CN110096737A - 绝缘子寿命预测方法、装置、计算机装置及存储介质 - Google Patents

绝缘子寿命预测方法、装置、计算机装置及存储介质 Download PDF

Info

Publication number
CN110096737A
CN110096737A CN201910218869.6A CN201910218869A CN110096737A CN 110096737 A CN110096737 A CN 110096737A CN 201910218869 A CN201910218869 A CN 201910218869A CN 110096737 A CN110096737 A CN 110096737A
Authority
CN
China
Prior art keywords
insulator
aging
composite insulator
aging characteristic
life
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
Application number
CN201910218869.6A
Other languages
English (en)
Other versions
CN110096737B (zh
Inventor
来文青
樊浩楠
王永红
林荧
郭金刚
王黎明
肖冰
左秀江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Tsinghua University
Electric Power Research Institute of State Grid Eastern Inner Mongolia Power Co Ltd
State Grid Eastern Inner Mongolia Power Co Ltd
Original Assignee
Shenzhen Graduate School Tsinghua University
Electric Power Research Institute of State Grid Eastern Inner Mongolia Power Co Ltd
State Grid Eastern Inner Mongolia Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Tsinghua University, Electric Power Research Institute of State Grid Eastern Inner Mongolia Power Co Ltd, State Grid Eastern Inner Mongolia Power Co Ltd filed Critical Shenzhen Graduate School Tsinghua University
Priority to CN201910218869.6A priority Critical patent/CN110096737B/zh
Publication of CN110096737A publication Critical patent/CN110096737A/zh
Application granted granted Critical
Publication of CN110096737B publication Critical patent/CN110096737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Insulators (AREA)

Abstract

本发明提供一种绝缘子寿命预测方法，通过确定绝缘子的各种老化特征量统计数据，例如伞裙的硬度、机械性能、电气性能等，然后对老化特征量统计数据进行拟合回归分析，得出回归方程，进而得出绝缘子寿命预测公式。本发明还提供一种绝缘子寿命预测装置、计算机装置及计算机可读存储介质。本发明能够简单、可靠的对复合绝缘子进行寿命预测，操作简单、适用范围广泛，有助于维护电力系统的稳定。

