CN108051364A - 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 - Google Patents
一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 Download PDFInfo
- Publication number
- CN108051364A CN108051364A CN201711330397.0A CN201711330397A CN108051364A CN 108051364 A CN108051364 A CN 108051364A CN 201711330397 A CN201711330397 A CN 201711330397A CN 108051364 A CN108051364 A CN 108051364A
- Authority
- CN
- China
- Prior art keywords
- nuclear energy
- sound
- epr
- energy cable
- velocity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Environmental & Geological Engineering (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本发明涉及应用介电频谱和超声波测量无损检测手段及建立人工神经网络模型预测EPR核能电缆的剩余使用寿命。首先通过实验室加速热老化试验,检测与老化形成密切相关的化学、物理和电气关键参数;进一步分析介电频谱和超声波测量曲线与物理性能、化学性能及其他电气参数之间的关系;发现绝缘材料对老化较为敏感的介电频谱和超声波测量区间,设计原位监测系统;随后用数学分析方法推导出单因素和多因素老化状态方程,并用人工神经网络建立老化因子、时间、检测指标和剩余使用寿命之间的关系模型。最终实现超声波和介电频谱无损在线检测与人工神经网络模型联用评估电缆的剩余使用寿命。
Description
技术领域
本发明涉及电缆老化评估及监测领域,涉及人工神经网络预测应用领域,尤其涉及一种基于无损检测和人工神经网络模型预测电缆剩余使用寿命方法。
背景技术
核安全是核能发展的重要前提条件。进入21世纪,世界上越来越多的核电厂运行时间已超过30年,核电厂的老化及寿命管理问题引起广泛的关注。我国此方面的研究工作还处于起步阶段。根据IAEA及美国等开展老化研究比较早的国家及组织机构的认识,核电厂的老化管理工作在电厂设计阶段就应该开始进行。电缆安全使用寿命在相关的技术规范中并无明确要求,普遍认可的电缆设计安全寿命为20~30年。对于存在维修不便或者更换困难的低压电缆来说,电缆一经敷设便具有与设备同寿命的特点。核电站的安全工作寿命一般要求达到40年,近年来又将其工作寿命增至60年。因此,当前用于核电站的各型电缆均按使用寿命60年来进行设计及制造。核电站建造规范要求供货方必须进行热老化寿命相关的评定试验。但在实际的核电站环境中能促使聚合物降解的因子非常复杂,诸如热、辐射、湿度、光照等,由此引发的聚合物降解会影响电缆材料的机械、物理和电气性能。而聚合物的电缆护套、绝缘体及其它电缆组件的降解将严重影响已装配电缆剩余使用寿命。
因此,为了确保电缆的安全使用甚至整个系统的正常运转,电缆绝缘材料老化程度的评估分析和老化管理成为现阶段核能发展研究的重点。开发核能电缆的剩余使用寿命无损评估(nondestructive evaluation,NDE)技术及相关模型已成为一项刻不容缓的重要课题。
电缆绝缘层材料老化诊断是一个电气工程与材料科学的交叉学科领域。目前常用的诊断技术包括介电频谱分析、空间电荷测量法、差示扫描量热法 (DSC)、热刺激电流极化法(TSDC)和扫描电镜法(SEM)等。开发电缆剩余使用寿命NDE技术和模型评估的成功关键点在于,首先要确定电缆上的绝缘和护套材料发生哪些物理化学变化会影响电缆使用寿命,并依据这些物理化学变化规律来确定剩余使用寿命。
超声波在电缆护套、绝缘层中的纵波传播速度与表征绝缘电缆老化程度的重要参数(如EAB)具有很高的相关性。因此超声波检测非常适合应用于 NDE研究。目前介电频谱法,也称为频域分析技术(Frequency Domain Spectroscopy,FDS),因其灵敏、准确和自动化的特点,得到广泛研究。尤其是在高频条件及较复杂的老化环境因素时下研究低压介质损耗材料具有优势,是现场试验的最好方法。
业界目前普遍采用通过测量样品模量和EAB来估计电缆的剩余使用寿命。测量模量和EAB属于破坏检测,并且是以保证样品的均一性为前提,仅可对电缆进行定点的测量。以此来推断较长电缆的整体老化情况和剩余使用寿命是不准确的,而且在核电站和船舶中,电缆的许多关键部分是无法直接检测的,不同区域的电缆所处的环境也有很大的差别。此外,测量EAB属于非原位(ex-situ)测量。开发NDE技术及模型可以克服现有方法的局限性。
