，接头外观图像为非结构化数据；步骤S2，通过数据增强的方式扩充样本的数量；步骤S3，针对采自电缆传感器的结构化数据，基于递归图进行结构化数据的特征提取；步骤S4，针对采自电缆接头处的图像数据，基于Faster R
‑
CNN网络进行图像数据的特征提取；步骤S5，融合步骤S3和步骤S4提取的特征，输入分类网络，得到融合特征；步骤S6，将步骤S5的融合特征作为输入，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。2.根据权利要求1所述的一种基于多模态融合的中压配电电缆状态评估方法，其特征在于，所述步骤S1中结合数据配准原则解决样本中数据存在采样频率不一致的问题具体包括以下步骤：将其中电缆传感器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电缆传感器采集的时间序列数据或摄像头采集的图像数据进行扩充，获得同一时间段内长度相同的一组序列数据。3.根据权利要求1所述的一种基于多模态融合的中压配电电缆状态评估方法，其特征在于，所述步骤S2中通过数据增强的方式扩充样本的数量具体包括：针对图像数据，通过水平翻转、随机裁剪、平移变换与颜色、光照、对比度变换增加样本数；针对结构化数据，在原数据的基础上，通过加随机噪声的方式增加样本数，实现与增强后的图像数据样本的对应。4.根据权利要求1所述的一种基于多模态融合的中压配电电缆状态评估方法，其特征在于，所述步骤S3具体包括：步骤S31，将采自同一电缆传感器的时序数据首先经过预处理，再生成递归矩阵，随后绘制出递归图；所述预处理包括数据清洗、数据配准和数据归一化；步骤S32，采用经典的AlexNet网络对生成的递归图进行特征提取。5.根据权利要求4所述的一种基于多模态融合的中压配电电缆状态评估方法，其特征在于，所述步骤S31中的数据配准具体包括以下步骤：将其中电缆传感器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电缆传感器采集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的数据构成行向量如下式所示：其中，x
i
(t
n
)表示状态量i在t
n
时刻采样的值；假设有j个采样时刻，将i个状态量在j个采样时...

【专利技术属性】
技术研发人员：张嘉鑫，王波，王红霞，马恒瑞，王雷雄，李怡凡，张迎晨，罗鹏，
申请(专利权)人：武汉大学，
类型：发明
国别省市：