CN111611545A - 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 - Google Patents
基于主成分分析和logistic回归的电缆老化状态评估方法和装置 Download PDFInfo
- Publication number
- CN111611545A CN111611545A CN202010418100.1A CN202010418100A CN111611545A CN 111611545 A CN111611545 A CN 111611545A CN 202010418100 A CN202010418100 A CN 202010418100A CN 111611545 A CN111611545 A CN 111611545A
- Authority
- CN
- China
- Prior art keywords
- principal component
- cable
- logistic regression
- aging state
- component analysis
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 68
- 238000007477 logistic regression Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 238000000513 principal component analysis Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 240000005572 Syzygium cordatum Species 0.000 description 2
- 235000006650 Syzygium cordatum Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 241000446313 Lamella Species 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 239000004703 cross-linked polyethylene Substances 0.000 description 1
- 229920003020 cross-linked polyethylene Polymers 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于主成分分析和logistic回归的电缆老化状态评估方法和装置，方法包括：收集电缆相关参数；采用主成分分析法分析故障影响因素，得到主成分与原故障影响因素之间的关系式；采用logistic回归分析主成分变量，建立logistic回归模型，根据显著性大小，筛选出显著的主成分；将显著的主成分还原为原始故障影响因素，得到电缆老化状态评估的回归模型，根据待评估电缆的相关参数利用该回归模型对电缆老化状态进行评估。本发明可以对电缆老化状态进行评估，方法简便快速，为电缆的运行维护提供有迅速有效的指导。
Description
技术领域
本发明属于电力设备维护技术领域，具体涉及一种电缆老化状态评估方法和装置。
背景技术
现有电缆老化状态的评估方法有以下几类：1)通过制作电缆样本切片，对电缆样本切片进行检测，如理化性能检测：傅立叶变换红外光谱仪，差式量热扫描分析，X射线衍射分析，扫描电镜分析等，根据理化检测结果对电缆老化程度进行判断。如公开号CN102778638 A的一种判定XLPE电缆绝缘水树老化状态的方法，通过开展上述理化测试，然后根据介电损耗峰、低频电导、片晶厚度变化和基团消失等数据，对电缆绝缘水树老化程度进行综合评估和诊断；如超低频介损测试，公开号CN 105676081 A的基于超低频介损的直流电缆挤出绝缘老化状态评估方法，通过对电缆样本进行超低频介损测试，根据介损-电压曲线图上内、外层介损值的大小及其随外加电压的变化趋势，评估直流电缆挤出绝缘的老化状态；对电缆样本进行切片后测试，虽然结果直观，但是难以满足实际电缆运维的要求；2)根据电缆带电检测、在线监测的结果对电缆老化状态进行评估，检测或监测手段包括局部放电测试、介质损耗监测、温度监测、环流监测等，但是如何建立状态量与电缆老化程度之间的关联关系，在学术界还未形成定论。
电缆的老化是一个累积的过程，老化影响因素众多，包括电缆的运行时间，运行的环境温度、湿度、运行的平均负荷等，如何建立影响因素与老化状态之间的关联关系是值得研究的问题。
发明内容
发明目的：针对现有技术的不足，本发明提出一种基于主成分分析和logistic回归的电缆老化状态评估方法和装置，可以根据电缆老化影响因素，对电缆老化状态进行评估，为电缆的运行维护提供指导。
技术方案：为了实现以上目的，本发明采用如下的技术方案：
第一方面，提供一种基于主成分分析和logistic回归的电缆老化状态评估方法，包括以下步骤：
收集待评估电缆的相关参数；
将电缆的相关参数输入预先构建的基于主成分分析和logistic回归的电缆老化状态评估回归模型，对电缆老化状态进行评估；其中，
所述预先构建的基于主成分分析和logistic回归的电缆老化状态评估回归模型构建方法如下：
基于预先收集的电缆的相关参数及电缆老化程度，采用主成分分析故障影响因素，得到主成分与原始故障影响因素之间的关系式；
基于主成分分析结果，得到主成分变量，采用logistic回归分析主成分变量，建立logistic回归模型，根据显著性大小，筛选出显著的主成分；