Description

绝缘子寿命预测方法、装置、计算机装置及存储介质
技术领域
本发明涉及高电压外绝缘领域，具体涉及一种绝缘子寿命预测方法、绝缘子寿命预测装置、计算机装置及计算机可读存储介质。
背景技术
复合绝缘子作为输电线路上的重要组成部件，在输电线路中起着支撑导线和防止电流回地的作用。因此复合绝缘子是否能正常运行直接关系到输电线路是否能稳定运行。要使得复合绝缘子能够正常稳定的运行就要设计出准确高效的维护策略。以往复合绝缘子的维护策略一般是按照一定时间定期维护或者在输电线路中的复合绝缘子发生问题后进行事后维护，这样不利于输电线路的运行。另一方面，复合绝缘子应用广泛，所处的环境也多种多样，有些特殊环境因素会对复合绝缘子产生特殊的影响。例如，开发北极风电，在北极地区建设输变电工程，不可避免的要碰到由于极地地区的低温环境所带来的一系列特有问题。在低温环境下，输变电设备的电气性能将直接受到影响，因此复合绝缘子在低温环境下是否能正常运行直接关系到输电线路是否能稳定运行，然而低温环境下的维护成本较高，维护难度大，因此，有必要提出一种简单、可靠的预测复合绝缘子寿命的方法，以利于维护各种环境下的复合绝缘子。
发明内容
鉴于以上问题，本发明提出一种绝缘子寿命预测方法、装置、计算机装置及存储介质，能够简单、可靠的预测复合绝缘子的寿命。
本申请的第一方面提供一种绝缘子寿命预测方法，所述方法包括：
获取不同运行年限的复合绝缘子的多个老化特征量，生成运行年限与老化特征量的对应关系数据集，其中每种运行年限的复合绝缘子对应多个老化特征量；
建立多元线性回归模型，根据所述运行年限与老化特征量的对应关系数据集训练所述多元线性回归模型，计算多元线性回归模型的回归系数，得到对应的回归方程，所述回归方程指示运行年限与老化特征量的函数关系，其中以运行年限为因变量，老化特征量为自变量；
将复合绝缘子老化退出时的老化特征量代入所述回归方程，计算得出复合绝缘子的预测使用总年限，并根据所述预测使用总年限减去复合绝缘子已经使用年限得到所述复合绝缘子的剩余使用寿命。
优选地，所述方法还包括：计算所述每个老化特征量与运行年限之间的相关系数，并根据预设规则删除相关系数小于设定值的老化特征量。
优选地，所述相关系数为Pearson相关系数，所述“计算所述每个老化特征量与运行年限之间的相关系数，并根据预设规则删除相关系数小于设定值的老化特征量”包括：
根据如下公式计算得出每种老化特征量与运行年限的Pearson相关系数：
其中，r为相关系数，x为老化特征量，t为运行时间，n为该老化特征量的总数量；
将所述计算得出的相关系数与一设定值比较，判断所述相关系数的绝对值是否小于所述设定值；
当所述相关系数的绝对值小于所述设定值时，在所述数据集中删除所述老化特征量；
当所述相关系数的绝对值大于所述设定值时，在所述数据集中保留所述老化特征量。
优选地，所述复合绝缘子的老化特征量是复合绝缘子的硅橡胶伞裙的老化特征量，包括硬度、拉伸强度、抗撕裂强度、体积电导率、介质损耗因数。
优选地，所述建立的多元线性回归模型为：
T＝b0+b1x1+b2x2+...+bkxk+e
其中，因变量T为复合绝缘子的运行年限，自变量x1、x2、……xk为老化特征量，b0、b1、...、bk为模型中的回归系数，e为模型中的常数项，表示误差变量；
根据所建立的多元线性回归模型，使用所述运行年限与老化特征量的对应关系数据集采用最小二乘法计算所述回归系数，训练得出所述回归方程。
优选地，所述方法还包括：
获取复合绝缘子的紧急状态参数，根据所述紧急状态参数判断所述复合绝缘子是否达到紧急退出条件，若达到，则确定复合绝缘子的剩余使用寿命为零。
优选地，所述复合绝缘子的紧急状态参数包括外观状态值、复合绝缘子温度变化值、复合绝缘子放电电流值，当外观状态值、复合绝缘子温度变化值、复合绝缘子放电电流值中至少其一达到紧急退出条件时，确定所述复合绝缘子的剩余使用寿命为零。
本申请的第二方面提供一种绝缘子寿命预测装置，所述装置包括：
获取模块，用于获取不同运行年限的复合绝缘子的多个老化特征量，生成运行年限与老化特征量的对应关系数据集，其中每种运行年限的复合绝缘子对应多个老化特征量；
模型训练模块，用于建立多元线性回归模型，根据所述运行年限与老化特征量的对应关系数据集训练所述多元线性回归模型，计算多元线性回归模型的回归系数，得到对应的回归方程，所述回归方程指示运行年限与老化特征量的函数关系，其中以运行年限为因变量，老化特征量为自变量；
剩余使用寿命预测模块，用于将复合绝缘子老化退出时的老化特征量代入所述回归方程，计算得出复合绝缘子的预测使用总年限，并根据所述预测使用总年限减去复合绝缘子已经使用年限得到所述复合绝缘子的剩余使用寿命。
本发明第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述的绝缘子寿命预测方法。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的绝缘子寿命预测方法。
