CN109540212A - 一种基于大数据的电缆井状态评估预警系统及方法 - Google Patents

Abstract

本发明公开了一种基于大数据的状态评估预警方法，包括以下步骤：对实时采集的数据进行处理，得到新的训练样本数据集；对数据进行运行状态评估，得到当前电缆井运行状态的综合得分；根据综合得分评定当前电缆井运行状态的风险等级；操作控制系统根据评定结果进行显示和预警。本发明首先通过主成分分析法将影响电缆井运行状态的多重指标进行筛选和综合，得到新的训练样本数据集，然后运用基因表达式编程算法挖掘出综合得分与各指标数据之间的函数关系式，最后将当前电缆井运行状态数据作为其函数关系式的输入，计算综合得分，将计算结果提交至风险预警模块，查询风险等级知识规则库为当前电缆井运行状态评定风险等级，并给出可行的参考性意见。

Description

一种基于大数据的电缆井状态评估预警系统及方法

技术领域

本发明涉及一种基于大数据的电缆井状态评估预警系统及方法。

背景技术

随着城市化规模扩大建设速度的加快，相应的城市附属设施建设同样发展迅速，电力电缆供电网络也得以快速发展，规模庞大的地下供电网络电缆分布众多，这对电力部门电缆安全运行、事故预防亦提出更高要求。目前全国大多数电力公司对电力隧道、沟道内主干电缆的管理还处于计划检修阶段，一般采用定期巡视的方法对电缆的运行状况进行检查。从经济角度和技术角度来说，计划检修都有很大的局限性，例如定期试验和检修造成了很大的直接和间接经济浪费，许多绝缘缺陷和潜在的故障无法及时发现。

目前，现有电缆井运行状态监测研究仍然停留在直接通过传感器量测电缆井运行状态数据进行评价层面，这些评价方法和评价体系单一，准确性低，可信度不够，尤其是电缆井运行状态数据日益增多，对电缆井状态评价提出了更高的要求，因此亟需科学的方法对电缆井的各项指标进行评价并量化，通过量化得到的数值判定电缆井的运行状态，从而给运维人员进行电缆井的故障诊断和维护提供重要的依据。

发明内容

为了解决上述技术问题，本发明提供一种结构简单的基于大数据的电缆井状态评估预警系统，并提供一种算法简单、准确度高的基于大数据的电缆井状态评估预警方法。

本发明解决上述问题的技术方案是：一种基于大数据的电缆井状态评估预警系统，包括数据处理模块、运行状态评估模块、风险预警模块、操作控制系统、电缆井运行和管理服务器，所述数据处理模块、运行状态评估模块、风险预警模块依次串接，操作控制系统分别与风险预警模块、电缆井运行和管理服务器连接，数据处理模块进行数据处理，运行状态评估模块对经数据处理模块处理的数据进行运行状态评估，运行状态评估得到的综合得分提交至风险预警模块处理，风险预警模块评定当前电缆井运行状态的风险等级，并送入操作控制系统进行显示。

一种基于大数据的状态评估预警方法，包括以下步骤：

步骤一：数据处理模块对实时采集的数据进行处理，得到新的训练样本数据集，并将得到的训练样本数据集送入运行状态评估模块；

步骤二：运行状态评估模块对经数据处理模块处理的数据进行运行状态评估，得到当前电缆井运行状态的综合得分，综合得分提交至风险预警模块；

步骤三：风险预警模块根据综合得分评定当前电缆井运行状态的风险等级，并将评定结果送入操作控制系统；

步骤四：操作控制系统根据评定结果进行显示和预警。

上述基于大数据的状态评估预警方法，所述步骤一的具体步骤为：

(1-1)：分析问题的实际需求，构建电缆井运行状态评估指标体系；

(1-2)：采集评估指标体系下各个指标历史数据，对其进行处理：不良数据的检测、不良数据的辨识和修补、以及缺失值的填充，组成需进一步处理的训练样本数据集，归一化后构成p×n阶数据矩阵X＝(X₁,X₂,…,X_p)，其中，p为指标个数，n为样本个数；