基于logistic回归分析结果，根据主成分与原始故障影响因素之间的关系式将显著的主成分还原为原始故障影响因素，得到电缆老化状态评估的回归模型。
其中，所述电缆的相关参数包括：电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家。
进一步地，所述采用主成分分析故障影响因素，得到主成分与原始故障影响因素之间的关系式包括：将电缆的相关参数视为9个原始影响因素，通过主成分分析法，得到各主成分的累计贡献率，对影响因素进行降维处理，得到主成分变量，得到主成分与原始故障影响因素之间的关系式。
进一步地，所述采用logistic回归分析主成分变量，建立logistic回归模型，根据各主成分的显著性大小，筛选出显著的主成分，具体为：当主成分的Sig值大于0.05或等于时，认为主成分不显著；当主成分的Sig值小于0.05时，认为主成分显著。
第二方面，提供一种基于主成分分析和logistic回归的电缆老化状态评估装置，包括：
参数获取模块，用于收集电缆的相关参数；
模型构建模块，用于根据电缆的相关参数及电缆老化程度，基于主成分分析和logistic回归构建电缆老化状态评估回归模型；
状态评估模块，用于根据待评估电缆的相关参数和电缆老化状态评估回归模型，对电缆的老化状态做出评估。
其中，所述电缆相关参数包括：电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家。
进一步地，所述模型构建模块包括：
主成分分析单元，被配置为基于预先收集的电缆的相关参数及电缆老化程度，采用主成分分析故障影响因素，得到主成分与原始故障影响因素之间的关系式；
logistic回归单元，被配置为基于主成分分析结果，得到主成分变量，采用logistic回归分析主成分变量，建立logistic回归模型，根据显著性大小，筛选出显著的主成分；
模型建立单元，被配置为基于logistic回归分析结果，根据主成分与原始故障影响因素之间的关系式将显著的主成分还原为原始故障影响因素，得到电缆老化状态评估的回归模型。
有益效果：本发明利用主成分分析法通过分析电缆老化故障的可能的影响因素，对电缆的老化状态进行评估，和现有技术相比，本发明无需对电缆样本切片，方法快速、简便，可为电缆的运行维护提供更加有针对性的指导。
附图说明
图1为本发明基于主成分分析和logistic回归的电缆老化状态评估方法的总体流程图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明的技术方案。
参照图1，本发明的一种基于主成分分析和logistic回归的电缆老化状态评估方法，包括以下步骤：
步骤A，收集电缆相关参数。包括电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家、电缆老化程度等。
如表1所示为一实施例中得到的数据示例。
表1电缆相关参数
步骤B，基于步骤A中获取的电缆相关数据，采用主成分分析，分析电缆老化可能的影响因素，包括电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家等。将电缆参数C1～C9作为输入数据，通过SPSS开展主成分分析，得到表2的分析结果。
主成分分析的步骤如下：
1)变量标准化
为消除各变量单位对结果的影响，需要对变量进行标准化处理，标准化方法如式(1)所示：
其中Xij为第i个样本的第j个参数的原始值，X′ij为第i个样本的第j个参数的标准化后的值，
和Sj分别为第j个参数的均值和标准差。
2)计算相关系数矩阵
计算各变量之间的相关系数矩阵，如式(2)所示。
其中rij表示第i个变量和第j个变量之间的相关系数，可用下式计算:
3)计算特征值和特征向量
求解特征方程：
|λI-R|＝0 (4)
采用雅克比法求解特征方程的特征值λi，其中i＝1,2,…p，并按降序排序；求出特征值所对应的特征向量ai。
4)计算主成分贡献率及累计贡献率
主成分的贡献率为：
主成分的累计贡献率为：
一般根据主成分的累计贡献率定义并提取主成分。
5)主成分与原变量之间的关系
若主成分记为F，原变量记为C，则Fi＝aiC，其中Fi表示第i个主成分，ai为第i个特征向量。
表2各主成分的特征值、方差百分比及累计贡献率
从表2中提取平方和载入结果来看，以特征值大于1且累计贡献率达到60％为选取依据，9个影响因素可提取出4个主成分，各主成分的矩阵表如表3所示，可以用FAC1_1、FAC2_1、FAC3_1、FAC4_1这4个主成分来代替原来的9个影响因素。其中4个主成分的特征值对应的特征向量如表3所示，
FAC1_1＝-0.370C1+0.965C2+0.153C3-0.141C4+0.965C5+0.340C6+0.187C7+0.272C8-0.205C9
FAC2_1＝0.568C1-0.024C2+0.104C3-0.162C4-0.024C5+0.407C6+0.730C7+0.235C8+0.586C9
FAC3_1＝0.073C1-0.042C2-0.700C3+0.423C4-0.042C5+0.095C6+0.059C7+0.667C8-0.239C9
FAC4_1＝0.221C1-0.017C2+0.476C3+0.654C4-0.017C5+0.513C6-0.294C7-0.024C8-0.099C9
表3各主成分矩阵表
