CN113091949A - 电缆状态检测方法、装置和设备 - Google Patents

电缆状态检测方法、装置和设备 Download PDF

Info

Publication number
CN113091949A
CN113091949A CN202110187376.8A CN202110187376A CN113091949A CN 113091949 A CN113091949 A CN 113091949A CN 202110187376 A CN202110187376 A CN 202110187376A CN 113091949 A CN113091949 A CN 113091949A
Authority
CN
China
Prior art keywords
cable
temperature
data
position point
state
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
Application number
CN202110187376.8A
Other languages
English (en)
Other versions
CN113091949B (zh
Inventor
卢旭
杨帆
郝翰学
张相杰
田杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202110187376.8A priority Critical patent/CN113091949B/zh
Publication of CN113091949A publication Critical patent/CN113091949A/zh
Application granted granted Critical
Publication of CN113091949B publication Critical patent/CN113091949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G01K1/024—Means for indicating or recording specially adapted for thermometers for remote indication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Locating Faults (AREA)

Abstract

本申请涉及一种电缆状态检测方法、装置和设备，该方法包括：通过无线通信获取温度传感器阵列监测的温度数据；根据温度数据得到电缆各位置点的温度梯度数据；根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果；其中，深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。利用根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果，可快速检测电缆不同位置点的温度并分析电缆实时状态，能够对电缆温度进行实时监测和状态快速判断，有效提高了电缆的运行可靠性。

Description

电缆状态检测方法、装置和设备
技术领域
本申请涉及电力电网技术领域，特别是涉及一种电缆状态检测方法、装置和设备。
背景技术
随着经济的发展，城市的配电网系统中电缆化率快步提高，但由电力电缆由于在运行过程中的负荷电流较大而导致缆芯发热，若长期温度过高会引起绝缘老化，泄露电流增加，最终导致电力电缆发生故障，配电电缆故障已成为影响电网供电可靠性的重要问题之一，因此电力电缆的温度监测也是目前的电缆状态评估的关键技术之一。而基于目前的电缆市场现状，不适宜大规模开展植入式光纤测温应用。如何对电缆温度进行实时监测和状态快速判断以确保电缆可靠运行，是一个亟待解决的问题。
发明内容
基于此，有必要针对上述问题，提供一种能够对电缆温度进行实时监测和状态快速判断，提高电缆运行可靠性的电缆状态检测方法、装置和设备。
一种电缆状态检测方法，包括：
通过无线通信获取温度传感器阵列监测的温度数据；其中，所述温度数据为温度传感器阵列对电缆不同位置点进行温度监测得到；
根据所述温度数据得到电缆各位置点的温度梯度数据；
根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果；其中，所述深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。