本发明通过确定绝缘子的各种老化特征量统计数据，例如伞裙的硬度、机械性能、电气性能等，然后对老化特征量统计数据进行拟合回归分析，得出回归方程，进而得出低温绝缘子寿命预测公式，操作简单，预测结果准确性高，能够简单、可靠的预测复合绝缘子的剩余使用寿命，有助于复合绝缘子的维护。
附图说明
图1是本发明一实施方式提供的绝缘子寿命预测方法流程图。
图2是本发明一实施方式提供的绝缘子寿命预测装置功能模块示意图。
图3是本发明一实施方式提供的计算机装置硬件架构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
请参阅图1，为本发明一个实施方式提供的绝缘子寿命预测流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分。
如图1所示，所述绝缘子寿命预测方法包括以下步骤。
步骤S1、获取不同运行年限的复合绝缘子的多个老化特征量，生成运行年限与老化特征量的对应关系数据集，其中，每种运行年限的复合绝缘子对应多个老化特征量。
所述老化特征量是随复合绝缘子运行时间增加而发生变化的物理量。
本发明一个实施方式中，所述复合绝缘子的老化特征量是复合绝缘子的硅橡胶伞裙的老化特征量，包括但不限于：硬度、拉伸强度、抗撕裂强度、体积电导率、介质损耗因数。在其他实施方式中，所述老化特征量可以包括更多或更少的量，本发明对老化特征量的内容不做具体限定，例如在一些实施方式中老化特征量可以只包括硬度、体积电导率这两个值，其他实施方式中也可以包括更多的值，可以根据需要进行确定。
其中，复合绝缘子硅橡胶伞裙的硬度值可以是利用硬度计对伞裙表面进行硬度测量得到的，例如使用邵氏硬度计进行测量。所述拉伸强度是指制作所述伞裙的硅橡胶材料产生最大均匀塑性变形的应力，可以通过对所述硅橡胶伞裙做拉伸试验得到。所述抗撕裂强度、体积导电率以及介质损耗因数均可以通过实验方法获得。采集到每种运行年限的复合绝缘子的老化特征量后，将运行年限与老化特征量对应存储生成所述运行年限与老化特征量的对应关系数据集。可以理解，采集的复合绝缘子的运行年限数目越多、每种运行年限的复合绝缘子的数目越多，测试得出的结果准确性越高，因此，所述数据集中的数据量越多越好。
本发明一个实施方式中，所述不同运行年限的复合绝缘子是同一地区或相似环境下运行不同年限的复合绝缘子，比如，需要预测内蒙古等低温地区的复合绝缘子使用寿命时，可以采集内蒙古地区不同运行年限的复合绝缘子，当需要预测海南等高温地区的复合绝缘子的使用寿命时，可以采集海南地区运行不同年限的复合绝缘子，这样可以基于不同的地域特征有针对性的对复合绝缘子的寿命进行预测，预测的可靠性更高。
举例而言，当需要预测蒙东地区的复合绝缘子的使用寿命时，可以收集蒙东地区的3种不同运行年限的复合绝缘子并获取每种运行年限的复合绝缘子的老化特征量，生成如下表所示的运行年限与老化特征量的对应关系数据集：
可以理解，上表中的数据只是为了举例说明本发明，实际应用中运行年限和老化特征量的数据可以有更多组。
步骤S2、计算所述每个老化特征量与运行年限之间的相关系数，并根据预设规则删除相关系数小于设定值的老化特征量。
每种老化特征量对复合绝缘子运行年限的影响程度不同，因此可以利用相关性系数计算每种老化特征量与运行年限的相关性剔除一些不相关或相关性很小的老化特征量，从而提高预测可靠性。在本发明另一些实施方式中，所述步骤S2也可以省略，即获取到所述数据集之后，直接执行步骤S3，而不进行相关性的计算。
本发明一个实施方式中，所述相关系数为皮尔逊(Pearson)相关系数r，通过Pearson相关系数判断运行年限与老化特征量之间的相关性。Pearson相关系数是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。
具体地，所述步骤S2包括如下步骤：
1)根据如下公式(a)计算得出每种老化特征量与运行年限的Pearson相关系数：
其中，r为相关系数，x为老化特征量，t为运行时间，n为该老化特征量的总数量；
2)将所述计算得出的相关系数与一设定值比较，判断所述相关系数的绝对值是否小于所述设定值；
3)当所述相关系数的绝对值小于所述设定值时，在所述数据集中删除所述老化特征量；
4)当所述相关系数的绝对值大于所述设定值时，在所述数据集中保留所述老化特征量。
继续以如前所述的蒙东地区的复合绝缘子为例进行说明，例如根据如前所述的公式(a)计算得出每个老化特征量与运行年限之间的相关性系数如下表：
老化特征量 相关系数值 相关情况
硬度 0.189 正相关
抗撕裂强度 0.968 正相关
拉伸强度 0.733 正相关
体积电导率 -0.353 正相关
介质损耗因数 -0.310 正相关
举例而言，当所述设定值为0.2时，那么硬度这一老化特征量与运行年限的相关系数0.189小于设定值，说明硬度与运行年限的相关性较弱，那么可以根据所述预设规则将硬度这一老化特征量从数据集里删除。可以理解，以上只是举例说明本发明，所述数据不代表实际运算且并非用于限定本发明。
