CN110045250A - 一种电力电缆的绝缘状态判断方法及系统 - Google Patents
一种电力电缆的绝缘状态判断方法及系统 Download PDFInfo
- Publication number
- CN110045250A CN110045250A CN201910364836.2A CN201910364836A CN110045250A CN 110045250 A CN110045250 A CN 110045250A CN 201910364836 A CN201910364836 A CN 201910364836A CN 110045250 A CN110045250 A CN 110045250A
- Authority
- CN
- China
- Prior art keywords
- insulation
- point
- measured value
- state
- base values
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明公开一种电力电缆的绝缘状态判断方法及系统,包括:针对磁调制器零点漂移问题的数字滤波;对滤波后数据进行模糊聚类;利用聚类中心点以及距原点距离最远点坐标,计算各条电力电缆线路绝缘劣化概率。其中,针对磁调制器零点漂移问题的数字滤波包括以下步骤:计算n个初始基值;对基值和测量值做算数平均;更新基值数据;卡尔曼滤波。本发明提出的基于磁调制器的电力电缆绝缘状态判断方法,基于卡尔曼滤波能滤除高频噪声,基于基值滤波能有效滤除低频波动的噪声,能够高效地滤除磁调制器因零点漂移造成的测量误差,同时给出电力电缆绝缘劣化的概率,准确判断电力电缆的绝缘状态。
Description
技术领域
本发明涉及电气技术领域,更具体地,涉及一种电力电缆的绝缘状态判断方法及系统。
背景技术
磁调制器是一种基于磁调制原理的高精度电流传感器,可以用于测量电力电缆线路的泄露电流,从而判断电力电缆绝缘状态。但是,目前有两个问题尚未得到很好的解决:1)绝缘状态良好的电力电缆泄露电流一般为微安级别。在对微安级直流电流测量时,磁调制器存在零点漂移,另外由于测量的随机误差和环境带来的不确定性因素,测量的准确性和稳定性受到较大的干扰。2)目前对于电力电缆绝缘状态的判断主要基于阈值判断,但是由于外界环境的干扰,阈值判断容易产生误判。因此,对于电力电缆绝缘状态尚缺乏准确科学的判断方法。
磁调制器因零点漂移引起的噪声相比于传统检测仪器中的噪声,有以下特点:1)低频与高频噪声共存;2)低频噪声频率动态变化,且频率小于1Hz;3)低频噪声幅值不固定。传统的数字滤波方法均无法对此噪声进行很好的滤除。因此需要一种新的数字滤波方法,消除这一噪声,提高磁调制器测量的准确性和稳定性。
在工程现场,特别是电缆沟内,环境条件比较复杂,而采用阈值判断电力电缆的绝缘状态,当环境因素变化,特别是存在一些瞬时性的大干扰时,绝缘状态良好的电缆也有可能会被判断为绝缘劣化,给工作人员提供错误的提示信息。因此需要一种新的电力电缆绝缘状态判断方法,提高电力电缆绝缘状态判断的科学性和准确性。
发明内容
针对现有技术的缺陷,本发明的目的在于解决现有电力电缆绝缘状态判断方法受外界环境的干扰,阈值判断容易产生误判的技术问题。
为实现上述目的,第一方面,本发明提供一种电力电缆的绝缘状态判断方法,包括以下步骤:
步骤(1),连续2n次测量电力电缆线路的泄露电流,得到2n个测量值;n为正整数;
步骤(2),利用2n个测量值计算n个初始基值,第k-n个初始基值为第k-n个测量值至第k个测量值的平均值,n+1≤k≤2n;
步骤(3),获取第2n+1个测量值,将所述n个初始基值与第2n+1个测量值进行算数平均,得到第2n+1个测量值对应的算数平均结果;将所述n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果作为第2n+2个测量值的n个初始基值;依次类推,获得后面各个测量值对应的算数平均结果,以更新得到下一个测量值对于的n个初始基值;
步骤(4),利用各个测量值的n个初始基值中顺序排在最后的两个值进行卡尔曼滤波;