在其中一个实施例中，所述温度传感器阵列环绕于电缆接头和电缆本体的不同位置点进行温度监测，得到所述温度数据。
在其中一个实施例中，所述根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果之后，还包括：
当所述电缆状态分析结果为电缆发生故障时，判别故障类型并输出警报信息。
在其中一个实施例中，所述根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果之后，还包括：显示所述温度数据和所述电缆状态分析结果。
在其中一个实施例中，所述根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果之前，还包括：
获取电缆各位置点的历史温度数据，根据所述历史温度数据得到对应位置点的温度梯度样本数据；其中，所述历史温度数据为对电缆在不同运行状态时各位置点进行温度监测得到；
根据各位置点的温度梯度样本数据，基于深度学习算法进行训练，生成训练好的深度学习网络模型。
在其中一个实施例中，所述历史温度数据包括对电缆在正常运行、存在压接缺陷、存在绝缘划伤缺陷以及发生绝缘内部气隙放电时的电缆接头及本体温度数据。
一种电缆状态检测装置，包括：
无线接收模块，用于通过无线通信获取温度传感器阵列监测的温度数据；其中，所述温度数据为温度传感器阵列对电缆不同位置点进行温度监测得到；
数据处理模块，用于根据所述温度数据得到电缆各位置点的温度梯度数据；
状态分析模块，用于根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果；其中，所述深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。
一种电缆状态检测设备，包括温度采集装置和温度数据接收终端；所述温度采集装置包括温度传感器阵列和无线发射模块，所述温度数据接收终端包括无线接收模块和处理器，所述温度传感器阵列连接所述无线发射模块，所述处理器连接所述无线接收模块，所述温度传感器阵列对电缆不同位置点进行温度监测得到温度数据，并通过所述无线发射模块将所述温度数据发送至所述无线接收模块，所述无线接收模块将接收的温度数据发送至所述处理器，所述处理器根据上述的方法进行电缆状态检测。
在其中一个实施例中，所述温度传感器阵列的数量为两组以上，每组温度传感器阵列包括两个以上的高精度数字温度传感器。
在其中一个实施例中，所述温度采集装置还包括圆形卡槽，所述圆形卡槽环绕固定于电缆接头及电缆本体的表面，所述温度传感器阵列设置于所述圆形卡槽。
上述电缆状态检测方法、装置和设备，通过无线通信获取温度传感器阵列对电缆不同位置点进行温度监测得到的温度数据，并根据温度数据得到电缆各位置点的温度梯度数据，根据电缆各位置点的温度梯度数据，利用根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果，可快速检测电缆不同位置点的温度并分析电缆实时状态，能够对电缆温度进行实时监测和状态快速判断，有效提高了电缆的运行可靠性。
附图说明
图1为一实施例中电缆状态检测方法的流程图；
图2为另一实施例中电缆状态检测方法的流程图；
图3为一实施例中电缆状态检测装置的结构框图；
图4为另一实施例中电缆状态检测装置的结构框图；
图5为一实施例中电缆状态检测设备的结构框图；
图6为一实施例中电缆状态检测设备的结构原理图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
需要说明的是，当一个元件被认为是“连接”另一个元件时，它可以是直接连接到另一个元件，或者通过居中元件连接另一个元件。以下实施例中的“连接”，如果被连接的电路、模块、单元等相互之间具有电信号或数据的传递，则应理解为“电连接”、“通信连接”等。
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中使用的术语包括相关所列项目的任何及所有组合。
在一个实施例中，如图1所示，提供了一种电缆状态检测方法，包括：
步骤S130：通过无线通信获取温度传感器阵列监测的温度数据。
其中，温度数据为温度传感器阵列对电缆不同位置点进行温度监测得到。具体地，可预先设置电缆上的多个位置点作为采样点，在不同位置点分别设置温度传感器阵列进行温度检测。可通过处理器连接各位置点的温度传感器阵列，实时或周期性的对电缆的不同位置点进行同步温度监测。
