基于大数据与人工智能算法的电缆老化评估方法与流程

本发明属于电缆工程领域，具体是基于大数据与人工智能算法的电缆老化评估方法。

背景技术：

1、一方面，压电缆屏蔽层是由炭黑、交联剂等组成的的复合材料，含有的官能团种类较多。在电缆实际运行的过程中，屏蔽层不仅起到均匀电场的作用，还是绝缘层与导体之间的桥梁，因此对屏蔽层的老化状态进行评估尤为重要。

2、目前，评价高压电缆屏蔽层性能的方法主要是基于红外光谱以及宏观力、电、光学的研究，比如，耐压试验、热重分析以及耗氧实验等方法。但是，这些方法对电缆短期老化测试的结果并不灵敏，多适用于材料老化严重时的检测。

3、为了识别电缆初期的老化状态，傅里叶变换红外光谱(fouriertransforminfraredspectroscopy，ftir)得到了广泛应用。ftir被认为是检测聚合物老化过程中羟基、羰基、酮基等官能团变化的最常用方法，然而其技术的灵敏度对电缆老化产生的官能团难以精准测量，以致难以准确识别电缆的老化状态。

4、另一方面，现有专利名称为，申请号为cn202111408602.7，一种基于消耗动力学模型的交联聚乙烯电缆绝缘寿命预测方法及系统，该专利能够有效解决无法便捷评估电缆未来的老化状态的问题，但该专利采用的傅里叶变换红外光谱技术难以准确识别电缆老化的状态。

技术实现思路

1、为了解决上述问题，本发明的目的是提供一种能够准确识别电缆老化状态的基于大数据与人工智能算法的电缆老化评估方法。

2、为了实现上述目的，本发明的技术方案如下：

3、第一方面，本发明提供了基于大数据与人工智能算法的电缆老化评估方法，其特征在于：包括以下步骤，

4、测量各电缆的去极化电流；

5、以去极化电流为依据基于扩展debye模型计算介质损耗因数；

6、测量各电缆表面光泽度，测试电缆表面的磨损情况，测量电缆电导率；

7、依据电缆电导率、电缆表面光泽度、电缆表面的磨损情况以及介质损耗因数绘制各电缆的四维可视化图表。

8、进一步的，所述电缆包括需要评估的旧电缆以及与旧电缆同型号规格的全新电缆。

9、进一步的，所述以去极化电流为依据基于扩展debye模型计算介质损耗因数的方法进一步包括：

10、通过极化电流构建汉克尔矩阵；

11、进行奇异值分解并确定扩展debye模型支路数；

12、进行参数辨识，计算扩展debye模型的各项参数；

13、计算介质损耗因数。

14、进一步的，所述进行奇异值分解并确定debye模型支路数方法包括：

15、根据公式：

16、y＝svdt

17、对汉克尔矩阵进行奇异值分解；其中s为m×m维的左奇异向量正交矩阵；d为(l+1)×(l+1)维的右奇异向量正交矩阵；v为m×(l+1)维的对角阵，v的对角元素αi(i＝1,2,3...min(m，l+1))为汉克尔矩阵y的第i个奇异值，y为汉克尔矩阵；

18、根据公式

19、

20、计算本公式约束条件下的最小的αi的值，此时的i值即为debye模型支路数，记此时支路数为n，其中ε为设置精度，αi为汉克尔矩阵y的第i个奇异值；α1为汉克尔矩阵y的第1个奇异值。

21、如图2所示，横轴为阶数，αi接近α1的值时，则可以认定小于该值的奇异值被判断为噪声而进行人为的舍去以实现去噪，此时记有效信号阶数为n-1，记为m。除此之外，当σn/σ1并不递减时，

22、则说明测试的去极化电流信号不可以再使用“衰减指数和”的形式进行拟合

23、进一步的，所述进行参数辨识，计算扩展debye模型的各项参数方法包括：

24、将矩阵d的前n个主导右特征向量的第1行插入矩阵d的第(l+1)/2行记为矩阵d1，将矩阵d的前n个主导右特征向量的第2行插入第1+(l+1)/2行记为矩阵d2，构造矩阵d3＝[d1,d2]；