(1-3)：对步骤(1-2)构建的数据矩阵进行标准化、正交化，得到相关系数矩阵R，求相关系数矩阵的特征值λ₁,λ₂,…,λ_p和对应的特征向量α₁,α₂,…,α_p；

(1-4)：利用步骤(1-3)所得特征值计算贡献率和累积贡献率，运用主成分分析法对采集的各类指标参数值进行降维处理，将指标个数从p减少至m，得到新指标z_i＝(1,2,…,m)的计算表达式，从而生成新的训练样本数据集Z。

上述基于大数据的状态评估预警方法，步骤(1-1)中，电缆井运行状态评估指标有：电压，电流，井盖位移，电缆的温度，电缆接口的布局放电信号及温度，电缆井沟中的温度，可燃气体浓度，有害气体浓度，环境湿度，水位信息。

上述基于大数据的状态评估预警方法，步骤(1-2)中，对采集的电缆井运行状态的历史数据按照以下公式进行归一化：

其中，x₀为状态量的实际值，x_max为状态量的最优值，x_min为状态量的警戒值，k为劣化程度，y为归一化后的状态量数据；由归一化后的状态量数据y得到数据矩阵X：

其中x_ij表示第i个样本关于指标j所对应的数值，所选定的指标个数为p，样本个数为n。

上述基于大数据的状态评估预警方法，所述步骤(1-3)中，训练样本的相关系数矩阵为：

经标准化处理后的数据的相关系数为：

用雅克比方法求相关系数矩阵的特征值(λ₁,λ₂,…,λ_p)，即解特征方程|λI-R|＝0，其中λ为特征根，I为单位矩阵；使求得的特征值按大小顺序排列：

λ₁≥λ₂≥…≥λ_p≥0

同时，分别求出对应于特征值λ_d(d＝1,2,…,p)的特征向量α_q(q＝1,2,…,p)，要求||α_q||＝1，即α_qs表示向量α_q的第s个分量。

上述基于大数据的状态评估预警方法，所述步骤(1-4)中，贡献率是指某个主成分的方差占全部方差的比重，实际也就是某个特征值占全部特征值合计的比重，即：

贡献率越大，说明该主成分所包含的原始变量的信息越强；

根据主成分的累计贡献率来选取主成分个数，即取累计贡献率达到85％～95％的特征值λ₁,λ₂,…,λ_m所对应的第1、第2、…、第m(m≤p)个主成分，故主成分载荷l_uv计算公式如下：

其中l_uv为主成分载荷向量l_u的第v个分量，e_uv表示单位向量；

假设所采集的历史数据的指标变量为x_v，此时主成分z_u为：

其中z_uv表示主成分向量z_u中的第v个分量；

经过上述处理和分析，用m个主成分代替了原来的p个指标变量，即将原来的p个影响电缆井运行状态的指标减少至m个，此时的训练样本集经过处理变为Z，即：

上述基于大数据的状态评估预警方法，所述步骤二的具体步骤为：

(2-1)：根据得到的样本数据集运用基因表达式编程算法初始化种群；

(2-2)：构建适应度评价函数，设定停止产生新代时新代所需达到的计算精度范围；

其中构建的适应度评价函数为：式中Fit[F(Z_m)]称为非线性适应度函数；F(Z_m)为无约束优化后的目标函数；s＝1+ln A，A为设定的最大进化代数，N为当前进化代数；

