电力电缆寿命估计的方法及系统的制作方法
【专利摘要】本发明公开了一种电力电缆寿命估计的方法及系统，该方法包括：获取电缆待测样本在N个类型环境下对应的N个电缆训练样本的相关信息；根据出厂设计年限t和真实服役时间treal计算得到相对服役时间t*；对每个所述电缆训练样本依据预设绝缘状态指标进行检测，对获取到的检测数据进行预处理，得到预处理后的检测数据li；建立电缆寿命估计的神经网络模型，并训练所述神经网络模型得到电缆寿命估计模型；利用所述电缆寿命估计模型对所述电缆待测样本进行寿命估计，得到所述电缆待测样本的寿命估计结果，实现了对电缆待测样本进行将绝缘状态指标和所处的环境情况作为依据的离线寿命估计，达到了提高电力电缆的寿命估计结果的实用性，从而提高电网安全性的目的。
【专利说明】电力电缆寿命估计的方法及系统
【技术领域】
[0001] 本发明涉及电力电缆【技术领域】，特别是涉及一种电力电缆寿命估计的方法及系 统。
【背景技术】
[0002] 随着电网建设的持续发展，电力电缆作为输送电能的重要设备，其在实际使用过 程中，通常会因绝缘老化引发事故而给电网带来安全隐患。因此，需要对在役电缆进行寿命 估计，为线路维护及运行策略的制订提供依据。
[0003] 目前，通常采用温松弛电流法、差示扫描热量法及经验公式法等方法来估计电力 电缆的寿命并得到寿命估计结果，并且，上述电力电缆寿命估计方法多为基于电力电缆在 线检测的寿命估计。然而，这样的估计方法可能会使参与寿命估计的电力电缆产生记忆效 应，而该记忆效应会在电力电缆运行过程中使其承受过电压，使得电力电缆在参与寿命估 计后的使用过程中极易受到损伤，导致该电力电缆的实际寿命小于上述寿命估计结果，此 时，如果仍以上述寿命估计结果为依据来进行线路维护和制定运行策略，比如依据上述寿 命估计结果推导出电力电缆能支撑到九月，进而做好九月对该电力电缆进行维护或更换的 安排与准备，但是由于该电力电缆的实际寿命小于上述寿命估计结果，使得该电力电缆在 不到九月就不能进行正常的传输工作，导致突然断电影响用户正常的生活，甚至发生漏电 等危险情况，显然，上述寿命估计结果已不再适应于当下的电力电缆，降低了上述寿命估计 结果的实用性，从而降低了电网的安全性。
【发明内容】
[0004] 有鉴于此，本发明提供了一种电力电缆寿命估计的方法及系统，以达到提高电力 电缆的寿命估计结果的实用性，从而提高电网安全性的目的。
[0005] 为解决上述技术问题，本发明提供一种电力电缆寿命估计的方法，包括：
[0006] 获取电缆待测样本在N个类型环境下对应的N个电缆训练样本的相关信息；
[0007] 其中，所述电缆训练样本的相关信息至少包括：所述电缆待测样本的出厂设计年 限t，真实服役时间t Mal和每个所述电缆训练样本相对应的环境参数Wi，i = 1，2,3，···，Ν， 所述环境参数Wi = [wn, wi2, wi3，…，wim]T，m为所述环境参数中所包含的参数个数；
[0008] 根据出厂设计年限t和真实服役时间tMal计算得到相对服役时间t#，其中，= treai,t ;
[0009] 对每个所述电缆训练样本依据预设绝缘状态指标进行检测，对获取到的检测 数据进行预处理，得到预处理后的检测数据li;其中，所述预处理后的检测数据li = [ln, li2, li3，…，lin]T, η为所述预设绝缘状态指标所包含的指标个数；
[0010] 建立电缆寿命估计的神经网络模型，并以Ν个所述电缆训练样本所对应的环境参 数Α和预处理后的检测数据^为输入，Ν个所述电缆训练样本所属的所述电缆待测样本的 相对服役时间为输出，训练所述神经网络模型得到电缆寿命估计模型； toon] 利用所述电缆寿命估计模型对所述电缆待测样本进行寿命估计，得到所述电缆待 测样本的寿命估计结果。
[0012] 优选的，建立电缆寿命估计的神经网络模型，并以N个所述电缆训练样本所对应 的环境参数 Wi和预处理后的检测数据li为输入，N个所述电缆训练样本所属的所述电缆待 测样本的相对服役时间为输出，训练所述神经网络模型得到电缆寿命估计模型，包括：