在本发明其他实施方式中，所述相关系数还可以是肯德尔(Kendall)相关系数或斯皮尔曼相关系数，所述肯德尔相关系数和斯皮尔曼相关系数的计算方法可以利用现有公式计算，在此不再赘述。
步骤S3、建立多元线性回归模型，根据所述运行年限与老化特征量的对应关系数据集训练所述建立的多元线性回归模型，计算多元线性回归模型的回归系数，得到对应的回归方程，所述回归方程指示运行年限与老化特征量的函数关系，其中以运行年限为因变量，老化特征量为自变量。
本发明实施例中，所述建立的多元线性回归模型为：
T＝b0+b1x1+b2x2+...+bkxk+e；
其中，因变量T为复合绝缘子的运行年限，自变量x1、x2、……xk为老化特征量，b0、b1、...、bk为模型中的回归系数，e为模型中的常数项，表示误差变量。在本发明实施例中，在实际应用时，误差变量e的值可以忽略不计。
在本发明实施例中，根据所建立的多元线性回归模型，使用所述运行年限与老化特征量的对应关系数据集采用最小二乘法计算所述回归系数。具体地，在实际应用时，误差变量e的值可以忽略不计，以二元线性回归模型为例，可以得到求解回归系数的方程组为：
其中，T为复合绝缘子的运行年限，x代表老化特征量，解以上方程组可以求得b0，b1，b2这些回归系数的常值，有了这些回归系数的常值即得出对应的回归方程。通过对模型的不断训练，会将不相关的以及非独立的变量剔除。
本实施方式中，还包括对所述多元线性回归模型的测试步骤，所述数据集被分为训练样本集和测试样本集，通过所述训练样本集对所述模型进行训练，再通过测试集中运行年限及运行年限对应的老化特征量代入回归方程中对回归方程进行测试，若计算出的因变量T与实际运行年限基本相同，则所述回归方程通过测试，否则继续对所述多元线性回归模型进行训练。
继续以如前所述的举例对本发明进行说明，将所述运行年限分别为3年、7年、9年以及所述各运行年限对应的老化特征量代入所述多元线性回归模型对所述多元线性回归模型进行训练后，得出下面的回归方程：
T＝-111.27+9.054R-35.327D；
其中，T为复合绝缘子的运行年限，R为抗撕裂强度这一老化特征量，D为介质损耗因数这一老化特征量。
步骤S4，将复合绝缘子老化退出时的老化特征量代入所述回归方程，计算复合绝缘子的预测使用总年限，并根据所述预测使用总年限减去已经使用年限得到所述复合绝缘子的剩余使用寿命。
在实际使用中，当复合绝缘子老化程度达到不能继续使用时这个复合绝缘子就要退出弃用，复合绝缘子老化退出时的老化特征量可以是根据需要测量确定的，也可以是根据行业标准设定的。
继续以如前所述的举例说明本发明，根据公式T＝-111.27+9.054R-35.327D计算出复合绝缘子的预测使用总年限T，其中R的取值是复合绝缘子老化退出时的抗撕裂强度值，D的取值是复合绝缘子老化退出时的介质损耗因数。若复合绝缘子已使用年限值为T1，那么复合绝缘子的剩余使用寿命T2＝T-T1。
进一步地，绝缘子实际运行中，少部分绝缘子因生产工艺不佳或运行环境极为恶劣等因素，会出现紧急缺陷，导致其寿命大幅降低。因此对绝缘子进行寿命预测时，一旦绝缘子出现某些紧急缺陷，无论其剩余寿命多久，都应立即退出运行。因此，在本发明一些实施方式中，所述方法还可以包括如下步骤：
步骤S5、获取复合绝缘子的紧急状态参数，根据所述紧急状态参数判断所述复合绝缘子是否达到紧急退出条件，若达到，则执行步骤S6：确定复合绝缘子的剩余使用寿命为零，需退出使用，若未达到，则返回步骤S4。
本发明一实施方式中，所述复合绝缘子的紧急状态参数包括但不限于外观状态值P1、复合绝缘子温度变化值P2、复合绝缘子放电电流值P3等。
其中，外观状态值P1包括1和0，当外观缺陷达到退出标准时，所述外观状态值P1＝1，当外观缺陷未达到退出标准时，所述外观状态值P1＝0。一个实施方式中，当所述外观缺陷满足以下任一种条件时确定所述外观缺陷达到退出标准：1)护套损坏导致芯棒直接暴露在空气中；2)护套出现小孔；3)护套材料撕裂并导致爬距减少预设值(例如10％以上)或者使护套厚度减少预设厚度值(例如1mm以上)；4)在材料表面出现因碳化而形成的导电通路；5)绝缘子伞套出现明显的憎水性下降或丧失憎水性。所述外观缺陷值可以是通过维护人员肉眼观察后输入系统的，还可以是根据设置于复合绝缘子附近的探测装置探测结果分析而得的，例如，外观缺陷可以通过分析设置在复合绝缘子附近的摄像头拍摄的图片确定，还可以结合复合绝缘子憎水性在线检测仪等现有技术侦测而得。
所述复合绝缘子温度变化值P2是通过侦测复合绝缘子在温度升高是否超过预设值来确定的，在本实施方式中，当复合绝缘子温度升高超过1℃时，P2＝1，否则P2＝0。其中，所述复合绝缘子的温度值可以通过红外线感测器等复合绝缘子在线检测仪测得的。
当所述复合绝缘子放电电流值超过阈值时P3＝1，否则P3＝0。所述复合绝缘子的放电电流值也可以是通过复合绝缘子在线检测仪测得的。
具体地，在本实施方式中，所述复合绝缘子的紧急状态参数为P＝P1+P2+P3，当P>0时，复合绝缘子需马上退出运行，当P＝0时，返回步骤S4。