(2-3)：针对产生的个体进行选择操作；变异操作；变换操作以及重组操作；产生新个体；

(2-4)：将产生的新个体按照适应值大小排序，保留优秀个体；

(2-5)：选择多样性算子p_b、p_r，以一定的比例p_b保留适应度较差的个体，以一定的概率p_r随机产生一部分新个体，继而产生新代；

(2-6)：判断产生的新代适应值是否达到设定的计算精度，若达到则退出，转至步骤(2-7)，否则转至步骤(2-3)重复执行；

(2-7)：返回综合得分与各指标数据之间的函数关系式，即F＝f(z₁,z₂,…,z_m)；

(2-8)：将采集并处理后所得到的电缆井当前运行状态相关的指标参数样本数据作为该函数关系式的自变量，计算当前电缆井运行状态的综合得分。

其中构建的适应度评价函数为：

式中Fit[F(Z_m)]称为非线性适应度函数；F(Z_m)为无约束优化后的目标函数；s＝1+ln A，A为设定的最大进化代数，N为当前进化代数。因为本式中的是印度函数可以动态调整个体的适应度，再者考虑个体的位串长度以及运算消耗，设定最大进化代数为200。

上述基于大数据的状态评估预警方法，所述步骤三中，通过建立一个风险等级知识规则库来进行风险等级的评定，风险等级知识规则库中共有3个等级A、B、C，且假设各等级间风险严重程度关系为A>B>C，等级A代表电缆井运行状态某项指标高于正常上限值，等级B代表电缆井运行状态某项指标在于正常上下限值，等级C代表电缆井运行状态某项指标在于正常下限值；当运行状态评估模块计算所得综合分数在评分区间[a1,a2)时，通过查询风险等级知识规则库易知所属等级为A，处于异常状态，告警通知决策人员；当运行状态评估模块计算所得综合分数在评分区间[a2,a3)时，通过查询风险等级知识规则库易知所属等级为B，处于正常状态；当得分数在评分区间[a3,a4]时，通过查询风险等级知识规则库易知所属等级为C，也归于异常状态，告警通知决策人员。

本发明的有益效果在于：本发明首先通过主成分分析法将影响电缆井运行状态的多重指标进行筛选和综合，得到新的训练样本数据集，然后运用基因表达式编程算法挖掘出综合得分与各指标数据之间的函数关系式，最后将当前电缆井运行状态数据作为其函数关系式的输入，计算综合得分，将计算结果提交至风险预警模块，查询风险等级知识规则库为当前电缆井运行状态评定风险等级，并给出可行的参考性意见，本发明可以有效地对电缆井运行状态进行评估和预警，为保障电缆井能够安全运行提供了一种技术手段。

附图说明

图1为本发明的状态评估预警系统的结构框图。

图2为本发明的状态评估预警方法的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1所示，一种基于大数据的电缆井状态评估预警系统，包括数据处理模块、运行状态评估模块、风险预警模块、操作控制系统、电缆井运行和管理服务器，所述数据处理模块、运行状态评估模块、风险预警模块依次串接，操作控制系统分别与风险预警模块、电缆井运行和管理服务器连接，数据处理模块进行数据处理，运行状态评估模块对经数据处理模块处理的数据进行运行状态评估，运行状态评估得到的综合得分提交至风险预警模块处理，风险预警模块评定当前电缆井运行状态的风险等级，并送入操作控制系统进行显示。

(1)数据处理模块

在以电缆井状态参量为对象获取大量大数据时，所采集的数据中不乏有一部分不良数据的存在，直接拿来进行计算势必会对电缆井运行状态评估结果产生不利影响。因此，需要对不良数据进行处理，同时对某些缺失的数据值作相应的补全，从而提高在状态评估时所输入数据的质量，提高最后影响运行状态的各指标综合性得分的准确性。此外还需要对采集的样本数据进行归一化处理并且经过不断训练，通过主成分分析法降低样本数据维度，将样本数据转换成为适合挖掘的数据类型。

(2)运行状态评估模块

为提高电缆井运行的安全性，构建一个合理可行的电缆井运行状态评估模型非常重要。在电缆井运行过程中，需要选择主成分分析法、基于基因表达式编程算法作为技术手段，结合所采集并处理后的历史数据来构建评估模型，通过计算机处理分析，得到评分函数。然后将电缆井当前所监测的数据作为评估模型的输入，得到相应的评估结果，为后期电缆井运行状态的决策和管理提供了理论依据。本发明中主要是结合主成分分析法和基于基因表达式编程算法来构建电缆井运行状态评估模型。