步骤C：基于步骤B中得到的主成分，采用logistic回归进行后向逐步回归，建立logistic回归方程，logistic回归结果如表4所示，根据显著性检验结果(Sig值)大小，在步骤1中，主成分3的Sig值大于0.05，因此在步骤2中进行删除。在步骤2中，主成分1、2和4的Sig值均小于0.05，可认为这3个主成分均为电缆老化故障显著因素。
表4 logistic回归结果
拟合得到的回归方程为：
步骤D：根据步骤C和步骤B的分析结果，将主成分与原影响因素之间的关系式代入拟合得到的回归方程，可得到原故障影响因素的回归方程，如下所示：
通过该拟合的回归方程即可对电缆老化状态进行评估，将电缆各参量代入上式，当P>0.5时，判断电缆明显老化，当P<0.5时，认为电缆未发生明显老化。
根据本发明的另一实施例，提供一种基于主成分分析和logistic回归的电缆老化状态评估装置，包括：
参数获取模块，用于收集电缆的相关参数，电缆相关参数包括但不限于：电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家。
模型构建模块，用于根据电缆的相关参数，基于主成分分析和logistic回归构建电缆老化状态评估回归模型。
模型构建模块包括：
主成分分析单元，被配置为基于预先收集的电缆相关参数及电缆老化程度，采用主成分分析故障影响因素，得到主成分与原始故障影响因素之间的关系式。具体地，主成分分析单元将电缆相关参数数据视为9个原始影响因素，通过主成分分析法，得到各主成分的累计贡献率，对影响因素进行降维处理，得到主成分变量，记为FAC1_1、FAC2_1、FAC3_1……FACN_1，N为主成分变量个数，N<9，得到主成分与原始故障影响因素之间的关系式。
logistic回归单元，被配置为基于主成分分析结果，得到主成分变量，采用logistic回归分析主成分变量，建立logistic回归模型，根据显著性大小，筛选出显著的主成分。具体地，当主成分的Sig值大于0.05时，认为主成分不显著；当主成分的Sig值小于0.05时，认为主成分显著。
模型建立单元，被配置为基于logistic回归分析结果，将显著的主成分还原为原始故障影响因素，得到电缆老化状态评估的回归模型。
状态评估模块，用于根据待评估电缆的相关参数和电缆老化状态评估回归模型，给出回归结果，对电缆的老化状态做出评估。
应理解，本发明实施例中的电缆老化状态评估装置可以实现上述方法实施例中的全部技术方案，其各个功能模块的功能可以根据上述方法实施例中的方法具体实现，其具体实现过程可参照上述实施例中的相关描述，此处不再赘述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种电缆老化状态评估方法，其特征在于，包括以下步骤：
收集待评估电缆的相关参数；
将待评估电缆的相关参数输入预先构建的基于主成分分析和logistic回归的电缆老化状态评估回归模型，对电缆老化状态进行评估；其中，
所述预先构建的基于主成分分析和logistic回归的电缆老化状态评估回归模型构建方法如下：
基于预先收集的电缆的相关参数及电缆老化程度，采用主成分分析法分析故障影响因素，得到主成分与原始故障影响因素之间的关系式；
基于主成分分析结果，得到主成分变量，采用logistic回归分析主成分变量，建立logistic回归模型，根据显著性大小，筛选出显著的主成分；
基于logistic回归分析结果，根据主成分与原始故障影响因素之间的关系式将显著的主成分还原为原始故障影响因素，得到电缆老化状态评估的回归模型。
2.根据权利要求1所述的基于主成分分析和logistic回归的电缆老化状态评估方法，其特征在于，所述电缆的相关参数包括：电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家。
3.根据权利要求2所述的基于主成分分析和logistic回归的电缆老化状态评估方法，其特征在于，所述采用主成分分析故障影响因素，得到主成分与原始故障影响因素之间的关系式包括：将电缆的相关参数视为9个原始影响因素，通过主成分分析法，得到各主成分的累计贡献率，对影响因素进行降维处理，得到主成分变量，得到主成分与原始故障影响因素之间的关系式。
4.根据权利要求1所述的基于主成分分析和logistic回归的电缆老化状态评估方法，其特征在于，所述采用logistic回归分析主成分变量，建立logistic回归模型，根据各主成分的显著性大小，筛选出显著的主成分，具体为：当主成分的Sig值大于或等于0.05时，认为主成分不显著；当主成分的Sig值小于0.05时，认为主成分显著。
5.一种基于主成分分析和logistic回归的电缆老化状态评估装置，其特征在于，包括：
参数获取模块，用于收集电缆的相关参数；
模型构建模块，用于根据电缆的相关参数及电缆老化程度，基于主成分分析和logistic回归构建电缆老化状态评估回归模型；
状态评估模块，用于将待评估电缆的相关参数输入电缆老化状态评估回归模型，得到回归结果，对电缆的老化状态做出评估。
6.根据权利要求5所述的基于主成分分析和logistic回归的电缆老化状态评估装置，其特征在于，所述模型构建模块包括：
主成分分析单元，被配置为基于预先收集的电缆的相关参数及电缆老化程度，采用主成分分析法分析故障影响因素，得到主成分与原始故障影响因素之间的关系式；
logistic回归单元，被配置为基于主成分分析结果，得到主成分变量，采用logistic回归分析主成分变量，建立logistic回归模型，根据显著性大小，筛选出显著的主成分；
模型建立单元，被配置为基于logistic回归分析结果，根据主成分与原始故障影响因素之间的关系式将显著的主成分还原为原始故障影响因素，得到电缆老化状态评估的回归模型。