25、对d3进行奇异值分解，得到新的右特征向量矩阵p，将p等分为4个行和列的数量均相等的子矩阵，即

26、

27、根据公式计算各支路的非特征根λi；

28、根据最小二乘法计算各支路的信号复幅值ri

29、根据公式

30、ai＝|ri|

31、

32、分别计算各支路的时间常数τi，以及各支路的分量系数ai，其中ts为采样间隔，re为lnλi的实部

33、根据公式

34、

35、ci＝τi/ri

36、计算各支路的支路电阻ri以及各支路的支路电容ci，其中uc为施加的直流电压，tp为极化时间。

37、进一步的，所述介质损耗因数方法包括：

38、根据公式

39、

40、计算介质损耗因数tanδ(ω)，其中tanδ(ω)为介质损耗因数，r0为扩展debye模型中电缆的绝缘电阻，c0为扩展debye模型中电缆的几何电容，ri为扩展debye模型中各支路的极化支路电阻，ci为扩展debye模型中各支路的极化支路电容，i＝1,2,3...，n。

41、进一步的，所述测量各电缆表面光泽度，测试电缆表面的磨损情况，测量电缆电导率；，

42、通过电缆光泽度测试仪测试电缆表面的光泽度，获取电缆光泽度等级；

43、通过电缆耐磨性测试仪测试电缆的磨损情况，获取电缆磨损等级；

44、通过电导率测试仪测试电缆的电导率。

45、进一步的，所述四维可视化图表绘制完成后分别将新电缆四维可视化图表与旧电缆的四维可视化图表进行比对，判断旧电缆的老化程度。

46、第二方面，本发明提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面中任一项所述方法的步骤。

47、第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面中任一项所述方法的步骤。

48、采用上述方案后实现了以下有益效果：

49、本发明以去极化电流为依据构建汉克尔矩阵，并进行奇异值分解，提取了去极化电流的特征值，根据奇异值曲线识别、判断噪声，最终采用最小二乘法计算出扩展debye模型中的各项参数，通过扩展debye模型模拟电缆的绝缘结构，以此模型为依据，计算介质损耗因数，以此精准确定出线缆的老化程度，计算得出的介质损耗因数只和线缆内部的介质有关系，摒弃了外界的干扰。

50、本发明除计算介质损耗因数外，还分别从电导率，磨损能力，光泽程度，多个维度评估线缆的老化情况，并绘制四维可视化图表，使电缆老化评估情况更加准确客观。

技术特征：

1.基于大数据与人工智能算法的电缆老化评估方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

3.根据权利要求1所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

4.根据权利要求3所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

5.根据权利要求4所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

6.根据权利要求4所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

7.根据权利要求1所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

8.根据权利要求2所述的基于大数据与人工智能算法的电缆老化评估方法，其特征在于：

9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述方法的步骤。

技术总结
本发明公开了基于大数据与人工智能算法的电缆老化评估方法，包括测量各电缆的去极化电流；以去极化电流为依据基于扩展Debye模型计算介质损耗因数；测量各电缆表面光泽度，测试电缆表面的磨损情况，测量电缆电导率；依据电缆电导率、电缆表面光泽度、电缆表面的磨损情况以及介质损耗因数绘制各电缆的四维可视化图表，本发明以去极化电流为依据构建汉克尔矩阵，进行奇异值分解，提取了去极化电流的特征值，根据奇异值曲线识别、判断噪声，最终采用最小二乘法计算出扩展Debye模型中的各项参数，通过扩展Debye模型模拟电缆的绝缘结构，计算介质损耗因数，以此精准确定出线缆的老化程度，计算得出的介质损耗因数只和线缆内部的介质有关系，摒弃了外界的干扰。

技术研发人员：赵宁,陈磊,冯俊国,郭康,方永毅,李乾,王思莹,成洪刚,张紫光,张珺,刘保安,安益辰,冯驰,张泽昕,魏焱东,史善哲,钱恒健,胡建彬
受保护的技术使用者：国网河北省电力有限公司石家庄供电分公司
技术研发日：
技术公布日：2024/1/16