(3)风险预警模块

风险预警模块在对电缆井当前所运行的状态进行评估后，还需要根据评估结果设定相应的预警等级并给予反馈同时，为了更好地为电力专业人员实施决策和规划建设提供判断依据，风险预警模块能够根据用户的需求有选择性将某些监测数据或评估状态以不同的可视化技术进行展示。另外，当评估结果显示电缆井运行状态出现异常时，风险预警模块还需要尝试为用户提供解决方案，并具有自动响应高预警等级下相应指令的权限。

一种基于大数据的状态评估预警方法，包括以下步骤：

步骤一：数据处理模块对实时采集的数据进行处理，得到新的训练样本数据集，并将得到的训练样本数据集送入运行状态评估模块。所述步骤一的具体步骤为：

(1-1)：分析问题的实际需求，构建电缆井运行状态评估指标体系。

电缆井运行状态评估指标有：电压，电流，井盖位移，电缆的温度，电缆接口的布局放电信号及温度，电缆井沟中的温度，可燃气体浓度，有害气体浓度，环境湿度，水位信息。

(1-2)：采集评估指标体系下各个指标历史数据，对其进行处理：不良数据的检测、不良数据的辨识和修补、以及缺失值的填充，组成需进一步处理的训练样本数据集，归一化后构成p×n阶数据矩阵X＝(X₁,X₂,…,X_p)，其中，p为指标个数，n为样本个数。

数据处理模块对数据的处理主要分为三个步骤：(1)不良数据的检测：利用基于模糊数学理论的模糊聚类方法，并结合电缆井的相关理论对所采集的历史数据进行检测，判断该量测采样中是否存在不良数据；(2)不良数据的辨识和修补：当发现所采集的历史数据存在不良数据后，需要进一步确定哪个或哪些量测数据是不良数据，并按照先利用聚类算法进行辨识，然后采用相关的量测值进行修正，尽可能对不良数据进行调整或重新赋值；(3)缺失值的填充：在所采集的历史数据中，由于操作不当和遗漏，又或者是信息无法获取等原因会导致数据缺失，而空值的存在又会对整个数据挖掘过程造成影响，通过聚类和非参数估计方法的组合对缺失的数据进行推导、填充，以减少数据挖掘算法与实际应用之间的差距，可针对缺失数据的不同类型或属性运用不同的空值处理方法。

步骤(1-2)中，对采集的电缆井运行状态的历史数据按照以下公式进行归一化，组成待挖掘的训练样本数据集：

其中，x₀为状态量的实际值，x_max为状态量的最优值，x_min为状态量的警戒值，k为劣化程度，y为归一化后的状态量数据；由归一化后的状态量数据y得到数据矩阵X：

其中x_ij表示第i个样本关于指标j所对应的数值，所选定的指标个数为p，样本个数为n。

(1-3)：对步骤(1-2)构建的数据矩阵进行标准化、正交化，得到相关系数矩阵R，求相关系数矩阵的特征值λ₁,λ₂,…,λ_p和对应的特征向量α₁,α₂,…,α_p。

所述步骤(1-3)中，训练样本的相关系数矩阵为：

经标准化处理后的数据的相关系数为：

用雅克比方法求相关系数矩阵的特征值(λ₁,λ₂,…,λ_p)，即解特征方程|λI-R|＝0，其中λ为特征根，I为单位矩阵。使求得的特征值按大小顺序排列：

λ₁≥λ₂≥…≥λ_p≥0

同时，分别求出对应于特征值λ_d(d＝1,2…,p)的特征向量α_q(q＝1,2,…,p)，要求||α_q||＝1，即α_qs表示向量α_q的第s个分量。

(1-4)：利用步骤(1-3)所得特征值计算贡献率和累积贡献率，运用主成分分析法对采集的各类指标参数值进行降维处理，将指标个数从p减少至m，得到新指标z_i＝(1,2,…,m)的计算表达式，从而生成新的训练样本数据集Z。

