CN112327216B - 一种基于边缘计算的电缆健康状态评估装置及方法 - Google Patents
一种基于边缘计算的电缆健康状态评估装置及方法 Download PDFInfo
- Publication number
- CN112327216B CN112327216B CN202011189864.4A CN202011189864A CN112327216B CN 112327216 B CN112327216 B CN 112327216B CN 202011189864 A CN202011189864 A CN 202011189864A CN 112327216 B CN112327216 B CN 112327216B
- Authority
- CN
- China
- Prior art keywords
- current
- cable
- data
- return
- reflux
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000010992 reflux Methods 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000003862 health status Effects 0.000 claims description 12
- 230000003750 conditioning effect Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims 1
- 238000012549 training Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000009413 insulation Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000032683 aging Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
Images
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/58—Testing of lines, cables or conductors
-
- 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
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及电缆监测技术领域,尤其涉及一种基于边缘计算的电缆健康状态评估装置及方法,包括电流测量单元、数据总线、第一微处理器和第一通信模块,所述电流测量单元包含若干个相同的电流测量模块,电流测量模块的数量与采集的回流电流通道数量一致,电流测量模块的输出端分别连接到数据总线,数据总线与第一微处理器相连,所述第一通信模块与第一微处理器实现双向连接。本发明具有数据采集方便、计算复杂度低,可以方便的制作出具备回流电缆数据采集和健康状态评估的集成装置,可广泛用于牵引变电所回流电缆健康状态实时监测。无需进行模型训练,计算时间短,也不存在训练能力影响预测能力的问题。
Description
技术领域
本发明涉及电缆监测技术领域,尤其涉及一种基于边缘计算的电缆健康状态评估装置及方法。
背景技术
随着铁路事业的快速发展,尤其是高铁线路的高速发展,牵引供电系统的可靠性是保障铁路线路正常运行的因素之一,回流电缆作为牵引回路回流至变电所的电气路径,至关重要,因机械损伤、绝缘受潮、绝缘老化、绝缘击穿等原因,回流电缆时有发生绝缘破损,在破损处会发生接地故障,形成放电电弧将电缆烧断,发展成更为严重的供电事故,为增加回流电流容量,每组牵引回流线一般由多跟电缆组成,当发生单根电缆发生故障时,不易察觉,很容易发生回流电流超过其他正常电缆的载流能力,从而形成更为严重的故障。现有回流电缆的状态监测,一种是靠人工定期巡检,不仅费时费力,也不能实时监测,另一种是通过局放在线监测设备进行监测,虽然能实现实时监测,但是局放在线监测设备复杂,造价高昂,无法大面积普及应用。
专利号为CN110309872A的对比文件1中公开了一种基于多参数的配电电缆健康状态评估方法、系统及介质,该技术方案分别使用多种指定手段检测被检测配电电缆在当前时刻及往前多个时刻的多个健康状态检测参数,还需要采用预先训练好的机器学习模型进行计算,计算量大,计算时间长。