[0013] 以N个所述电缆训练样本所对应的环境参数Wi和预处理后的检测数据li为样本 输入Xi，N个所述电缆训练样本所属的所述电缆待测样本的相对服役时间t #为样本输出yi， 建立训练样本集合
【权利要求】
1. 一种电力电缆寿命估计的方法，其特征在于，包括： 获取电缆待测样本在N个类型环境下对应的N个电缆训练样本的相关信息； 其中，所述电缆训练样本的相关信息至少包括：所述电缆待测样本的出厂设计年限t， 真实服役时间tMal和每个所述电缆训练样本相对应的环境参数Wi，i= 1，2, 3,…，N，所述 环境参数Wi = [wn,wi2,Wi3，…，Wim]T,m为所述环境参数中所包含的参数个数； 根据出厂设计年限t和真实服役时间tMal计算得到相对服役时间t*，其中，=tMal/t； 对每个所述电缆训练样本依据预设绝缘状态指标进行检测，对获取到的检测数据进行 预处理，得到预处理后的检测数据Ii ;其中，所述预处理后的检测数据Ii = [ln，li2,Ii3，… ，lin]T，n为所述预设绝缘状态指标所包含的指标个数； 建立电缆寿命估计的神经网络模型，并以N个所述电缆训练样本所对应的环境参数Wi 和预处理后的检测数据Ii为输入，N个所述电缆训练样本所属的所述电缆待测样本的相对 服役时间L为输出，训练所述神经网络模型得到电缆寿命估计模型； 利用所述电缆寿命估计模型对所述电缆待测样本进行寿命估计，得到所述电缆待测样 本的寿命估计结果。
2. 如权利要求1所述的方法，其特征在于，建立电缆寿命估计的神经网络模型，并以N 个所述电缆训练样本所对应的环境参数Wi和预处理后的检测数据Ii为输入，N个所述电缆 训练样本所属的所述电缆待测样本的相对服役时间1为输出，训练所述神经网络模型得到 电缆寿命估计模型，包括： 以N个所述电缆训练样本所对应的环境参数Wi和预处理后的检测数据Ii为样本输入Xi，N个所述电缆训练样本所属的所述电缆待测样本的相对服役时间为样本输出yi，建立 训练样本集合;其中，所述训练样本集合中，样本输入Xi与样本输出7i --对应； 设定所述神经网络模型中的神经元数量N，第j个神经元和输入节点之间的内权权重 列向量〇』和第j个神经兀的偏置值列向量bj;其中，= ; 依据所述神经元数量第j个神经元和输入节点之间的内权权重列向量和第j个神经元的偏置值列向量卜计算得到神经元矩阵H;其中，//(iJ_) =G(<v,.+/?/)，G(_)为 Sigmodal函数，y= 1,2,…，iV，i= 1，2,…，N; 依据所述神经元矩阵H计算得到所述神经网络模型中第j个神经元和输出节点之间的 外权权重列向量 其中為=H+F，H+ = (HtH)4Ht为所述神经元矩阵H的Moore-Penrose广义逆，Y= [yi，y2,...，yN]T为所述训练样本集合中的样本输出； 依据所述神经元矩阵H和所述外权权重列向量&得到电缆寿命估计模型F(?);其中，
3. 如权利要求1所述的方法，其特征在于，利用所述电缆寿命估计模型对所述电缆待 测样本进行寿命估计，得到所述电缆待测样本的寿命估计结果，包括： 将所述电缆待测样本的环境参数列向量w和所述预处理后的检测数据1构成的列向量 z输入所述电缆寿命估计模型
，得到所述电缆待测样本的相对服役 时间￡ ; 其中，W= [WpW2,--?，￥」，I= [I1, 12,…，1N]，所述电缆待测样本的相对服役时间
依据所述电缆待测样本的相对服役时间￡:和所述设计年限t得到所述电缆待测样本 的寿命估计结果tlast ;其中，所述电缆待测样本的寿命估计结果=f。
4. 如权利要求1所述的方法，其特征在于，所述环境参数包括：地表日平均温度，土壤 平均湿度，土壤酸碱性，地表日最高温度，地表日最低问题，路面压力和土壤砂质。
5. 如权利要求1所述的方法，其特征在于，所述预设绝缘状态指标包括： 绝缘厚度，微孔杂质，热延伸率，永久延伸率，断裂延伸率和抗张强度。
6. 如权利要求1所述的方法，其特征在于，所述对获取到的检测数据进行预处理，包 括： 去除所述检测数据中的坏数据点，其中，所述坏数据点至少包括：因漏记造成的空缺数 据点，与其它检测数据相比偏差较大明显记录错误的数据点。