贡献率是指某个主成分的方差占全部方差的比重，实际也就是某个特征值占全部特征值合计的比重，即：

贡献率越大，说明该主成分所包含的原始变量的信息越强；

根据主成分的累计贡献率来选取主成分个数，即一般取累计贡献率达到85％～95％的特征值λ₁,λ₂,…,λ_m所对应的第1、第2、…、第m(m≤p)个主成分，故主成分载荷l_uv计算公式如下：

其中l_uv为主成分载荷向量l_u的第v个分量，e_uv表示单位向量。

假设所采集的历史数据的指标变量为x_v，此时主成分z_u为：

其中z_uv表示主成分向量z_u中的第v个分量。

经过上述处理和分析，用m个主成分代替了原来的p个指标变量，即将原来的p个影响电缆井运行状态的指标减少至m个，此时的训练样本集经过处理变为Z，即：

步骤二：运行状态评估模块对经数据处理模块处理的数据进行运行状态评估，得到当前电缆井运行状态的综合得分，综合得分提交至风险预警模块。

通过主成分分析法将影响电缆井运行状态的多重指标进行筛选和综合后，需要利用基于基因表达式编程算法来从经过处理后得到的训练样本数据集Z中挖掘出F与z_h(h＝1,2，…,m)之间的函数关系F＝f(z₁,z₂,…,z_m)，z_h表示经主成分分析法计算得到的综合指标值。通过采集电缆井当前运行状态的相关数据，经过主成分分析法处理后，将计算所得的数值按照对应关系作为该函数关系式的输入，计算F的值，然后把计算的结果作为风险预警模块的输入，从而对当前的电缆井运行状态进行评估并给予反馈。

所述步骤二的具体步骤为：

(2-1)：根据得到的样本数据集运用基因表达式编程算法初始化种群；

(2-2)：构建适应度评价函数，设定停止产生新代时新代所需达到的计算精度范围；

其中构建的适应度评价函数为：式中Fit[F(Z_m)]称为非线性适应度函数；F(Z_m)为无约束优化后的目标函数；s＝1+ln A，A为设定的最大进化代数，N为当前进化代数；因为本式中的适应度函数可以动态调整个体的适应度，再者考虑个体的位串长度以及运算消耗，设定最大进化代数为200。

(2-3)：针对产生的个体进行选择操作；变异操作；变换操作以及重组操作；产生新个体；

(2-4)：将产生的新个体按照适应值大小排序，保留优秀个体；

(2-5)：选择多样性算子p_b、p_r，以一定的比例p_b保留适应度较差的个体，以一定的概率p_r随机产生一部分新个体，继而产生新代；

(2-6)：判断产生的新代适应值是否达到设定的计算精度，若达到则退出，转至步骤(2-7)，否则转至步骤(2-3)重复执行；

(2-7)：返回综合得分与各指标数据之间的函数关系式，即F＝f(z₁,z₂,…,z_m)；

(2-8)：将采集并处理后所得到的电缆井当前运行状态相关的指标参数样本数据作为该函数关系式的自变量，计算当前电缆井运行状态的综合得分。

步骤三：风险预警模块根据综合得分评定当前电缆井运行状态的风险等级，并将评定结果送入操作控制系统。

风险预警主要是能够为运行状态评估模块所提交的综合评分评定相应的风险等级，并给出一些合理可行的参考性意见，供决策人员参考。在本方法中，主要是通过建立一个风险等级知识规则库来进行风险等级的评定，如表1所述，风险等级知识规则库中共有3个等级A、B、C，且假设各等级间风险严重程度关系为A>B>C，等级A代表电缆井运行状态某项指标高于正常上限值，等级B代表电缆井运行状态某项指标在于正常上下限值，等级C代表电缆井运行状态某项指标在于正常下限值；当运行状态评估模块计算所得综合分数在评分区间[a1,a2)时，通过查询风险等级知识规则库易知所属等级为A，处于异常状态，告警通知决策人员；当运行状态评估模块计算所得综合分数在评分区间[a2,a3)时，通过查询风险等级知识规则库易知所属等级为B，处于正常状态；当得分数在评分区间[a3,a4]时，通过查询风险等级知识规则库易知所属等级为C，也归于异常状态，告警通知决策人员。