7.根据权利要求5所述的基于主成分分析和logistic回归的电缆老化状态评估装置，其特征在于，所述电缆的相关参数包括：电缆运行时间、电缆平均负载率、是否发生过故障跳闸、是否受过机械损伤、电缆平均温度、环境平均温度、环境平均湿度、敷设方式、生产厂家。
8.根据权利要求7所述的基于主成分分析和logistic回归的电缆老化状态评估装置，其特征在于，所述主成分分析单元采用主成分分析故障影响因素，得到主成分与原始故障影响因素之间的关系式包括：将电缆的相关参数视为9个原始影响因素，通过主成分分析法，得到各主成分的累计贡献率，对影响因素进行降维处理，得到主成分变量，得到主成分与原始故障影响因素之间的关系式。
9.根据权利要求6所述的基于主成分分析和logistic回归的电缆老化状态评估装置，其特征在于，所述logistic回归单元采用logistic回归分析主成分变量，建立logistic回归模型，根据各主成分的显著性大小，筛选出显著的主成分，具体为：当主成分的Sig值大于或等于0.05时，认为主成分不显著；当主成分的Sig值小于0.05时，认为主成分显著。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010418100.1A CN111611545B (zh) | 2020-05-18 | 2020-05-18 | 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010418100.1A CN111611545B (zh) | 2020-05-18 | 2020-05-18 | 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611545A true CN111611545A (zh) | 2020-09-01 |
| CN111611545B CN111611545B (zh) | 2023-06-06 |
Family
ID=72200379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010418100.1A Active CN111611545B (zh) | 2020-05-18 | 2020-05-18 | 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611545B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112801135A (zh) * | 2020-12-31 | 2021-05-14 | 浙江浙能镇海发电有限责任公司 | 一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备 |
| CN113376548A (zh) * | 2021-05-24 | 2021-09-10 | 清华大学 | 一种基于电缆老化特征提取的电缆状态监测方法及装置 |
| CN113610636A (zh) * | 2021-08-12 | 2021-11-05 | 百融云创科技股份有限公司 | 一种迭代特征筛选方法及系统 |
| CN116561393A (zh) * | 2023-06-02 | 2023-08-08 | 黑龙江省水利科学研究院 | 基于用水量因素的万元gdp用水量可视化系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104316834A (zh) * | 2014-10-16 | 2015-01-28 | 南京航空航天大学 | 一种具有高精度的电缆故障在线检测定位装置 |
| CN105260863A (zh) * | 2015-11-26 | 2016-01-20 | 国家电网公司 | 一种基于电力电缆故障信息的故障单影响因素分析方法 |
| CN107633349A (zh) * | 2017-08-28 | 2018-01-26 | 中国西电电气股份有限公司 | 基于高压开关的故障影响因素定量分析方法 |
| US20180366227A1 (en) * | 2016-01-07 | 2018-12-20 | Sony Corporation | Information processing device, information processing system, and information processing method, and program |
-
2020
- 2020-05-18 CN CN202010418100.1A patent/CN111611545B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104316834A (zh) * | 2014-10-16 | 2015-01-28 | 南京航空航天大学 | 一种具有高精度的电缆故障在线检测定位装置 |
| CN105260863A (zh) * | 2015-11-26 | 2016-01-20 | 国家电网公司 | 一种基于电力电缆故障信息的故障单影响因素分析方法 |
| US20180366227A1 (en) * | 2016-01-07 | 2018-12-20 | Sony Corporation | Information processing device, information processing system, and information processing method, and program |
