CN112504505A - 一种基于多变量状态估计的高压隧道电缆过热预警方法 - Google Patents
一种基于多变量状态估计的高压隧道电缆过热预警方法 Download PDFInfo
- Publication number
- CN112504505A CN112504505A CN202010892845.1A CN202010892845A CN112504505A CN 112504505 A CN112504505 A CN 112504505A CN 202010892845 A CN202010892845 A CN 202010892845A CN 112504505 A CN112504505 A CN 112504505A
- Authority
- CN
- China
- Prior art keywords
- data
- vector
- early warning
- voltage
- normal
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013021 overheating Methods 0.000 title claims abstract description 17
- 239000013598 vector Substances 0.000 claims abstract description 88
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000001960 triggered effect Effects 0.000 abstract description 3
- 238000009529 body temperature measurement Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Laying Of Electric Cables Or Lines Outside (AREA)
Abstract
本发明涉及一种基于多变量状态估计的高压隧道电缆过热预警方法,包括:采集正常历史数据,进行数据预处理;进行数据标准化;构建记忆矩阵D;输入当前运行数据,形成观测向量;预估估计向量;计算残差和置信区间并预警。本发明可以在不额外增加监测设备的前提下,实现高压隧道电缆过热预警的目的;本发明实现了在潜在故障点影响系统运行之前就触发报警,提醒运维检修人员进行维修,避免出现事故,提高了高压电缆输电系统的运行安全性和经济性。
Description
技术领域
本发明涉及高压电缆过热预警技术领域,尤其是一种基于多变量状态估计的高压隧道电缆过热预警方法。
背景技术
高压电缆相较于架空输电线路具有供电可靠性高、占地面积小、受外界干扰小等优点,在电力输电系统中得到了广泛的应用。高压电缆由于机械损伤、过载运行、电缆接头故障等原因导致电缆出现潜在故障点,这些故障点通常出现在绝缘层或金属护套层,检修人员难以发现。此外,目前没有既定的监测指标来确定故障点的运行状态,使得检修人员缺乏参考标准。高压电缆潜在故障点的出现会导致运行电流异常,从而热效应加剧,如果未及时维修,故障点及其周围的导体和绝缘长期运行在过热状态,容易导致绝缘老化和导体受损,进而热效应更加明显,如此循环往复,最终导致电缆故障,从而致使周围电缆或连接的高压设备受影响,扩大了事故范围。
基于红外测温、热电式测温和分布式光纤测温原理的高压电缆在线监测系统已得到广泛应用,此系统可以实时监测电缆上各点的温度,若温度超过给定的阈值便会触发报警,告知检修人员。但目前的在线监测系统的功能仅在温度超过某阈值时才能触发报警,即此时潜在故障点已出现,无法在故障点出现之前就能及时地制止其发生。
发明内容
本发明的目的在于提供一种能够超前估计故障点的出现并触发报警告知运维检修人员,避免由于潜在故障点的出现导致的绝缘老化和导体受损等伤害,有利于延长电缆寿命,减少故障发生率,提高高压电缆输电系统的运行安全性和经济性的基于多变量状态估计的高压隧道电缆过热预警方法。
为实现上述目的,本发明采用了以下技术方案:一种基于多变量状态估计的高压隧道电缆过热预警方法,该方法包括下列顺序的步骤:
(1)采集正常历史数据,进行数据预处理;
(2)进行数据标准化;
(3)构建记忆矩阵D;
(4)输入当前运行数据,形成观测向量;
(5)预估估计向量;
(6)计算残差和置信区间并预警。
所述步骤(1)具体是指:获得通过高压电缆在线监测系统监测和存储的数据,对数据进行筛选:若数据在既定的正常范围内波动,则运行状态正常,提取为正常历史数据,若超出正常范围,则剔除该数据;将经过筛选后的历史数据构成历史观测向量集合M;
列向量表示高压电缆在某一正常运行时刻下的状态,则在某一时刻i处的列向量为:
X(i)=[x1 x2 … xn]T
对高压电缆m个正常状态值的正常运行数据进行采集后,构成的历史观测向量集合M表示为:
其中,n表示高压电缆有n个相关测点参数;m表示高压电缆某一个测点参数有m个正常状态值。
所述步骤(2)具体是指:
采用z-score方法对运行数据标准化:
其中,μ为总体数据的均值;δ为总体数据的标准差;x为个体的观测值。
所述步骤(3)具体是指:首先从历史观测向量集合M中提取特殊点,该特殊点包括系统每个变量的最大值和最小值,然后等步长地选取历史观测向量集合M中除特殊点外的数据来构建记忆矩阵D。
所述步骤(5)具体是指:使用多变量状态估计方法MSET进行状态预估,设一个时间点的观测向量为Xobs,估计向量为Xest,存在一个对应的权向量W:
W=[ω1 ω2 … ωm]T
估计向量Xest是由记忆矩阵D中的m个时间点的历史观测向量与权向量W线性组合后输出的向量;
估计向量Xest与记忆矩阵D和权向量W存在以下关系:
Xest=D·W=ω1·X(1)+ω2·X(2)+...ωm·X(m)
权向量W的确定方法如下:
W=(DT·D)-1·(D-1·Xobs)
则估计向量计算表达式为:
所述步骤(6)具体是指:故障预警阈值由下式决定:
E=k×Emax
其中,Emax为残差均值的绝对值最大值,k为预警阈值系数;
观测向量与估计向量之间的残差为:
ε=Xobs-Xest
残差服从均值和标准差未知的正态分布,置信度为1-α,则均值的置信区间为:
标准差的置信区间为:
当上述两个置信区间其中一个超出设定的阈值范围时,触发预警信号。
由上述技术方案可知,本发明的有益效果为:第一,本发明可以在不额外增加监测设备的前提下,实现高压隧道电缆过热预警的目的;第二,本发明实现了在潜在故障点影响系统运行之前就触发报警,提醒运维检修人员进行维修,避免出现事故,提高了高压电缆输电系统的运行安全性和经济性。
附图说明
图1为本发明的方法流程图;
图2为1#电缆接头及电缆段示意图;
图3为数据剔除步骤图;
图4为筛选记忆矩阵方法流程图。
具体实施方式
如图1所示,一种基于多变量状态估计的高压隧道电缆过热预警方法,该方法包括下列顺序的步骤:
(1)采集正常历史数据,进行数据预处理;
(2)进行数据标准化;
(3)构建记忆矩阵D;
(4)输入当前运行数据,形成观测向量;
(5)预估估计向量;
(6)计算残差和置信区间并预警。
所述步骤(1)具体是指:获得通过高压电缆在线监测系统监测和存储的数据,对数据进行筛选:若数据在既定的正常范围内波动,则运行状态正常,提取为正常历史数据,若超出正常范围,则剔除该数据;将经过筛选后的历史数据构成历史观测向量集合M。
根据高压电缆在线监测系统所检测的电缆状态重要指标,选取电缆护层接地电流、电缆中间接头温度、三相电缆表面温度和线芯电流作为故障预警的重要指标。研究对象以某一段高压电缆1#电缆接头及电缆为例,如图2所示。通过高压电缆在线监测系统实现状态监测,监测参数如表1所示。
表1
根据表1可知,1#电缆接头及电缆一共具有16个监测变量,分别记为x1、x2、…、x16,选取某半个月的2017个10min间隔的数据进行分析和处理。如图3所示,若数据在既定的范围内波动,则运行状态正常,提取为正常历史数据;若超出正常范围,则剔除这些数据。将经过筛选后的历史数据构成历史观测向量集合M,经过筛选后总共有m个正常状态值。
列向量表示高压电缆在某一正常运行时刻下的状态,则在某一时刻i处的列向量为:
X(i)=[x1 x2 … xn]T
对高压电缆m个正常状态值的正常运行数据进行采集后,构成的历史观测向量集合M表示为:
其中,n表示高压电缆有n个相关测点参数;m表示高压电缆某一个测点参数有m个正常状态值。
所述步骤(2)具体是指:
采用z-score方法对运行数据标准化:
其中,μ为总体数据的均值;δ为总体数据的标准差;x为个体的观测值。这样,就能够将不同量纲的数据转换到相同的量级上,实现标准化。
所述步骤(3)具体是指:首先从历史观测向量集合M中提取特殊点,该特殊点包括系统每个变量的最大值和最小值,然后等步长地选取历史观测向量集合M中除特殊点外的数据来构建记忆矩阵D。
此过程的实质是对高压电缆正常运行时的特性的学习和记忆过程,该记忆矩阵涵盖了高压电缆的正常运行空间。在从历史观测向量集M中构建记忆矩阵D时,首先应从历史观测向量集M中提取特殊点,该特殊点包括系统每个变量的最大值和最小值,因为这些变量体现了系统在正常运行时的特殊状态。然后等步长地选取其他数据,具体步骤如图4所示,其中δ为较小的正数,一般取0.001;l为步长,一般取0.01。i表示历史观测向量集合M中的第i行,t表示历史观测向量集合M中的第t列,xmin为该行变量的最小值,xmax为该行变量的最大值,A为中间变量。第一步,令i=1;第二步,计算A=l×(i-1)+xmin,并令t=1。第三步,判断|x(t)-A|的值是否小于设定的δ,若小于,则将对应的x(t)加入到记忆矩阵D,并进入第五步;若大于,则进入下一步。第四步,判断t是否大于m,若是,则进入下一步;若否,则t在原来的数值上加1后回到第三步。第五步,判断i>(xmax-xmin)/l这个式子是否成立,若成立,则记忆矩阵D构建完成;若不成立,则i在原来的数值上1后回到第二步。最终形成的记忆矩阵D为:
采用此方法构建和筛选的记忆矩阵,能够使预处理后数据全覆盖历史运行状态,且状态不存在重复,简化后续的运算。
所述步骤(4)具体是指:输入当前某一时间点高压电缆监测系统检测到的电缆护层接地电流、电缆中间接头温度、三相电缆表面温度及纤芯温度,形成观测向量,表示为Xobs=[x1,x2,...,x16]T。
所述步骤(5)具体是指:使用多变量状态估计方法MSET进行状态预估,设一个时间点的观测向量为Xobs,估计向量为Xest,存在一个对应的权向量W:
W=[ω1 ω2 … ωm]T
估计向量Xest是由记忆矩阵D中的m个时间点的历史观测向量与权向量W线性组合后输出的向量;
估计向量Xest与记忆矩阵D和权向量W存在以下关系:
Xest=D·W=ω1·X(1)+ω2·X(2)+...ωm·X(m)
权向量W的确定方法如下:
W=(DT·D)-1·(D-1·Xobs)
则估计向量计算表达式为:
由此可知,当系统正常运行时,输入的当前观测向量属于记忆矩阵的运行空间,观测向量与某个历史观测向量的欧式距离极近,此时经运算得到的估计向量精度极高。当系统出现故障或存在潜在故障点时,系统参数的特性发上变化,观测向量偏离记忆矩阵的正常空间,观测向量与历史观测向量间的欧式距离增大,此时经运算得到的估计向量精度大大降低,使得观测向量与估计向量间的残差增大。
所述步骤(6)具体是指:故障预警阈值由下式决定:
E=k×Emax
其中,Emax为残差均值的绝对值最大值,k为预警阈值系数;
观测向量与估计向量之间的残差为:
ε=Xobs-Xest
残差服从均值和标准差未知的正态分布,置信度为1-α,则均值的置信区间为:
标准差的置信区间为:
当上述两个置信区间其中一个超出设定的阈值范围时,触发预警信号。
当系统正常运行时,残差的均值接近零,标准差较小。当系统出现故障或存在潜在故障点时,残差的均值和标准差可能出现以下三种情况
1.残差的均值接近零,残差的标准差增大。
2.残差的均值偏离零值,残差的标准差变化不大。
3.上述两种情况的组合。
综上所述,本发明首先对高压电缆正常运行时的电缆护层接地电流、电缆中间接头温度、三相电缆表面温度和纤芯温度进行采集,剔除异常数据后采用z-score法标准化,得到相同量纲的正常历史数据,形成历史观测集;然后构建记忆矩阵,矩阵的行表示监测点的个数,列表示不同的正常运行状态,从历史观测集中提取数据构成记忆矩阵时采用选取特殊点及等步长地选取其他数据的方法,保证状态不存在重复;最后,输入当前运行数据,预估估计向量,计算观测向量与估计向量间的残差和置信区间,当残差均值或标准差对应的置信区间超过设定阈值时,高压电缆存在潜在故障,触发过热预警信号,避免了当输入的观测向量正好处于记忆矩阵覆盖能力较弱区域时的预警不准确的问题,提高了预警正确性,实现了超前预警。
Claims (6)
1.一种基于多变量状态估计的高压隧道电缆过热预警方法,其特征在于:该方法包括下列顺序的步骤:
(1)采集正常历史数据,进行数据预处理;
(2)进行数据标准化;
(3)构建记忆矩阵D;
(4)输入当前运行数据,形成观测向量;
(5)预估估计向量;
(6)计算残差和置信区间并预警。
4.根据权利要求1所述的基于多变量状态估计的高压隧道电缆过热预警方法,其特征在于:所述步骤(3)具体是指:首先从历史观测向量集合M中提取特殊点,该特殊点包括系统每个变量的最大值和最小值,然后等步长地选取历史观测向量集合M中除特殊点外的数据来构建记忆矩阵D。
5.根据权利要求1所述的基于多变量状态估计的高压隧道电缆过热预警方法,其特征在于:所述步骤(5)具体是指:使用多变量状态估计方法MSET进行状态预估,设一个时间点的观测向量为Xobs,估计向量为Xest,存在一个对应的权向量W:
W=[ω1 ω2 … ωm]T
估计向量Xest是由记忆矩阵D中的m个时间点的历史观测向量与权向量W线性组合后输出的向量;
估计向量Xest与记忆矩阵D和权向量W存在以下关系:
Xest=D·W=ω1·X(1)+ω2·X(2)+...ωm·X(m)
权向量W的确定方法如下:
W=(DT·D)-1·(D-1·Xobs)
则估计向量计算表达式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010892845.1A CN112504505A (zh) | 2020-08-31 | 2020-08-31 | 一种基于多变量状态估计的高压隧道电缆过热预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010892845.1A CN112504505A (zh) | 2020-08-31 | 2020-08-31 | 一种基于多变量状态估计的高压隧道电缆过热预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112504505A true CN112504505A (zh) | 2021-03-16 |
Family
ID=74953413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010892845.1A Pending CN112504505A (zh) | 2020-08-31 | 2020-08-31 | 一种基于多变量状态估计的高压隧道电缆过热预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112504505A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918376A (zh) * | 2021-12-14 | 2022-01-11 | 湖南天云软件技术有限公司 | 故障检测方法、装置、设备及计算机可读存储介质 |
CN115267409A (zh) * | 2022-09-26 | 2022-11-01 | 北京中电普华信息技术有限公司 | 一种电力设备故障检测方法、装置及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014120773A1 (en) * | 2013-01-29 | 2014-08-07 | The General Hospital Corporation | Apparatus and method for mesoskopic tomography |
CN106368816A (zh) * | 2016-10-27 | 2017-02-01 | 中国船舶工业系统工程研究院 | 一种基于基线偏差的船舶低速柴油机在线异常检测方法 |
CN106599580A (zh) * | 2016-12-14 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 基于可重构度的卫星在轨健康状态评估方法及评估系统 |
CN107046680A (zh) * | 2017-05-22 | 2017-08-15 | 湖南大学 | 一种基于可信位置指纹的室内定位方法 |
CN107609574A (zh) * | 2017-08-18 | 2018-01-19 | 上海电力学院 | 基于数据挖掘的风电机组故障预警方法 |
RU2649542C1 (ru) * | 2016-12-06 | 2018-04-03 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ и система удаленного мониторинга объектов |
CN110162743A (zh) * | 2019-05-08 | 2019-08-23 | 孙力勇 | 一种基于k邻域非线性状态估计算法的数据治理方法 |
CN110298455A (zh) * | 2019-06-28 | 2019-10-01 | 西安因联信息科技有限公司 | 一种基于多变量估计预测的机械设备故障智能预警方法 |
-
2020
- 2020-08-31 CN CN202010892845.1A patent/CN112504505A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014120773A1 (en) * | 2013-01-29 | 2014-08-07 | The General Hospital Corporation | Apparatus and method for mesoskopic tomography |
CN106368816A (zh) * | 2016-10-27 | 2017-02-01 | 中国船舶工业系统工程研究院 | 一种基于基线偏差的船舶低速柴油机在线异常检测方法 |
RU2649542C1 (ru) * | 2016-12-06 | 2018-04-03 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ и система удаленного мониторинга объектов |
CN106599580A (zh) * | 2016-12-14 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 基于可重构度的卫星在轨健康状态评估方法及评估系统 |
CN107046680A (zh) * | 2017-05-22 | 2017-08-15 | 湖南大学 | 一种基于可信位置指纹的室内定位方法 |
CN107609574A (zh) * | 2017-08-18 | 2018-01-19 | 上海电力学院 | 基于数据挖掘的风电机组故障预警方法 |
CN110162743A (zh) * | 2019-05-08 | 2019-08-23 | 孙力勇 | 一种基于k邻域非线性状态估计算法的数据治理方法 |
CN110298455A (zh) * | 2019-06-28 | 2019-10-01 | 西安因联信息科技有限公司 | 一种基于多变量估计预测的机械设备故障智能预警方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918376A (zh) * | 2021-12-14 | 2022-01-11 | 湖南天云软件技术有限公司 | 故障检测方法、装置、设备及计算机可读存储介质 |
CN115267409A (zh) * | 2022-09-26 | 2022-11-01 | 北京中电普华信息技术有限公司 | 一种电力设备故障检测方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101553005B1 (ko) | 전력설비의 부분방전 감시진단 시스템 | |
KR101574615B1 (ko) | 통계적 위상패턴 기반의 신호검출 방법을 이용한 전력설비 부분 방전 감시진단 시스템 | |
CN112504505A (zh) | 一种基于多变量状态估计的高压隧道电缆过热预警方法 | |
CN112304446B (zh) | 电力设备报警处理方法和装置 | |
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 | |
CN109474333B (zh) | 一种基于深度学习的电力光缆实时监测保护系统 | |
CN114430199A (zh) | 一种基于大数据的开关柜运行监管系统 | |
CN114169237B (zh) | 结合eemd-lstm及孤立森林算法的电力电缆接头温度异常预警方法 | |
CN112016835A (zh) | 配电网电缆线路监测方法、计算机设备和存储介质 | |
Žarković et al. | Artificial intelligence SF6 circuit breaker health assessment | |
CN117407679A (zh) | 智能末屏传感器的数据采集方法及系统 | |
CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
CN112327218A (zh) | 一种变压器在线监测与故障诊断方法 | |
CN116596301A (zh) | 基于零次学习法的电缆多状态变量评估模型设计方法及装置 | |
US20230273269A1 (en) | Determining states of electrical equipment using variations in diagnostic parameter prediction error | |
CN112731221A (zh) | 一种电力变压器绕组变形在线监测方法及装置 | |
CN112735788A (zh) | 油浸式电力变压器绕组监测方法及装置 | |
CN110702235A (zh) | 一种基于光纤传感网环境下的光缆线路温度监测系统 | |
Poluyanovich et al. | Multifactor Model for Forecasting Thermal Processes in the Insulating Materials of Cable Lines | |
LU504920B1 (en) | Non-contact insulation monitoring method and system for circuit breakers based on array spatial electric field | |
Zou et al. | Research on the early-warning model of power OPGW cable operating status based on joint judgment | |
CN107844899B (zh) | 一种高压电缆陶瓷防护层机械强度的预测方法 | |
CN117274225A (zh) | 一种配电柜的智能控制系统及方法 | |
CN117109754A (zh) | 电气接头故障预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |
|
RJ01 | Rejection of invention patent application after publication |