CN111159650A - 一种人工智能电气线路老化程度检测方法及系统 - Google Patents

一种人工智能电气线路老化程度检测方法及系统 Download PDF

Info

Publication number
CN111159650A
CN111159650A CN202010006117.6A CN202010006117A CN111159650A CN 111159650 A CN111159650 A CN 111159650A CN 202010006117 A CN202010006117 A CN 202010006117A CN 111159650 A CN111159650 A CN 111159650A
Authority
CN
China
Prior art keywords
temperature rise
aging
value
line
electric
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
CN202010006117.6A
Other languages
English (en)
Other versions
CN111159650B (zh
Inventor
周群力
黄宏声
黄凤仪
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.)
Shanghai Fengyu Energy Technology Co ltd
Original Assignee
Shanghai Fengyu Energy Technology 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 Shanghai Fengyu Energy Technology Co ltd filed Critical Shanghai Fengyu Energy Technology Co ltd
Priority to CN202010006117.6A priority Critical patent/CN111159650B/zh
Publication of CN111159650A publication Critical patent/CN111159650A/zh
Application granted granted Critical
Publication of CN111159650B publication Critical patent/CN111159650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP

Landscapes

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

Abstract

本发明公开了一种人工智能电气线路老化程度检测方法及系统，该方法包括以下步骤：获取各电气线路的多维度历史数据，多维度历史数据包括负荷电流、测点温升；对多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线；根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；根据拟合直线计算各电气线路安全电流范围的中间值对应的温升值，并根据温升值得到老化值。本发明具有通用性强、检测效率高、检测准确、检测面广的技术特点。