由于电缆绝缘诊断工作是一项复杂而且影响因素繁多的工作。为了追求检测的准确性,不仅涉及到当前的各种情况,还要与历年来的变化趋势进行纵向的比较,与同类型电缆老化情况进行横向比较。然而,目前的评估方法均为针对电缆绝缘材料某种老化特征而采用的特定诊断方法,分析检测方法中的测量特征值或者特征曲线,以某一个门阀值为限定标准,超过阀值则认定电缆失效。但是在实际测量过程中,往往出现达到阀值后的电缆仍然具有良好的绝缘性能,或者是未达到阀值的电缆绝缘材料出现局部击穿或者绝缘失效的特征。因此,这些诊断方法中存在一定的缺陷,无法做到准确可靠的评估绝缘材料老化程度。
鉴于在绝缘诊断方面诸多的不确定因素,可采用具有本质的非线性特征、并行处理能力及自主学习训练特点的人工神经网络(Artificial Neural Netword, ANN)进行结果分析。人工神经网络的训练需要大量的数据支持,包括历史数据、横向比对数据、纵向比对数据及环境信息等,只有这样才能建立合理的人工神经网络模型。
发明内容
有鉴于此,本发明的目的在于提供一种EPR核能电缆绝缘体材料剩余寿命的评估方法与基于无损检测和人工神经网络模型预测EPR核能电缆剩余使用寿命方法,本发明提供的方法能够准确可靠的评估EPR核能电缆的使用寿命。
本发明提供了一种EPR核能电缆绝缘体材料剩余寿命的评估方法,其特征在于,包括以下步骤:
对EPR核能电缆绝缘材料通过高温烘箱进行加速老化试验,直至EPR核能电缆绝缘材料老化失效;
所述老化试验过程中取样测试EPR核能电缆绝缘材料,通过测试EPR核能电缆绝缘材料的化学和物理特征变化,得到基于储能模量和断裂伸长率与老化剩余寿命相关的方程;所述化学和物理特征包括储能模量和断裂伸长率;
所述加速老化试验过程中取样测试EPR核能电缆绝缘材料,通过超声、热成像及Tanδ测量无损检测手段,得到基于无损检测与EPR核能电缆绝缘材料老化剩余寿命相关的方程;
针对同一型号批次的EPR核能电缆绝缘材料进行平行测量,分别得到上述两方程,并进行评估;
通过超声、热成像及Tanδ测量原位无损检测手段,对实地铺设的EPR核能电缆绝缘材料剩余寿命做出评估。
优选的,所述评估方法还包括:
所述加速老化试验过程中测量EPR核能电缆绝缘材料在通电状态下的声速、声速衰减、热成像图像分析,以及电流密度之间(σε)和位移电流密度(jωε′)的关系,确定在声速、声速衰减、热成像图像分析,以及电流密度之间(σε) 和位移电流密度(jωε′)处于何种特征和数值时EPR核能电缆绝缘材料老化失效。
本发明提供了一种基于上述技术方案所述的评估方法预测EPR核能电缆剩余使用寿命的方法,其特征在于,包括:
建立一种人工神经网络模型,采用权利要求1所述的EPR核能电缆绝缘材料的声速、声速衰减、Tanδ测量的性能数据为输入,EPR核能电缆的剩余使用寿命为输出,通过构建的网络模型经过大量的计算机自主训练,能够对 EPR核能电缆绝缘材料处于不同声速、声速衰减、Tanδ测量性能数据达到某一特定数值时的EPR核能电缆的剩余使用寿命作出预测。
优选的,所述预测EPR核能电缆剩余使用寿命的方法具体包括以下步骤:
(1)将权利要求1所述的声速(X1)、声速衰减(X2)、Tanδ(X3) 建立数据库;
(2)通过Matlab软件创建人工神经网络模型,以声速(X1)、声速衰减(X2)、Tanδ(X3)为网络输入,以老化时间t为网络输出,利用步骤(1) 建立的数据库对所述人工神经网络模型进行训练;
(3)所述人工神经网络模型训练完成后可对任意EPR电缆绝缘层检测声速、声速衰减、Tanδ数值并预测其使用时间,并进而预测其剩余使用寿命。
本发明通过研究EPR的不同老化表征,利用数学分析方法建立多元回归方程,将电缆的老化指标数量化,确定老化程度与超声波测量和介电频谱检测之间的关系,实现能够准确反映老化程度的电缆NDE在线监测方案,并结合人工神经网络模型,实现对电缆剩余使用寿命的准确预测。为实现核电站和核动力船舶电缆的在线检测,准确预测核电站和核动力船舶电缆的剩余寿命提供科学依据。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员经改进或润饰的所有其它实例,都属于本发明保护的范围。
本发明涉及应用介电频谱和超声波测量无损检测手段及建立人工神经网络模型预测电缆的剩余使用寿命。首先通过实验室加速热老化试验,检测与老化形成密切相关的化学、物理和电气关键参数;进一步分析介电频谱和超声波测量曲线与物理性能、化学性能及其他电气参数之间的关系;发现绝缘材料对老化较为敏感的介电频谱和超声波测量区间,设计原位监测系统;随后用数学分析方法推导出单因素和多因素老化状态方程,并用人工神经网络建立老化因子、时间、检测指标和剩余使用寿命之间的关系模型。最终实现超声波和介电频谱无损在线检测与人工神经网络模型联用评估电缆的剩余使用寿命。
本发明提供了一种EPR核能电缆绝缘体材料剩余寿命的评估方法,其特征在于,包括以下步骤:
对EPR核能电缆绝缘材料通过高温烘箱进行加速老化试验,直至EPR核能电缆绝缘材料老化失效;