步骤(5),将相邻两次卡尔曼滤波结果作为二维平面上的一个点,每条线路取多个点分两类进行模糊聚类,以确定每条线路的绝缘状态;
步骤(6),根据每条线路的绝缘状态、两个聚类中心点距离原点的距离以及各个点的距离原点的距离确定对应的绝缘劣化概率。
可选地,所述步骤(5)具体包括:
将相邻两次卡尔曼滤波得到的两个结果分别作为二维平面的横坐标和纵坐标,得到二维平面上的一个点;以此类推,根据多次卡尔曼滤波结果得到二维平面上的m个点;
每条线路取m个点分两类进行模糊聚类,位于右上方一类的绝缘状态相比位于左下方一类的绝缘状态差,分别设为第一类绝缘状态和第二类绝缘状态;m为正整数。
可选地,所述步骤(6)具体包括:
确定每个点对于两个聚类中心点的隶属度、第一类绝缘状态聚类中心点距原点距离dbad以及第二类绝缘状态聚类中心点距原点距离dgood;
将同一条线路的聚类结果分为以下两种情况:第一种情况为第一类绝缘状态的所有点属于这条线路;第二种情况为聚类结果中存在a个点到原点的距离大于dbad;a为大于或等于1的正整数;
聚类结果为第一种情况时,初步得到该线路的绝缘劣化概率Pbad为:
其中,j表示m个点中的测量先后顺序,j=1,2,…m,Uj表示第j个点的最终隶属度;
其中,U表示归为第二类绝缘状态的点对于第一类绝缘状态的隶属度;
聚类结果为第二情况时,初步得到该线路的绝缘劣化概率Pbad为:
其中,dj表示到a个点中每个点到原点的距离,j表示a个点中各个点在m个点中的测量顺序,dmax表示a个点到原点距离的最大值;
对每条线路的聚类结果都进行上述两种情况的判断,如果不属于上述两种情况,则其绝缘劣化概率为0;
如果dbad和dgood满足:dbad≤b×dgood;其中,对于第一种情况,b取2;对于第二种情况,b取3;最终得到该线路绝缘劣化概率为:Pbad'=C×Pbad
其中,
可选地,所述步骤(4)具体包括:
其中各个测量值的n个初始基值具体为:对于第2n+1个测量值,其n个初始基值为步骤(2)得到的n个初始基值;对于第2n+2个测量值,其n个初始基值为步骤(2)得到的n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果;对于第2n+3个测量值,其n个初始基值为第2n+2个测量值对于的算数平均结果和第2n+2个测量值的n个初始基值中排序靠后的n-1个基值;以此类推。
第二方面,本发明提供一种电力电缆的绝缘状态判断系统,包括:
初始基值确定单元,用于连续2n次测量电力电缆线路的泄露电流,得到2n个测量值;n为正整数;利用2n个测量值计算n个初始基值,第k-n个初始基值为第k-n个测量值至第k个测量值的平均值,n+1≤k≤2n;
卡尔曼滤波单元,用于获取第2n+1个测量值,将所述n个初始基值与第2n+1个测量值进行算数平均,得到第2n+1个测量值对应的算数平均结果;将所述n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果作为第2n+2个测量值的n个初始基值;依次类推,获得后面各个测量值对应的算数平均结果,以更新得到下一个测量值对于的n个初始基值;利用各个测量值的n个初始基值中顺序排在最后的两个值进行卡尔曼滤波;
绝缘结果判断单元,用于将相邻两次卡尔曼滤波结果作为二维平面上的一个点,每条线路取多个点分两类进行模糊聚类,以确定每条线路的绝缘状态;根据每条线路的绝缘状态、两个聚类中心点距离原点的距离以及各个点的距离原点的距离确定对应的绝缘劣化概率。
可选地,绝缘结果判断单元,用于将相邻两次卡尔曼滤波得到的两个结果分别作为二维平面的横坐标和纵坐标,得到二维平面上的一个点;以此类推,根据多次卡尔曼滤波结果得到二维平面上的m个点;每条线路取m个点分两类进行模糊聚类,位于右上方一类的绝缘状态相比位于左下方一类的绝缘状态差,分别设为第一类绝缘状态和第二类绝缘状态;m为正整数。
可选地,绝缘结果判断单元,用于确定每个点对于两个聚类中心点的隶属度、第一类绝缘状态聚类中心点距原点距离dbad以及第二类绝缘状态聚类中心点距原点距离dgood;将同一条线路的聚类结果分为以下两种情况:第一种情况为第一类绝缘状态的所有点属于这条线路;第二种情况为聚类结果中存在a个点到原点的距离大于dbad;a为大于或等于1的正整数;聚类结果为第一种情况时,初步得到该线路的绝缘劣化概率Pbad为:
其中,j表示m个点中的测量先后顺序,j=1,2,…m,Uj表示第j个点的最终隶属度;其中,U表示归为第二类绝缘状态的点对于第一类绝缘状态的隶属度;聚类结果为第二情况时,初步得到该线路的绝缘劣化概率Pbad为:其中,dj表示a个点中每个点到原点的距离,j表示a个点中各个点在m个点中的测量顺序,dmax表示a个点到原点距离的最大值;对每条线路的聚类结果都进行上述两种情况的判断,如果不属于上述两种情况,则其绝缘劣化概率为0;如果dbad和dgood满足:dbad≤b×dgood;其中,对于第一种情况,b取2;对于第二种情况,b取3;最终得到该线路绝缘劣化概率为:Pbad'=C×Pbad,其中,
可选地,所述卡尔曼滤波单元所用的各个测量值的n个初始基值具体为:对于第2n+1个测量值,其n个初始基值为步骤(2)得到的n个初始基值;对于第2n+2个测量值,其n个初始基值为步骤(2)得到的n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果;对于第2n+3个测量值,其n个初始基值为第2n+2个测量值对于的算数平均结果和第2n+2个测量值的n个初始基值中排序靠后的n-1个基值;以此类推。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
(1)本发明提供的电力电缆绝缘状态判断方法,提出了一种新的针对不规则低频噪声的滤波方法,能够滤除磁调制器零点漂移带来误差噪声,与传统的滤波方法相比,步骤(4)卡尔曼滤波能滤除高频噪声,步骤(1)到(3)基于基值滤波能有效滤除低频波动的噪声。
(2)本发明在滤波器的数据利用方法上,本发明的低频滤波部分利用了所有过去已有的测量信息,并动态改变每个时刻测量信息的权值,高效消除了大部分低频波动的噪声。
(3)本发明利用模糊聚类算法以及概率论的思想,给出每条线路的劣化概率,而不是单纯地采用阈值判断,能够避免偶然性因素造成的绝缘状态误判,提高对于电力电缆绝缘状态判断的准确性,为电缆的维护带来极大的方便。
附图说明
图1为本发明实施例提供的针对磁调制器零点漂移问题的数字滤波方法的实现流程图;
图2为本发明实施例使用的磁调制器输出数据的曲线图;
图3为本发明实施例使用的步骤(2)计算后结果的曲线图;
图4为本发明实施例使用的步骤(4)计算后结果的曲线图;
图5为本发明实例使用的步骤(5)和步骤(6)计算后获得的绝缘劣化概率结果的曲线图;
图6为本发明实例提供的电力电缆绝缘状态判断系统结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明公开了一种基于磁调制器的电力电缆绝缘状态判断方法及系统,包括:针对磁调制器零点漂移问题的数字滤波;对滤波后数据进行模糊聚类;利用聚类中心点和距原点距离最远点坐标,计算各条电力电缆线路绝缘劣化概率。其中,针对磁调制器零点漂移问题的数字滤波包括以下步骤:计算n个初始基值;对基值和测量值做算数平均;更新基值数据;卡尔曼滤波。本发明提出的基于磁调制器的电力电缆绝缘状态判断方法,能够高效地滤除磁调制器因零点漂移造成的测量误差,同时给出电力电缆绝缘劣化的概率,准确判断电力电缆的绝缘状态。
本发明的目的在于提供一种基于磁调制器的电力电缆绝缘状态判断方法,旨在滤除磁调制器因各种因素的测量噪声,尤其是由于零点漂移造成的低频噪声,提高磁调制器测量的稳定性和对电力电缆绝缘状态判断的科学性。
如图1所示,本发明提供了一种基于磁调制器的电力电缆绝缘状态判断方法,使用采样频率固定的采集卡获得磁调制器输出信号,按照如下步骤滤除磁调制器的测量噪声,获得电力电缆绝缘劣化概率:(1)对测量开始后最初的2n个测量值,计算n个初始基值;(2)对基值和测量值做算数平均;(3)更新基值数据;(4)对步骤(2)结果做卡尔曼滤波。(5)对于步骤(4)结果分两类进行模糊聚类;(6)利用模糊聚类结果计算电力电缆绝缘劣化概率。步骤(1)中,n代表计算用初始基值总数。
作为本发明的一个优选实施例,采集卡采样频率可以选为1Hz,n可以取为9。
在步骤(1)中,根据如下算数平均公式,计算低频滤波的初始基值:baset=(DCt-n+DCt-n+1+…+DCt)/(n+1)(t=n+1,n+2,…,2n);