Description

一种人工智能电气线路老化程度检测方法及系统
技术领域
本发明属于电气线路检测技术领域，尤其涉及一种人工智能电气线路老化程度检测方法及系统。
背景技术
火灾是一种特别严重的灾害现象，对其进行有效的控制，是社会文明进步的一个重要标志。在众多火灾事故中，由于电气线路问题引起的火灾频繁发生，据公安消防局统计显示在2011年至2016年电气线路火灾数量占到火灾总量的30％，并且随着社会建筑电气线路的不断老化，其不断威胁着公众的安全、社会的发展，一旦发生对经济、科技创新、历史文物等会造成不可逆的后果。
电气线路的老化主要是指电线的绝缘层以及保护层在长时间的光照、温度变化形成的冷热冲击、腐蚀性气体、压力变化、振动等因素的作用下失去了绝缘及保护的作用的情况。电线绝缘老化会导致电流泄漏甚至短路起火。还有就是导线和导线接头有严重氧化现象。接头氧化会增大接触电阻，导致接头发热，导线氧化或腐蚀也会影响导线上电流的通过能力而发热，接头和导线发热都可以引起火灾。
现有技术中，判断电气线路老化主要是靠人工判断，可观察导线状态，也可通过兆欧表测绝缘，但是，这些都需要定期对电气线路请专业人员全面彻底开展检查，非常耗时耗力，对于普通家庭而言，因缺乏设备和技术经验而无法准确地确认电气线路的老化程度，对于公共服务部门而言，又因工作量巨大而无法进行全方位的排查，所以往往因电气线路老化引起的火灾、锻短路等危险均很难被提前预警到。
因此，现需要提供一种能够对电气线路老化程度进行预警的解决方案。
发明内容
本发明的技术目的是提供一种人工智能电气线路老化程度检测方法及系统，具有通用性强、检测效率高、检测准确、检测面广的技术特点。
为解决上述问题，本发明的技术方案为：
一种人工智能电气线路老化程度检测方法，包括以下步骤：
S1：获取各电气线路的多维度历史数据，多维度历史数据包括负荷电流、测点温升；
S2：对多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线；
S3：根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；
S4：根据所述拟合直线计算各电气线路所述安全电流范围的中间值对应的温升值，并根据温升值得到老化值。
根据本发明一实施例，步骤S4中，温升值comprehensive的计算过程为：
comprehensive＝slope*safe_aport/2+intercept
式中，slope为拟合直线的斜率，intercept为拟合直线的纵截距，safe_aport为安全电流范围的最大值。
根据本发明一实施例，步骤S4中，老化值aging的计算过程为：
aging＝comprehensive*k
式中，k为预设的固定转换比例系数。
根据本发明一实施例，步骤S2中，负荷温升特征曲线的获取具体包括以下步骤：
按各电气线路分别对多维度历史数据进行统计，得到多维度历史数据不同范围区间的概率分布；
根据概率分布得到负荷温升特征曲线。
根据本发明一实施例，步骤S3中，将各电气线路的拟合直线转化为同一线路规格下具体包括以下步骤：
根据各电气线路之间的截面积比，得到各电气线路的电流对应关系：
Figure BDA0002355360010000031
式中，I为负荷电流，S为电气线路的截面积，n、m分别表示不同的电气线路编号；
根据所述电流对应关系选取各电气线路的安全电流范围：
Figure BDA0002355360010000032
式中，L为安全电流范围值。
根据本发明一实施例，步骤S4之后还包括步骤S5：
根据老化值对各电气线路进行风险排名，并根据老化值的高低进行预警。
一种人工智能电气线路老化程度检测系统，包括：
数据查询模块，用以获取各电气线路的多维度历史数据，多维度历史数据包括负荷电流、测点温升；
统计模块，用以对多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线；
转换模块，用以根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；
老化程度测量模块，用以根据拟合直线计算各电气线路安全电流范围的中间值对应的温升值，并根据温升值得到老化值。
根据本发明一实施例，统计模块具体用以按各电气线路分别对多维度历史数据进行统计，得到多维度历史数据不同范围区间的概率分布,并根据概率分布得到负荷温升特征曲线。
根据本发明一实施例，还包括预警监控平台，用以根据老化值对各电气线路进行风险排名，并根据老化值的高低进行预警。