所述老化试验过程中取样测试EPR核能电缆绝缘材料,通过测试EPR核能电缆绝缘材料的化学和物理特征变化,得到基于储能模量和断裂伸长率与老化剩余寿命相关的方程;所述化学和物理特征包括储能模量和断裂伸长率;
所述加速老化试验过程中取样测试EPR核能电缆绝缘材料,通过超声、热成像及Tanδ测量无损检测手段,得到基于无损检测与EPR核能电缆绝缘材料老化剩余寿命相关的方程;
针对同一型号批次的EPR核能电缆绝缘材料进行平行测量,分别得到上述两方程,并进行评估;
通过超声、热成像及Tanδ测量原位无损检测手段,对实地铺设的EPR核能电缆绝缘材料剩余寿命做出评估。
优选的,所述评估方法还包括:
所述加速老化试验过程中测量EPR核能电缆绝缘材料在通电状态下的声速、声速衰减、热成像图像分析,以及电流密度之间(σε)和位移电流密度(jωε′)的关系,确定在声速、声速衰减、热成像图像分析,以及电流密度之间(σε) 和位移电流密度(jωε′)处于何种特征和数值时EPR核能电缆绝缘材料老化失效。
本发明提供了一种上述技术方案所述的评估方法预测EPR核能电缆剩余使用寿命的方法,其特征在于,包括:
建立一种人工神经网络模型,采用权利要求1所述的EPR核能电缆绝缘材料的声速、声速衰减、Tanδ测量的性能数据为输入,EPR核能电缆的剩余使用寿命为输出,通过构建的网络模型经过大量的计算机自主训练,能够对 EPR核能电缆绝缘材料处于不同声速、声速衰减、Tanδ测量性能数据达到某一特定数值时的EPR核能电缆的剩余使用寿命作出预测。
优选的,所述预测EPR核能电缆剩余使用寿命的方法具体包括以下步骤:
(1)将权利要求1所述的声速(X1)、声速衰减(X2)、Tanδ(X3) 建立数据库;
(2)通过Matlab软件创建人工神经网络模型,以声速(X1)、声速衰减(X2)、Tanδ(X3)为网络输入,以老化时间t为网络输出,利用步骤(1) 建立的数据库对所述人工神经网络模型进行训练;
(3)所述人工神经网络模型训练完成后可对任意EPR电缆绝缘层检测声速、声速衰减、Tanδ数值并预测其使用时间,并进而预测其剩余使用寿命。
本发明将依据电缆实际工作环境搭建老化实验平台,提取并分析电缆老化的化学、机械和电气关键参数;针对核环境下电缆老化机理及其剩余寿命预测理论开展研究;系统研究超声波检测和介电频谱等NDE技术,分析实验室内试样在不同老化条件的特征值,积累现场无损检测后的统计数据和推算结果,配合老化方程来评估核环境中低压电缆的老化程度;以老化因素、老化时间和纵向、横向的关键参数值为输入层的三层人工神经网络模型,并且利用试验数据训练完善神经网络电缆剩余寿命预测模型。为实现核电站和核动力船舶电缆的在线检测,准确预测核电站和核动力船舶电缆的剩余寿命提供科学依据。
实施例1
一种EPR核能电缆绝缘体材料剩余寿命的评估方法:
测量EPR核能电缆绝缘体材料在通电状态下声速、声速衰减、热成像图像分析,以及电流密度之间(σε)和位移电流密度(jωε′)的关系,确定在声速、声速衰减、热成像图像分析,以及电流密度之间(σε)和位移电流密度(jωε′) 处于何种特征和数值时EPR绝缘材料老化失效。
建立一种人工神经网络模型,采用上述声速、声速衰减、Tanδ测量数据等EPR电缆性能为输入,电缆使用寿命为输出,通过构建的网络模型,经过大量的计算机自主训练,能够对处于不同声速、声速衰减、Tanδ测量数据等 EPR电缆性能达到某一特定数值时的电缆使用寿命作出预测,具体步骤包括:
(1)将声速(X1)、声速衰减(X2)、Tanδ(X3)建立数据库;
(2)通过Matlab软件创建人工神经网络模型,以声速(X1)、声速衰减(X2)、Tanδ(X3)为网络输入,以老化时间t为网络输出,利用BP网络的结构采用多层感知器输入向量X=(X1,X2,…,X3)和输出向量T之间的关系可视为一映射关系,即
F:In=Rm T=F(X)(1)
I和R的值域空间可相同,亦可不同。
Kd-mogorov定理指出,一个三层结构的人工神经网络,输入层有n个神经元,隐层有2n+1个神经元,输出层有m个神经元,即可在任意精度下逼近任意的非线性函数,是一种全局逼近器。
建立的数据库对上述人工神经网络模型进行训练;输入层与隐层传递函数为logsig,隐层与输出层传递函数为logsig,训练函数为trainlm,误差函数为MSE,误差期望为0.01。
上述训练好的人工神经网络模型即可对任意声速(X1)、声速衰减(X2)、 Tanδ(X3)某一值的电缆预测其使用寿命时间,并进而预测其剩余使用寿命,预测值与实测值极为接近,准确率达到87.9%。
实施例2
一种对EPR核能电缆绝缘材料通过高温烘箱进行加速通过无损检测预测电缆剩余使用寿命的方法:
建立一种人工神经网络模型,采用声速、声速衰减、Tanδ测量数据等EPR 电缆性能为输入,电缆使用寿命为输出,通过构建的网络模型经过大量的计算机自主训练,能够对处于不同声速、声速衰减、Tanδ测量数据等EPR电缆性能达到某一特定数值时的电缆使用寿命作出预测,具体步骤包括:
将声速(X1)、声速衰减(X2)、Tanδ(X3)建立数据库;
