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】
本专利技术涉及电力电缆接头状态测量,尤其涉及一种集成式的电力电缆接头状态测量方法及系统。
技术介绍
1、随着电力系统的快速发展,电力电缆接头的安全运行越来越受到重视。电力电缆接头状态的准确检测对于预防故障和确保电力系统的稳定运行具有重要意义。
2、近年来,虽然国内外学者在电力电缆接头状态检测方面做了大量研究,但仍然存在一些问题。例如,传统的基于单一特征的检测方法容易受到噪声干扰,导致误报率较高;此外,现有的检测方法往往需要大量的数据训练模型,且大量数据中往往存在很多没有实际意义的数据,影响模型训练效率,这使得模型的训练和预测效果受到限制。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题,提出了本专利技术。
3、因此,本专利技术提供了一种集成式的电力电缆接头状态测量方法及系统,能够解决
技术介绍
中提到的问题。
4、为解决上述技术问题,本专利技术提供如下技术方案,一种集成式的电力电缆接头状态测量方法,包括:
5、获取同类型电力电缆接头历史数据,所述历史数据包括正常工况数据、故障前一周期内以及故障后一周期内的温度、湿度、压力以及电流数据;
6、根据所述同类型电力电缆接头历史数据,获取
7、根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测量模型,所述模型的输入为所述建立的相关性系数矩阵中阈值满足条件的对应历史数据,所述模型的输出为电力电缆接头状态,所述电力电缆接头状态包括正常以及故障状态;
8、根据所述电力电缆接头状态测量模型进行电力电缆接头状态测量。
9、作为本专利技术所述的集成式的电力电缆接头状态测量方法的一种优选方案,其中:所述根据所述同类型电力电缆接头历史数据,获取故障前后数据的相关性系数矩阵,并记作第一相关性系数矩阵以及第二相关性系数矩阵包括:
10、将获取到的故障前一周期内的温度、湿度、压力以及电流数据分别记作样本集t={t1,t2,t3,...,tn}、h={h1,h2,h3,...,hn}、p={p1,p2,p3,...,pn}以及i={i1,i2,i3,...,in},n表示采样次数;
11、建立关于上述故障前样本集的第一协方差矩阵:
12、
13、其中,cov表示协方差,var表示方差;
14、将所述故障前样本集的第一协方差矩阵进行标准化,获取故障前样本集的第一相关性系数矩阵,表示如下:
15、
16、其中,r表示故障前一周期内的温度、湿度、压力以及电流样本数据的协方差与对应标号故障前一周期内的温度、湿度、压力以及电流样本数据的标准差的比值。
17、作为本专利技术所述的集成式的电力电缆接头状态测量方法的一种优选方案,其中:所述获取同类型电力电缆接头历史数据,所述历史数据包括正常工况数据、故障前一周期内以及故障后一周期内的温度、湿度、压力以及电流数据还包括:
18、将获取到的故障后一周期内的温度、湿度、压力以及电流数据分别记作样本集t={t1,t2,t3,...,tn}、h={h1,h2,h3,...,hn}、p={p1,p2,p3,...,pn}以及i={i1,i2,i3,...,in};
19、根据故障前样本集的第一协方差矩阵以及第一相关性系数矩阵建立方式建立故障后样本集的第二协方差矩阵以及第二相关性系数矩阵。
20、作为本专利技术所述的集成式的电力电缆接头状态测量方法的一种优选方案,其中:所述预设阈值包括:
21、将第一相关性系数矩阵中满足如下阈值约束矩阵的故障前一周期内的温度、湿度、压力以及电流数据删除,保留剩余部分数据作为电力电缆接头状态测量模型的输入数据;
22、
23、将第二相关性系数矩阵中满足如下阈值约束矩阵的故障后一周期内的温度、湿度、压力以及电流数据删除,保留剩余部分数据作为电力电缆接头状态测量模型的输入数据;
24、
25、其中,r表示故障前、故障后一周期内的温度、湿度、压力以及电流样本数据的协方差与对应标号故障前、故障后一周期内的温度、湿度、压力以及电流样本数据的标准差的比值。
26、作为本专利技术所述的集成式的电力电缆接头状态测量方法的一种优选方案,其中:所述根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测量模型包括:
27、将正常工况数据以及进行数据删除后的故障数据进行预处理,并转化为特征向量x;
28、结合神经网络建立电力电缆接头状态测量模型,所述模型的神经网络最后一层节点为风险评分激活函数;
29、所述激活函数为:
30、risk=σ(wfinal*xfusion+bfinal)
31、其中,risk表示风险评分,σ表示激活函数,wfinal表示最后一层权重矩阵,xfusion表示输入特征向量,bfinal表示偏置项;
32、通过注意力机制分配权重,ffusion=attention(ft,fh,fp,fi,finteract),其中ft,fh,fp,fi,finteract表示神经网络提取到的时间序列特征。
33、作为本专利技术所述的集成式的电力电缆接头状态测量方法的一种优选方案,其中:所述根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测量模型还包括:
34、对模型的评估使用如下评估公式:
35、cw=α·prisk+β·dtrend-γ·ifalse
36、
37、
38、
39、其中,prisk表示所述电力电缆接头状态测量模型对真实故障接头正确识别的比例,dtrend模型预测状态变化与实际状态变化的相似度比值,ifalse表示错误报告惩罚项,α、β、γ表示对应权重,cw表示模型稳定指数,ya表示真实情况发生情况,zf表示风险指示函数,当模型风险评分大于模型风险评分预设值时风险指示函数取值为1,当模型风险评分不大于模型风险评分预设值时风险指示函数取值为0,n表示总样本数,sa表示实际接头状态的时间序列变化,表示模型预测的状态变化时间序列,r表示相关性系数。
40、作为本专利技术所述的集成式的电力电缆接头状态测量方法的一种优选方案,其中:所述根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测量模型还包括:
41、当进行本文档来自技高网...
【技术保护点】
1.一种集成式的电力电缆接头状态测量方法,其特征在于,包括:
2.如权利要求1所述的集成式的电力电缆接头状态测量方法,其特征在于,所述根据所述同类型电力电缆接头历史数据,获取故障前后数据的相关性系数矩阵,并记作第一相关性系数矩阵以及第二相关性系数矩阵包括:
3.如权利要求2所述的集成式的电力电缆接头状态测量方法,其特征在于,所述获取同类型电力电缆接头历史数据,所述历史数据包括正常工况数据、故障前一周期内以及故障后一周期内的温度、湿度、压力以及电流数据还包括:
4.如权利要求3所述的集成式的电力电缆接头状态测量方法,其特征在于,所述预设阈值包括:
5.如权利要求4所述的集成式的电力电缆接头状态测量方法,其特征在于,所述根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测量模型包括:
6.如权利要求5所述的集成式的电力电缆接头状态测量方法,其特征在于,所述根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测量模型还包括:
7.如权利要求6所述的集成式的电力电缆接头状态测量方法,其特征在
8.一种集成式的电力电缆接头状态测量系统,其特征在于,包括:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种集成式的电力电缆接头状态测量方法,其特征在于,包括:
2.如权利要求1所述的集成式的电力电缆接头状态测量方法,其特征在于,所述根据所述同类型电力电缆接头历史数据,获取故障前后数据的相关性系数矩阵,并记作第一相关性系数矩阵以及第二相关性系数矩阵包括:
3.如权利要求2所述的集成式的电力电缆接头状态测量方法,其特征在于,所述获取同类型电力电缆接头历史数据,所述历史数据包括正常工况数据、故障前一周期内以及故障后一周期内的温度、湿度、压力以及电流数据还包括:
4.如权利要求3所述的集成式的电力电缆接头状态测量方法,其特征在于,所述预设阈值包括:
5.如权利要求4所述的集成式的电力电缆接头状态测量方法,其特征在于,所述根据所述建立的相关性系数矩阵,结合预设阈值,建立电力电缆接头状态测...
【专利技术属性】
技术研发人员:李锐,张磊,陈梁远,芦宇峰,饶夏锦,潘绍明,
申请(专利权)人:广西电网有限责任公司电力科学研究院,
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。