其中,base代表初始基值,DC代表磁调制器输出的信号值,t代表以测量开始为零点的时间值。
在步骤(2)中,从第(2n+1)个测量值开始,将n个基值与本时刻测量值进行算数平均,获得所述算数平均结果。
在步骤(3)中,根据如下方法更新基值数据:将本时刻的n个基值中顺序靠后的(n-1)个值,和步骤(2)中的算数平均结果记录,作为下一时刻的基值。
在步骤(4)中,利用基值中顺序排在最后的两个值进行卡尔曼滤波。
在步骤(5)中,将相邻两个时刻步骤(4)卡尔曼滤波后的结果作为二维平面的一个点,每条线路取m个点分两类进行模糊聚类,将位于右上方的一类视为绝缘状态较差,位于左下方的一类视为绝缘状态良好。获得每个点对于两个聚类中心点的隶属度。获得每个点对于两个聚类中心点的隶属度,以及绝缘状态较差聚类中心点距原点距离dbad,绝缘状态良好聚类中心点距原点距离dgood。其中m为每条线路聚类点个数,作为本发明的一个优选实施例,m可取5。
在步骤(6)中,首先判断同一条线路的聚类结果是否属于以下两种情况:情况1,绝缘状态较差一类的所有点属于这条线路;情况2,聚类结果中存在a个点,这a个点到原点的距离大于dbad。然后,通过以下步骤计算电缆线路绝缘劣化概率:
1)如果聚类结果属于情况1,那么该线路劣化概率为:
其中,j表示m个点中的测量先后顺序,j=1,2,…m,另外,
2)如果聚类结果属于情况2,这条线路的绝缘劣化概率为:
其中,dj表示a个点中每个点到原点的距离,j表示a个点中各个点在m个点中的测量顺序,dmax表示a个点到原点距离的最大值。
3)对每条线路的聚类结果都进行上述两种情况的判断,如果不属于上述两种情况,则其绝缘劣化概率为0。
4)如果绝缘状态较差中心点和绝缘状态良好中心点之间的距离满足:
dbad≤b×dgood
其中,对于情况1,b取2;对于情况2,b取3。
那么该线路绝缘劣化概率为:
Pbad'=C×Pbad
其中,
本发明提供了一种基于磁调制器的电力电缆绝缘状态判断方法,旨在创新地通过一种新型滤波方法以及模糊聚类算法,给出电力电缆绝缘劣化概率,以准确判断电力电缆绝缘状态。
在一个具体的示例中,本发明的技术方案是:以1Hz的采样频率采集磁调制器输出信号,取n=9、m=5情况下,按照如下步骤得到各条电缆线路的绝缘劣化概率:
步骤1:对测量开始后最初的18个测量值,计算9个初始基值,其公式为:
baset=(DCt-9+DCt-8+…+DCt)/10(t=10,11,…,18)。
步骤2:从第19个测量值开始,将9个基值与本时刻测量值进行算数平均,获得所述算数平均结果。
步骤3:更新基值数据,将本时刻的9个基值中顺序靠后的8个值,和步骤2中的算数平均结果记录,作为下一时刻的基值。
步骤4:对步骤2中的算数平均结果做卡尔曼滤波。
步骤5:将相邻两个时刻步骤4卡尔曼滤波后的结果作为二维平面的一个点,每条线路取5个点分两类进行模糊聚类,将位于右上方的一类视为绝缘状态较差,位于左下方的一类视为绝缘状态良好。获得每个点对于两个聚类中心点的隶属度。
步骤6:通过先后判断1)归为绝缘状态较差的点是否属于同一条线路的所有数据;2)各条线路是否所有聚类点都在绝缘状态较差一类中;3)距原点距离大于绝缘状态较差一类中心点距原点距离的点是否属于同一线路;4)两个聚类中心点是否距离太近等条件,将聚类结果分为4种情况。进一步的,通过聚类结果数据和其所处聚类种类,利用聚类中心点和距原点距离最远点坐标,计算各条电缆线路的绝缘劣化概率。
下面结合附图和具体实施例对本发明作进一步说明。实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。磁调制器的测量值是以1Hz的频率进行测量记录的,滤波过程也随之实时进行,实施例无法展现其实时性,仅以图2所示的一次时长约5分钟的空载测量结果为例,以数据表格的形式记录并展现,用以对比、表现本滤波方法的效果,测量数据来源于对电缆线路绝缘逐渐劣化的模拟实验。具体步骤如下:
步骤1:依前述方法,记录测量开始后最初的18个测量值如下:
代入前述公式步骤(1)的公式,计算9个初始基值,记录如下:
步骤2:依前述方法,从第19个测量值开始,将9个基值与本时刻测量值进行算数平均,获得所述算数平均结果,其结果如图3所示。
