CN112733414A - 基于压力波检测的电缆接头绝缘状态评估方法 - Google Patents
基于压力波检测的电缆接头绝缘状态评估方法 Download PDFInfo
- Publication number
- CN112733414A CN112733414A CN202011610989.XA CN202011610989A CN112733414A CN 112733414 A CN112733414 A CN 112733414A CN 202011610989 A CN202011610989 A CN 202011610989A CN 112733414 A CN112733414 A CN 112733414A
- Authority
- CN
- China
- Prior art keywords
- cable joint
- defect
- insulation
- cable
- pressure wave
- 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
- 238000009413 insulation Methods 0.000 title claims abstract description 84
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000007547 defect Effects 0.000 claims abstract description 101
- 238000013210 evaluation model Methods 0.000 claims abstract description 31
- 239000002245 particle Substances 0.000 claims abstract description 20
- 238000012706 support-vector machine Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 230000032683 aging Effects 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 17
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 8
- 238000002788 crimping Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 5
- 238000006731 degradation reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000010355 oscillation Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 53
- 229920002379 silicone rubber Polymers 0.000 description 10
- 239000004945 silicone rubber Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000011859 microparticle Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 238000011900 installation 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- 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
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于压力波检测的电缆接头绝缘状态评估方法，属于电缆接头绝缘评估技术领域。使用激光诱导压力波的方式对电缆接头进行检测，采集电缆接头及其周围纹波的幅值；基于支持向量机构建电缆接头内部缺陷和绝缘程度评估模型；利用粒子群算法对模型参数进行优化；选取合适的核函数构造电缆接头内部缺陷和绝缘程度评估模型。实现电缆接头内部缺陷和绝缘程度准确评估。
Description
技术领域
本发明涉及电缆接头绝缘评估技术领域，具体是一种基于压力波检测的电缆接头绝缘状态评估方法。
背景技术
电缆是电网中发生故障几率较大的设备之一，由于受安装工艺、敷设环境、外力破坏、使用工况等因素影响，导致其内部经常出现一些遗留潜伏性隐患，内部隐患往往兼具缓慢发展和突发表征的特点，加之状态可观性先天不足，因此在交接及运行阶段均无法及时发现，缺乏主动处置手段最终导致绝缘缺陷，以至于因绝缘导致隐患扩大与事故发生，其中以电缆中间接头和终端头绝缘故障的比例最高。引起电缆局部放电直接原因，就是材料中杂质、气泡等宏观缺陷。虽然在电缆生产过程中材料是无缺陷的连续均匀介质，但是电缆在生产和加工过程中内部的杂质、气泡等宏观缺陷是难以避免，特别是在现场制作电缆接头过程中，由于现场环境、制作工艺不规范等问题，造成电缆接头内部缺陷，当电缆中发生局部放电后，由于电场力的作用或压力的作用，气隙会产生膨胀和收缩的过程，这个过程将会引起局部体积变化。这种体积的变化，在外部产生压力波。以往都是从信号处理的方面进行研究，而对于局放中的电—压力波转换过程研究较少。
公布号为CN 106680674 A的专利文献公开了一种电缆接头绝缘状态评估方法，该方法包括：建立电缆接头绝缘内部气隙缺陷放电的控制方程；分析电缆接头绝缘内部气隙放电过程中的微观粒子化学反应；依据所述控制方程和微观粒子化学反应建立电缆接头放电的等离子体化学模型；对电缆接头放电的等离子体化学模型进行求解，评估电缆接头绝缘裂化状态。该方法实现获取电缆接头绝缘状态。但是，该发明并非基于压力波对电缆接头内部缺陷和绝缘程度进行评估，而且其评估的准确率有待提高。
公布号为CN 112083294 A的专利文献公开了一种利用超声声速无损评估硅橡胶电缆接头状态的方法，利用超声声速判断硅橡胶电缆接头运行历史并评估其老化状态的方，并建立硅橡胶电缆接头绝缘的超声声速与其90℃下等效运行年限的关系曲线，并指出了并指出了硅橡胶电缆接头绝缘层的超声声速随电缆接头运行时间与老化程度的增加而上升的变化关系。但是，该发明采用传统超声探测的方法，探测准确性差，而且其通过电缆接头运行时间与老化程度的关系来对电缆接头进行评估，评估准确性差。
发明内容
有鉴于此，本发明针对现有技术的不足，提供的一种能够准确评估电缆接头内部缺陷和绝缘程度的基于压力波检测的电缆接头绝缘状态评估方法。
为解决上述技术问题，本发明所采取的技术方案是：一种基于压力波检测的电缆接头绝缘状态评估方法，包括以下步骤：
S1：使用激光诱导压力波的方式对电缆接头进行检测，采集电缆接头及其周围纹波的幅值；
S2：基于支持向量机构建电缆接头内部缺陷和绝缘程度评估模型；
S3：利用粒子群算法对模型参数进行优化；
S4：选取合适的核函数构造电缆接头内部缺陷和绝缘程度评估模型。
进一步的，利用支持向量机构建电缆接头内部缺陷和绝缘程度评估模型，包括以下步骤：
步骤(1)：数据的采集与归一化处理
针对电缆接头压接缺陷导致的接触电阻过大，将接触系数k在 [1.00,3.00]之间每隔0.01进行一次诊断函数DF(x)仿真计算，以接触系数k＝1作为基准函数，得到不同接触系数k下的数据；同理，针对电缆接头绝缘老化缺陷，将复介电常数e在 [2.30+j0.001,2.60+j0.001]和[3.20+j0.001,4.20+j0.001]之间每隔 0.005进行一次诊断函数DF(x)仿真计算，以复介电常数 e＝2.3+j0.001作为基准函数，得到不同绝缘老化程度的仿真数据；
步骤(2)：绝缘劣化程度的分级
考虑到工程实际应用，将电缆接头接触电阻过大和绝缘老化两类常见的内部缺陷程度分为正常(N)、轻度缺陷(M)和重度缺陷(S)三大类。工程实际中，一般将电缆接头接触系数k小于1.2的电缆接头判定为正常；当电缆在150℃的高温下老化时间小于21天时，其复介电常数由2.3逐渐增大到2.6左右；但当老化时间超过21天时，其复介电常数会出现一个跃变，从2.6跃变到3.2，然后再随着老化时间的增加逐渐增加到4.2；
当电缆接头处于正常状态时，说明此时电缆接头状态良好；当处于轻度缺陷时，电缆线路仍然可以运行，但处于预警状态；当电缆线路状态划分情况为重度缺陷时，马上采取措施，排除缺陷。
进一步的，步骤(1)中，由于评估诊断函数DF(x)在缺陷点处有一个明显的突变峰，但由于积分变换函数是一个连续函数，因此突变峰两边会出现幅值较小的震荡，即纹波。纹波的幅值与突变峰幅值类似，也会随着缺陷程度的变化而相应地发生变化，在进行缺陷程度判断时，为了提高判断的准确度，将突变峰周围的纹波幅值也作为缺陷程度判断的依据。如某一内部缺陷程度下，电缆接头位于500m处时，在400m～600m之间每隔2m采集一个诊断函数DF(x)的幅值，作为该缺陷程度下的一个数据组。
进一步的，步骤(1)中，为了提高分类结果的准确性，运用归一化的方式对数据进行预处理，以避免数据间因数量级差别较大而造成的误差。数据归一化是指将特征值从一个大范围映射到[0,1]，其映射公式为：
其中，x为归一化前的原始数据；Xmax和Xmin分别为原始数据的最小值和最大值。
进一步的，S3中，通过引入粒子群算法对惩罚参数C和核函数参数g进行寻优，对基于支持向量机的电缆接头内部缺陷和绝缘程度评估模型进行优化。
进一步的，选择多项式核函数作为电缆接头内部缺陷和绝缘程度评估模型的核函数，以获得高准确率。
当电缆中发生局部放电后，由于电场力的作用或压力的作用，气隙会产生膨胀和收缩的过程，这个过程将会引起局部体积变化。这种体积的变化，在外部产生压力波。以往都是从信号处理的方面进行研究，而对于局放中的电—压力波转换过程研究较少。现有电缆接头的放电检测通常采用电测法和非电测法两大类，电测法包括电声脉冲法(PEA)，无线电干扰电压表法，介质损耗分析等。非电测法包括声波测试法、放电光测法和热红外检测法等，而各种检测方法采集的数据种类均不相同，从而根据不同种类数据构建评估模型也各不相同，如公布号CN 106680674 A公开的一种电缆接头绝缘状态评估方法，建立电缆接头绝缘内部气隙缺陷放电的控制方程；分析电缆接头绝缘内部气隙放电过程中的微观粒子化学反应；依据所述控制方程和微观粒子化学反应建立电缆接头放电的等离子体化学模型；对电缆接头放电的等离子体化学模型进行求解，评估电缆接头绝缘裂化状态；又如公布号CN 112083294 A的专利文献公开了一种利用超声声速无损评估硅橡胶电缆接头状态的方法，利用超声声速判断硅橡胶电缆接头运行历史并评估其老化状态的方，并建立硅橡胶电缆接头绝缘的超声声速与其90℃下等效运行年限的关系曲线，并指出了并指出了硅橡胶电缆接头绝缘层的超声声速随电缆接头运行时间与老化程度的增加而上升的变化关系；由此可知，本申请基于压力波检测的电缆接头绝缘状态评估方法，对本领域技术人员来说是不容易想到的。
与现有技术相比，本发明的有益效果如下：
本发明基于压力波检测的电缆接头绝缘状态评估方法，通过采集电缆接头及其周围纹波的幅值，基于支持向量机构建了电缆接头内部缺陷和绝缘程度评估模型，由于评估模型参数对准确率影响较大，利用粒子群算法对模型参数进行优化，最后选取合适的核函数构造电缆接头内部缺陷评估模型，从而获得较高的准确率。
另外，在进行缺陷程度判断时，为了提高判断的准确度，将突变峰周围的纹波幅值也作为缺陷程度判断的依据。如某一内部缺陷程度下，电缆接头位于500m处时，在400m～600m之间每隔2m采集一个波形的幅值，作为该缺陷程度下的一个数据组。为了提高分类结果的准确性，运用归一化的方式对数据进行预处理，以避免数据间因数量级差别较大而造成的误差。
另外，在基于支持向量机的电缆接头内部缺陷和绝缘程度评估模型参数固定的情况下，核函数的选择对评估模型的准确率有很大影响，对于电缆接头压接缺陷评估模型，采用多项式核函数时，模型评估准确率达到86.83％。
具体实施方式
为了更好地理解本发明，下面结合实施例进一步清楚阐述本发明的内容，但本发明的保护内容不仅仅局限于下面的实施例。在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明可以无需一个或多个这些细节而得以实施。
实施例一
一种基于压力波检测的电缆接头绝缘状态评估方法，包括以下步骤：
S1：使用激光诱导压力波的方式对电缆接头进行检测，采集电缆接头及其周围纹波的幅值；
S2：基于支持向量机构建电缆接头内部缺陷和绝缘程度评估模型；
S3：利用粒子群算法对模型参数进行优化；
S4：选取合适的核函数构造电缆接头内部缺陷和绝缘程度评估模型。
具体的，S1中，激光照射电缆接头发出压力波，压力波穿过电缆接头并扰动电缆接头内部的空间电荷，进而导致电缆接头的介电常数发生变化，通过测试由介电常数变化影响的外电路电流，以此表征电缆接头中的空间电荷分布，根据空间电荷分布确定电缆接头及其周围纹波的幅值。
实施例二
一种基于压力波检测的电缆接头绝缘状态评估方法，包括以下步骤：
S1：使用激光诱导压力波的方式对电缆接头进行检测，采集电缆接头及其周围纹波的幅值；
S2：基于支持向量机构建电缆接头内部缺陷和绝缘程度评估模型；
S3：利用粒子群算法对模型参数进行优化；
S4：选取合适的核函数构造电缆接头内部缺陷和绝缘程度评估模型。
具体的，S1中，激光照射电缆接头发出压力波，压力波穿过电缆接头并扰动电缆接头内部的空间电荷，进而导致电缆接头的介电常数发生变化，通过测试由介电常数变化影响的外电路电流，以此表征电缆接头中的空间电荷分布，根据空间电荷分布确定电缆接头及其周围纹波的幅值。
本发明实施例的基于压力波检测的电缆接头绝缘状态评估方法，与实施例一的不同之处在于：
S2中，利用支持向量机构建电缆接头内部缺陷和绝缘程度评估模型，包括以下步骤：
步骤(1)：数据的采集与归一化处理
针对电缆接头压接缺陷导致的接触电阻过大，将接触系数k在 [1.00,3.00]之间每隔0.01进行一次诊断函数DF(x)仿真计算，诊断函数DF(x)即电缆接头及其周围纹波的波形函数，以接触系数k＝1作为基准函数，得到不同接触系数k下的数据；同理，针对电缆接头绝缘老化缺陷，将复介电常数e在[2.30+j0.001,2.60+j0.001]和 [3.20+j0.001,4.20+j0.001]之间每隔0.005进行一次诊断函数DF(x) 仿真计算，以复介电常数e＝2.3+j0.001作为基准函数，得到不同绝缘老化程度的仿真数据；
步骤(2)：绝缘劣化程度的分级
考虑到工程实际应用，将电缆接头接触电阻过大和绝缘老化两类常见的内部缺陷程度分为正常(N)、轻度缺陷(M)和重度缺陷(S)三大类。工程实际中，一般将电缆接头接触系数k小于1.2的电缆接头判定为正常；当电缆在150℃的高温下老化时间小于21天时，其复介电常数由2.3逐渐增大到2.6左右；但当老化时间超过21天时，其复介电常数会出现一个跃变，从2.6跃变到3.2，然后再随着老化时间的增加逐渐增加到4.2；
当电缆接头处于正常状态时，说明此时电缆接头状态良好；当处于轻度缺陷时，电缆线路仍然可以运行，但处于预警状态；当电缆线路状态划分情况为重度缺陷时，马上采取措施，排除缺陷。
步骤(1)中，由于评估诊断函数DF(x)在缺陷点处有一个明显的突变峰，但由于积分变换函数是一个连续函数，因此突变峰两边会出现幅值较小的震荡，即纹波。纹波的幅值与突变峰幅值类似，也会随着缺陷程度的变化而相应地发生变化，在进行缺陷程度判断时，为了提高判断的准确度，将突变峰周围的纹波幅值也作为缺陷程度判断的依据。如某一内部缺陷程度下，电缆接头位于500m处时，在 400m～600m之间每隔2m采集一个诊断函数DF(x)的幅值，作为该缺陷程度下的一个数据组。
为了提高分类结果的准确性，运用归一化的方式对数据进行预处理，以避免数据间因数量级差别较大而造成的误差。数据归一化是指将特征值从一个大范围映射到[0,1]，其映射公式为：
其中，x为归一化前的原始数据；Xmax和Xmin分别为原始数据的最小值和最大值。
实施例三
一种基于压力波检测的电缆接头绝缘状态评估方法，包括以下步骤：
S1：使用激光诱导压力波的方式对电缆接头进行检测，采集电缆接头及其周围纹波的幅值；
S2：基于支持向量机构建电缆接头内部缺陷和绝缘程度评估模型；
S3：利用粒子群算法对模型参数进行优化；
S4：选取合适的核函数构造电缆接头内部缺陷和绝缘程度评估模型。
具体的，S1中，激光照射电缆接头发出压力波，压力波穿过电缆接头并扰动电缆接头内部的空间电荷，进而导致电缆接头的介电常数发生变化，通过测试由介电常数变化影响的外电路电流，以此表征电缆接头中的空间电荷分布，根据空间电荷分布确定电缆接头及其周围纹波的幅值。
S2中，利用支持向量机构建电缆接头内部缺陷和绝缘程度评估模型，包括以下步骤：
步骤(1)：数据的采集与归一化处理
针对电缆接头压接缺陷导致的接触电阻过大，将接触系数k在 [1.00,3.00]之间每隔0.01进行一次诊断函数DF(x)仿真计算，诊断函数DF(x)即电缆接头及其周围纹波的波形函数，以接触系数k＝1作为基准函数，得到不同接触系数k下的数据；同理，针对电缆接头绝缘老化缺陷，将复介电常数e在[2.30+j0.001,2.60+j0.001]和 [3.20+j0.001,4.20+j0.001]之间每隔0.005进行一次诊断函数DF(x) 仿真计算，以复介电常数e＝2.3+j0.001作为基准函数，得到不同绝缘老化程度的仿真数据；
步骤(2)：绝缘劣化程度的分级
考虑到工程实际应用，将电缆接头接触电阻过大和绝缘老化两类常见的内部缺陷程度分为正常(N)、轻度缺陷(M)和重度缺陷(S)三大类。工程实际中，一般将电缆接头接触系数k小于1.2的电缆接头判定为正常；当电缆在150℃的高温下老化时间小于21天时，其复介电常数由2.3逐渐增大到2.6左右；但当老化时间超过21天时，其复介电常数会出现一个跃变，从2.6跃变到3.2，然后再随着老化时间的增加逐渐增加到4.2；
当电缆接头处于正常状态时，说明此时电缆接头状态良好；当处于轻度缺陷时，电缆线路仍然可以运行，但处于预警状态；当电缆线路状态划分情况为重度缺陷时，马上采取措施，排除缺陷。
步骤(1)中，由于评估诊断函数DF(x)在缺陷点处有一个明显的突变峰，但由于积分变换函数是一个连续函数，因此突变峰两边会出现幅值较小的震荡，即纹波。纹波的幅值与突变峰幅值类似，也会随着缺陷程度的变化而相应地发生变化，在进行缺陷程度判断时，为了提高判断的准确度，将突变峰周围的纹波幅值也作为缺陷程度判断的依据。如某一内部缺陷程度下，电缆接头位于500m处时，在 400m～600m之间每隔2m采集一个诊断函数DF(x)的幅值，作为该缺陷程度下的一个数据组。
为了提高分类结果的准确性，运用归一化的方式对数据进行预处理，以避免数据间因数量级差别较大而造成的误差。数据归一化是指将特征值从一个大范围映射到[0,1]，其映射公式为：
其中，x为归一化前的原始数据；Xmax和Xmin分别为原始数据的最小值和最大值。
本发明实施例的基于压力波检测的电缆接头绝缘状态评估方法，与实施例二的不同之处在于：
S3中，通过引入粒子群算法对惩罚参数C和核函数参数g进行寻优，对基于支持向量机的电缆接头内部缺陷和绝缘程度评估模型进行优化。
选择多项式核函数作为电缆接头内部缺陷和绝缘程度评估模型的核函数，以获得高准确率。
本发明实施例中，在基于支持向量机的电缆接头内部缺陷和绝缘程度评估模型参数固定的情况下，核函数的选择对评估模型的准确率有很大影响。对于电缆接头压接缺陷评估模型，采用多项式核函数时，模型准确率可以达到86.83％，明显高于另两种核函数计算结果；对于绝缘老化缺陷的评估，三种核函数计算结果准确率均高于电缆接头压接缺陷，但此时，高斯核函数的准确率最高，为84.69％，而多项式函数的准确率最低，为71.67％。但是此时的计算结果只是在惩罚参数C＝1，核函数参数g＝2的情况下计算得到的结果，并不是最优解。为了寻找每种核函数下模型的最优解，通过引入粒子群算法对惩罚参数C和核函数参数g进行寻优，对基于支持向量机的电缆接头内部缺陷和绝缘程度评估模型进行优化。
粒子群初始参数值的设定对算法性能的影响至关重要，通过调整惯性权重的值可以实现全局搜索和局部搜索之间的平衡。当惯性权重较大时，全局搜索能力强，而局部搜索能力弱；反之则局部搜索能力强，全局搜索能力弱。而自我学习因子c1和种群学习因子c2决定了粒子自身经验和群体经验对粒子飞行轨迹的影响，反映粒子之纪检的信息交流。粒子飞行速度对求解精度和收敛速度有影响，速度过快，很可能直接飞过最优解位置，但如果飞行速度过慢，则会使得收敛速度变慢。通过粒子群优化后，用各类核函数构造的评估模型准确率均较高。综合两类缺陷的模型评估准确率，项目组将选择多项式核函数作为本项目电缆接头绝缘劣化评估模型的核函数。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于压力波检测的电缆接头绝缘状态评估方法，其特征在于，包括以下步骤：
S1：使用激光诱导压力波的方式对电缆接头进行检测，采集电缆接头及其周围纹波的幅值；
S2：基于支持向量机构建电缆接头内部缺陷和绝缘程度评估模型；
S3：利用粒子群算法对模型参数进行优化；
S4：选取合适的核函数构造电缆接头内部缺陷和绝缘程度评估模型。
2.如权利要求1所述的基于压力波检测的电缆接头绝缘状态评估方法，其特征在于：利用支持向量机构建电缆接头内部缺陷和绝缘程度评估模型，包括以下步骤：
步骤(1)：数据的采集与归一化处理
针对电缆接头压接缺陷导致的接触电阻过大，将接触系数k在[1.00,3.00]之间每隔0.01进行一次诊断函数DF(x)仿真计算，以接触系数k＝1作为基准函数，得到不同接触系数k下的数据；同理，针对电缆接头绝缘老化缺陷，将复介电常数e在[2.30+j0.001,2.60+j0.001]和[3.20+j0.001,4.20+j0.001]之间每隔0.005进行一次诊断函数DF(x)仿真计算，以复介电常数e＝2.3+j0.001作为基准函数，得到不同绝缘老化程度的仿真数据；
步骤(2)：绝缘劣化程度的分级
考虑到工程实际应用，将电缆接头接触电阻过大和绝缘老化两类常见的内部缺陷程度分为正常(N)、轻度缺陷(M)和重度缺陷(S)三大类。工程实际中，一般将电缆接头接触系数k小于1.2的电缆接头判定为正常；当电缆在150℃的高温下老化时间小于21天时，其复介电常数由2.3逐渐增大到2.6左右；但当老化时间超过21天时，其复介电常数会出现一个跃变，从2.6跃变到3.2，然后再随着老化时间的增加逐渐增加到4.2；
当电缆接头处于正常状态时，说明此时电缆接头状态良好；当处于轻度缺陷时，电缆线路仍然可以运行，但处于预警状态；当电缆线路状态划分情况为重度缺陷时，应马上采取措施，排除缺陷。
3.如权利要求2所述的基于压力波检测的电缆接头绝缘状态评估方法，其特征在于：步骤(1)中，由于评估诊断函数DF(x)在缺陷点处有一个明显的突变峰，但由于积分变换函数是一个连续函数，因此突变峰两边会出现幅值较小的震荡，即纹波。纹波的幅值与突变峰幅值类似，也会随着缺陷程度的变化而相应地发生变化，在进行缺陷程度判断时，为了提高判断的准确度，将突变峰周围的纹波幅值也作为缺陷程度判断的依据。如某一内部缺陷程度下，电缆接头位于500m处时，在400m～600m之间每隔2m采集一个诊断函数DF(x)的幅值，作为该缺陷程度下的一个数据组。
4.如权利要求3所述的基于压力波检测的电缆接头绝缘状态评估方法，其特征在于：步骤(1)中，为了提高分类结果的准确性，运用归一化的方式对数据进行预处理，以避免数据间因数量级差别较大而造成的误差。数据归一化是指将特征值从一个大范围映射到[0,1]，其映射公式为：
其中，x为归一化前的原始数据；Xmax和Xmin分别为原始数据的最小值和最大值。
5.如权利要求4所述的基于压力波检测的电缆接头绝缘状态评估方法，其特征在于：S3中，通过引入粒子群算法对惩罚参数C和核函数参数g进行寻优，对基于支持向量机的电缆接头内部缺陷和绝缘程度评估模型进行优化。
6.如权利要求5所述的基于压力波检测的电缆接头绝缘状态评估方法，其特征在于：选择多项式核函数作为电缆接头内部缺陷和绝缘程度评估模型的核函数，以获得高准确率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011610989.XA CN112733414A (zh) | 2020-12-30 | 2020-12-30 | 基于压力波检测的电缆接头绝缘状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011610989.XA CN112733414A (zh) | 2020-12-30 | 2020-12-30 | 基于压力波检测的电缆接头绝缘状态评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112733414A true CN112733414A (zh) | 2021-04-30 |
Family
ID=75610237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011610989.XA Pending CN112733414A (zh) | 2020-12-30 | 2020-12-30 | 基于压力波检测的电缆接头绝缘状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112733414A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529124A (zh) * | 2016-10-14 | 2017-03-22 | 云南电网有限责任公司昆明供电局 | 基于主成分分析与支持向量机的变压器绝缘状态评估方法 |
| CN106680674A (zh) * | 2016-11-29 | 2017-05-17 | 国网重庆市电力公司电力科学研究院 | 一种电缆接头绝缘状态评估方法 |
| CN108562831A (zh) * | 2017-12-15 | 2018-09-21 | 全球能源互联网欧洲研究院 | 一种绝缘材料的检测方法及制造方法 |
-
2020
- 2020-12-30 CN CN202011610989.XA patent/CN112733414A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529124A (zh) * | 2016-10-14 | 2017-03-22 | 云南电网有限责任公司昆明供电局 | 基于主成分分析与支持向量机的变压器绝缘状态评估方法 |
| CN106680674A (zh) * | 2016-11-29 | 2017-05-17 | 国网重庆市电力公司电力科学研究院 | 一种电缆接头绝缘状态评估方法 |
| CN108562831A (zh) * | 2017-12-15 | 2018-09-21 | 全球能源互联网欧洲研究院 | 一种绝缘材料的检测方法及制造方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张治文，赵晖等: "聚乙烯与聚丙烯中空间电荷注入特性的比较", 《高电压技术》 * |
| 罗杨茜玥: "基于阻抗频域信息的电缆接头内部缺陷评估方法", 《中国优秀硕士学位论文全文数据库(工程科技II辑)》 * |
| 赵健康，赵鹏等: "高压直流电缆绝缘材料研究进展评述", 《高电压技术》 * |
| 高云鹏，谭甜源等: "电缆接头温度反演及故障诊断研究", 《高电压技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Su et al. | Safety warning of lithium-ion battery energy storage station via venting acoustic signal detection for grid application | |
| CN111505519B (zh) | 一种基于声学测量的锂离子电池循环寿命预测方法 | |
| CN110969096A (zh) | 基于粒子群优化支持向量机的电机故障模式诊断方法 | |
| CN111695452B (zh) | 基于rbf神经网络的并联电抗器内部老化程度评估方法 | |
| CN115542099B (zh) | 一种在线gis局部放电检测方法和装置 | |
| Wang et al. | A review on rapid state of health estimation of lithium-ion batteries in electric vehicles | |
| CN113884837B (zh) | 一种电缆局部放电在线监测分析系统及分析方法 | |
| CN112733414A (zh) | 基于压力波检测的电缆接头绝缘状态评估方法 | |
| CN111239560B (zh) | 基于多传感器的局部放电定位方法 | |
| CN110956112B (zh) | 一种新的高可靠性回转支承寿命评估方法 | |
| CN116165279B (zh) | 复合绝缘子缺陷检测方法、装置、电子设备和存储介质 | |
| CN114779098B (zh) | 一种锂离子电池的状态评估方法及系统 | |
| CN116147840A (zh) | 一种基于“电-热-气”信号融合的多工况漏液故障诊断方法 | |
| CN110376493A (zh) | 一种绝缘值测量方法、装置及存储介质 | |
| CN111239557B (zh) | 基于在线校准的局部放电定位方法 | |
| CN110726958B (zh) | 一种干式电抗器的故障诊断方法 | |
| CN114200322A (zh) | 一种锂离子电池析锂检测方法 | |
| CN113654974A (zh) | 一种海上风电单桩基础腐蚀状态的评估方法及监测系统 | |
| CN111044176A (zh) | 一种发电机温度异常的监测方法 | |
| CN117741321B (zh) | 移动式储充系统故障诊断方法及系统 | |
| CN113759267B (zh) | 一种锂离子电池内压的原位测量方法 | |
| CN116298124B (zh) | 一种基于数据分析的隔热油套管环焊缝无损检测控制系统 | |
| CN118041233A (zh) | 一种光伏电站设备故障检测方法和系统 | |
| Yao et al. | Detection of dielectric loss factor of transformer oil based on multi-frequency ultrasonic detection technology and WOA-Elman | |
| Lin et al. | The multi-variable stepwise algorithm for internal short circuit detection in a serial battery pack with inconsistent state of health |
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: 20210430 |
|
| RJ01 | Rejection of invention patent application after publication |