为了解决上述问题,需要一种基于边缘计算的电缆健康状态评估的方法,要求数据采集方便,计算复杂度低,采集设备硬件方案简单,实现对回流电缆状态的实时监测,在回流电缆发生绝缘破损或断线时,能准确告警,提醒相关人员及时处理。
发明内容
基于背景技术存在的技术问题,本发明提供了一种基于边缘计算的电缆健康状态评估装置及方法,解决了现有因机械损伤、绝缘受潮、绝缘老化、绝缘击穿等原因导致回流电缆发生破损或一组回流电缆单根发生故障而无法及时发现继而发展成更为严重的供电事故的技术问题,同时,数据采集方便,计算复杂度低,采集设备硬件方案简单,便于广泛普及应用。
本发明提供如下技术方案:
一种基于边缘计算的电缆健康状态评估装置,包括电流测量单元、数据总线、第一微处理器和第一通信模块,所述电流测量单元包含若干个相同的电流测量模块,电流测量模块的数量与采集的回流电流通道数量一致,电流测量模块的输出端分别连接到数据总线,数据总线与第一微处理器相连,所述第一通信模块与第一微处理器实现双向连接。
优选的,所述电流测量模块包括电流传感器、信号调理模块、模数转换模块、第二微处理器和第二通信模块,所述电流传感器的输出端与信号调理模块的输入端相连,信号调理模块的输出端与模数转换模块的输入端相连,模数转换模块的输出端与第二微处理器相连,第二微处理器与第二通信模块相连。
一种基于边缘计算的电缆健康状态评估的方法,包括如下步骤:
S1、回流数据采集:对多路回流电缆的回流电流大小以等时间间隔进行同步采集,连续采集24小时,回流数值记录在二维数组I[t][g]中,t为某采样时刻,g为某路回流电缆通道;
S2、数据分析及健康指标的构建:对采集到的数据集I[t][g]进行分析和计算,首先计算出不同时刻下的总回流,剔除掉电流过小的数据,以消除小电流下的干扰数据影响健康状态的评估,然后计算各个时刻下的各路回流的占比,并对各路回流在不同时刻下的占比进行统计,得到占比的变化范围,并附加的评估阈值作为健康指标;
S3、健康状态评估:连续实时采集各路回流电流的大小,实时计算各路回流的占比,与步骤S2建立的健康指标进行对比,如果电流占比超出范围则说明回流电缆异常,需要关注回流电缆的健康状态,否则,说明回流电缆正常。
优选的,所述步骤S2中数据分析和健康指标的构建具体包括以下步骤:
T2、找出I(t)中的最大值,记为Imax;
T3、取Imax的k%,其中k为一个常数,作为数值基准,记为Ib,即Ib=Imax×k%;
T4、遍历步骤T2中涉及的I(t)中所有数据,将大于Ib的数据记录下来,筛选出新时刻下各路回流电缆的回流电流和T(i)=I(i),其中I(i)>Ib;
T5、根据步骤T4中找出t=i的时刻,将步骤S1中数据I[t][g]中对应的数据筛选出来,新数据集记为I[i][g],i为筛选后的采样时刻,g为某路回流电缆通道;
T6、使用新数据集I[i][g],计算出每一采集时刻各回流电缆回流占总回流T(i)的百分比记为P[i][g],即P[i][g]=I[i][g]/T(i),这里P表示百分比,i表示某采样时刻,g表示某路回流电缆通道;
T7、从P[i][g]中找出各回流电缆回流占总回流的百分比的最大值和最小值,分别记为Pmax(g)和Pmin(g),g表示某路回流电缆通道,g=1…n;
T8、使用Pmax(g)和Pmin(g),在其上附加评估阈值常数C,记为Pcmax(g)和Pcmin(g),计算方法为:
Pcmax(g)=Pmax(g)+C
Pcmin(S)=Pmin(g)-C
Pcmax(g)、Pcmin(g)和步骤T3中的Ib即为后期评估的每路回流电缆健康指标。
优选的,所述步骤S3的健康状态评估具体包括以下步骤:
K1、对各路回流电缆的回流电流大小在同一时刻下进行采集,记为IS(g),g=1…n;
K3、比较Isp与所述步骤T3的健康指标Ib的大小,若Isp≥Ip,说明当前回流大小达到评估的阈值,则继续进行下述步骤,否则说明总回流电流过小,结束本次健康状态评估;
K4、计算所述步骤K2中各路回流的百分比,记为Psc(g),g表示回流电流的通道,g=1…n;
K5、将所述步骤K4计算结果Psc(g)与按照相同的通道(即g相同)与步骤T8中构建的健康指标Pcmax(g)和Pcmin(g)进行比较,若Psc(g)的大小介于Pcmax(g)和Pcmin(g)之间,则说明对应的回流电缆当前状态良好,否则,说明对应的回流电缆当前可能存在故障,应进行告警;