本发明与现有技术相比具有以下的优点和积极效果：
1)本发明通过各电气线路的多维度历史数据获取负荷温升特征曲线并经直线拟合，再通过各电气线路的截面积比确定选取各电气线路的安全电流范围，可将不同线路规格的电气线路转化为同一线路规格，如此，实现了不同电气线路之间的老化值检测与对比，以便于后续数据的整体性分析，大大提高了老化检测的通用性，同时，还可以对多个不同线路规格的电气线路同时进行检测，达到了检测效率高、检测结果分析容易、检测面广的技术效果；
2)本发明将老化程度检测转化为安全电流范围的中间值对应的温升值检测，并根据温升值进行转化为老化值，如此，实现了老化程度量化检测，达到检测准确的技术效果。
附图说明
图1为本发明的一种人工智能电气线路老化程度检测方法的流程示意图；
图2为本发明的一种人工智能电气线路老化程度检测方法的负荷升温特征曲线示意图；
图3为本发明的一种人工智能电气线路老化程度检测方法的拟合直线示意图；
图4为本发明的一种人工智能电气线路老化程度检测方法的老化程度检测原理图；
图5为本发明的一种人工智能电气线路老化程度检测系统的架构示意图。
附图标记说明：
1-数据查询模块；2-统计模块；3-转化模块；4-老化程度测量模块；5-预警监控平台。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
以下结合附图和具体实施例对本发明提出的一种人工智能电气线路老化程度检测方法及系统作进一步详细说明。
实施例1
参看图1，本申请提供了一种人工智能电气线路老化程度检测方法，包括以下步骤：
S1：获取各电气线路的多维度历史数据，多维度历史数据包括负荷电流、测点温升；
S2：对多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线；
S3：根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；
S4：根据所述拟合直线计算各电气线路所述安全电流范围的中间值对应的温升值，并根据温升值得到老化值。
现对本实施进行详细说明：
电气线路老化的主要原因有：外力损伤，机械损伤引起的；绝缘受潮，这种情况也很常见，一般发生在直埋或排管里的电缆接头处；化学腐蚀，电缆直接埋在有酸碱作用的地区；长期过负荷运行，负载电流超负荷运行使电缆温度升高，长期超负荷运行时，过高的温度会加速绝缘的老化；电缆接头故障，接头压接不紧、加热不充分等原因，都会导致电缆头绝缘降低；环境和温度，电缆所处的外界环境和热源也会造成电缆温度过高、绝缘击穿。
本实施例的人工智能电气线路老化程度检测方法主要针对长期过负荷运行和电缆接头故障所引起的老化，利用物联网采集数据、大数据存储、大数据分析等现代科技技术，定期计算每条电气线路的老化值，从而能够有效、及时、准确地展示监测电气线路的老化状况，协助管理人员对电气线路进行老化改造，进而减少因老化引起的危险。
本实施例的多维度历史数据基于物联网采集数据、大数据存储技术采集并存储，其中，可基于终端设备进行电气线路的多维度数据实时采集并通过物联网传输至数据库进行存储，本实施例的多维度历史数据因此而来，负荷电流为与测点连接的负载所吸收的电流，测点温升为测点温度与环境温度之差，测点为电气线路的接线端处。
本实施例根据电气线路的老化特征，即相同电流，温升高，老化程度大，相同温升，电流变小，老化程度大，参看图2，本实施例通过对多维度历史数据进行数据统计，得到多维度历史数据不同范围区间的概率分布，根据概率分布可获取电气线路的负荷温升特征曲线，此线代表了在相同电流下温升普遍分布区域包含的范围，能够代表此线路的不同电流下温升特征。看图3，因为特征曲线为不规则曲线，不方便计算，本实施例通过直线拟合对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线。进而，参看图4，两条电气线路老化程度比较，相当于特征曲线和0轴的覆盖面积的比较，面积大的相应的老化程度高。
基于上述，若各电气线路的线路规格相同，则各电气线路的安全电流范围相同，那么上述面积的对比即可转化为安全电流范围的中间值对应的温升值的比对，如此计算出来的老化值可在相同线路规格下进行各电气线路的老化程度测量与比较，如表1所示的一例子，可得出安全电流中间值对应温升值可以代替面积做比较，相同线路规格的电气线路老化程度，转化为安全电流中间值对应的温升值比较，温升值越大代表老化程度越高。
表1相同线路规格的各电气线路老化程度
sensor slope intercept area comprehensive