图2为本发明一实施方式提供的绝缘子寿命预测装置的结构图。
在一些实施方式中，所述绝缘子寿命预测装置200可以包括多个由程序代码段所组成的功能模块。所述绝缘子寿命预测装置200中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由计算机装置中的至少一个处理器所执行，以实现绝缘子寿命预测功能。
参考图2，本实施方式中，绝缘子寿命预测装置200根据其所执行的功能，可以被划分为多个功能模块，所述各个功能模块用于执行图1对应实施方式中的各个步骤，以实现绝缘子寿命预测功能。本实施方式中，所述绝缘子寿命预测装置200的功能模块包括：获取模块201、相关性确定模块202、模型训练模块203、剩余使用寿命预测模块204、紧急退出确定模块205。各个功能模块的功能将在下面的实施例中进行详述。
获取模块201用于获取不同运行年限的复合绝缘子的多个老化特征量，生成运行年限与老化特征量的对应关系数据集，其中所述老化特征量是随复合绝缘子运行时间增加而发生变化的物理量，每种运行年限的复合绝缘子对应多个老化特征量。
本发明一个实施方式中，所述复合绝缘子的老化特征量是复合绝缘子的硅橡胶伞裙的老化特征量，包括但不限于：硬度、拉伸强度、抗撕裂强度、体积电导率、介质损耗因数。在其他实施方式中，所述老化特征量可以包括更多或更少的量，本发明对老化特征量的内容不做具体限定，例如在一些实施方式中老化特征量可以只包括硬度、体积电导率这两个值，其他实施方式中也可以包括更多的值，可以根据需要进行确定。
其中，复合绝缘子硅橡胶伞裙的硬度值可以是利用硬度计对伞裙表面进行硬度测量得到的，例如使用邵氏硬度计进行测量。所述拉伸强度是指制作所述伞裙的硅橡胶材料产生最大均匀塑性变形的应力，可以通过对所述硅橡胶伞裙做拉伸试验得到。所述抗撕裂强度、体积导电率以及介质损耗因数均可以通过实验方法获得。采集到每种运行年限的复合绝缘子的老化特征量后，将运行年限与老化特征量对应存储生成所述运行年限与老化特征量的对应关系数据集。可以理解，采集的复合绝缘子的运行年限数目越多、每种运行年限的复合绝缘子的数目越多，测试得出的结果准确性越高，因此，所述数据集中的数据量越多越好。
本发明一个实施方式中，所述不同运行年限的复合绝缘子是同一地区或相似环境下运行不同年限的复合绝缘子，比如，需要预测内蒙古等低温地区的复合绝缘子使用寿命时，可以采集内蒙古地区不同运行年限的复合绝缘子，当需要预测海南等高温地区的复合绝缘子的使用寿命时，可以采集海南地区运行不同年限的复合绝缘子，这样可以基于不同的地域特征有针对性的对复合绝缘子的寿命进行预测，预测的可靠性更高。
所述相关性确定模块202用于计算所述每个老化特征量与运行年限之间的相关系数，并根据预设规则删除相关系数小于设定值的老化特征量。
每种老化特征量对复合绝缘子运行年限的影响程度不同，因此可以利用相关性系数计算每种老化特征量与运行年限的相关性剔除一些不相关或相关性很小的老化特征量，从而提高预测可靠性。在本发明一些其他实施方式中，也可以不包括所述相关性确定模块202。
本发明一个实施方式中，所述相关系数为皮尔逊(Pearson)相关系数r，通过Pearson相关系数判断运行年限与老化特征量之间的相关性。Pearson相关系数是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。
具体地，所述相关性确定模块202计算所述每个老化特征量与运行年限之间的相关系数包括如下步骤：
1)根据如下公式(a)计算得出每种老化特征量与运行年限的Pearson相关系数：
其中，r为相关系数，x为老化特征量，t为运行时间，n为该老化特征量的总数量；
2)将所述计算得出的相关系数与一设定值比较，判断所述相关系数的绝对值是否小于所述设定值；
3)当所述相关系数的绝对值小于所述设定值时，在所述数据集中删除所述老化特征量；
4)当所述相关系数的绝对值大于所述设定值时，在所述数据集中保留所述老化特征量。
在本发明其他实施方式中，所述相关系数还可以是肯德尔(Kendall)相关系数或斯皮尔曼相关系数。
所述模型训练模块203用于建立多元线性回归模型，根据所述运行年限与老化特征量的对应关系数据集训练所述建立的多元线性回归模型，计算多元线性回归模型的回归系数，得到对应的回归方程，所述回归方程指示运行年限与老化特征量的函数关系，其中以运行年限为因变量，老化特征量为自变量。
本发明实施例中，所述建立的多元线性回归模型为：
T＝b0+b1x1+b2x2+...+bkxk+e；
其中，因变量T为复合绝缘子的运行年限，自变量x1、x2、……xk为老化特征量，b0、b1、...、bk为模型中的回归系数，e为模型中的常数项，表示误差变量。在本发明实施例中，在实际应用时，误差变量e的值可以忽略不计。