K6、不断重复所述步骤K1到所述步骤K5,以实现回流电缆健康状态的实时评估。
优选的,所述步骤K1的回流电流大小的采集具体包括以下步骤:
N1、当第一微处理器通过相连的第一通信模块接收到数据采集之后后,第一微处理器通过数据总线以广播的方式给电流采集单元包含的第一电流测量模块、第二电流测量模块、第n电流测量模块发送测量指令;
N2、所述电流测量模块接收到测量指令后,启动电流传感器,电流传感器将电流信号传输到信号调理模块进行数据处理,并继续传输给模数转换模块进行模拟信号到数字信号的变换,最后送达第二微处理器;
N3、所述第二微处理器对电流数据进行计算和处理后通过连接的第二通信模块将数据发送到数据总线;
N4、第一微处理器通过数据总线接收到各电流测量模块(1~n)的测量数据,并通过相连的第一通信模块将数据发送出去。
本发明提供了一种基于边缘计算的电缆健康状态评估装置及方法。
与现有技术相比具备以下有益效果:
(1)、回流电缆健康状态评估。本发明解决了现有因机械损伤、绝缘受潮、绝缘老化、绝缘击穿等原因导致回流电缆发生破损或一组回流电缆单根发生故障而无法及时发现,继而发展成更为严重的供电事故的技术问题。
(2)、数据采集方便。本发明所依赖的数据为牵引变电所各路回流电缆的回流电流值,回流电流的数据采集方便,设备简单,造价低廉。
(3)、计算复杂度低。本发明所用到的计算方法,仅涉及到数值大小比较、数据遍历查找和加减乘除等运算,非常容易实现,更可方便的嵌入智能电子设备中实时运行。
(4)、基于本发明的方法,可以方便的制作出具备回流电缆数据采集和健康状态评估的集成装置,可广泛用于牵引变电所回流电缆健康状态实时监测。
附图说明
图1为本发明回流电缆健康状态监测装置;
图2为本发明电流测量模块原理图;
图3为本发明分析测量方法的流程图。
图中:1、电流测量单元;2、数据总线;3、第一微处理器;4、第一通信模块;11、电流传感器;12、信号调理模块;13、模数转换模块;14、第二微处理器;15、第二通信模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。
本发明提供一种技术方案:
请参阅图1,一种基于边缘计算的电缆健康状态评估装置,包括电流测量单元1、数据总线2、第一微处理器3和第一通信模块4,电流测量单元1包含若干个相同的电流测量模块,电流测量模块的数量与采集的回流电流通道数量一致,电流测量模块的输出端分别连接到数据总线2,数据总线2与第一微处理器3相连,第一通信模块4与第一微处理器3实现双向连接。
请参阅图2,电流测量模块包括电流传感器11、信号调理模块12、模数转换模块13、第二微处理器14和第二通信模块15,电流传感器11的输出端与信号调理模块12的输入端相连,信号调理模块12的输出端与模数转换模块13的输入端相连,模数转换模块13的输出端与第二微处理器14相连,第二微处理器14与第二通信模块15相连。
请参阅图3,一种基于边缘计算的电缆健康状态评估方法,包括如下步骤:
S1、回流数据采集:对多路回流电缆的回流电流大小以等时间间隔进行同步采集,连续采集24小时,回流数值记录在二维数组I[t][g]中,t为某采样时刻,g为某路回流电缆通道;
S2、数据分析及健康指标的构建:对采集到的数据集I[t][g]进行分析和计算,首先计算出不同时刻下的总回流,剔除掉电流过小的数据,以消除小电流下的干扰数据影响健康状态的评估,然后计算各个时刻下的各路回流的占比,并对各路回流在不同时刻下的占比进行统计,得到占比的变化范围,并附加的评估阈值作为健康指标;
其中数据分析和健康指标的构建具体包括以下步骤:
T2、找出I(t)中的最大值,记为Imax;
T3、取Imax的k%,其中k为一个常数,作为数值基准,记为Ib,即Ib=Imax×k%;
T4、遍历步骤T2中涉及的I(t)中所有数据,将大于Ib的数据记录下来,筛选出新时刻下各路回流电缆的回流电流和T(i)=I(i),其中I(i)>Ib;
T5、根据步骤T4中找出t=i的时刻,将步骤S1中数据I[t][g]中对应的数据筛选出来,新数据集记为I[i][g],i为筛选后的采样时刻,g为某路回流电缆通道;
T6、使用新数据集I[i][g],计算出每一采集时刻各回流电缆回流占总回流T(i)的百分比记为P[i][g],即P[i][g]=I[i][g]/T(i),这里P表示百分比,i表示某采样时刻,g表示某路回流电缆通道;