7. -种电力电缆寿命估计的系统，其特征在于，应用于权利要求1?6任意一项所述的 方法，该系统包括 ： 获取单元，用于获取电缆待测样本在N个类型环境下对应的N个电缆训练样本的相关 信息； 其中，所述电缆训练样本的相关信息至少包括：所述电缆待测样本的出厂设计年限 真实服役时间C/和每个所述电缆训练样本相对应的环境参数Wi,i= 1，2, 3,…，N，所述环 境参数Wi=[wn, wi2, Wi3，…，Wim]T,m为所述环境参数中所包含的参数个数； 计算单元，用于根据出厂设计年限h和真实服役时间tMal计算得到相对服役时间t#， 其中，t* =traal/t; 检测单元，用于对每个所述电缆训练样本依据预设绝缘状态指标进行检测，对获取到 的检测数据进行预处理，得到预处理后的检测数据Ii ;其中，所述预处理后的检测数据Ii = [ln,li2,Ii3，…，lin]T,n为所述预设绝缘状态指标所包含的指标个数； 建模单元，用于建立电缆寿命估计的神经网络模型，并以N个所述电缆训练样本所对 应的环境参数Wi和预处理后的检测数据Ii为输入，N个所述电缆训练样本所属的所述电缆 待测样本的相对服役时间L为输出，训练所述神经网络模型得到电缆寿命估计模型；寿命 估计单元，用于利用所述电缆寿命估计模型对所述电缆待测样本进行寿命估计，得到所述 电缆待测样本的寿命估计结果。
8. 如权利要求7所述的系统，其特征在于，所述建模单元包括： 集合构建模块，用于以N个所述电缆训练样本所对应的环境参数Wi和预处理后的检测 数据Ii为样本输入Xi,N个所述电缆训练样本所属的所述电缆待测样本的相对服役时间 为样本输出yi，建立训练样本集合;其中，所述训练样本集合P,,XKl1中，样本输 入Xi与样本输出yi -一对应； 参数设定模块，用于设定所述神经网络模型中的神经元数量及，第j个神经元和输入 节点之间的内权权重列向量和第j个神经元的偏置值列向量bj;其中，= 1,2,3,--?,#; 神经元矩阵构建模块，用于依据所述神经元数量,第j个神经元和输入节点之间 的内权权重列向量和第j个神经元的偏置值列向量bj计算得到神经元矩阵H;其中， 丑〇,0二<^(<^1/+6/)，6(.)为51 8111〇(^1函数，> =1,2，.._，]?，1 = 1，2，...，1 外权权重构建模块，用于依据所述神经元矩阵H计算得到所述神经网络模型中第j个 神经元和输出节点之间的外权权重列向量及； 其中= /./+K，H+ = (HtH)-1Ht为所述神经元矩阵H的Moore-Penrose广义逆，Y= [yi，y2, ...，yN]T为所述训练样本集合中的样本输出； 建模模块，用于依据所述神经元矩阵H和所述外权权重列向量&得到电缆寿命估计模 型F( ?);其中 J-1
9. 如权利要求7所述的系统，其特征在于，所述寿命估计单元包括： 第一估计模块，用于将所述电缆待测样本的环境参数列向量w和所述预处理后的检测 数据1构成的列向量z输入所述电缆寿命估计模型
得到所述电缆 待测样本的相对服役时间￡ ; 其中，W= [WpW2,--?，￥」，I= [I1, 12,…，1N]，所述电缆待测样本的相对服役时间
第二估计模块，用于依据所述电缆待测样本的相对服役时间￡和所述设计年限t得 到所述电缆待测样本的寿命估计结果tlast;其中，所述电缆待测样本的寿命估计结果 O
10. 如权利要求7所述的系统，其特征在于，所述检测单元包括： 预处理模块，用于去除所述检测数据中的坏数据点，其中，所述坏数据点至少包括：因 漏记造成的空缺数据点，与其它检测数据相比偏差较大明显记录错误的数据点。
【文档编号】G06N3/08GK104268626SQ201410561756
【公开日】2015年1月7日 申请日期:2014年10月21日 优先权日:2014年10月21日
【发明者】黄宏新, 赵明, 任广振, 罗进圣, 许刚, 徐祥海, 胡伟, 杨先进, 韩一峰, 谈元鹏, 徐航, 毛炜, 黄肖为, 洪晓东, 娄雨风, 池俊锋, 姚广元 申请人:国家电网公司, 国网浙江省电力公司杭州供电公司, 华北电力大学