步骤3:依前述方法,更新基值数据。
步骤4:依前述方法,对步骤2计算结果进行卡尔曼滤波,其结果如图4所示。
步骤5:依前述方法,对步骤4结果进行聚类处理。
步骤6:依前述方法,对步骤5结果进行聚类结果分类和概率计算,得到结果如图5所示。容易看出,经过多次数据处理后,本发明能明显滤除大部分测量值中存在的高频和低频噪声,处理后的结果相较于测量值,更准确、稳定。
图6为本发明实例提供的电力电缆绝缘状态判断系统结构图,如图6所示,包括:
初始基值确定单元,用于连续2n次测量电力电缆线路的泄露电流,得到2n个测量值;n为正整数;利用2n个测量值计算n个初始基值,第k-n个初始基值为第k-n个测量值至第k个测量值的平均值,n+1≤k≤2n;
卡尔曼滤波单元,用于获取第2n+1个测量值,将所述n个初始基值与第2n+1个测量值进行算数平均,得到第2n+1个测量值对应的算数平均结果;将所述n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果作为第2n+2个测量值的n个初始基值;依次类推,获得后面各个测量值对应的算数平均结果,以更新得到下一个测量值对于的n个初始基值;利用各个测量值的n个初始基值中顺序排在最后的两个值进行卡尔曼滤波;
绝缘结果判断单元,用于将相邻两次卡尔曼滤波结果作为二维平面上的一个点,每条线路取多个点分两类进行模糊聚类,以确定每条线路的绝缘状态;根据每条线路的绝缘状态、两个聚类中心点距离原点的距离以及各个点的距离原点的距离确定对应的绝缘劣化概率。
具体各个单元的功能可参照前述方法实施例,本发明对此不做赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种电力电缆的绝缘状态判断方法,其特征在于,包括以下步骤:
步骤(1),连续2n次测量电力电缆线路的泄露电流,得到2n个测量值;n为正整数;
步骤(2),利用2n个测量值计算n个初始基值,第k-n个初始基值为第k-n个测量值至第k个测量值的平均值,n+1≤k≤2n;
步骤(3),获取第2n+1个测量值,将所述n个初始基值与第2n+1个测量值进行算数平均,得到第2n+1个测量值对应的算数平均结果;将所述n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果作为第2n+2个测量值的n个初始基值;依次类推,获得后面各个测量值对应的算数平均结果,以更新得到下一个测量值对于的n个初始基值;
步骤(4),利用各个测量值的n个初始基值中顺序排在最后的两个值进行卡尔曼滤波;
步骤(5),将相邻两次卡尔曼滤波结果作为二维平面上的一个点,每条线路取多个点分两类进行模糊聚类,以确定每条线路的绝缘状态;
步骤(6),根据每条线路的绝缘状态、两个聚类中心点距离原点的距离以及各个点的距离原点的距离确定对应的绝缘劣化概率。
2.根据权利要求1所述的电力电缆的绝缘状态判断方法,其特征在于,所述步骤(5)具体包括:
将相邻两次卡尔曼滤波得到的两个结果分别作为二维平面的横坐标和纵坐标,得到二维平面上的一个点;以此类推,根据多次卡尔曼滤波结果得到二维平面上的m个点;
每条线路取m个点分两类进行模糊聚类,位于右上方一类的绝缘状态相比位于左下方一类的绝缘状态差,分别设为第一类绝缘状态和第二类绝缘状态;m为正整数。
3.根据权利要求2所述的电力电缆的绝缘状态判断方法,其特征在于,所述步骤(6)具体包括:
确定每个点对于两个聚类中心点的隶属度、第一类绝缘状态聚类中心点距原点距离dbad以及第二类绝缘状态聚类中心点距原点距离dgood;
将同一条线路的聚类结果分为以下两种情况:第一种情况为第一类绝缘状态的所有点属于这条线路;第二种情况为聚类结果中存在a个点到原点的距离大于dbad;a为大于或等于1的正整数;
聚类结果为第一种情况时,初步得到该线路的绝缘劣化概率Pbad为:
其中,j表示m个点中的测量先后顺序,j=1,2,…m,Uj表示第j个点的最终隶属度;
其中,U表示归为第二类绝缘状态的点对于第一类绝缘状态的隶属度;
聚类结果为第二情况时,初步得到该线路的绝缘劣化概率Pbad为:
其中,dj表示到a个点中每个点到原点的距离,j表示a个点中各个点在m个点中的测量顺序,dmax表示a个点到原点距离的最大值;
对每条线路的聚类结果都进行上述两种情况的判断,如果不属于上述两种情况,则其绝缘劣化概率为0;
如果dbad和dgood满足:dbad≤b×dgood;其中,对于第一种情况,b取2;对于第二种情况,b取3;最终得到该线路绝缘劣化概率为:Pbad'=C×Pbad
其中,
4.根据权利要求1至3任一项所述的电力电缆的绝缘状态判断方法,其特征在于,所述步骤(4)具体包括:
其中各个测量值的n个初始基值具体为:对于第2n+1个测量值,其n个初始基值为步骤(2)得到的n个初始基值;对于第2n+2个测量值,其n个初始基值为步骤(2)得到的n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果;对于第2n+3个测量值,其n个初始基值为第2n+2个测量值对于的算数平均结果和第2n+2个测量值的n个初始基值中排序靠后的n-1个基值;以此类推。
5.一种电力电缆的绝缘状态判断系统,其特征在于,包括:
初始基值确定单元,用于连续2n次测量电力电缆线路的泄露电流,得到2n个测量值;n为正整数;利用2n个测量值计算n个初始基值,第k-n个初始基值为第k-n个测量值至第k个测量值的平均值,n+1≤k≤2n;
卡尔曼滤波单元,用于获取第2n+1个测量值,将所述n个初始基值与第2n+1个测量值进行算数平均,得到第2n+1个测量值对应的算数平均结果;将所述n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果作为第2n+2个测量值的n个初始基值;依次类推,获得后面各个测量值对应的算数平均结果,以更新得到下一个测量值对于的n个初始基值;利用各个测量值的n个初始基值中顺序排在最后的两个值进行卡尔曼滤波;
绝缘结果判断单元,用于将相邻两次卡尔曼滤波结果作为二维平面上的一个点,每条线路取多个点分两类进行模糊聚类,以确定每条线路的绝缘状态;根据每条线路的绝缘状态、两个聚类中心点距离原点的距离以及各个点的距离原点的距离确定对应的绝缘劣化概率。
6.根据权利要求5所述的电力电缆的绝缘状态判断系统,其特征在于,绝缘结果判断单元,用于将相邻两次卡尔曼滤波得到的两个结果分别作为二维平面的横坐标和纵坐标,得到二维平面上的一个点;以此类推,根据多次卡尔曼滤波结果得到二维平面上的m个点;每条线路取m个点分两类进行模糊聚类,位于右上方一类的绝缘状态相比位于左下方一类的绝缘状态差,分别设为第一类绝缘状态和第二类绝缘状态;m为正整数。
7.根据权利要求6所述的电力电缆的绝缘状态判断方法,其特征在于,绝缘结果判断单元,用于确定每个点对于两个聚类中心点的隶属度、第一类绝缘状态聚类中心点距原点距离dbad以及第二类绝缘状态聚类中心点距原点距离dgood;将同一条线路的聚类结果分为以下两种情况:第一种情况为第一类绝缘状态的所有点属于这条线路;第二种情况为聚类结果中存在a个点到原点的距离大于dbad;a为大于或等于1的正整数;聚类结果为第一种情况时,初步得到该线路的绝缘劣化概率Pbad为:其中,j表示m个点中的测量先后顺序,j=1,2,…m,Uj表示第j个点的最终隶属度;其中U表示归为第二类绝缘状态的点对于第一类绝缘状态的隶属度;聚类结果为第二情况时,初步得到该线路的绝缘劣化概率Pbad为:其中,dj表示到a个点中每个点到原点的距离,j表示a个点中各个点在m个点中的测量顺序,dmax表示a个点到原点距离的最大值;对每条线路的聚类结果都进行上述两种情况的判断,如果不属于上述两种情况,则其绝缘劣化概率为0;如果dbad和dgood满足:dbad≤b×dgood;其中,对于第一种情况,b取2;对于第二种情况,b取3;最终得到该线路绝缘劣化概率为:Pbad'=C×Pbad,其中,