T7、从P[i][g]中找出各回流电缆回流占总回流的百分比的最大值和最小值,分别记为Pmax(g)和Pmin(g),g表示某路回流电缆通道,g=1…n;
T8、使用Pmax(g)和Pmin(g),在其上附加评估阈值常数C,记为Pcmax(g)和Pcmin(g),计算方法为:
Pcmax(g)=Pmax(g)+C
Pcmin(g)=Pmin(g)-C
Pcmax(g)、Pcmin(g)和步骤T3中的Ib即为后期评估的每路回流电缆健康指标。
S3、健康状态评估:连续实时采集各路回流电流的大小,实时计算各路回流的占比,与步骤S2建立的健康指标进行对比,如果电流占比超出范围则说明回流电缆异常,需要关注回流电缆的健康状态,否则,说明回流电缆正常。
健康状态评估具体包括以下步骤:
K1、对各路回流电缆的回流电流大小在同一时刻下进行采集,记为IS(g),g=1…n;
其中回流电流大小的采集具体包括以下步骤:
N1、当第一微处理器3通过相连的第一通信模块4接收到数据采集之后后,第一微处理器3通过数据总线2以广播的方式给电流采集单元包含的第一电流测量模块、第二电流测量模块、第n电流测量模块发送测量指令;
N2、电流测量模块接收到测量指令后,启动电流传感器11,电流传感器11将电流信号传输到信号调理模块12进行数据处理,并继续传输给模数转换模块13进行模拟信号到数字信号的变换,最后送达第二微处理器14;
N3、第二微处理器14对电流数据进行计算和处理后通过连接的第二通信模块15将数据发送到数据总线2;
N4、第一微处理器3通过数据总线2接收到各电流测量模块(1~n)的测量数据,并通过相连的第一通信模块4将数据发送出去。
K3、比较Isp与步骤T3的健康指标Ib的大小,若Isp≥Ip,说明当前回流大小达到评估的阈值,则继续进行下述步骤,否则说明总回流电流过小,结束本次健康状态评估;
K4、计算步骤K2中各路回流的百分比,记为Psc(g),g表示回流电流的通道,g=1…n;
K5、将步骤K4计算结果Psc(g)与按照相同的通道(即g相同)与步骤T8中构建的健康指标Pcmax(g)和Pcmin(g)进行比较,若Psc(g)的大小介于Pcmax(g)和Pcmin(g)之间,则说明对应的回流电缆当前状态良好,否则,说明对应的回流电缆当前可能存在故障,应进行告警;
K6、不断重复步骤K1到步骤K5,以实现回流电缆健康状态的实时评估。
现有技术中虽然公开了利用神经网络学习模型的电缆健康状态评估方法,但BP神经网络算法的收敛速度慢:由于BP神经网络算法本质上为梯度下降法,它所要优化的目标函数是非常复杂的,因此,必然会出现“锯齿形现象”,这使得BP算法低效;又由于优化的目标函数很复杂,它必然会在神经元输出接近0或1的情况下,出现一些平坦区,在这些区域内,权值误差改变很小,使训练过程几乎停顿;BP神经网络模型中,为了使网络执行BP算法,不能使用传统的一维搜索法求每次迭代的步长,而必须把步长的更新规则预先赋予网络,这种方法也会引起算法低效。以上种种,导致了BP神经网络算法收敛速度慢的现象。
BP神经网络预测能力和训练能力的矛盾问题:预测能力也称泛化能力或者推广能力,而训练能力也称逼近能力或者学习能力。一般情况下,训练能力差时,预测能力也差,并且一定程度上,随着训练能力地提高,预测能力会得到提高。但这种趋势不是固定的,其有一个极限,当达到此极限时,随着训练能力的提高,预测能力反而会下降,也即出现所谓“过拟合”现象。出现该现象的原因是网络学习了过多的样本细节导致,学习出的模型已不能反映样本内含的规律。
本方法具备计算复杂度低、数据采集设备简单的特点,将回流电缆健康状态算法前移至前端设备,算法嵌入智能电子设备,计算结果通过通信传输给后台。所用到的计算方法,仅涉及到数值大小比较、数据便于查找和加减乘除等运算,非常容易实现,更可方便的嵌入智能电子设备中实时运行。无需进行模型训练,计算时间短,也不存在训练能力影响预测能力的问题。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于边缘计算的电缆健康状态评估方法,其特征在于:包括如下步骤:
S1、回流数据采集:对多路回流电缆的回流电流大小以等时间间隔进行同步采集,连续采集24小时,回流数值记录在二维数组I[t][g]中,t为某采样时刻,g为某路回流电缆通道;
S2、数据分析及健康指标的构建:对采集到的数据集I[t][g]进行分析和计算,首先计算出不同时刻下的总回流,剔除掉电流过小的数据,以消除小电流下的干扰数据影响健康状态的评估,然后计算各个时刻下的各路回流的占比,并对各路回流在不同时刻下的占比进行统计,得到占比的变化范围,并附加的评估阈值作为健康指标;
S3、健康状态评估:连续实时采集各路回流电流的大小,实时计算各路回流的占比,与步骤S2建立的健康指标进行对比,如果电流占比超出范围则说明回流电缆异常,需要关注回流电缆的健康状态,否则,说明回流电缆正常。
2.根据权利要求1所述的一种基于边缘计算的电缆健康状态评估方法,其特征在于:所述步骤S2中数据分析和健康指标的构建具体包括以下步骤:
T2、找出I(t)中的最大值,记为Imax;
T3、取Imax的k%,其中k为一个常数,作为数值基准,记为Ib,即Ib=Imax×k%;
T4、遍历步骤T2中涉及的I(t)中所有数据,将大于Ib的数据记录下来,筛选出新时刻下各路回流电缆的回流电流和T(i)=I(i),其中I(i)>Ib;
T5、根据步骤T4中找出t=i的时刻,将步骤S1中数据I[t][g]中对应的数据筛选出来,新数据集记为I[i][g],i为筛选后的采样时刻,g为某路回流电缆通道;
T6、使用新数据集I[i][g],计算出每一采集时刻各回流电缆回流占总回流T(i)的百分比记为P[i][g],即P[i][g]=I[i][g]/T(i),这里P表示百分比,i表示某采样时刻,g表示某路回流电缆通道;
T7、从P[i][g]中找出各回流电缆回流占总回流的百分比的最大值和最小值,分别记为Pmax(g)和Pmin(g),g表示某路回流电缆通道,g=1…n;
T8、使用Pmax(g)和Pmin(g),在其上附加评估阈值常数C,记为Pcmax(g)和Pcmin(g),计算方法为:
Pcmax(g)=Pmax(g)+C
Pcmin(g)=Pmin(g)-C
Pcmax(g)、Pcmin(g)和步骤T3中的Ib即为后期评估的每路回流电缆健康指标。
3.根据权利要求2所述的一种基于边缘计算的电缆健康状态评估方法,其特征在于:所述步骤S3的健康状态评估具体包括以下步骤:
K1、对各路回流电缆的回流电流大小在同一时刻下进行采集,记为IS(g),g=1…n;
K3、比较Isp与所述步骤T3的健康指标Ib的大小,若Isp≥Ip,说明当前回流大小达到评估的阈值,则继续进行下述步骤,否则说明总回流电流过小,结束本次健康状态评估;
K4、计算所述步骤K2中各路回流的百分比,记为Psc(g),g表示回流电流的通道,g=1…n;
K5、将所述步骤K4计算结果Psc(g)与按照相同的通道与步骤T8中构建的健康指标Pcmax(g)和Pcmin(g)进行比较,若Psc(g)的大小介于Pcmax(g)和Pcmin(g)之间,则说明对应的回流电缆当前状态良好,否则,说明对应的回流电缆当前可能存在故障,应进行告警;
K6、不断重复所述步骤K1到所述步骤K5,以实现回流电缆健康状态的实时评估。
4.根据权利要求3所述的一种基于边缘计算的电缆健康状态评估方法,其特征在于:所述步骤K1的回流电流大小的采集具体包括以下步骤:
N1、当第一微处理器通过相连的第一通信模块接收到数据采集之后,第一微处理器通过数据总线以广播的方式给电流采集单元包含的第一电流测量模块、第二电流测量模块、第n电流测量模块发送测量指令;
N2、所述电流测量模块接收到测量指令后,启动电流传感器,电流传感器将电流信号传输到信号调理模块进行数据处理,并继续传输给模数转换模块进行模拟信号到数字信号的变换,最后送达第二微处理器;
N3、所述第二微处理器对电流数据进行计算和处理后通过连接的第二通信模块将数据发送到数据总线;
N4、第一微处理器通过数据总线接收到各电流测量模块的测量数据,并通过相连的第一通信模块将数据发送出去。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189864.4A CN112327216B (zh) | 2020-10-30 | 2020-10-30 | 一种基于边缘计算的电缆健康状态评估装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189864.4A CN112327216B (zh) | 2020-10-30 | 2020-10-30 | 一种基于边缘计算的电缆健康状态评估装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112327216A CN112327216A (zh) | 2021-02-05 |
CN112327216B true CN112327216B (zh) | 2023-04-07 |
Family
ID=74297849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011189864.4A Active CN112327216B (zh) | 2020-10-30 | 2020-10-30 | 一种基于边缘计算的电缆健康状态评估装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327216B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713240A (zh) * | 2012-10-08 | 2014-04-09 | 四川金信石信息技术有限公司 | 高精度电缆局部放电无线检测仪 |
CN204758718U (zh) * | 2015-06-05 | 2015-11-11 | 扬州市鑫源电气有限公司 | 直流电缆系统全工况运行试验设备 |
CN108508331A (zh) * | 2018-02-08 | 2018-09-07 | 全球能源互联网欧洲研究院 | 电缆附件局部放电监测装置、方法、终端及可读存储介质 |
DE102017007252B3 (de) * | 2017-08-03 | 2018-11-29 | Rail Power Systems Gmbh | Überwachungsvorrichtung und Verfahren zur kontinuierlichen und vom Bahnrückstromfluss unabhängigen Überwachung der Integrität der Rückleitungsanschlussleiter einer Rückleitung für den Bahnstrom einer Bahnenergieversorungsanlage und Rückleitungs-System mit einer Rückleitung und einer Überwachungsvorrichtung zur Überwachung der Integrität der Rückleitungsanschlussleiter der Rückleitung |
CN109272257A (zh) * | 2018-11-02 | 2019-01-25 | 国网山西省电力公司电力科学研究院 | 一种基于高次谐波数据库的电缆缺陷评估方法和系统 |
CN109631986A (zh) * | 2018-12-03 | 2019-04-16 | 国网浙江省电力有限公司电力科学研究院 | 一种电缆及其工况监测预警系统 |
CN111107675A (zh) * | 2020-01-21 | 2020-05-05 | 山东科华电力技术有限公司 | 基于泛在电力物联网的电缆通道边缘物联终端及方法 |
-
2020
- 2020-10-30 CN CN202011189864.4A patent/CN112327216B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713240A (zh) * | 2012-10-08 | 2014-04-09 | 四川金信石信息技术有限公司 | 高精度电缆局部放电无线检测仪 |
CN204758718U (zh) * | 2015-06-05 | 2015-11-11 | 扬州市鑫源电气有限公司 | 直流电缆系统全工况运行试验设备 |
DE102017007252B3 (de) * | 2017-08-03 | 2018-11-29 | Rail Power Systems Gmbh | Überwachungsvorrichtung und Verfahren zur kontinuierlichen und vom Bahnrückstromfluss unabhängigen Überwachung der Integrität der Rückleitungsanschlussleiter einer Rückleitung für den Bahnstrom einer Bahnenergieversorungsanlage und Rückleitungs-System mit einer Rückleitung und einer Überwachungsvorrichtung zur Überwachung der Integrität der Rückleitungsanschlussleiter der Rückleitung |
CN108508331A (zh) * | 2018-02-08 | 2018-09-07 | 全球能源互联网欧洲研究院 | 电缆附件局部放电监测装置、方法、终端及可读存储介质 |
CN109272257A (zh) * | 2018-11-02 | 2019-01-25 | 国网山西省电力公司电力科学研究院 | 一种基于高次谐波数据库的电缆缺陷评估方法和系统 |
CN109631986A (zh) * | 2018-12-03 | 2019-04-16 | 国网浙江省电力有限公司电力科学研究院 | 一种电缆及其工况监测预警系统 |
CN111107675A (zh) * | 2020-01-21 | 2020-05-05 | 山东科华电力技术有限公司 | 基于泛在电力物联网的电缆通道边缘物联终端及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112327216A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN109813544B (zh) | 一种基于在线监测的旋转机械早期故障诊断方法及系统 | |
CN111146865A (zh) | 一种电力设备运维状态智能监测系统 | |
CN112345872A (zh) | 基于深度置信网络的换流站二次回路异常识别和预警方法 | |
CN115409131B (zh) | 基于spc过程管控系统的生产线异常检测方法 | |
CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
CN113805138B (zh) | 一种基于参数有向遍历的智能电表误差估计方法及装置 | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
CN111984705A (zh) | 一种电能质量监测装置的精度评估管理方法和装置 | |
CN114371353A (zh) | 一种基于声纹识别的电力设备异常监测方法及系统 | |
CN116315173A (zh) | 基于新能源汽车的电池温度采样系统 | |
CN117318310B (zh) | 一种防爆配电柜远程无人智慧监测系统 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
CN112327216B (zh) | 一种基于边缘计算的电缆健康状态评估装置及方法 | |
CN117491813A (zh) | 新能源汽车动力电池系统绝缘异常检测方法 | |
CN116593829B (zh) | 基于数据分析的输电线路隐患在线监测系统 | |
CN103364669B (zh) | Gis设备运行状态在线检测方法与系统 | |
CN116910655A (zh) | 一种基于装置量测数据的智能电能表故障预测方法 | |
CN116317103A (zh) | 一种配电网电压数据处理方法 | |
CN113581015B (zh) | 燃料电池系统的安全预警方法及装置 | |
CN114838923A (zh) | 有载分接开关的故障诊断模型建立方法及故障诊断方法 | |
CN116520236B (zh) | 一种智能电表的异常检测方法和系统 | |
CN117783792B (zh) | 基于多参数实时监测的阀侧套管绝缘状态检测方法及系统 | |
CN113591393B (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 |
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 |