在本发明实施例中，根据所建立的多元线性回归模型，使用所述运行年限与老化特征量的对应关系数据集采用最小二乘法计算所述回归系数。具体地，在实际应用时，误差变量e的值可以忽略不计，以二元线性回归模型为例，可以得到求解回归系数的方程组为：
其中，T为复合绝缘子的运行年限，x代表老化特征量，解以上方程组可以求得b0，b1，b2这些回归系数的常值，有了这些回归系数的常值即得出对应的回归方程。通过对模型的不断训练，会将不相关的以及非独立的变量剔除。
本实施方式中，还包括对所述多元线性回归模型的测试步骤，可以通过测试集中运行年限及运行年限对应的老化特征量代入回归方程中，若计算出的因变量T与实际运行年限基本相同，则所述回归方程通过验证，否则继续对所述多元线性回归模型进行训练。
剩余使用寿命预测模块204用于将复合绝缘子老化退出时的老化特征量代入所述回归方程，计算复合绝缘子的预测使用总年限，并根据所述预测使用总年限减去已经使用年限得到所述复合绝缘子的剩余使用寿命。
在实际使用中，当复合绝缘子老化程度达到不能继续使用时这个复合绝缘子就要退出弃用，复合绝缘子老化退出时的老化特征量可以是根据需要测量确定的，也可以是根据行业标准设定的。
进一步地，绝缘子实际运行中，少部分绝缘子因生产工艺不佳或运行环境极为恶劣等因素，会出现紧急缺陷，导致其寿命大幅降低。因此对绝缘子进行寿命预测时，一旦绝缘子出现某些紧急缺陷，无论其剩余寿命多久，都应立即退出运行。因此，在本发明一些实施方式中，所述绝缘子寿命预测装置200还包括紧急退出确定模块205，用于获取复合绝缘子的紧急状态参数，根据所述紧急状态参数判断所述复合绝缘子是否达到紧急退出条件，若达到，则确定复合绝缘子的剩余使用寿命为零，需退出使用。
本发明一实施方式中，所述复合绝缘子的紧急状态参数包括但不限于外观状态值P1、复合绝缘子温度变化值P2、复合绝缘子放电电流值P3等。
其中，外观状态值P1包括1和0，当外观缺陷达到退出标准时，所述外观状态值P1＝1，当外观缺陷未达到退出标准时，所述外观状态值P1＝0。一个实施方式中，当所述外观缺陷满足以下任一种条件时确定所述外观缺陷达到退出标准：1)护套损坏导致芯棒直接暴露在空气中；2)护套出现小孔；3)护套材料撕裂并导致爬距减少预设值(例如10％以上)或者使护套厚度减少预设厚度值(例如1mm以上)；4)在材料表面出现因碳化而形成的导电通路；5)绝缘子伞套出现明显的憎水性下降或丧失憎水性。所述外观缺陷值可以是通过维护人员肉眼观察后输入系统的，还可以是根据设置于复合绝缘子附近的探测装置探测结果分析而得的，例如，外观缺陷可以通过分析设置在复合绝缘子附近的摄像头拍摄的图片确定，还可以结合复合绝缘子憎水性在线检测仪等现有技术侦测而得。
所述复合绝缘子温度变化值P2是通过侦测复合绝缘子在温度升高是否超过预设值来确定的，在本实施方式中，当复合绝缘子温度升高超过1℃时，P2＝1，否则P2＝0。其中，所述复合绝缘子的温度值可以通过红外线感测器等复合绝缘子在线检测仪测得的。
当所述复合绝缘子放电电流值超过阈值时P3＝1，否则P3＝0。所述复合绝缘子的放电电流值也可以是通过复合绝缘子在线检测仪测得的。
具体地，在本实施方式中，所述复合绝缘子的紧急状态参数为P＝P1+P2+P3，当P>0时，复合绝缘子需马上退出运行，当P＝0时，根据剩余使用寿命预测模块204预测的剩余使用寿命确定剩余使用寿命。
图3为本发明一实施方式提供的计算机装置的功能模块示意图。所述计算机装置10包括存储器12、处理器13以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序14，例如绝缘子寿命预测程序。所述处理器13执行所述计算机程序14时实现上述方法实施例中绝缘子寿命预测方法的步骤。或者，所述处理器13执行所述计算机程序14实现上述系统实施例中各模块/单元的功能，例如图2中的模块201-205。
示例性的，所述计算机程序14可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序14在所述计算机装置10中的执行过程。例如，所述计算机程序14可以被分割成图2中的模块201-205。
本领域技术人员可以理解，所述示意图3仅仅是计算机装置10的示例，并不构成对计算机装置10的限定，计算机装置10可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置10还可以包括输入输出设备等。
所称处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以包括其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述计算机装置10的控制中心，利用各种接口和线路连接整个计算机装置10的各个部分。