表1风险等级知识规则库

评分区间	[a<sub>1</sub>,a<sub>2</sub>)	[a<sub>2</sub>,a<sub>3</sub>)	[a<sub>3</sub>,a<sub>4</sub>]
				评定等级	A	B	C

在对风险等级知识规则库进行设计时，需要根据问题的实际需求，结合专家意见和理论知识设置比较合理的风险等级。

步骤四：操作控制系统根据评定结果进行显示和预警。

Claims (9)

1.一种基于大数据的电缆井状态评估预警系统，其特征在于：包括数据处理模块、运行状态评估模块、风险预警模块、操作控制系统、电缆井运行和管理服务器，所述数据处理模块、运行状态评估模块、风险预警模块依次串接，操作控制系统分别与风险预警模块、电缆井运行和管理服务器连接，数据处理模块进行数据处理，运行状态评估模块对经数据处理模块处理的数据进行运行状态评估，运行状态评估得到的综合得分提交至风险预警模块处理，风险预警模块评定当前电缆井运行状态的风险等级，并送入操作控制系统进行显示。

2.一种根据权利要求1所述的基于大数据的电缆井状态评估预警系统的基于大数据的状态评估预警方法，包括以下步骤：

步骤一：数据处理模块对实时采集的数据进行处理，得到新的训练样本数据集，并将得到的训练样本数据集送入运行状态评估模块；

步骤二：运行状态评估模块对经数据处理模块处理的数据进行运行状态评估，得到当前电缆井运行状态的综合得分，综合得分提交至风险预警模块；

步骤三：风险预警模块根据综合得分评定当前电缆井运行状态的风险等级，并将评定结果送入操作控制系统；

步骤四：操作控制系统根据评定结果进行显示和预警。

3.根据权利要求2所述的基于大数据的状态评估预警方法，其特征在于：所述步骤一的具体步骤为：

(1-1)：分析问题的实际需求，构建电缆井运行状态评估指标体系；

(1-2)：采集评估指标体系下各个指标历史数据，对其进行处理：不良数据的检测、不良数据的辨识和修补、以及缺失值的填充，组成需进一步处理的训练样本数据集，归一化后构成p×n阶数据矩阵X＝(X₁,X₂,…,X_p)，其中，p为指标个数，n为样本个数；

(1-3)：对步骤(1-2)构建的数据矩阵进行标准化、正交化，得到相关系数矩阵R，求相关系数矩阵的特征值λ₁,λ₂,…,λ_p和对应的特征向量α₁,α₂,…,α_p；

(1-4)：利用步骤(1-3)所得特征值计算贡献率和累积贡献率，运用主成分分析法对采集的各类指标参数值进行降维处理，将指标个数从p减少至m，得到新指标z_i＝(1,2,…,m)的计算表达式，从而生成新的训练样本数据集Z。

4.根据权利要求3所述的基于大数据的状态评估预警方法，其特征在于：步骤(1-1)中，电缆井运行状态评估指标有：电压，电流，井盖位移，电缆的温度，电缆接口的布局放电信号及温度，电缆井沟中的温度，可燃气体浓度，有害气体浓度，环境湿度，水位信息。

5.根据权利要求3所述的基于大数据的状态评估预警方法，其特征在于：步骤(1-2)中，对采集的电缆井运行状态的历史数据按照以下公式进行归一化：

其中，x₀为状态量的实际值，x_max为状态量的最优值，x_min为状态量的警戒值，k为劣化程度，y为归一化后的状态量数据；由归一化后的状态量数据y得到数据矩阵X：