在一个实施例中，温度传感器阵列环绕于电缆接头和电缆本体的不同位置点进行温度监测，得到温度数据。具体地，可在电缆接头和接头附近本体环绕紧贴设置圆形卡槽，在圆形卡槽上紧扣设置温度传感器阵列。温度传感器阵列可通过蓝牙、红外等数据传输模块以无线方式与处理器通信，传输温度数据给处理器。温度传感器阵列的数量，以及温度传感器阵列中温度传感器的数量均不是唯一的，可根据实际需求选择。本实施例中，温度传感器阵列分为3组，每组包含8个高精度数字温度传感器。对应地，数据传输模块可以是包含3对蓝牙主从机，3个蓝牙从机分别对每个传感器阵列的温度数据进行无线传输。
步骤S140：根据温度数据得到电缆各位置点的温度梯度数据。
处理器在接收到温度传感器阵列对电缆不同位置点采集得到的温度数据之后，按采集时间顺序对每个位置点的温度数据进行整理，得到电缆各位置点的温度梯度数据。
步骤S150：根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果。
其中，深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。具体地，可预先采集电缆在正常运行以及处于不同故障状态时的数据作为样本数据，结合样本数据整理得到电缆在不同运行状态时各位置点的温度梯度样本数据，结合温度梯度样本数据进行模型训练得到深度学习网络模型。在实际电缆状态检测时，处理器根据计算得到的电缆各位置点的温度梯度数据以及保存的深度学习网络模型，基于深度学习技术对温度梯度分布模式进行分析，确定电缆是否发生故障，以及故障类型等。具体地，处理器可以是通过分析温度梯度数据以及温度梯度样本数据的相似度，选择相似度最高的温度梯度样本数据所对应的状态类型作为电缆的状态检测结果。此外，在确定电缆发生故障之后，处理器还可自动判别故障类型并发出警报。例如，处理器可结合具体的故障类型，通过采用显示信息、发光和发声等方式的组合输出对应的警报信息，以便工作人员及时知晓。
上述电缆状态检测方法，通过无线通信获取温度传感器阵列对电缆不同位置点进行温度监测得到的温度数据，并根据温度数据得到电缆各位置点的温度梯度数据，根据电缆各位置点的温度梯度数据，利用根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果，可快速检测电缆不同位置点的温度并分析电缆实时状态，能够对电缆温度进行实时监测和状态快速判断，有效提高了电缆的运行可靠性。
在一个实施例中，如图2所示，步骤S150之后，该方法还包括步骤S160：当电缆状态分析结果为电缆发生故障时，判别故障类型并输出警报信息。具体地，处理器在分析得到电缆发生故障时，可通过显示器显示相应的文字或图案等信息，进行故障警报。
在一个实施例中，步骤S150之后，该方法还可包括步骤S170：显示温度数据和电缆状态分析结果。对应地，处理器在分析得到电缆状态分析结果之后，将采集的温度数据和电缆状态分析结果均发送至显示器进行显示，以供工作人员查看。
此外，在一个实施例中，继续参照图2，步骤S150之前，该方法还可包括步骤S110和步骤S120。可以理解，步骤S110和步骤S120可以是在步骤S130之前，可以是在步骤S130之后，也可以是与步骤S130同时进行。
步骤S110：获取电缆各位置点的历史温度数据，根据历史温度数据得到对应位置点的温度梯度样本数据。其中，历史温度数据为对电缆在不同运行状态时各位置点进行温度监测得到。具体地，本实施例中，历史温度数据包括对电缆在正常运行、存在压接缺陷、存在绝缘划伤缺陷以及发生绝缘内部气隙放电时的电缆接头及本体温度数据。对应地，处理器获取在正常运行、存在压接缺陷、存在绝缘划伤缺陷以及发生绝缘内部气隙放电时，对电缆接头及电缆本体不同位置点采集得到的历史温度数据之后，按照采集时间进行数据处理得到对应位置点的温度梯度样本数据。
步骤S120：根据各位置点的温度梯度样本数据，基于深度学习算法进行训练，生成训练好的深度学习网络模型。对应地，处理器计算得到对应位置点的温度梯度样本数据之后，利用温度梯度样本数据对深度学习框架模型进行训练，再利用样本数据进行模型验证，当模型输出结果符合设定要求后模型训练结束，得到训练好的深度学习网络模型。
应该理解的是，虽然上述各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述各流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，还提供了一种电缆状态检测装置，包括无线接收模块120、数据处理模块130和状态分析模块140。