13 0.208707 1.78791 199.607 5.58258
009569000000a5b8 0.228327 1.27211 193.752 5.42352
009569000000aOdb 0.235042 0.765714 179.873 5.03921
00000000000d 0.19121 1.11494 164.042 4.59148
18 0.203866 0.347563 144.617 4.05421
12 0.308867 -1.70796 143.382 3.90781
表中，sensor：传感器编号，slope：斜率，intercept：截距，area：安全电流范围内面积、comprehensive：安全电流中间值对应温升值。
但是实际情况下各电气线路也可能是不同线路规格，故本实施通过步骤S3进行线路规格的统一，其中，根据各电气线路之间的截面积比，得到各电气线路的电流对应关系：
Figure BDA0002355360010000071
式中，I为负荷电流，S为电气线路的截面积，n、m分别表示不同的电气线路编号；
根据所述电流对应关系选取各电气线路的安全电流范围：
Figure BDA0002355360010000072
式中，L为安全电流范围值。
具体地，根据焦耳定律Q＝I2Rt、比热容Q＝cmΔT、电阻定律R＝ρ1l/s、质量公式m＝ρ2v＝ρ2ls，可以得到公式1：
I2＝cρ2s2ΔT/ρ1t
相同材料、相同环境温度、不同规格线，ρ1、ρ2相同，监测数据相同，t、l相同。设置cρ2/ρ1t＝a常数，故公式1简化为公式2：
I2＝aΔT s2
则不同线径，根据公式2电流对比关系I1 2＝I2 2ΔT1s1 2/ΔT2s2 2，若温升相同ΔT1＝ΔT2，则I1 2＝I2 2s1 2/s2 2，即I1＝I2s1/s2，即电流比和横截面比成正比。
在相同老化程度下，根据电流对应关系选取不同电气线路的老化对比电流取值，理论上老化对比电流取值对应的温升值均是相同的，如此，以老化对比电流进行各电气线路的老化值计算，则实现了各电气线路的老化值检测的统一，又考虑老化对比电流不可能取电气线路对应安全电流范围外的值，故需根据电流对应关系选取各电气线路的安全电流范围，采用安全电流范围的中间值(老化对比电流)对应温升值进行老化值计算。如表2所示，为一种安全电流范围及老化对比电流取值示例。
表2温升相同，不同电线规格对应电流及取值范围
线径(mm) 电流对比关系 安全电流(A)
1 3 6
1.5 4.5 9
2.5 7.5 15
4 12 24
6 18 36
10 30 60
16 48 96
25 75 150
如表2所示进行安全电流范围的选择，实现了老化值检测的统一，经对比不同线径的对应电流的温升值，如果温升相同，老化程度相同。因此，本实施例通过不同电流的温升值实现了不同电线规格的老化检测，电气线路之间可以做老化程度比较。
本实施例的步骤S4中，温升值comprehensive的计算过程为：
comprehensive＝slope*safe_aport/2+intercept
式中，slope为拟合直线的斜率，intercept为拟合直线的纵截距，safe_aport为安全电流范围的最大值。
为了便于表达，本实施例把每条线路老化程度温升值对应到0-100的范围内，本实施例的步骤S4中，老化值aging的计算过程为：
aging＝compregensive*k
式中，k为预设的固定转换比例系数，根据电气线路所能承受的温度70℃，假设最高温升为60℃，相当于安全范围内最大电流的对应的特征值为30℃左右。假设最大电流对应的特征值为40℃，那么电流中位值对应的特征值为20℃，所以，本实施例的k优先取值为5。
参看图1，优选地，步骤S4之后还包括步骤S5：根据老化值对各电气线路进行风险排名，并根据老化值的高低进行预警。步骤S5还可以包括：根据老化值与时间关系，预估电气线路使用期限或老化速度；根据一片区域的老化值数据，得到该区域内的整体的老化值情况，以此来评估例如小区、街道、城市的电气线路老化程度；将老化值应用于火灾预警中，通过包括老化值在内的数据进行火灾风险检测，以对因电气线路老化引起的火灾进行预警。基于本实施例得到的老化值的应用不仅限于此。