| CN107633349A (zh) * | 2017-08-28 | 2018-01-26 | 中国西电电气股份有限公司 | 基于高压开关的故障影响因素定量分析方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112801135A (zh) * | 2020-12-31 | 2021-05-14 | 浙江浙能镇海发电有限责任公司 | 一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备 |
| CN112801135B (zh) * | 2020-12-31 | 2023-04-18 | 浙江浙能镇海发电有限责任公司 | 一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备 |
| CN113376548A (zh) * | 2021-05-24 | 2021-09-10 | 清华大学 | 一种基于电缆老化特征提取的电缆状态监测方法及装置 |
| CN113376548B (zh) * | 2021-05-24 | 2022-07-26 | 清华大学 | 一种基于电缆老化特征提取的电缆状态监测方法及装置 |
| CN113610636A (zh) * | 2021-08-12 | 2021-11-05 | 百融云创科技股份有限公司 | 一种迭代特征筛选方法及系统 |
| CN116561393A (zh) * | 2023-06-02 | 2023-08-08 | 黑龙江省水利科学研究院 | 基于用水量因素的万元gdp用水量可视化系统及方法 |
| CN116561393B (zh) * | 2023-06-02 | 2024-01-30 | 黑龙江省水利科学研究院 | 基于用水量因素的万元gdp用水量可视化系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611545B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111611545B (zh) | 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 | |
| CN111610407B (zh) | 基于朴素贝叶斯的电缆老化状态评估方法和装置 | |
| CN111222290B (zh) | 一种基于多参数特征融合的大型设备剩余使用寿命预测方法 | |
| Soleimani et al. | Simple linear profiles monitoring in the presence of within profile autocorrelation | |
| CN105425779B (zh) | 基于局部邻域标准化和贝叶斯推断的ica-pca多工况故障诊断方法 | |
| CN109740687B (zh) | 一种基于dlae的发酵过程故障监测方法 | |
| CN109409425B (zh) | 一种基于近邻成分分析的故障类型识别方法 | |
| CN117218114B (zh) | 一种基于图像数据处理的网状织物缺陷快速检测方法 | |
| CN115828170B (zh) | 一种基于掘进机电控数据的故障检测方法 | |
| EP3649568B1 (en) | Method for automatic detection of physical modes in a modal analysis model | |
| CN108470570B (zh) | 电机异音检测方法 | |
| CN112116198A (zh) | 数据驱动的流程工业状态感知网络关键节点筛选方法 | |
| CN110954779A (zh) | 一种基于s变换与多维分形的电压暂降源特征识别方法 | |
| CN114397569A (zh) | 基于vmd参数优化、样本熵的断路器故障电弧检测方法 | |
| CN109992879B (zh) | 一种基于模糊评价法的电缆绝缘劣化类型判别方法及系统 | |
| CN113554229A (zh) | 三相电压不平衡异常检测方法及装置 | |
| CN116484184A (zh) | 一种电力设备局部放电缺陷样本增强方法及装置 | |
| CN111079591A (zh) | 基于改进多尺度主成分分析的不良数据修复方法及系统 | |
| CN113673828B (zh) | 一种基于知识图谱及大数据的审计数据处理方法、系统、介质及装置 | |
| CN113359679B (zh) | 基于重构幅值趋势特征的工业过程故障诊断方法 | |
| CN112098744B (zh) | 一种电压暂降源识别的方法 | |
| WO2019080489A1 (zh) | 一种基于并发偏最小二乘的过程故障检测方法 | |
| CN113552444A (zh) | 一种泄漏电流特征阈值在线整定方法及装置 | |
| CN113205829A (zh) | 一种综合监控设备运行状态的方法及系统 | |
| CN115859042A (zh) | 一种电力电缆局部放电模式识别方法及装置 |
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 |