通过Matlab等软件创建人工神经网络模型,以声速(X1)、声速衰减(X2)、 Tanδ(X3)为网络输入,以老化时间t为网络输出,利用RBF网络的结构采用多层感知器输入向量X=(X1,X2,…,X3)和输出向量T之间的关系可视为一映射关系,RBF网络是一种单隐层前馈网络,其拓扑结构输入层节点只是传递输入信号到隐层,隐层节点(即RBF节点)由径向基函数构成,输出层节点通常是简单的线性函数。隐层的基函数对输入激励产生一个局部化的响应,即仅当输入落在输入空间中一个很小的指定区域时,隐单元才作出有意义的非零响应,响应值为0~1。
在RBF神经网络中,隐层最常用的激励函数是高斯函数即
声速(X1)、声速衰减(X2)、Tanδ(X3)为网络为输入矢量;cj为隐层第j个径向基函数的中心;E为单位矢量;σj为径向基函数的宽度,用于控制函数的局部性程度RBF网络的输出可表示为:
式中:wkj为隐层到输出层的权系数。
上述训练好的人工神经网络模型即可对任意声速(X1)、声速衰减(X2)、 Tanδ(X3)某一值的电缆预测其使用寿命时间,并进而预测其剩余使用寿命,预测值与实测值极为接近,准确率达到88.5%。
由以上实施例可知,本发明涉及应用介电频谱和超声波测量无损检测手段及建立人工神经网络模型预测EPR核能电缆的剩余使用寿命。首先通过实验室加速热老化试验,检测与老化形成密切相关的化学、物理和电气关键参数;进一步分析介电频谱和超声波测量曲线与物理性能、化学性能及其他电气参数之间的关系;发现绝缘材料对老化较为敏感的介电频谱和超声波测量区间,设计原位监测系统;随后用数学分析方法推导出单因素和多因素老化状态方程,并用人工神经网络建立老化因子、时间、检测指标和剩余使用寿命之间的关系模型。最终实现超声波和介电频谱无损在线检测与人工神经网络模型联用评估电缆的剩余使用寿命。
以上所述的仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种EPR核能电缆绝缘体材料剩余寿命的评估方法,其特征在于,包括以下步骤:
对EPR核能电缆绝缘材料通过高温烘箱进行加速老化试验,直至EPR核能电缆绝缘材料老化失效;
所述老化试验过程中取样测试EPR核能电缆绝缘材料,通过测试EPR核能电缆绝缘材料的化学和物理特征变化,得到基于储能模量和断裂伸长率与老化剩余寿命相关的方程;所述化学和物理特征包括储能模量和断裂伸长率;
所述加速老化试验过程中取样测试EPR核能电缆绝缘材料,通过超声、热成像及Tanδ测量无损检测手段,得到基于无损检测与EPR核能电缆绝缘材料老化剩余寿命相关的方程;
针对同一型号批次的EPR核能电缆绝缘材料进行平行测量,分别得到上述两方程,并进行评估;
通过超声、热成像及Tanδ测量原位无损检测手段,对实地铺设的EPR核能电缆绝缘材料剩余寿命做出评估。
2.根据权利要求1所述的评估方法,其特征在于,还包括:
所述加速老化试验过程中测量EPR核能电缆绝缘材料在通电状态下的声速、声速衰减、热成像图像分析,以及电流密度之间(σε)和位移电流密度(jωε′)的关系,确定在声速、声速衰减、热成像图像分析,以及电流密度之间(σε)和位移电流密度(jωε′)处于何种特征和数值时EPR核能电缆绝缘材料老化失效。
3.一种基于权利要求1所述的评估方法预测EPR核能电缆剩余使用寿命的方法,其特征在于,包括:
建立一种人工神经网络模型,采用权利要求1所述的EPR核能电缆绝缘材料的声速、声速衰减、Tanδ测量的性能数据为输入,EPR核能电缆的剩余使用寿命为输出,通过构建的网络模型经过大量的计算机自主训练,能够对EPR核能电缆绝缘材料处于不同声速、声速衰减、Tanδ测量性能数据达到某一特定数值时的EPR核能电缆的剩余使用寿命作出预测。
4.根据权利要求3所述的预测EPR核能电缆剩余使用寿命的方法,其特征在于,具体包括以下步骤:
(1)将权利要求1所述的声速(X1)、声速衰减(X2)、Tanδ(X3)建立数据库;
(2)通过Matlab软件创建人工神经网络模型,以声速(X1)、声速衰减(X2)、Tanδ(X3)为网络输入,以老化时间t为网络输出,利用步骤(1)建立的数据库对所述人工神经网络模型进行训练;
(3)所述人工神经网络模型训练完成后可对任意EPR电缆绝缘层检测声速、声速衰减、Tanδ数值并预测其使用时间,并进而预测其剩余使用寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711330397.0A CN108051364A (zh) | 2017-12-13 | 2017-12-13 | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711330397.0A CN108051364A (zh) | 2017-12-13 | 2017-12-13 | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108051364A true CN108051364A (zh) | 2018-05-18 |
Family