本实施例通过各电气线路的多维度历史数据获取负荷温升特征曲线并经直线拟合，再通过各电气线路的截面积比确定选取各电气线路的安全电流范围，可将不同线路规格的电气线路转化为同一线路规格，如此，实现了不同电气线路之间的老化值检测与对比，以便于后续数据的整体性分析，大大提高了老化检测的通用性，同时，还可以对多个不同线路规格的电气线路同时进行检测，此外，将老化程度检测转化为安全电流范围的中间值对应的温升值检测，并根据温升值进行转化为老化值，实现了老化程度量化检测，达到了通用性强、检测准确、检测效率高、检测结果分析容易、检测面广的技术效果。
实施例2
参看图5，本申请提供了一种基于实施例1的人工智能电气线路老化程度检测系统，包括：
数据查询模块1，用以获取各电气线路的多维度历史数据，多维度历史数据包括负荷电流、测点温升；
统计模块2，用以对多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线；
转换模块3，用以根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；
老化程度测量模块4，用以根据拟合直线计算各电气线路安全电流范围的中间值对应的温升值，并根据温升值得到老化值。
现对本实施例进行详细说明：
本实施例的数据查询模块通过查询指令可调取数据库中存储的多维度历史数据，其中，多维度历史数据可基于终端设备进行电气线路的多维度数据实时采集并通过物联网传输至数据库，负荷电流为与测点连接的负载所吸收的电流，测点温升为测点温度与环境温度之差，测点为电气线路的接线端处。
本实施例的统计模块、转换模块、老化程度测量模块均可基于数据处理服务器或者具备数据处理能力的计算设备。
本实施例的统计模块通过对多维度历史数据进行数据统计，得到多维度历史数据不同范围区间的概率分布，根据概率分布可获取电气线路的负荷温升特征曲线，此线代表了在相同电流下温升普遍分布区域包含的范围，能够代表此线路的不同电流下温升特征，因为特征曲线为不规则曲线，不方便计算，本实施例通过直线拟合对负荷温升特征曲线进行直线拟合，获取负荷温升特征曲线对应的拟合直线。
本实施例的转化模块根据各电气线路之间的截面积比，得到各电气线路的电流对应关系：
Figure BDA0002355360010000111
式中，I为负荷电流，S为电气线路的截面积，n、m分别表示不同的电气线路编号；
根据所述电流对应关系选取各电气线路的安全电流范围：
Figure BDA0002355360010000112
式中，L为安全电流范围值。
本实施例的老化程度测量模块计算的温升值comprehensive的计算过程为：
comprehensive＝slope*safe_aport/2+intercept
式中，slope为拟合直线的斜率，intercept为拟合直线的纵截距，safe_aport为安全电流范围的最大值。
为了便于表达，本实施例把每条线路老化程度温升值对应到0-100的范围内，本实施例的步骤S4中，老化值aging的计算过程为：
aging＝comprehensive*k
式中，k为预设的固定转换比例系数，根据电气线路所能承受的温度70℃，假设最高温升为60℃，相当于安全范围内最大电流的对应的特征值为30℃左右。假设最大电流对应的特征值为40℃，那么电流中位值对应的特征值为20℃，所以，本实施例的k优先取值为5。
参看图5，本实施例还包括预警监控平台5，预警监控平台可以为个体的移动终端、区域的公共事业服务平台、执行线路老化检查的平台等，其根据老化值对各电气线路进行风险排名，并根据老化值的高低进行预警，根据老化值与时间关系，预估电气线路使用期限或老化速度；根据一片区域的老化值数据，得到该区域内的整体的老化值情况，以此来评估例如小区、街道、城市的电气线路老化程度；将老化值应用于火灾预警中，通过包括老化值在内的数据进行火灾风险检测，以对因电气线路老化引起的火灾进行预警。
本实施例通过各电气线路的多维度历史数据获取负荷温升特征曲线并经直线拟合，再通过各电气线路的截面积比确定选取各电气线路的安全电流范围，可将不同线路规格的电气线路转化为同一线路规格，如此，实现了不同电气线路之间的老化值检测与对比，以便于后续数据的整体性分析，大大提高了老化检测的通用性，同时，还可以对多个不同线路规格的电气线路同时进行检测，此外，将老化程度检测转化为安全电流范围的中间值对应的温升值检测，并根据温升值进行转化为老化值，实现了老化程度量化检测，达到了通用性强、检测准确、检测效率高、检测结果分析容易、检测面广的技术效果。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式。即使对本发明作出各种变化，倘若这些变化属于本发明权利要求及其等同技术的范围之内，则仍落入在本发明的保护范围之中。

