CN112946369B - 使用电力线通信设备的电缆老化识别方法 - Google Patents
使用电力线通信设备的电缆老化识别方法 Download PDFInfo
- Publication number
- CN112946369B CN112946369B CN202110098112.5A CN202110098112A CN112946369B CN 112946369 B CN112946369 B CN 112946369B CN 202110098112 A CN202110098112 A CN 202110098112A CN 112946369 B CN112946369 B CN 112946369B
- Authority
- CN
- China
- Prior art keywords
- cable
- aging
- formula
- dielectric constant
- total
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004891 communication Methods 0.000 title claims abstract description 16
- 230000006870 function Effects 0.000 claims abstract description 35
- 238000012546 transfer Methods 0.000 claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000014509 gene expression Effects 0.000 claims description 13
- 240000005572 Syzygium cordatum Species 0.000 claims description 12
- 235000006650 Syzygium cordatum Nutrition 0.000 claims description 12
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 12
- 239000003990 capacitor Substances 0.000 claims description 11
- 239000004020 conductor Substances 0.000 claims description 9
- 238000009413 insulation Methods 0.000 claims description 9
- 229920003020 cross-linked polyethylene Polymers 0.000 claims description 6
- 239000004703 cross-linked polyethylene Substances 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000035699 permeability Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 239000004698 Polyethylene Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
- G01R27/2617—Measuring dielectric properties, e.g. constants
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Testing Relating To Insulation (AREA)
- Measurement Of Resistance Or Impedance (AREA)
Abstract
本发明公开了使用电力线通信设备的电缆老化识别方法，具体按照以下步骤实施：步骤1，根据电网拓扑结构、电缆长度、负载以及单位长度的电阻R、电感L、电导G和电容C，采用自底向上的方式，建立电力线信道响应；步骤2，计算老化电缆相对介电常数；步骤3，对步骤1中得到的网络总传递函数进行经验模态分解，进行机器学习，对电缆老化的类型进行分类，以识别及预测电缆老化。本发明方法能够针对不同的老化类型及时识别处电缆老化的程度，避免因长时间使用导致的局部漏电或者引发电缆短路的问题。
Description
技术领域
本发明属于电力线老化监测技术领域，具体涉及使用电力线通信设备的电缆老化识别方法。
背景技术
电力线通信作为电力系统特有的通信系统，在电力系统中发挥着重要的作用。目前，在城市配电网中，电缆占有较大的比重，因此使用电力线通信技术对电网进行监控具有一定的经济性。电力线故障的发生会影响电力系统的稳定运行，对电气故障进行实时监测并快速定位是未来智能电网发展的方向。
近年来，对故障进行监测和定位的研究也越来越多，人工智能技术也常被用于故障识别，例如使用人工神经网络技术进行输电线路故障检测与定位，目前，人工智能技术和电力线通信技术也相结合用于对电网的监控，例如使用电力线通信调制解调器作为电网传感器来实现配电网异常自动检测，使用电力线通信技术和机器学习技术对电缆基础设施的老化进行监测以及对网络的阻抗进行实时监控。但人工智能技术对数据的要求较高，不光需要数据的准确性，而且对于数据的数量也有一定的要求，并且使用中心局测量的阻抗数据会有一定的延时。
电网的可靠连续运行是电网运行的基本要求，但发生故障时会影响这一要求甚至会造成严重的经济损失，因此，必须尽快识别。
发明内容
本发明的目的是提供使用电力线通信设备的电缆老化识别方法，能够针对不同的老化类型及时识别处电缆老化的程度，避免因长时间使用导致的局部漏电或者引发电缆短路的问题。
本发明所采用的技术方案是，使用电力线通信设备的电缆老化识别方法，具体按照以下步骤实施：
步骤1，根据电网拓扑结构、电缆长度、负载以及单位长度的电阻R、电感L、电导G和电容C，采用自底向上的方式，建立电力线信道响应；
步骤2，计算老化电缆相对介电常数；
步骤3，对步骤1中得到的网络总传递函数进行经验模态分解，进行机器学习，对电缆老化的类型进行分类，以识别及预测电缆老化。
本发明的特点还在于，
步骤1具体按照以下步骤实施：
步骤1.1，将电网拓扑结构分解成n个基本单元，每个所述基本单元的结构包括主干及若干个分支，将分支等效成支路侧的阻抗且分支与主干并联，形成T型单元，计算第n个T型单元的电阻R、电感L、电导G和电容C；
步骤1.2，通过步骤1.1得到的电阻R、电感L、电导G和电容C，计算相应的特性阻抗Zc和传播常数γ；
步骤1.3，假设横向电场和磁场为准横向传播模式，计算发射机侧第n基本单元的阻抗；
步骤1.4，根据发射侧和接收侧电压比法，第n个基本单元的传递函数，即：
式(12)中，为接收端电压，Vl (n)为发射端电压，Vp (n)为分支电压，/>为分支末端反射系数，/>为分支处反射系数，/>为第n个基本单元首段电缆长度，/>为第n单元末端电缆长度，/>为首端传播常数，/>为末端传播常数；
其中，
式(13)中，为第n个基本单元末端阻抗，/>为末端线路的特征阻抗；
式(14)中，为第n个基本单元的分支与末端线路的等效阻抗，/>为首端线路的特征阻抗；
步骤1.5，计算网络总传递函数。
步骤1.1中，电阻R、电感L、电导G和电容C的表达式为：
(1)电阻R为：
R＝rsolid/XR (1)
式(1)和式(2)中，σc＝5.8*107为电导率；μ0为真空磁导率且μ0＝4π×10-7；rw＝3.99mm为单根导体的半径；f为频率，取1MHz-100MHz；
XR为修正系数，表达式为：
式(3)中，ne为构成电缆外圈多股线的数量；rs为构成电缆外圈多股线的半径且ns＝19为组成导体芯线的总股数；δ表示趋肤深度且/>
(2)电感L为：
式(4)中，Ls为一对导线的自感；Lm为一对导线的互感；
其中，
式(5)中，Ls为一对导线的自感；Lm为一对导线的互感；d＝15.8mm为两根导体的之间的间距；
(3)电容C为：
C＝μ0ε0εtotalL-1 (6)
式(6)中，ε0＝8.8×10-12为真空的介电常数，单位F/m；εtotal为老化电缆整体相对介电常数；
(4)电导G为：
G＝2πfμ0ε0εtotalL-1 (7)
式(7)中，f为频率；εtotal为老化电缆整体相对介电常数；ε0＝8.8×10-12为真空的介电常数；μ0为真空磁导率且μ0＝4π×10-7。
步骤1.2中，相应的特性阻抗Zc和传播常数γ的表达式为：
式(8)和式(9)中，R为电阻；L为电感；G为电导；C为电容；f为频率；j为虚部。
步骤1.3中，发射机侧第n基本单元的阻抗的表达式为：
式(10)中，γ为传播常数；l为对应位置的电力线长度；为首端线路特征阻抗；为第n个基本单元首段电缆长度；/>为首端传播常数；
其中，由公式(11)获得，即：
式(11)中，为网络中负载侧的阻抗；/>为网络分支侧的阻抗。
步骤1.5中，网络总传递函数表达式为：
步骤2的具体过程为：
将电缆的纵截面作为电缆绝缘，设绝缘总厚度为y，均匀老化部分厚度为yhomo，局部老化部分的厚度为ylocal，且假设水树为充满水的圆柱体分布在水树老化的绝缘区域内，则交联聚乙烯水树区域平均介电常数的表达式为：
式(16)中，εPE＝2.3-0.001j为正常情况下交联聚乙烯相对介电常数，j为复数的虚部；Ks＝S/Swt，S是一段绝缘的面积，Swt是该部分绝缘中充满水的圆柱体所占的总面积，Ci是正常线路单位长度的电容值，Ce(t)是老化部分的测量电容值；
对老化部分的测量电容值Ce(t)进行回归预测，则：
用等效相对介电常数εr1表示水树区域的介电常数，则：
假设Ks＝1，若电缆无内部制作缺陷且电缆工作环境相近，电缆的老化将是均匀的，则老化电缆整体相对介电常数为：
若电缆局部包含有内部制作缺陷或者工作的环境较为恶劣，电缆局部将会发生严重的老化，则老化电缆整体相对介电常数为：
步骤3具体按照以下步骤实施：
步骤3.1，对步骤1中得到的网络总传递函数进行经验模态分解，得到本征模态函数；
步骤3.2，将网络总传递函数的峰谷值和本征模态函数的峰谷值作为特征量，将网络总传递函数的峰谷值分成训练集和测试集；采用支持向量机算法进行训练，传递函数与本征模态函数的峰谷值作为输入，将电缆老化类型的分类结果作为输出，以进行识别与预测电缆老化。
本发明的有益效果在于：本发明使用电力线通信设备的电缆老化识别方法，通过与机器学习技术相结合的方式监测电缆老化的严重程度，以及时解决老化问题，防止长时间使用导致的局部漏电或者引发电缆短路，以减少经济损失。
附图说明
图1是典型的拓扑网络结构图；
图2是典型的拓扑网络结构图中第n个单元的详细结构图；
图3是电缆老化示意图；
图4是电缆线路的信道频率响应图；
图5是均匀老化线路、局部老化线路与正常线路的差值对比图；
图6是随机生成的信道频率响应图；
图7是图6经经验模态分解的结果图；
图8是随机生成1000组信道频率响应；
图9是图8经经验模态分解的结果图；
图10是机器学习分类结果图；
图11是电缆均匀老化深度预测图；
图12是电缆局部老化深度预测图；
图13是经验模态分解流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明使用电力线通信设备的电缆老化识别方法，具体按照以下步骤实施：
步骤1，根据电网拓扑结构、电缆长度、负载以及单位长度的电阻R、电感L、电导G和电容C，采用自底向上的方式，建立电力线信道响应CFR(网络总传递函数)；
步骤1.1，如图1所示，将电网拓扑结构分解成n个基本单元，每个基本单元的结构包括主干及若干个分支，如图2所示，将分支等效成支路侧的阻抗且分支与主干并联，形成T型单元，计算第n个T型单元的电阻R、电感L、电导G和电容C；
(1)电阻R为：
R＝rsolid/XR (1)
式(1)和式(2)中，σc＝5.8*107为电导率；μ0为真空磁导率且μ0＝4π×10-7；rw＝3.99mm为单根导体的半径；f为频率，取1MHz-100MHz；
XR为修正系数，表达式为：
式(3)中，ne为构成电缆外圈多股线的数量；rs为构成电缆外圈多股线的半径且ns＝19为组成导体芯线的总股数；δ表示趋肤深度且/>
(2)电感L为：
式(4)中，Ls为一对导线的自感；Lm为一对导线的互感；
其中，
式(5)中，Ls为一对导线的自感；Lm为一对导线的互感；d＝15.8mm为两根导体的之间的间距；
(3)电容C为：
C＝μ0ε0εtotalL-1 (6)
式(6)中，ε0＝8.8×10-12为真空的介电常数，单位F/m；εtotal为老化电缆整体相对介电常数；
(4)电导G为：
G＝2πfμ0ε0εtotalL-1 (7)
式(7)中，f为频率；εtotal为老化电缆整体相对介电常数；ε0＝8.8×10-12为真空的介电常数；μ0为真空磁导率且μ0＝4π×10-7；
步骤1.2，通过步骤1.1得到的电阻R、电感L、电导G和电容C，计算相应的特性阻抗Zc和传播常数γ，表达式为：
式(8)和式(9)中，R为电阻；L为电感；G为电导；C为电容；f为频率；j为虚部；
步骤1.3，假设横向电场和磁场为准横向传播模式，则发射机侧第n基本单元的阻抗计算公式为：
式(10)中，γ为传播常数；l为对应位置的电力线长度；为首端线路特征阻抗；为第n个基本单元首段电缆长度；/>为首端传播常数；
其中，由公式(11)获得，即：
式(11)中，为网络中负载侧的阻抗；/>为网络分支侧的阻抗；
步骤1.4，根据发射侧和接收侧电压比法，第n个基本单元的传递函数，即：
式(12)中，为接收端电压，Vl (n)为发射端电压，Vp (n)为分支电压，/>为分支末端反射系数，/>为分支处反射系数，/>为第n个基本单元首段电缆长度，/>为第n单元末端电缆长度，/>为首端传播常数，/>为末端传播常数；
其中，
式(13)中，为第n个基本单元末端阻抗，/>为末端线路的特征阻抗；
式(14)中，为第n个基本单元的分支与末端线路的等效阻抗，/>为首端线路的特征阻抗；
步骤1.5，计算网络总传递函数：
步骤2，计算老化电缆相对介电常数
如图3所示，将电缆的纵截面作为电缆绝缘，设绝缘总厚度为y，均匀老化部分厚度为yhomo，局部老化部分的厚度为ylocal，且假设水树为充满水的圆柱体分布在水树老化的绝缘区域内，则交联聚乙烯水树区域平均介电常数的表达式为：
式(16)中，εPE＝2.3-0.001j为正常情况下交联聚乙烯相对介电常数，j为复数的虚部；Ks＝S/Swt，S是一段绝缘的面积，Swt是该部分绝缘中充满水的圆柱体所占的总面积，Ci是正常线路单位长度的电容值，Ce(t)是老化部分的测量电容值；
对老化部分的测量电容值Ce(t)进行回归预测，则：
用等效相对介电常数εr1表示水树区域的介电常数，则：
假设Ks＝1，若电缆无内部制作缺陷且电缆工作环境相近，电缆的老化将是均匀的，则老化电缆整体相对介电常数为：
若电缆局部包含有内部制作缺陷或者工作的环境较为恶劣，电缆局部将会发生严重的老化，则老化电缆整体相对介电常数为：
将公式(20)及公式(19)代入公式(6)和公式(7)中，计算电容C和电导G；
步骤3，对步骤1中得到的网络总传递函数进行经验模态分解，进行机器学习，对电缆老化的类型进行分类，以识别与预测电缆老化；
步骤3.1，对步骤1中得到的网络总传递函数进行经验模态分解(EDM分解)，得到本征模态函数(IMF分量)；
经验模态分解(EMD)对于非线性非平稳信号的处理有着相对于其他方法不可比拟的优势；EMD方法是将原始信号中不同尺度的波动逐级分解，得到各个本征模态函数，对IMF分量进行分析更容易掌握原始信号的信息，具体的经验模态分解过程如下，如图13所示：
步骤3.1.1，根据IMF分量的特点，通过三次样条曲线分别将原始信号x(t)的极大值和极小值连接起来，构成上包络和下包络，求得上下包络的均值m1(t)，去掉低频成分，得到新的信号h1(t)：
h1(t)＝x1(t)-m1(t) (21)
步骤3.1.2，判断IMF分量h1(t)是否有效，如果有效，则h1(t)就是第一个IMF分量，如果无效，重复第一步操作，得到
h2(t)＝h1(t)-m2(t) (22)
步骤3.1.3，判断h2(t)是否有效，无效重复上述操作，
hk(t)＝h1(t)-mk(t) (23)
k表示重复次数，k＝(2,3,4……)；
直至hk(t)有效，记c1(t)＝hk(t)；
步骤3.1.4，求得剩余信号为：
r1(t)＝x(t)-c1(t) (24)
再将r1(t)作为一个要分解的信号，重复第一到第三步，直到没有新的IMF分量产生为止，因此，一个原始信号就被分解为：
步骤3.2，将网络总传递函数的峰谷值和本征模态函数的峰谷值作为特征量，将网络总传递函数的峰谷值分成训练集和测试集；采用支持向量机算法进行训练，传递函数与本征模态函数的峰谷值作为输入，将电缆老化类型的分类结果作为输出，并且假设均匀老化与正常线路的输出结果为1，带有局部老化的线路输出结果为2。
仿真结果：
假设电缆在发生均匀老化时，老化深度为σhomo∈[0,0.1]，带有局部老化是，老化深度为σhomo∈[0.1，0.65]。
正常线路和考虑老化后线路的信道频率响应如图4所示，为了更加明显的看出不同运行状态下，电缆线路信道频率响应的区别，使用均匀老化线路，局部老化线路的CFR与正常运行线路的CFR做差，结果如图5所示，从图5中可以看出，在低频段，局部老化具有更多的峰值，而在高频段，均匀老化线路与正常线路的CFR相比，具有更高的峰值；
对所的CFR进行EMD分解，得到3组IMF分量，如图6所示，随机生成1000组CFR，如图8所示，并利用EMD对其进行分解，结果如图9所示，CFR的峰谷值和IMF信号的峰值和电缆的运行状态相关，因此，选择CFR信号的峰谷值以及每个IMF信号的峰谷值作为特征量训练机器学习，利用电缆CFR的峰谷值和EMD算法分解得到的IMF分量的峰谷值作为特征量，随机选择1000组CFR作为训练集，500组CFR作为测试集进行机器学习机的训练，采用的机器学习算法为支持向量机算法，首先对电缆老化的类型进行分类，并且假设正常线路和均匀老化线路的输出结果为1，带有局部老化线路的输出结果为2，利用机器学习机分类的结果如图10所示；分类完成以后，利用支持向量机分别预测均匀老化线路和带有局部老化线路的老化深度，仿真结果如图11、图12所示，从结果中可以看出，均匀老化线路和带有局部严重老化线路的预测值都趋近于准确值。
Claims (2)
1.使用电力线通信设备的电缆老化识别方法，其特征在于，具体按照以下步骤实施：
步骤1，根据电网拓扑结构、电缆长度、负载以及单位长度的电阻R、电感L、电导G和电容C，采用自底向上的方式，建立电力线信道响应；
所述步骤1具体按照以下步骤实施：
步骤1.1，将电网拓扑结构分解成n个基本单元，每个所述基本单元的结构包括主干及若干个分支，将分支等效成支路侧的阻抗且分支与主干并联，形成T型单元，计算第n个T型单元的电阻R、电感L、电导G和电容C；
所述步骤1.1中，电阻R、电感L、电导G和电容C的表达式为：
(1)电阻R为：
R＝rsolid/XR (1)
式(1)和式(2)中，σc＝5.8*107为电导率；μ0为真空磁导率且μ0＝4π×10-7；rw＝3.99mm为单根导体的半径；f为频率，取1MHz-100MHz；
XR为修正系数，表达式为：
式(3)中，ne为构成电缆外圈多股线的数量；rs为构成电缆外圈多股线的半径且ns＝19为组成导体芯线的总股数；δ表示趋肤深度且/>
(2)电感L为：
式(4)中，Ls为一对导线的自感；Lm为一对导线的互感；
其中，
式(5)中，Ls为一对导线的自感；Lm为一对导线的互感；d＝15.8mm为两根导体的之间的间距；
(3)电容C为：
C＝μ0ε0εtotalL-1 (6)
式(6)中，ε0＝8.8×10-12为真空的介电常数，单位F/m；εtotal为老化电缆整体相对介电常数；
(4)电导G为：
G＝2πfμ0ε0εtotalL-1 (7)
式(7)中，f为频率；εtotal为老化电缆整体相对介电常数；ε0＝8.8×10-12为真空的介电常数；μ0为真空磁导率且μ0＝4π×10-7；
步骤1.2，通过步骤1.1得到的电阻R、电感L、电导G和电容C，计算相应的特性阻抗Zc和传播常数γ；
所述步骤1.2中，相应的特性阻抗Zc和传播常数γ的表达式为：
式(8)和式(9)中，R为电阻；L为电感；G为电导；C为电容；f为频率；j为虚部；
步骤1.3，假设横向电场和磁场为准横向传播模式，计算发射机侧第n基本单元的阻抗；
所述步骤1.3中，发射机侧第n基本单元的阻抗的表达式为：
式(10)中，γ为传播常数；l为对应位置的电力线长度；为首端线路特征阻抗；/>为第n个基本单元首段电缆长度；/>为首端传播常数；
其中，由公式(11)获得，即：
式(11)中，为网络中负载侧的阻抗；/>为网络分支侧的阻抗；
步骤1.4，根据发射侧和接收侧电压比法，第n个基本单元的传递函数，即：
式(12)中，为接收端电压，Vl (n)为发射端电压，Vp (n)为分支电压，/>为分支末端反射系数，/>为分支处反射系数，/>为第n个基本单元首段电缆长度，/>为第n单元末端电缆长度，/>为首端传播常数，/>为末端传播常数；
其中，
式(13)中，为第n个基本单元末端阻抗，/>为末端线路的特征阻抗；
式(14)中，为第n个基本单元的分支与末端线路的等效阻抗，/>为首端线路的特征阻抗；
步骤1.5，计算网络总传递函数；
所述步骤1.5中，网络总传递函数表达式为：
步骤2，计算老化电缆相对介电常数；
所述步骤2的具体过程为：
将电缆的纵截面作为电缆绝缘，设绝缘总厚度为y，均匀老化部分厚度为yhomo，局部老化部分的厚度为ylocal，且假设水树为充满水的圆柱体分布在水树老化的绝缘区域内，则交联聚乙烯水树区域平均介电常数的表达式为：
式(16)中，εPE＝2.3-0.001j为正常情况下交联聚乙烯相对介电常数，j为复数的虚部；Ks＝S/Swt，S是一段绝缘的面积，Swt是该部分绝缘中充满水的圆柱体所占的总面积，Ci是正常线路单位长度的电容值，Ce(t)是老化部分的测量电容值；
对老化部分的测量电容值Ce(t)进行回归预测，则：
用等效相对介电常数εr1表示水树区域的介电常数，则：
假设Ks＝1，若电缆无内部制作缺陷且电缆工作环境相近，电缆的老化将是均匀的，则老化电缆整体相对介电常数为：
若电缆局部包含有内部制作缺陷或者工作的环境较为恶劣，电缆局部将会发生严重的老化，则老化电缆整体相对介电常数为：
步骤3，对步骤1中得到的网络总传递函数进行经验模态分解，进行机器学习，对电缆老化的类型进行分类，以识别及预测电缆老化。
2.根据权利要求1所述的使用电力线通信设备的电缆老化识别方法，其特征在于，所述步骤3具体按照以下步骤实施：
步骤3.1，对步骤1中得到的网络总传递函数进行经验模态分解，得到本征模态函数；
步骤3.2，将网络总传递函数的峰谷值和本征模态函数的峰谷值作为特征量，将网络总传递函数的峰谷值分成训练集和测试集；采用支持向量机算法进行训练，传递函数与本征模态函数的峰谷值作为输入，将电缆老化类型的分类结果作为输出，以进行识别与预测电缆老化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110098112.5A CN112946369B (zh) | 2021-01-25 | 2021-01-25 | 使用电力线通信设备的电缆老化识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110098112.5A CN112946369B (zh) | 2021-01-25 | 2021-01-25 | 使用电力线通信设备的电缆老化识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112946369A CN112946369A (zh) | 2021-06-11 |
| CN112946369B true CN112946369B (zh) | 2024-04-26 |
Family
ID=76236527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110098112.5A Active CN112946369B (zh) | 2021-01-25 | 2021-01-25 | 使用电力线通信设备的电缆老化识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112946369B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113466563A (zh) * | 2021-07-30 | 2021-10-01 | 深圳市汇创达科技股份有限公司 | 一种用于测试多路电阻阻值的装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101717542A (zh) * | 2009-11-20 | 2010-06-02 | 上海交通大学 | 一种抗水树电缆绝缘材料的制备方法 |
| CN104406509A (zh) * | 2014-11-21 | 2015-03-11 | 东北电力大学 | 基于hht电力电缆长度测量方法 |
| CN104483598A (zh) * | 2014-12-19 | 2015-04-01 | 成都高斯电子技术有限公司 | 一种电缆故障检测分析方法 |
| CN107561420A (zh) * | 2017-08-30 | 2018-01-09 | 广东电网有限责任公司珠海供电局 | 一种基于经验模态分解的电缆局部放电信号特征向量提取方法 |
| CN108693444A (zh) * | 2018-05-23 | 2018-10-23 | 西安交通大学 | 一种基于电磁信号时间反演的输电线路故障点定位方法 |
| CN109165446A (zh) * | 2018-08-27 | 2019-01-08 | 河海大学 | 一种长电缆入口阻抗对绝缘老化的灵敏度计算方法 |
| CN110766264A (zh) * | 2019-07-31 | 2020-02-07 | 贵州电网有限责任公司 | 一种传输电缆健康状态监测评估方法 |
-
2021
- 2021-01-25 CN CN202110098112.5A patent/CN112946369B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101717542A (zh) * | 2009-11-20 | 2010-06-02 | 上海交通大学 | 一种抗水树电缆绝缘材料的制备方法 |
| CN104406509A (zh) * | 2014-11-21 | 2015-03-11 | 东北电力大学 | 基于hht电力电缆长度测量方法 |
| CN104483598A (zh) * | 2014-12-19 | 2015-04-01 | 成都高斯电子技术有限公司 | 一种电缆故障检测分析方法 |
| CN107561420A (zh) * | 2017-08-30 | 2018-01-09 | 广东电网有限责任公司珠海供电局 | 一种基于经验模态分解的电缆局部放电信号特征向量提取方法 |
| CN108693444A (zh) * | 2018-05-23 | 2018-10-23 | 西安交通大学 | 一种基于电磁信号时间反演的输电线路故障点定位方法 |
| CN109165446A (zh) * | 2018-08-27 | 2019-01-08 | 河海大学 | 一种长电缆入口阻抗对绝缘老化的灵敏度计算方法 |
| CN110766264A (zh) * | 2019-07-31 | 2020-02-07 | 贵州电网有限责任公司 | 一种传输电缆健康状态监测评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| Real-Time Impedance Estimation for Power Line Communication;Liang Dong 等;《IEEE Access》;正文第88108-88111页 * |
| 去极化电流法诊断10kV电缆绝缘缺陷的可行性研究;张云波 等;《现代电子技术》;20161215;第39卷(第24期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112946369A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111025097B (zh) | 一种测评老化后xlpe电缆泄漏电流差异因子的智能方法 | |
| Huo et al. | Grid surveillance and diagnostics using power line communications | |
| CN109102508B (zh) | 基于局部放电图像特征的交流电缆绝缘缺陷的识别方法 | |
| 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 | |
| El-Hag | Application of machine learning in outdoor insulators condition monitoring and diagnostics | |
| CN112946369B (zh) | 使用电力线通信设备的电缆老化识别方法 | |
| Govindarajan et al. | A review on partial discharge diagnosis in cables: Theory, techniques, and trends | |
| CN110763957A (zh) | 一种中压电缆绝缘故障在线监测新方法 | |
| Hua et al. | Analysis and diagnosis of shielded cable faults based on finite-element method and time-reversal time-frequency domain reflectometry | |
| CN110569482B (zh) | 一种电缆局部放电故障概率的计算方法 | |
| CN115479631A (zh) | 高压交流海缆机械故障与电气故障诊断方法及系统 | |
| CN109711687B (zh) | 一种基于改进熵值法的绝缘子状态模糊评估方法 | |
| Quan et al. | Onboard EPR cable aging evaluation by rectangular-SPP-CNN based on LMMGS processing method | |
| Afotey et al. | Investigation into the impact of cable failure localisation methods on the underground cable life time in a medium voltage distribution network | |
| Adami et al. | New approach to improve high-voltage transmission line reliability | |
| CN114414958A (zh) | 一种基于高频信号特性阻抗的电缆绝缘老化评估装置及方法 | |
| CN114462692A (zh) | 一种电网老旧设备技改策略优化调整方法 | |
| CN114371364A (zh) | 基于负荷端正序电压幅值变化量的短路故障判断方法 | |
| Saleh et al. | Detection and Classification of Defects in XLPE Power Cable Insulation via Machine Learning Algorithms | |
| CN115809591A (zh) | 基于电力线通信技术在线监测电缆热老化的方法 | |
| Wang et al. | Cable insulation aging simulation | |
| CN111025095A (zh) | 一种xlpe电缆终端绝缘可靠性智能快捷化评估方法 | |
| Barkas et al. | Simulated Partial Discharge Harmonic Data generation for Neural Network Training in the Absence of real measurements: A first Approach | |
| Peng et al. | Denoising and feature extraction in PD based cable condition monitoring systems | |
| Gataullin | Insulators electrical strength estimation under AC applied voltage |
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 |