ID=62132581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711330397.0A Pending CN108051364A (zh) | 2017-12-13 | 2017-12-13 | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108051364A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802194A (zh) * | 2018-06-06 | 2018-11-13 | 西南交通大学 | 一种基于超声波评估受电弓滑板老化程度的方法 |
CN109580690A (zh) * | 2018-12-12 | 2019-04-05 | 广西电网有限责任公司电力科学研究院 | 一种适用于现场开展的复合绝缘材料老化无损测量方法 |
CN110245446A (zh) * | 2019-06-21 | 2019-09-17 | 华中科技大学 | 一种配电电缆剩余寿命预测方法 |
CN110245391A (zh) * | 2019-05-28 | 2019-09-17 | 上海发电设备成套设计研究院有限责任公司 | 一种基于人工神经网络用硬度预测寿命的方法 |
US10698019B2 (en) * | 2018-11-16 | 2020-06-30 | Chung Yuan Christian University | Method of online estimating remaining life of moving power cable |
CN112823080A (zh) * | 2018-09-24 | 2021-05-18 | 应用材料公司 | 以机器视觉作为对cmp工艺控制算法的输入 |
CN113777455A (zh) * | 2021-09-29 | 2021-12-10 | 西安交通大学 | 基于Crine模型XLPE绝缘材料老化寿命评估方法 |
CN113884130A (zh) * | 2021-09-16 | 2022-01-04 | 广州番禺电缆集团有限公司 | 基于电缆井道环境监控的电缆老化预测方法、装置和设备 |
CN115048858A (zh) * | 2022-05-24 | 2022-09-13 | 中国核动力研究设计院 | 一种反向神经传播网络的核电材料寿命预测模型及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055169A (zh) * | 2005-12-16 | 2007-10-17 | 通用电气公司 | 用于无损测定绝缘涂层的方法和装置 |
CN101470058A (zh) * | 2007-12-27 | 2009-07-01 | 大连理工大学 | 一种评估船用低压橡胶绝缘电缆剩余寿命的方法 |
CN104019835A (zh) * | 2014-05-30 | 2014-09-03 | 西安交通大学 | 长距离电缆现场机械特性测试系统与方法 |
CN204359718U (zh) * | 2014-12-12 | 2015-05-27 | 广东电网有限责任公司东莞供电局 | 一种用于复合绝缘子老化状态测量的传感器夹具 |
CN105842598A (zh) * | 2016-06-14 | 2016-08-10 | 国家电网公司 | 交联聚乙烯电缆寿命检测方法 |
CN105866015A (zh) * | 2016-05-12 | 2016-08-17 | 远东电缆有限公司 | 智慧能源用交联聚乙烯绝缘电缆老化寿命评估方法及系统 |
CN106033073A (zh) * | 2016-06-30 | 2016-10-19 | 西安交通大学 | 一种基于超声反射的电缆检测及评价方法 |
CN106126776A (zh) * | 2016-06-14 | 2016-11-16 | 国家电网公司 | 基于神经网络的电缆寿命预测方法 |
CN106404836A (zh) * | 2016-10-20 | 2017-02-15 | 国网山东省电力公司夏津县供电公司 | 一种电缆老化红外检测装置 |
CN106644916A (zh) * | 2017-03-06 | 2017-05-10 | 大连理工大学 | 船用电缆绝缘材料老化寿命评估方法 |
-
2017
- 2017-12-13 CN CN201711330397.0A patent/CN108051364A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055169A (zh) * | 2005-12-16 | 2007-10-17 | 通用电气公司 | 用于无损测定绝缘涂层的方法和装置 |
CN101470058A (zh) * | 2007-12-27 | 2009-07-01 | 大连理工大学 | 一种评估船用低压橡胶绝缘电缆剩余寿命的方法 |
CN104019835A (zh) * | 2014-05-30 | 2014-09-03 | 西安交通大学 | 长距离电缆现场机械特性测试系统与方法 |
CN204359718U (zh) * | 2014-12-12 | 2015-05-27 | 广东电网有限责任公司东莞供电局 | 一种用于复合绝缘子老化状态测量的传感器夹具 |
CN105866015A (zh) * | 2016-05-12 | 2016-08-17 | 远东电缆有限公司 | 智慧能源用交联聚乙烯绝缘电缆老化寿命评估方法及系统 |
CN105842598A (zh) * | 2016-06-14 | 2016-08-10 | 国家电网公司 | 交联聚乙烯电缆寿命检测方法 |
CN106126776A (zh) * | 2016-06-14 | 2016-11-16 | 国家电网公司 | 基于神经网络的电缆寿命预测方法 |
CN106033073A (zh) * | 2016-06-30 | 2016-10-19 | 西安交通大学 | 一种基于超声反射的电缆检测及评价方法 |
CN106404836A (zh) * | 2016-10-20 | 2017-02-15 | 国网山东省电力公司夏津县供电公司 | 一种电缆老化红外检测装置 |
CN106644916A (zh) * | 2017-03-06 | 2017-05-10 | 大连理工大学 | 船用电缆绝缘材料老化寿命评估方法 |
Non-Patent Citations (2)
Title |
---|
江山: "1E 级电缆老化及寿命评估技术研究——", 《无损探伤》 * |
陈东: "电力电缆绝缘老化寿命评估模型的研究", 《光纤与电缆及其应用技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802194A (zh) * | 2018-06-06 | 2018-11-13 | 西南交通大学 | 一种基于超声波评估受电弓滑板老化程度的方法 |
CN112823080A (zh) * | 2018-09-24 | 2021-05-18 | 应用材料公司 | 以机器视觉作为对cmp工艺控制算法的输入 |
US11577356B2 (en) | 2018-09-24 | 2023-02-14 | Applied Materials, Inc. | Machine vision as input to a CMP process control algorithm |
US10698019B2 (en) * | 2018-11-16 | 2020-06-30 | Chung Yuan Christian University | Method of online estimating remaining life of moving power cable |
CN109580690A (zh) * | 2018-12-12 | 2019-04-05 | 广西电网有限责任公司电力科学研究院 | 一种适用于现场开展的复合绝缘材料老化无损测量方法 |
CN109580690B (zh) * | 2018-12-12 | 2022-04-22 | 广西电网有限责任公司电力科学研究院 | 一种适用于现场开展的复合绝缘材料老化无损测量方法 |
CN110245391A (zh) * | 2019-05-28 | 2019-09-17 | 上海发电设备成套设计研究院有限责任公司 | 一种基于人工神经网络用硬度预测寿命的方法 |
CN110245446A (zh) * | 2019-06-21 | 2019-09-17 | 华中科技大学 | 一种配电电缆剩余寿命预测方法 |
CN113884130A (zh) * | 2021-09-16 | 2022-01-04 | 广州番禺电缆集团有限公司 | 基于电缆井道环境监控的电缆老化预测方法、装置和设备 |
CN113777455A (zh) * | 2021-09-29 | 2021-12-10 | 西安交通大学 | 基于Crine模型XLPE绝缘材料老化寿命评估方法 |
CN113777455B (zh) * | 2021-09-29 | 2022-05-24 | 西安交通大学 | 基于Crine模型XLPE绝缘材料老化寿命评估方法 |
CN115048858A (zh) * | 2022-05-24 | 2022-09-13 | 中国核动力研究设计院 | 一种反向神经传播网络的核电材料寿命预测模型及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108051364A (zh) | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 | |
KR101553005B1 (ko) | 전력설비의 부분방전 감시진단 시스템 | |
Sarfi et al. | Estimation of water content in a power transformer using moisture dynamic measurement of its oil | |
Wang et al. | Reflectometry-based cable insulation aging diagnosis and prognosis | |
Palangar et al. | Identification of composite insulator criticality based on a new leakage current diagnostic index | |
Palangar et al. | Designing an automatic detector device to diagnose insulator state on overhead distribution lines | |
CN106952029A (zh) | 一种用于对变电设备状态监测装置进行评价的方法及系统 | |
CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
Glass et al. | Inter-digital capacitive sensor for evaluating cable jacket and insulation aging | |
KR101948850B1 (ko) | 자가센싱 콘크리트에 기반하여 구축된 구조물의 손상 모니터링을 위한 전기 임피던스 장치 및 방법 | |
CN117647703A (zh) | 一种机场助航灯光供电电缆故障预测方法 | |
Dutta et al. | Prediction of insulation sensitive parameters of power transformer using detrended fluctuation analysis based method | |
McCarter et al. | Nuclear power plant instrumentation and control cable prognostics using indenter modulus measurements | |
Schwarz et al. | Diagnostic methods for transformers | |
Montanari | Insulation diagnosis of high voltage apparatus by partial discharge investigation | |
Cai et al. | Residual life prediction of marine EPR cable under discontinuous operation | |
Fantoni et al. | Wire system aging assessment and condition monitoring (WASCO) | |
Tesfalem et al. | Electrical resistivity reconstruction of graphite moderator bricks from multi-frequency measurements and artificial neural networks | |
CN116087762A (zh) | 基于阵列空间电场的断路器非接触式绝缘监测方法及系统 | |
Simmons et al. | Determining remaining useful life of aging cables in nuclear power plants—Interim status for FY2014 | |
Tamus | Regression analysis to evaluate the reliability of insulation diagnostic methods | |
CN107290268A (zh) | 一种换流站电接触连接处的电力复合脂老化的预测方法 | |
Cai et al. | Lifetime prediction of ship EPR cable under two factors based on retention rate of hardness | |
Talib et al. | Fault Identification of In-Service Power Transformer using Depolarization Current Analysis. | |
Naline et al. | Towards a federated learning approach for branched wired networks prognosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |