一种电缆中间接头的接触电阻分析方法及相关装置与流程

本技术涉及电力电缆，尤其涉及一种电缆中间接头的接触电阻分析方法及相关装置。

背景技术：

1、电缆分为电缆本体和电缆接头两部分，相较于电缆本体，电缆接头的结构更复杂，现场施工时的不确定因素更多。对于整条电缆而言，影响其承担电流能力的是最薄弱的中间接头，而接触电阻是影响中间接头温升的关键因素。中间接头结构和材料较为复杂，但可以通过有限元仿真模型进而计算。但是由于现场施工，接头处的接触电阻无法准确计算，而且随着长时间运行，接触电阻会随着电缆材料、绝缘寿命损伤等发生变化。因此有必要研究非侵入式的接触电阻反演方法，适应运行中电缆的实际工程需要，同时准确把握接触电阻的大小，及时掌握电缆温升特点，做到故障预防预警。

2、反演方法指的是能够模仿人类智能的计算机程序系统的人工智能系统，它具有学习和推理的功能，常见的反演方法有时间序列预测、循环神经网络(rnn)、长短期记忆记忆人工神经网络模型(lstm)、支持向量机(svm)等，时间序列分析不擅长处理非线性数据；rnn是一种适合于时间序列数据预测的方法，但是存在梯度消失、梯度爆炸和对长距离序列数据的信息依赖性较差等问题；lstm模型可以解决rnn上述存在的问题，但是对于波动范围大的数据，单一的lstm模型难以确保预测的准确性。传统的svm忽略了训练阶段中没有被内核线性地分开的训练数据，如果数据与测试集中的错误分类数据类似或相同，它将再次被错误分类，因为与错误分类数据接近的数据是不确定的。

技术实现思路

1、本技术提供了一种电缆中间接头的接触电阻分析方法及相关装置，用于解决现有技术对电缆中间接头的接触电阻预测精度较低的技术问题。

2、有鉴于此，本技术第一方面提供了一种电缆中间接头的接触电阻分析方法，所述方法包括：

3、获取待分析电缆中间接头所对应电缆的原始时域信号；

4、通过离散小波变换将所述原始时域信号离散化为低频信号和高频信号，再通过基小波滤波器、低通滤波器和高通滤波器将所述低频信号和所述高频信号进行重构，得到重构信号；

5、构建自建议支持向量机，将所述重构信号输入到自建议支持向量机中进行训练，得到所述重构信号的错误分类数据并赋值权重，并根据权重去除所述重构信号的错误分类数据，得到最终信号；

6、将所述最终信号输入到所述自建议支持向量机进行预测，得到待分析电缆中间接头的接触电阻。

7、可选地，所述通过离散小波变换将所述原始时域信号离散化为低频信号和高频信号，再通过基小波滤波器、低通滤波器和高通滤波器将所述低频信号和所述高频信号进行重构，得到重构信号，具体包括：

8、通过离散小波变换将所述原始时域信号离散化为低频信号和高频信号；

9、将所述所述低频信号和所述高频信号输入到预设重构公式中，得到所述重构信号；

10、其中，所述预设重构公式为：

11、

12、式中，c为常数，an为低频信号，di为高频信号，f(t)表示反演的重构信号，l(ψjk(t))表示低通滤波器，h(ψjk(t))表示高通滤波器。

13、可选地，所述构建自建议支持向量机，将所述重构信号输入到自建议支持向量机中进行训练，得到所述重构信号的错误分类数据并赋值权重，并根据权重去除所述重构信号的错误分类数据，得到最终信号，具体包括：