8.根据权利要求5至7任一项所述的电力电缆的绝缘状态判断系统,其特征在于,所述卡尔曼滤波单元所用的各个测量值的n个初始基值具体为:对于第2n+1个测量值,其n个初始基值为步骤(2)得到的n个初始基值;对于第2n+2个测量值,其n个初始基值为步骤(2)得到的n个初始基值中排序靠后的n-1个基值和第2n+1个测量值对应的算数平均结果;对于第2n+3个测量值,其n个初始基值为第2n+2个测量值对于的算数平均结果和第2n+2个测量值的n个初始基值中排序靠后的n-1个基值;以此类推。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910364836.2A CN110045250B (zh) | 2019-04-30 | 2019-04-30 | 一种电力电缆的绝缘状态判断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910364836.2A CN110045250B (zh) | 2019-04-30 | 2019-04-30 | 一种电力电缆的绝缘状态判断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110045250A true CN110045250A (zh) | 2019-07-23 |
CN110045250B CN110045250B (zh) | 2020-05-19 |
Family
ID=67280543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910364836.2A Active CN110045250B (zh) | 2019-04-30 | 2019-04-30 | 一种电力电缆的绝缘状态判断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110045250B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488164A (zh) * | 2019-08-22 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
CN113919694A (zh) * | 2021-10-11 | 2022-01-11 | 国网山西省电力公司信息通信分公司 | 一种电力通信光缆关键业务承载状态分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001165988A (ja) * | 1999-12-06 | 2001-06-22 | Mitsubishi Cable Ind Ltd | 分岐ケーブル線路の事故点特定方法 |
JP2002005861A (ja) * | 2000-06-26 | 2002-01-09 | Kawasaki Steel Corp | トロリーのオンライン絶縁劣化診断方法及び装置 |
CN107329049A (zh) * | 2017-08-21 | 2017-11-07 | 集美大学 | 一种基于卡尔曼滤波器的输电线路早期故障检测方法 |
CN107884686A (zh) * | 2017-10-16 | 2018-04-06 | 四川电之盾安全技术有限公司 | 一种l‑n线绝缘劣化监测方法 |
CN108508337A (zh) * | 2018-06-07 | 2018-09-07 | 国网上海市电力公司 | 用于评估xlpe电缆绝缘老化状态的介电分析方法 |
-
2019
- 2019-04-30 CN CN201910364836.2A patent/CN110045250B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001165988A (ja) * | 1999-12-06 | 2001-06-22 | Mitsubishi Cable Ind Ltd | 分岐ケーブル線路の事故点特定方法 |
JP2002005861A (ja) * | 2000-06-26 | 2002-01-09 | Kawasaki Steel Corp | トロリーのオンライン絶縁劣化診断方法及び装置 |
CN107329049A (zh) * | 2017-08-21 | 2017-11-07 | 集美大学 | 一种基于卡尔曼滤波器的输电线路早期故障检测方法 |
CN107884686A (zh) * | 2017-10-16 | 2018-04-06 | 四川电之盾安全技术有限公司 | 一种l‑n线绝缘劣化监测方法 |
CN108508337A (zh) * | 2018-06-07 | 2018-09-07 | 国网上海市电力公司 | 用于评估xlpe电缆绝缘老化状态的介电分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488164A (zh) * | 2019-08-22 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
CN110488164B (zh) * | 2019-08-22 | 2023-01-31 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
CN113919694A (zh) * | 2021-10-11 | 2022-01-11 | 国网山西省电力公司信息通信分公司 | 一种电力通信光缆关键业务承载状态分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110045250B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN102404058B (zh) | 电磁波区分设备、电磁波区分方法以及电磁波区分程序 | |
CN106896407B (zh) | 一种基于近似负熵的微地震信号初至拾取方法 | |
CN106990435B (zh) | 一种减弱依赖初至拾取精度的微震定位方法及装置 | |
CN111189638B (zh) | 基于hmm和qpso优化算法的轴承故障程度辨识方法 | |
CN108957403B (zh) | 一种基于广义互相关的高斯拟合包络时延估计方法及系统 | |
CN110045250A (zh) | 一种电力电缆的绝缘状态判断方法及系统 | |
CN106970379B (zh) | 基于泰勒级数展开对室内目标的测距定位方法 | |
CN111046913B (zh) | 一种负荷异常值识别方法 | |
CN110188810A (zh) | 一种基于密度聚类的在线野值检测、识别与修正方法 | |
CN105445699B (zh) | 一种非视距误差消除的测距方法及系统 | |
CN112732748A (zh) | 一种基于自适应特征选择的非侵入式家电负荷识别方法 | |
CN115659284B (zh) | 一种大数据融合平台 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN109726770A (zh) | 一种模拟电路故障测试诊断方法 | |
CN110673208B (zh) | 一种机器学习框架下高维特征约束的初至拾取方法及系统 | |
Lee et al. | Developing an improved fingerprint positioning radio map using the K-means clustering algorithm | |
CN108834047A (zh) | 一种路径损耗模型的ap选择室内定位方法 | |
CN117828379B (zh) | 基于多源数据融合的地下资源探测方法 | |
CN114355298B (zh) | 一种雷达复合调制脉冲信号识别方法 | |
CN110163148A (zh) | 一种电动汽车直流充电畸变信号自适应识别方法 | |
CN110081890B (zh) | 一种结合深度网络的动态k最近邻地图匹配方法 | |
CN115952410A (zh) | 一种基于深度学习的滑坡灾害检测系统 | |
Fan et al. | A new non-line-of-sight localization algorithm for wireless sensor network | |
Lei et al. | An improved WiFi fingerprint location method for indoor positioning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |