电缆接头温度级联反演方法、装置、电子设备及存储介质与流程

本发明涉及电缆温度测量，尤其涉及一种电缆接头温度级联反演方法、装置、电子设备及存储介质。

背景技术：

1、在电网中，由于电力电缆能够极大程度地节约资源，从而电缆线路敷设数量越来越多且敷设结构也越来越复杂，致使电缆接头数量剧增，导致接头热故障频繁发生。根据现场运行统计数据来看，90％以上的电缆运行故障都发生在电缆接头位置，容易造成电场集中、局部温度升高等问题，特别是当电缆接头温度高于限值时，电缆的绝缘材料极易发生电热绝缘击穿，极大地影响了工业生产、民众生活、交通、信息等各个行业的供电稳定性，造成电网安全可靠性能降低，产生一定的经济损失。由此可见，在整个电缆线路系统中，电缆中间接头作为薄弱之处，其热状态是影响系统安全运行的关键因素。

2、电缆接头的热点温度是衡量电缆接头运行状态的重要指标之一，目前而言，一般可以通过温度传感装置获取实时的温度数据，并基于获取的实时温度数据进行温度反演，获得热点温度，但采用这种方式，其数据获取难度大且不具备自主预测能力，导致温度反演效果不佳，难以达到预期效果。

技术实现思路

1、本发明提供了一种电缆接头温度级联反演方法、装置、电子设备及存储介质，用于解决或部分解决现有的电缆接头温度反演效果不佳的技术问题。

2、本发明提供的一种电缆接头温度级联反演方法，所述方法包括：

3、获取采用温度测点位置选取策略在电缆接头表面测量的若干个待反演表皮温度，并将所述待反演热点温度输入至基于极限学习机算法构建的温度级联反演模型，所述温度级联反演模型内包含径向温度反演模型以及轴向温度反演模型；

4、通过所述径向温度反演模型对所述若干个待反演表皮温度进行径向温度反演，获得若干个缆芯温度；

5、通过所述轴向温度反演模型对所述若干个缆芯温度进行轴向温度反演，输出所述若干个待反演表皮温度对应的电缆接头热点温度。

6、可选地，所述径向温度反演模型内包含若干个径向温度反演子模型，所述通过所述径向温度反演模型对所述若干个待反演表皮温度进行径向温度反演，获得若干个缆芯温度，包括：

7、采用一个径向温度反演子模型对应一个待反演表皮温度的方式，分别将所述若干个待反演表皮温度输入至所述若干个径向温度反演子模型，在每一所述径向温度反演子模型中，通过极限学习机算法对所述待反演表皮温度进行一级温度反演，输出对应的缆芯温度。

8、可选地，所述通过所述轴向温度反演模型对所述若干个缆芯温度进行轴向温度反演，输出所述若干个待反演表皮温度对应的电缆接头热点温度，包括：

9、将通过所述各个径向温度反演子模型进行一级温度反演后输出的所述若干个缆芯温度输入至所述轴向温度反演模型，通过极限学习机算法对所述若干个缆芯温度进行二级温度反演，输出电缆接头热点温度。

10、可选地，所述极限学习机算法对应单层前馈神经网络，则采用所述极限学习机算法进行温度反演的步骤，包括：

11、针对所述单层前馈神经网络的输入，随机生成输入权重以及偏置，并计算对应的隐藏层输出，计算公式如下：

12、y＝g(xω+b)

13、基于所述隐藏层输出，采用伪逆求解获得输出权重，计算公式如下：

14、β＝pinv(y)o

15、接着通过如下公式求解所述单层前馈神经网络的输出：

16、f(x)＝g(xω+b)

17、其中，y为单层前馈神经网络的隐藏层输出，g为sigmoid函数，g(*)表示基于sigmoid函数的隐藏层输出计算，x为单层前馈神经网络的输入数据集，ω为随机生成的输入权重，b为随机生成的偏置，β为输出权重，o为n×h的输出矩阵，pinv(y)为y的伪逆，x为输入数据集x中的单个数据样本，f(x)为单层前馈神经网络的输出。

18、可选地，采用所述温度测点位置选取策略进行温度测量的步骤，包括：

19、构建针对单芯电缆进行参数化仿真的温度场仿真模型，并在所述温度场仿真模型基础上，设置单芯电缆中间接头若干个左侧表面测温点，以及若干个右侧表面测温点；

20、根据所述若干个左侧表面测温点以及所述若干个右侧表面测温点，通过改变所述温度场仿真模型的模型加载参数方式，构建测温点位置对应的位置选取基础数据集；

21、通过领域分量分析对所述位置选取基础数据集进行测温点位置选取，确定用于温度测量的若干个目标测温点位置；

22、对所述若干个目标测温点位置进行测温，获得若干个待反演表皮温度。

23、可选地，所述通过领域分量分析对所述位置选取基础数据集进行测温点位置选取，确定用于温度测量的若干个目标测温点位置，包括：

24、通过如下公式计算所述位置选取基础数据集中的任意两个测温点之间的测温点距离：

25、

26、结合留一法，在所述位置选取基础数据集中随机选取位置参考点，基于所述位置参考点列出位置参考概率表达式如下：

27、

28、通过如下公式近似计算所述位置参考点中随机正确分类样本的平均留一概率：

29、

30、

31、基于所述平均留一概率，通过如下公式近似计算留一分类准确率：

32、

33、对所述温度场仿真模型的损失函数进行优化，优化公式如下：

34、

35、采用自定义鲁棒损失函数进行优化，优化公式如下：

36、l(hi,hj)＝1-exp(-|hi-hj|)

37、引入正则化系数使得所述留一分类准确率相对于权重向量最大化，并列出所述留一分类准确率对应的最小化目标函数：

38、

39、根据所述最小化目标函数，确定用于温度测量的若干个目标测温点位置；

40、其中，dw(ti,tj)为测温点ti与测温点tj之间的测温点距离，w表示权重向量，n为位置选取基础数据集中样本总数，d表示测温点的维度，wr指维度r上的权重向量，tir指在维度r上的测温点ti，tjr指在维度r上的测温点tj，r∈[1，d]，pij为位置参考概率，指测温点tj是测温点ti最近邻居的概率，k为核函数，具体为k(z)＝exp(－z/α)，α为核宽，exp为以自然常数e为底的指数函数，pi为平均留一概率，hij为留一选择系数，当测温点ti的实际热点温度值hi与测温点tj的实际热点温度值hj相等时，hij为1，不相等时则为0，f(w)为留一分类准确率，l(hi,hj)为衡量测温点ti与测温点tj之间实际热点温度值差异的损失函数值，li＝e(*|*)为优化后获得的损失函数，s-i为温度场仿真模型中排除位置选取基础数据集s之外的训练样本集，为测温点tj在温度场仿真模型的预测热点温度值，为衡量实际热点温度值hj与预测热点温度值差异的损失函数值，|hi－hj|为实际热点温度值hi与实际热点温度值hj之间温度差绝对值，λ为正则化系数。

41、可选地，所述方法还包括：

42、构建基于极限学习机算法的径向温度反演模型以及轴向温度反演模型，所述径向温度反演模型由若干个径向温度反演子模型构成，其中，所述径向温度反演模型用于对电缆接头的表皮温度进行径向温度反演，获得电缆接头对应本体的缆芯温度，所述轴向温度反演模型用于对经所述径向温度反演模型处理后输出的缆芯温度进行轴向温度反演，输出电缆接头表皮温度对应的内部热点温度；

43、将所述径向温度反演模型以及所述轴向温度反演模型一并作为温度级联反演模型；

44、获取用于模型训练的温度反演数据集，并将所述温度反演数据集按照预设比例划分为温度反演训练集以及温度反演测试集；

45、采用所述温度反演训练集分别对所述若干个径向温度反演子模型以及所述轴向温度反演模型进行反演训练，并采用所述温度反演测试集分别对反演训练后的各个模型进行测试，输出测试结果，所述测试结果用于对所述温度级联反演模型进行模型评价。

46、可选地，所述温度反演数据集内包含若干个目标测温点位置所各自对应的表皮温度数据集、缆芯温度数据集以及所述电缆接头的热点温度数据集，则每一所述表皮温度数据集对应一表皮温度训练集，每一所述缆芯温度数据集对应一缆芯温度训练集，所述热点温度数据集对应热点温度训练集，所述采用所述温度反演训练集分别对所述若干个径向温度反演子模型以及所述轴向温度反演模型进行反演训练，包括：

47、采用一个径向温度反演子模型对应一个目标测温点位置的方式，分别将所述若干个目标测温点位置所对应的表皮温度训练集与以及缆芯温度训练集输入至所述若干个径向温度反演子模型，以对每一所述径向温度反演子模型进行径向反演训练；

48、将所述热点温度训练集以及每一所述目标测温点位置所对应的缆芯温度训练集输入至所述轴向温度反演模型，以对所述轴向温度反演模型进行轴向反演训练。

49、可选地，每一所述表皮温度数据集对应一表皮温度测试集，每一所述缆芯温度数据集对应一缆芯温度测试集，所述热点温度数据集对应热点温度测试集，所述采用所述温度反演测试集分别对反演训练后的各个模型进行测试，输出测试结果，包括：

50、分别将所述若干个目标测温点位置所对应的表皮温度测试集输入至所述若干个径向温度反演子模型进行径向反演测试，输出各自对应的缆芯温度测试数据；

51、将每一所述缆芯温度测试数据输入至所述轴向温度反演模型进行轴向反演测试，输出热点温度测试数据；

52、结合每一所述缆芯温度测试数据，每一所述缆芯温度测试集，所述热点温度测试数据以及所述热点温度测试集，计算所述温度级联反演模型的均方误差以及拟合优度。

53、可选地，在所述获取用于模型训练的温度反演数据集之前，所述方法还包括：

54、通过改变所述温度场仿真模型的模型加载参数方式，提取所述若干个目标测温点位置所各自对应的表皮温度数据集、缆芯温度数据集以及所述电缆接头的热点温度数据集；

55、将所述温度反演数据集、若干个所述表皮温度数据集以及若干个所述缆芯温度数据集一并作为温度反演数据集；

56、其中，所述模型加载参数包括模型加载的额定电流、对流换热系数以及环境温度。

57、本发明还提供了一种电缆接头温度级联反演系统，所述电缆接头温度级联反演系统包括电流发生单元、电流采集单元、温度采集单元以及数据记录单元，所述电缆接头温度级联反演系统用于在执行如上任一项所述的电缆接头温度级联反演方法时采集电缆接头的表皮温度以及对所述温度级联反演模型进行优化验证；其中，

58、所述电流发生单元连接电缆两端，所述电流发生单元用于对所述电缆提供负荷运行；

59、所述电缆穿过一电流互感器与所述电流采集单元连接，所述电流采集单元用于采集并记录所述电缆的加载电流负荷数据，并将所述加载电流负荷数据传输至所述数据记录单元；

60、所述温度采集单元用于采集并记录所述电缆的电缆接头表皮温度，并将所述电缆接头表皮温度传输至所述数据记录单元，以供所述数据记录单元将所述电缆接头表皮温度输入至温度级联反演模型进行温度反演。

61、本发明还提供了一种电缆接头温度级联反演装置，包括：

62、待反演表皮温度获取模块，用于获取采用温度测点位置选取策略在电缆接头表面测量的若干个待反演表皮温度，并将所述待反演热点温度输入至基于极限学习机算法构建的温度级联反演模型，所述温度级联反演模型内包含径向温度反演模型以及轴向温度反演模型；

63、径向温度反演模块，用于通过所述径向温度反演模型对所述若干个待反演表皮温度进行径向温度反演，获得若干个缆芯温度；

64、轴向温度反演模块，用于通过所述轴向温度反演模型对所述若干个缆芯温度进行轴向温度反演，输出所述若干个待反演表皮温度对应的电缆接头热点温度。

65、本发明还提供了一种电子设备，所述设备包括处理器以及存储器：

66、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；

67、所述处理器用于根据所述程序代码中的指令执行如上任一项所述的电缆接头温度级联反演方法。

68、本发明还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用于存储程序代码，所述程序代码用于执行如上任一项所述的电缆接头温度级联反演方法。

69、从以上技术方案可以看出，本发明具有以下优点：针对目前大多数反演模型构建只基于算法应用与改进层面，未结合单芯电缆温度分布规律进行反演模型构建的问题，本发明同时结合电缆的轴向与径向传热规律，提出了一种基于极限学习机算法与级联反演结构体系构建出用于电缆接头热点温度反演的温度级联反演模型以及对应的温度级联反演方法，从而实现了快速且准确地对电缆接头的表皮温度进行温度反演；针对现有技术中未提供反演模型对应的反演系统，即未考虑反演模型的优化与验证问题，提出一个对应的温度级联反演系统，实现结合温度级联反演模型进行验证。从而通过本发明提出的方案，能够在实际应用中较为准确地反演出电缆接头热点温度，为电网监测电缆状态提供技术参考。