其中x_ij表示第i个样本关于指标j所对应的数值，所选定的指标个数为p，样本个数为n。

6.根据权利要求5所述的基于大数据的状态评估预警方法，其特征在于：所述步骤(1-3)中，训练样本的相关系数矩阵为：

经标准化处理后的数据的相关系数为：

用雅克比方法求相关系数矩阵的特征值(λ₁,λ₂,…,λ_p)，即解特征方程|λI-R|＝0，其中λ为特征根，I为单位矩阵；使求得的特征值按大小顺序排列：

λ₁≥λ₂≥…≥λ_p≥0

同时，分别求出对应于特征值λ_d(d＝1,2,…,p)的特征向量α_q(q＝1,2,…,p)，要求||α_q||＝1，即α_qs表示向量α_q的第s个分量。

7.根据权利要求6所述的基于大数据的状态评估预警方法，其特征在于：所述步骤(1-4)中，贡献率是指某个主成分的方差占全部方差的比重，实际也就是某个特征值占全部特征值合计的比重，即：

贡献率越大，说明该主成分所包含的原始变量的信息越强；

根据主成分的累计贡献率来选取主成分个数，即取累计贡献率达到85％～95％的特征值λ₁,λ₂,…,λ_m所对应的第1、第2、…、第m(m≤p)个主成分，故主成分载荷l_uv计算公式如下：

其中l_uv为主成分载荷向量l_u的第v个分量，e_uv表示单位向量；

假设所采集的历史数据的指标变量为x_v，此时主成分z_u为：

其中z_uv表示主成分向量z_u中的第v个分量；

经过上述处理和分析，用m个主成分代替了原来的p个指标变量，即将原来的p个影响电缆井运行状态的指标减少至m个，此时的训练样本集经过处理变为Z，即：

8.根据权利要求3所述的基于大数据的状态评估预警方法，其特征在于：所述步骤二的具体步骤为：

(2-1)：根据得到的样本数据集运用基因表达式编程算法初始化种群；

(2-2)：构建适应度评价函数，设定停止产生新代时新代所需达到的计算精度范围；

其中构建的适应度评价函数为：式中Fit[F(Z_m)]称为非线性适应度函数；F(Z_m)为无约束优化后的目标函数；s＝1+ln A，A为设定的最大进化代数，N为当前进化代数；

(2-3)：针对产生的个体进行选择操作；变异操作；变换操作以及重组操作；产生新个体；

(2-4)：将产生的新个体按照适应值大小排序，保留优秀个体；

(2-5)：选择多样性算子p_b、p_r，以一定的比例p_b保留适应度较差的个体，以一定的概率p_r随机产生一部分新个体，继而产生新代；

(2-6)：判断产生的新代适应值是否达到设定的计算精度，若达到则退出，转至步骤(2-7)，否则转至步骤(2-3)重复执行；

(2-7)：返回综合得分与各指标数据之间的函数关系式，即F＝f(z₁,z₂,…,z_m)；

(2-8)：将采集并处理后所得到的电缆井当前运行状态相关的指标参数样本数据作为该函数关系式的自变量，计算当前电缆井运行状态的综合得分。

9.根据权利要求3所述的基于大数据的状态评估预警方法，其特征在于：所述步骤三中，通过建立一个风险等级知识规则库来进行风险等级的评定，风险等级知识规则库中共有3个等级A、B、C，且假设各等级间风险严重程度关系为A>B>C，等级A代表电缆井运行状态某项指标高于正常上限值，等级B代表电缆井运行状态某项指标在于正常上下限值，等级C代表电缆井运行状态某项指标在于正常下限值；当运行状态评估模块计算所得综合分数在评分区间[a1,a2)时，通过查询风险等级知识规则库易知所属等级为A，处于异常状态，告警通知决策人员；当运行状态评估模块计算所得综合分数在评分区间[a2,a3)时，通过查询风险等级知识规则库易知所属等级为B，处于正常状态；当得分数在评分区间[a3,a4]时，通过查询风险等级知识规则库易知所属等级为C，也归于异常状态，告警通知决策人员。