System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电缆监测,具体的,涉及一种基于谐波数据的电缆缺陷监测方法及系统。
技术介绍
1、电缆是用于输电和配电的重要组件,在电力系统中起着至关重要的作用,是现代社会中不可或缺的组成部分。但电缆的长期运行和环境因素的影响可能导致电缆出现各种缺陷,如绝缘层磨损、老化以及金属导体腐蚀等。如果不及时检测和修复这些缺陷,将会降低电力系统的可靠性,可能引发故障,甚至会造成严重的安全事故。
2、谐波特征检测技术作为一种新兴的电缆缺陷检测方法,其原理是基于电缆的谐波信号与缺陷之间的关联进行分析。当电缆存在缺陷时,例如绝缘层的磨损或老化,则缺陷处便会引起电缆中的电流和电压的非线性变化,从而导致谐波信号的产生。而这些谐波信号以不同的频率成分呈现在电缆系统的电流和电压波形中,通过分析谐波信号的频谱和幅度变化来准确定位和分析电缆的缺陷。
3、目前,现有技术中只研究了电缆的三次谐波信号与电缆水树老化具有相关性;更详细的,电缆的三次谐波信号的分量与水树长度、击穿强度等具有密切关系,也即是说只能基于谐波信号判断是否属于水树老化,以及水树长度和击穿强度等。
4、然而,对于其他电缆缺陷,例如对于水树、压接管表面绝缘带残留、绝缘面半导电悬浮、绝缘面金属悬浮、金属尖端放电等电缆缺陷,现有技术并没有对这些缺陷所对应的谐波信号进行研究。也即是,无法基于谐波信号识别除了水树老化之外的其他电缆缺陷类型。
技术实现思路
1、本专利技术提供一种基于谐波数据的电缆缺陷监测方法及系统,用以解决现
2、一方面,本专利技术提供了一种基于谐波数据的电缆缺陷监测方法,该方法包括:
3、获取电缆谐波数据;
4、将所述电缆谐波数据输入第一模型中,得到第一数组;
5、将所述电缆谐波数据输入第二模型中,得到第二数组;
6、基于所述第一数组和所述第二数组进行计算,得到第三数组;
7、将第三数组中的最大数值所对应的缺陷类型作为结果输出,以实现电缆缺陷的监测。
8、进一步的,所述第一数组为所述电缆谐波数据与所述第一模型中每种缺陷聚类中心的距离数组;所述第二数组为所述电缆谐波数据属于所述第二模型中各种缺陷类型的概率数组。
9、进一步的,所述第三数组为所述第一数组中的数值与所对应的所述第二数组中的数值的比值。
10、进一步的,所述电缆谐波数据包括:基波数据、多个谐波数据,实际电流强度和实际测量位置。
11、进一步的,所述第一模型和第二模型的构建均包括获取样本数据集;
12、所述样本数据集的获取包括:
13、获取试验谐波数据集;其中,所述试验谐波数据集包括多种缺陷数据集,一种所述缺陷数据集对应无电缆缺陷类型或一种电缆缺陷类型;每种缺陷数据集包括多个谐波分量数据,每个谐波分量数据对应一个试验电流强度和一个试验测量位置;
14、基于多种缺陷数据集、以及与谐波分量数据对应的所述试验电流强度和所述试验测量位置得到样本数据集。
15、进一步的,所述第一模型的构建基于kmeas聚类模型,包括:
16、利用kmeas聚类模型将所述样本数据集重新划分,得到第一聚类结果;
17、剔除所述第一聚类结果中的噪声数据,得到所述第一模型。
18、进一步的,所述第二模型的构建基于xgboost多分类模型,包括:
19、基于无电缆缺陷类型和多种电缆缺陷类型得到缺陷标签,或基于第一模型中的缺陷聚类中心的类型得到缺陷标签;并对所述缺陷标签进行独热编码处理,得到样本标签;
20、将过滤后的所述样本数据集按设定比例划分为训练集和验证集;
21、利用所述训练集对xgboost多分类模型进行训练,并利用所述验证集对所述xgboost多分类模型的参数进行调节,直到模型收敛,以此得到所述第二模型。
22、进一步的,所述电缆缺陷的类型包括:水树缺陷、压接管表面绝缘带残留缺陷、绝缘面半导电悬浮缺陷、绝缘面金属悬浮缺陷和金属尖端放电缺陷中的一种或多种。
23、进一步的,将所述样本数据集重新划分的步骤包括:
24、分别从每种缺陷数据集中都任意选取一个样本点,得到与缺陷类型相对应的多个聚类中心;并将所有所述缺陷数据集中未被选取的样本点均标记为试验点;
25、计算当前试验点与每个所述聚类中心的距离,基于所述距离对当前试验点进行分类;
26、基于对分类后的样本点和试验点进行分类计算,得到聚类质心向量值;
27、并将所述聚类质心向量值与所述聚类中心比较,若所述聚类中心发生变化,则重新计算试验点与每个所述聚类中心的距离,不断收敛,直到所述聚类中心不再变化,得到所述第一聚类结果。
28、另一方面,本专利技术还提供了一种基于谐波数据的电缆缺陷监测系统,所述系统至少包括多个数据采集模块和多个数据处理模块,执行上述任一项所述方法的步骤。
29、总体而言,通过本专利技术所构思的技术方案,与现有技术相比能够取得下列有益效果:
30、本专利技术提供一种基于谐波数据的电缆缺陷监测方法及系统,一方面,结合聚类模型和分类模型分别对配电电缆缺陷进行识别,最后结合聚类模型与分类模型对结果做进一步处理,从而更加准确地判断配电电缆所存在的缺陷,使缺陷识别结果更加可靠。
31、第二方面,通过对配电电缆进行人为制造的常见缺陷,并对单芯电缆的不同位置施加不同电流;利用n次独立试验以采集电缆终端处的谐波信号,得到完整的电缆缺陷演化过程的谐波变化数据;接着对不同类型缺陷数据进行余弦相似度计算实现聚类,并与原数据对比后对数据进行滤波,得到稳定的数据及健壮的聚类模型;结合聚类模型输出到各个缺陷距离进行进一步判定,不仅得到更为准确地电缆缺陷类型结果,而且可以监测除了水树老化之外的其他电缆缺陷类型,定量地实现了电缆谐波数据与缺陷的一一对应关系,为及时修复缺陷,保证电力系统的可靠性提供了依据。
本文档来自技高网...【技术保护点】
1.一种基于谐波数据的电缆缺陷监测方法,其特征在于,该方法包括:
2.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,第一数组为电缆谐波数据与第一模型中每种缺陷聚类中心的距离数组;第二数组为电缆谐波数据属于第二模型中各种缺陷类型的概率数组。
3.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述第三数组为所述第一数组中的数值与所对应的所述第二数组中的数值的比值。
4.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述电缆谐波数据包括:基波数据、多个谐波数据,实际电流强度和实际测量位置。
5.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述第一模型和第二模型的构建均包括获取样本数据集;
6.如权利要求5所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述第一模型的构建基于Kmeas聚类模型,包括:
7.如权利要求5或6中所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述第二模型的构建基于XGBoost多分类模型,包括:
8.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述电缆缺陷的类型包括:水树缺陷、压接管表面绝缘带残留缺陷、绝缘面半导电悬浮缺陷、绝缘面金属悬浮缺陷和金属尖端放电缺陷中的一种或多种。
9.如权利要求6所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,将所述样本数据集重新划分的步骤包括:
10.一种基于谐波数据的电缆缺陷监测系统,其特征在于,所述系统至少包括多个数据采集模块和多个数据处理模块,执行权利要求1~9中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于谐波数据的电缆缺陷监测方法,其特征在于,该方法包括:
2.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,第一数组为电缆谐波数据与第一模型中每种缺陷聚类中心的距离数组;第二数组为电缆谐波数据属于第二模型中各种缺陷类型的概率数组。
3.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述第三数组为所述第一数组中的数值与所对应的所述第二数组中的数值的比值。
4.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述电缆谐波数据包括:基波数据、多个谐波数据,实际电流强度和实际测量位置。
5.如权利要求1所述的一种基于谐波数据的电缆缺陷监测方法,其特征在于,所述第一模型和第二模型的构建均包括获取样本数据集;
6.如权利要求5...
【专利技术属性】
技术研发人员:吴高波,郑坤力,徐磊,楼佳庆,金鑫盛,李伟明,朱亚松,徐锡波,杨继辉,雷丞,
申请(专利权)人:宁波市永能电力产业投资有限公司,
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。