Claims (9)

1.一种人工智能电气线路老化程度检测方法，其特征在于，包括以下步骤：
S1：获取各电气线路的多维度历史数据，所述多维度历史数据包括负荷电流、测点温升；
S2：对所述多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对所述负荷温升特征曲线进行直线拟合，获取所述负荷温升特征曲线对应的拟合直线；
S3：根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；
S4：根据所述拟合直线计算各电气线路所述安全电流范围的中间值对应的温升值，并根据所述温升值得到老化值。
2.根据权利要求1所述的人工智能电气线路老化程度检测方法，其特征在于，所述步骤S4中，所述温升值comprehensive的计算过程为：
comprehensive＝slope*safe_aport/2+intercept
式中，slope为所述拟合直线的斜率，intercept为所述拟合直线的纵截距，safe_aport为所述安全电流范围的最大值。
3.根据权利要求2所述的人工智能电气线路老化程度检测方法，其特征在于，所述步骤S4中，所述老化值aging的计算过程为：
aging＝comprehensive*k
式中，k为预设的固定转换比例系数。
4.根据权利要求1-3任意一项所述的人工智能电气线路老化程度检测方法，其特征在于，所述步骤S2中，所述负荷温升特征曲线的获取具体包括以下步骤：
按各电气线路分别对所述多维度历史数据进行统计，得到所述多维度历史数据不同范围区间的概率分布；
根据所述概率分布得到所述负荷温升特征曲线。
5.根据权利要求1-3任意一项所述的人工智能电气线路老化程度检测方法，其特征在于，所述步骤S3中，将各电气线路的所述拟合直线转化为同一线路规格下具体包括以下步骤：
根据各电气线路之间的截面积比，得到各电气线路的电流对应关系：
Figure FDA0002355358000000021
式中，I为负荷电流，S为电气线路的截面积，n、m分别表示不同的电气线路编号；
根据所述电流对应关系选取各电气线路的安全电流范围：
Figure FDA0002355358000000022
式中，L为安全电流范围值。
6.根据权利要求1-3任意一项所述的人工智能电气线路老化程度检测方法，其特征在于，所述步骤S4之后还包括步骤S5：
根据所述老化值对各电气线路进行风险排名，并根据所述老化值的高低进行预警。
7.一种人工智能电气线路老化程度检测系统，其特征在于，包括：
数据查询模块，用以获取各电气线路的多维度历史数据，所述多维度历史数据包括负荷电流、测点温升；
统计模块，用以对所述多维度历史数据进行数据统计，获取各电气线路的负荷温升特征曲线，并对所述负荷温升特征曲线进行直线拟合，获取所述负荷温升特征曲线对应的拟合直线；
转换模块，用以根据各电气线路之间的截面积比，得到各电气线路的电流对应关系，并根据电流对应关系选取各电气线路的安全电流范围；
老化程度测量模块，用以根据所述拟合直线计算各电气线路所述安全电流范围的中间值对应的温升值，并根据所述温升值得到老化值。
8.根据权利要求7所述的人工智能电气线路老化程度检测系统，其特征在于，所述统计模块具体用以按各电气线路分别对所述多维度历史数据进行统计，得到所述多维度历史数据不同范围区间的概率分布,并根据所述概率分布得到所述负荷温升特征曲线。
9.根据权利要求7或8所述的人工智能电气线路老化程度检测系统，其特征在于，还包括预警监控平台，用以根据所述老化值对各电气线路进行风险排名，并根据所述老化值的高低进行预警。
CN202010006117.6A 2020-01-03 2020-01-03 一种人工智能电气线路老化程度检测方法及系统 Active CN111159650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010006117.6A CN111159650B (zh) 2020-01-03 2020-01-03 一种人工智能电气线路老化程度检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010006117.6A CN111159650B (zh) 2020-01-03 2020-01-03 一种人工智能电气线路老化程度检测方法及系统