所述存储器12可用于存储所述计算机程序14和/或模块/单元，所述处理器13通过运行或执行存储在所述存储器12内的计算机程序和/或模块/单元，以及调用存储在存储器12内的数据，实现所述计算机装置10的各种功能。存储器12可以包括外部存储介质，也可以包括内存。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置10集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种绝缘子寿命预测方法，其特征在于，所述方法包括：
获取不同运行年限的复合绝缘子的多个老化特征量，生成运行年限与老化特征量的对应关系数据集，其中每种运行年限的复合绝缘子对应多个老化特征量；
建立多元线性回归模型，根据所述运行年限与老化特征量的对应关系数据集训练所述多元线性回归模型，计算多元线性回归模型的回归系数，得到对应的回归方程，所述回归方程指示运行年限与老化特征量的函数关系，其中以运行年限为因变量，老化特征量为自变量；
将复合绝缘子老化退出时的老化特征量代入所述回归方程，计算得出复合绝缘子的预测使用总年限，并根据所述预测使用总年限减去复合绝缘子已经使用年限得到所述复合绝缘子的剩余使用寿命。
2.如权利要求1所述的绝缘子寿命预测方法，其特征在于，所述方法还包括：
计算所述每个老化特征量与运行年限之间的相关系数，并根据预设规则删除相关系数小于设定值的老化特征量。
3.如权利要求2所述的绝缘子寿命预测方法，其特征在于，所述相关系数为Pearson相关系数，所述“计算所述每个老化特征量与运行年限之间的相关系数，并根据预设规则删除相关系数小于设定值的老化特征量”包括：
根据如下公式计算得出每种老化特征量与运行年限的Pearson相关系数：
其中，r为相关系数，x为老化特征量，t为运行时间，n为该老化特征量的总数量；
将所述计算得出的相关系数与一设定值比较，判断所述相关系数的绝对值是否小于所述设定值；
当所述相关系数的绝对值小于所述设定值时，在所述数据集中删除所述老化特征量；
当所述相关系数的绝对值大于所述设定值时，在所述数据集中保留所述老化特征量。
4.如权利要求1所述的绝缘子寿命预测方法，其特征在于，所述复合绝缘子的老化特征量是复合绝缘子的硅橡胶伞裙的老化特征量，包括硬度、拉伸强度、抗撕裂强度、体积电导率、介质损耗因数。
5.如权利要求1所述的绝缘子寿命预测方法，其特征在于，所述建立的多元线性回归模型为：
T＝b0+b1x1+b2x2+...+bkxk+e
其中，因变量T为复合绝缘子的运行年限，自变量x1、x2、……xk为老化特征量，b0、b1、...、bk为模型中的回归系数，e为模型中的常数项，表示误差变量；
根据所建立的多元线性回归模型，使用所述运行年限与老化特征量的对应关系数据集采用最小二乘法计算所述回归系数，训练得出所述回归方程。
6.如权利要求1所述的绝缘子寿命预测方法，其特征在于，所述方法还包括：
获取复合绝缘子的紧急状态参数，根据所述紧急状态参数判断所述复合绝缘子是否达到紧急退出条件，若达到，则确定复合绝缘子的剩余使用寿命为零。
7.如权利要求6所述的绝缘子寿命预测方法，其特征在于，所述复合绝缘子的紧急状态参数包括外观状态值、复合绝缘子温度变化值、复合绝缘子放电电流值，当外观状态值、复合绝缘子温度变化值、复合绝缘子放电电流值中至少其一达到紧急退出条件时，确定所述复合绝缘子的剩余使用寿命为零。
8.一种绝缘子寿命预测装置，其特征在于，所述装置包括：
获取模块，用于获取不同运行年限的复合绝缘子的多个老化特征量，生成运行年限与老化特征量的对应关系数据集，其中每种运行年限的复合绝缘子对应多个老化特征量；
模型训练模块，用于建立多元线性回归模型，根据所述运行年限与老化特征量的对应关系数据集训练所述多元线性回归模型，计算多元线性回归模型的回归系数，得到对应的回归方程，所述回归方程指示运行年限与老化特征量的函数关系，其中以运行年限为因变量，老化特征量为自变量；
剩余使用寿命预测模块，用于将复合绝缘子老化退出时的老化特征量代入所述回归方程，计算得出复合绝缘子的预测使用总年限，并根据所述预测使用总年限减去复合绝缘子已经使用年限得到所述复合绝缘子的剩余使用寿命。
9.一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的绝缘子寿命预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的绝缘子寿命预测方法。
CN201910218869.6A 2019-03-21 2019-03-21 绝缘子寿命预测方法、装置、计算机装置及存储介质 Active CN110096737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910218869.6A CN110096737B (zh) 2019-03-21 2019-03-21 绝缘子寿命预测方法、装置、计算机装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910218869.6A CN110096737B (zh) 2019-03-21 2019-03-21 绝缘子寿命预测方法、装置、计算机装置及存储介质