14、构建自建议支持向量机，将所述重构信号输入到自建议支持向量机中进行训练；

15、当若是，则根据预设权重计算公式得到错误分类数据的权重，且计算得到的权重为零时，判定xi为非错误分类数据；

16、当通过预设权重计算公式得到错误分类数据的权重，并根据权重去除所述重构信号的错误分类数据，得到最终信号，

17、其中：

18、式中，md为错误分类的数据集，αj≥0，b和k为常数；xi、xj、yi、yj，j＝1，…，n，是不属于md集中的训练数据；

19、其中，所述预设权重计算公式为：

20、

21、式中，aw为权重，h(x)为单一原始数据。

22、可选地，所述将所述最终信号输入到所述自建议支持向量机进行预测，得到待分析电缆中间接头的接触电阻，之后还包括：

23、通过常规计算方法计算待分析电缆中间接头的第一接触电阻，以及通过使用微欧表测量电缆中间接头的第二接触电阻；

24、根据所述第一接触电阻、所述第二接触电阻和所述待分析电缆中间接头的接触电阻生成分析对照表。

25、本技术第二方面提供一种电缆中间接头的接触电阻分析系统，所述系统包括：

26、获取模块，用于获取待分析电缆中间接头所对应电缆的原始时域信号；

27、重构模块，用于通过离散小波变换将所述原始时域信号离散化为低频信号和高频信号，再通过基小波滤波器、低通滤波器和高通滤波器将所述低频信号和所述高频信号进行重构，得到重构信号；

28、筛选模块，用于构建自建议支持向量机，将所述重构信号输入到自建议支持向量机中进行训练，得到所述重构信号的错误分类数据并赋值权重，并根据权重去除所述重构信号的错误分类数据，得到最终信号；

29、分析模块，用于将所述最终信号输入到所述自建议支持向量机进行预测，得到待分析电缆中间接头的接触电阻。

30、可选地，所述重构模块，具体用于：

31、通过离散小波变换将所述原始时域信号离散化为低频信号和高频信号；

32、将所述所述低频信号和所述高频信号输入到预设重构公式中，得到所述重构信号；

33、其中，所述预设重构公式为：

34、

35、式中，c为常数，an为低频信号，di为高频信号，f(t)表示反演的重构信号，l(ψjk(t))表示低通滤波器，h(ψjk(t))表示高通滤波器。

36、可选地，所述筛选模块，具体用于：

37、构建自建议支持向量机，将所述重构信号输入到自建议支持向量机中进行训练；

38、当若是，则根据预设权重计算公式得到错误分类数据的权重，且计算得到的权重为零时，判定xi为非错误分类数据；

39、当通过预设权重计算公式得到错误分类数据的权重，并根据权重去除所述重构信号的错误分类数据，得到最终信号，

40、其中：

41、

42、式中，md为错误分类的数据集，αj≥0，b和k为常数；xi、xj、yi、yj，j＝1，…，n，是不属于md集中的训练数据；

43、其中，所述预设权重计算公式为：

44、

45、式中，aw为权重，h(x)为单一原始数据。

46、可选地，还包括：生成模块；

47、所述生成模块，用于通过常规计算方法计算待分析电缆中间接头的第一接触电阻，以及通过使用微欧表测量电缆中间接头的第二接触电阻；根据所述第一接触电阻、所述第二接触电阻和所述待分析电缆中间接头的接触电阻生成分析对照表。

48、本技术第三方面提供一种电缆中间接头的接触电阻分析设备，所述设备包括处理器以及存储器：

49、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

50、所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的电缆中间接头的接触电阻分析方法的步骤。

51、本技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的方法。

52、从以上技术方案可以看出，本技术具有以下优点：

53、本技术提供了一种电缆中间接头的接触电阻分析方法，包括：获取待分析电缆中间接头所对应电缆的原始时域信号；通过离散小波变换将原始时域信号离散化为低频信号和高频信号，再通过基小波滤波器、低通滤波器和高通滤波器将低频信号和高频信号进行重构，得到重构信号；构建自建议支持向量机，将重构信号输入到自建议支持向量机中进行训练，得到重构信号的错误分类数据并赋值权重，并根据权重去除重构信号的错误分类数据，得到最终信号；将最终信号输入到自建议支持向量机进行预测，得到待分析电缆中间接头的接触电阻。

54、与现有技术相比，本技术：

55、(1)利用离散小波变换(dwt)将原始的时域信号分解为二维时频信息，提高了局部信号的性能，并提高了后续预测模型的抗噪声性能，对于波动范围大的数据仍然有良好的抗噪能力；

56、(2)自建议支持向量机模型(ssvm)利用非迭代的方法，从训练阶段提取后续的知识，即从第二类支持向量中提取的知识，避免测试阶段从训练阶段获取信息是第一类支持向量或超平面位置，考虑了测试数据和错误分类数据的接近程度，反映并修正原有的分类错误的数据，对从而避免了错误分类数据，提高接触电阻的预测精度。