Publications (2)

Publication Number Publication Date
CN111159650A true CN111159650A (zh) 2020-05-15
CN111159650B CN111159650B (zh) 2023-09-15

Family

ID=70561133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010006117.6A Active CN111159650B (zh) 2020-01-03 2020-01-03 一种人工智能电气线路老化程度检测方法及系统

Country Status (1)

Country Link
CN (1) CN111159650B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112904130A (zh) * 2021-01-28 2021-06-04 广东电网有限责任公司 一种线路老化在线监测方法、装置、设备、介质及系统
CN118010104A (zh) * 2024-04-10 2024-05-10 南京师范大学 一种电气线路老化程度检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106227969A (zh) * 2016-08-02 2016-12-14 国网四川省电力公司乐山供电公司 基于电力设备红外测温大数据和算法的红外故障诊断方法
WO2018028005A1 (zh) * 2016-08-11 2018-02-15 苏州瑞得恩自动化设备科技有限公司 一种大型光伏电站中电池面板的故障检测算法
CN109344559A (zh) * 2018-12-03 2019-02-15 西南交通大学 一种对比光纤测温的变压器热点温升预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106227969A (zh) * 2016-08-02 2016-12-14 国网四川省电力公司乐山供电公司 基于电力设备红外测温大数据和算法的红外故障诊断方法
WO2018028005A1 (zh) * 2016-08-11 2018-02-15 苏州瑞得恩自动化设备科技有限公司 一种大型光伏电站中电池面板的故障检测算法
CN109344559A (zh) * 2018-12-03 2019-02-15 西南交通大学 一种对比光纤测温的变压器热点温升预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李喜明;李井义;: "建筑电气绝缘泄露分析系统的设计和应用" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112904130A (zh) * 2021-01-28 2021-06-04 广东电网有限责任公司 一种线路老化在线监测方法、装置、设备、介质及系统
CN118010104A (zh) * 2024-04-10 2024-05-10 南京师范大学 一种电气线路老化程度检测方法及系统

Also Published As

Publication number Publication date
CN111159650B (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN109781268B (zh) 一种基于低成本红外热视技术的开关柜内重点部位温度监测系统
Sun et al. Remaining useful life prediction of aviation circular electrical connectors using vibration-induced physical model and particle filtering method
CN111159650A (zh) 一种人工智能电气线路老化程度检测方法及系统
CN109945977B (zh) 一种干式变压器热故障诊断方法及系统
CN103066591B (zh) 一种基于实时测量的电网参数偏差识别方法
CN114910756B (zh) 一种低压母线槽的绝缘性能评估方法及系统
CN114638268A (zh) 基于无线测温技术的高压开关柜过热管控系统
CN111157045B (zh) 一种人工智能电气线路异常风险程度监测方法及系统
CN115469178A (zh) 输电线路的监测方法、装置、计算机设备、存储介质
CN110987079A (zh) 安全环境和智能雷电在线监测预警系统、方法
CN205620094U (zh) 一种gis漏气故障诊断系统
CN109933883A (zh) 一种基于多元线性回归的阻性电流增长率计算方法
CN117216956A (zh) Xlpe电缆的热氧老化模型修正装置、方法及设备
CN117434387A (zh) 基于边缘计算的配网线路故障分析方法、系统和介质
CN116448814A (zh) 基于表面温度差识别电缆接头压接缺陷程度的方法
CN111668926B (zh) 一种配网设备环网单元湿热气候服役微环境监测方法
CN116205058A (zh) 一种母线槽的绝缘性能评估方法及系统
CN112461398B (zh) 一种架空输电线路的纵向等效温度获取方法及装置
Cheng et al. Intelligent diagnosis method for heating defect of GIS disconnecting switch
CN110749379A (zh) 一种基于非接触红外测温的电缆接头故障检测方法及装置
CN109580466B (zh) 线夹腐蚀覆盖率的确定方法、系统及线夹腐蚀监测装置
CN117890827A (zh) 一种基于可视化的绝缘管型母线运行智能监测系统
CN111025090B (zh) 一种基于泄漏电流差异系数的电缆寿命预测方法
Rongbin et al. Failure Risk Analysis of the Photovoltaic Modules Based on the Improved FMECA Method
Xiaohang et al. Research on Electric Field and Temperature Distribution under Insulation Deterioration of UHV Arrester

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