Publications (2)

Publication Number Publication Date
CN110096737A true CN110096737A (zh) 2019-08-06
CN110096737B CN110096737B (zh) 2023-04-07

Family

ID=67443347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910218869.6A Active CN110096737B (zh) 2019-03-21 2019-03-21 绝缘子寿命预测方法、装置、计算机装置及存储介质

Country Status (1)

Country Link
CN (1) CN110096737B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530876A (zh) * 2019-09-04 2019-12-03 西南交通大学 基于长短期记忆神经网络的绝缘子污秽度发展预测方法
CN111381134A (zh) * 2020-03-26 2020-07-07 国网湖北省电力有限公司电力科学研究院 一种瓷质绝缘子串红外零值诊断方法及系统
CN112179852A (zh) * 2020-09-02 2021-01-05 中国南方电网有限责任公司超高压输电公司检修试验中心 一种复合绝缘子的剩余寿命预测方法和装置
CN113325255A (zh) * 2021-05-24 2021-08-31 西安交通大学 双极接续型毛细管喷射器寿命监测方法
CN114279554A (zh) * 2021-11-19 2022-04-05 国网内蒙古东部电力有限公司电力科学研究院 低温振颤传感器的多地同步自适应性能测试方法及系统
CN116466067A (zh) * 2023-03-20 2023-07-21 国网江苏省电力有限公司淮安供电分公司 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法
CN117877028A (zh) * 2024-03-13 2024-04-12 浙江大学 基于微观图像特征的电机绝缘寿命预测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100070441A1 (en) * 2007-03-27 2010-03-18 Fujitsu Limited Method, apparatus, and program for generating prediction model based on multiple regression analysis
CN103323760A (zh) * 2013-06-28 2013-09-25 云南电力试验研究院（集团）有限公司电力研究院 一种基于光纤复合绝缘子的输电状态评估系统
CN103761578A (zh) * 2013-12-25 2014-04-30 国家电网公司 基于多元线性回归的太阳辐照预报方法
CN105740582A (zh) * 2016-03-16 2016-07-06 华北电力大学 一种复合绝缘子老化状态预测方法
CN106771765A (zh) * 2017-01-05 2017-05-31 华北电力大学（保定） 一种运行中的复合绝缘子老化程度的多维参量评估方法
CN106934514A (zh) * 2015-12-31 2017-07-07 华为技术有限公司 一种回归模型的生成方法以及装置
CN108918989A (zh) * 2018-04-28 2018-11-30 国网上海市电力公司 一种基于多参数的服役电缆剩余寿命评估方法
CN109239546A (zh) * 2018-08-28 2019-01-18 西南交通大学 一种变压器绝缘寿命预测与可靠性评估方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100070441A1 (en) * 2007-03-27 2010-03-18 Fujitsu Limited Method, apparatus, and program for generating prediction model based on multiple regression analysis
CN103323760A (zh) * 2013-06-28 2013-09-25 云南电力试验研究院（集团）有限公司电力研究院 一种基于光纤复合绝缘子的输电状态评估系统
CN103761578A (zh) * 2013-12-25 2014-04-30 国家电网公司 基于多元线性回归的太阳辐照预报方法
CN106934514A (zh) * 2015-12-31 2017-07-07 华为技术有限公司 一种回归模型的生成方法以及装置
CN105740582A (zh) * 2016-03-16 2016-07-06 华北电力大学 一种复合绝缘子老化状态预测方法
CN106771765A (zh) * 2017-01-05 2017-05-31 华北电力大学（保定） 一种运行中的复合绝缘子老化程度的多维参量评估方法
CN108918989A (zh) * 2018-04-28 2018-11-30 国网上海市电力公司 一种基于多参数的服役电缆剩余寿命评估方法
CN109239546A (zh) * 2018-08-28 2019-01-18 西南交通大学 一种变压器绝缘寿命预测与可靠性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭等: "关于复合绝缘子老化寿命预期的研究", 《东北电力技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530876A (zh) * 2019-09-04 2019-12-03 西南交通大学 基于长短期记忆神经网络的绝缘子污秽度发展预测方法
CN110530876B (zh) * 2019-09-04 2020-08-18 西南交通大学 基于长短期记忆神经网络的绝缘子污秽度发展预测方法
CN111381134A (zh) * 2020-03-26 2020-07-07 国网湖北省电力有限公司电力科学研究院 一种瓷质绝缘子串红外零值诊断方法及系统
CN112179852A (zh) * 2020-09-02 2021-01-05 中国南方电网有限责任公司超高压输电公司检修试验中心 一种复合绝缘子的剩余寿命预测方法和装置
CN112179852B (zh) * 2020-09-02 2023-12-22 中国南方电网有限责任公司超高压输电公司检修试验中心 一种复合绝缘子的剩余寿命预测方法和装置
CN113325255A (zh) * 2021-05-24 2021-08-31 西安交通大学 双极接续型毛细管喷射器寿命监测方法
CN114279554A (zh) * 2021-11-19 2022-04-05 国网内蒙古东部电力有限公司电力科学研究院 低温振颤传感器的多地同步自适应性能测试方法及系统
CN116466067A (zh) * 2023-03-20 2023-07-21 国网江苏省电力有限公司淮安供电分公司 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法
CN117877028A (zh) * 2024-03-13 2024-04-12 浙江大学 基于微观图像特征的电机绝缘寿命预测方法及系统
CN117877028B (zh) * 2024-03-13 2024-05-14 浙江大学 基于微观图像特征的电机绝缘寿命预测方法及系统

Also Published As

Publication number Publication date
CN110096737B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110096737B (zh) 绝缘子寿命预测方法、装置、计算机装置及存储介质
CN109657937B (zh) 一种基于退化数据的产品可靠性评估与寿命预测方法
CN112684401B (zh) 轻载台区电能表运行误差数据的处理方法及系统
CN105302941A (zh) 高压单芯电缆寿命评估方法及系统
CN116148656B (zh) 一种便携式模拟断路器故障检测方法
CN111595583A (zh) 基于gau神经网络的轴承剩余寿命的预测方法
CN114910756A (zh) 一种低压母线槽的绝缘性能评估方法及系统
CN108959769A (zh) 一种绝缘油的状态评估方法及装置
CN118316201B (zh) 用于输变电工程的智能监控方法、装置、设备及介质
CN101975920B (zh) 一种电子器件可靠性的检测方法及系统
CN115902700A (zh) 输电线路绝缘子的污闪预警方法、装置、设备及介质
CN106570582A (zh) 一种用于建立输电线路舞动跳闸风险预测的网络模型的方法及系统
CN118706192A (zh) 一种电气柜电路保护防火监测方法及系统
CN117498273A (zh) 油浸式变压器的保护动作触发方法、装置、设备及介质
CN117216956A (zh) Xlpe电缆的热氧老化模型修正装置、方法及设备
CN117791856A (zh) 一种基于巡检机器人的电网故障预警方法及装置
CN111159650A (zh) 一种人工智能电气线路老化程度检测方法及系统
CN116973764A (zh) 一种锂电池一致性评估方法、装置、电子设备及存储介质
CN116087759A (zh) 一种电路板导电路径的检验方法及电路系统
CN115830012A (zh) 一种接触网线索损伤数据检测分析方法
CN116338391A (zh) 一种绝缘子状态检测方法、装置、电子设备以及介质
CN116184060A (zh) 一种适用于瓷质绝缘子带电作业的异动监测方法和系统
CN113902230A (zh) 电量偏差控制方法、系统、存储介质和电子设备
CN108375537A (zh) 基于最大质量减少速率的船用电缆绝缘寿命检测方法
CN116057397A (zh) 利用诊断参数预测误差中的变化确定电气设备的状态

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