无线接收模块120用于通过无线通信获取温度传感器阵列监测的温度数据；其中，温度数据为温度传感器阵列对电缆不同位置点进行温度监测得到；数据处理模块130用于根据温度数据得到电缆各位置点的温度梯度数据；状态分析模块140用于根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果；其中，深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。
具体地，可在电缆接头和接头附近本体环绕紧贴设置圆形卡槽，在圆形卡槽上紧扣设置温度传感器阵列。温度传感器阵列的数量，以及温度传感器阵列中温度传感器的数量均不是唯一的，可根据实际需求选择。本实施例中，温度传感器阵列分为3组，每组包含8个高精度数字温度传感器。对应地，数据传输模块可以是包含3对蓝牙主从机，3个蓝牙从机分别对每个传感器阵列的温度数据进行无线传输。
进一步地，状态分析模块140可以是通过分析温度梯度数据以及温度梯度样本数据的相似度，选择相似度最高的温度梯度样本数据所对应的状态类型作为电缆的状态检测结果。此外，在确定电缆发生故障之后，还可自动判别故障类型并发出警报。例如，状态分析模块140可结合具体的故障类型，通过采用显示信息、发光和发声等方式的组合输出对应的警报信息，以便工作人员及时知晓。
在一个实施例中，状态分析模块140还用于当电缆状态分析结果为电缆发生故障时，判别故障类型并输出警报信息。
在一个实施例中，状态分析模块140还用于显示温度数据和电缆状态分析结果。
在一个实施例中，如图4所示，该装置还包括模型训练模块110，模型训练模块110用于获取电缆各位置点的历史温度数据，根据历史温度数据得到对应位置点的温度梯度样本数据；根据各位置点的温度梯度样本数据，基于深度学习算法进行训练，生成训练好的深度学习网络模型。
关于电缆状态检测装置的具体限定可以参见上文中对于电缆状态检测方法的限定，在此不再赘述。上述电缆状态检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
上述电缆状态检测装置，通过无线通信获取温度传感器阵列对电缆不同位置点进行温度监测得到的温度数据，并根据温度数据得到电缆各位置点的温度梯度数据，根据电缆各位置点的温度梯度数据，利用根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果，可快速检测电缆不同位置点的温度并分析电缆实时状态，能够对电缆温度进行实时监测和状态快速判断，有效提高了电缆的运行可靠性。
在一个实施例中，还提供了一种电缆状态检测设备，包括温度采集装置和温度数据接收终端。如图5所示，温度采集装置包括温度传感器阵列和无线发射模块，温度数据接收终端包括无线接收模块和处理器，温度传感器阵列连接无线发射模块，处理器连接无线接收模块，温度传感器阵列对电缆不同位置点进行温度监测得到温度数据，并通过无线发射模块将温度数据发送至无线接收模块，无线接收模块将接收的温度数据发送至处理器，处理器根据上述的方法进行电缆状态检测。本实施例中，无线发射模块和无线接收模块均为蓝牙模块。
具体地，处理器评估电力电缆是否发生故障、判别故障类型的方法包括以下步骤：
A1、采集大量的电缆接头及本体温度数据，分析各位置点温度梯度分布模式；温度数据包括正常运行、存在压接缺陷、存在绝缘划伤缺陷以及发生绝缘内部气隙放电时的电缆接头及本体温度数据。
A2、基于深度学习算法，使用各位置点温度梯度数据进行训练，生成训练好的深度学习网络模型。
A3、通过深度学习网络模型对实时采集的温度数据进行计算分析识别出电缆运行状态并判断是否发生故障以及故障类型。
A4、通过深度学习网络模型对历史数据进行分析，得出电缆温度及温度梯度分布模式发展规律，并就故障模式进行匹配预测发生故障的可能性。
在一个实施例中，温度采集装置还可包括信号调理模块，温度传感器阵列通过信号调理模块与无线发射模块连接，可利用信号调理模块对温度传感器阵列采集的温度数据进行信号过滤、放大等处理，然后通过无线发射模块将处理后的温度数据发送至温度数据接收终端，便于温度数据接收终端进行信号处理。
在一个实施例中，温度传感器阵列的数量为两组以上，每组温度传感器阵列包括两个以上的高精度数字温度传感器。本实施例中，温度传感器阵列为3组，每组温度传感器阵列包括8个高精度数字温度传感器。对应地，无线发射模块包括板载天线和三个无线传输模块，每组温度传感器阵列分别通过一个无线传输模块连接板载天线。无线接收模块同样包括板载天线和三个无线传输模块，处理器通过三个无线传输模块连接板载天线。此外，温度采集装置和温度数据接收终端还可以均包括供电模块，分别用于对内部器件进行供电。
进一步地，如图6所示，在一个实施例中，温度采集装置还包括圆形卡槽，圆形卡槽环绕固定于电缆接头及电缆本体的表面，温度传感器阵列设置于圆形卡槽。同样以3组温度传感器阵列为例，将每组温度传感器阵列的温度传感器1-8紧扣于圆形卡槽上，然后将圆形卡槽紧贴环绕于电缆接头及本体表面进行温度测量，然后将采集的温度数据通过蓝牙发送至接收终端，可以更准确、全面的进行温度监测。
在一个实施例中，继续参照图5，温度数据接收终端还可包括连接处理器的显示器和存储器，处理器可将接收的温度数据发送至存储器进行保存，还可通过显示器显示温度数据和电缆状态分析结果。此外，处理器还可在电缆发通过显示器输出对应的警报信息。
上述电缆状态检测和设备，通过无线通信获取温度传感器阵列对电缆不同位置点进行温度监测得到的温度数据，并根据温度数据得到电缆各位置点的温度梯度数据，根据电缆各位置点的温度梯度数据，利用根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果，可快速检测电缆不同位置点的温度并分析电缆实时状态，能够对电缆温度进行实时监测和状态快速判断，有效提高了电缆的运行可靠性。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电缆状态检测方法，其特征在于，包括：
通过无线通信获取温度传感器阵列监测的温度数据；其中，所述温度数据为温度传感器阵列对电缆不同位置点进行温度监测得到；
根据所述温度数据得到电缆各位置点的温度梯度数据；
根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果；其中，所述深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。
2.根据权利要求1所述的电缆状态检测方法，其特征在于，所述温度传感器阵列环绕于电缆接头和电缆本体的不同位置点进行温度监测，得到所述温度数据。
3.根据权利要求1所述的电缆状态检测方法，其特征在于，所述根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果之后，还包括：
当所述电缆状态分析结果为电缆发生故障时，判别故障类型并输出警报信息。
4.根据权利要求1所述的电缆状态检测方法，其特征在于，所述根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果之后，还包括：显示所述温度数据和所述电缆状态分析结果。
5.根据权利要求1-4任意一项所述的电缆状态检测方法，其特征在于，所述根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果之前，还包括：
获取电缆各位置点的历史温度数据，根据所述历史温度数据得到对应位置点的温度梯度样本数据；其中，所述历史温度数据为对电缆在不同运行状态时各位置点进行温度监测得到；
根据各位置点的温度梯度样本数据，基于深度学习算法进行训练，生成训练好的深度学习网络模型。
6.根据权利要求5所述的电缆状态检测方法，其特征在于，所述历史温度数据包括对电缆在正常运行、存在压接缺陷、存在绝缘划伤缺陷以及发生绝缘内部气隙放电时的电缆接头及本体温度数据。
7.一种电缆状态检测装置，其特征在于，包括：
无线接收模块，用于通过无线通信获取温度传感器阵列监测的温度数据；其中，所述温度数据为温度传感器阵列对电缆不同位置点进行温度监测得到；
数据处理模块，用于根据所述温度数据得到电缆各位置点的温度梯度数据；
状态分析模块，用于根据电缆各位置点的温度梯度数据，以及预设的深度学习网络模型分析电缆实时状态，得到电缆状态分析结果；其中，所述深度学习网络模型为根据电缆在不同运行状态时各位置点的温度梯度样本数据进行训练得到。
8.一种电缆状态检测设备，其特征在于，包括温度采集装置和温度数据接收终端；所述温度采集装置包括温度传感器阵列和无线发射模块，所述温度数据接收终端包括无线接收模块和处理器，所述温度传感器阵列连接所述无线发射模块，所述处理器连接所述无线接收模块，所述温度传感器阵列对电缆不同位置点进行温度监测得到温度数据，并通过所述无线发射模块将所述温度数据发送至所述无线接收模块，所述无线接收模块将接收的温度数据发送至所述处理器，所述处理器根据权利要求1-6任意一项所述的方法进行电缆状态检测。
9.根据权利要求8所述的电缆状态检测设备，其特征在于，所述温度传感器阵列的数量为两组以上，每组温度传感器阵列包括两个以上的高精度数字温度传感器。
10.根据权利要求8所述的电缆状态检测设备，其特征在于，所述温度采集装置还包括圆形卡槽，所述圆形卡槽环绕固定于电缆接头及电缆本体的表面，所述温度传感器阵列设置于所述圆形卡槽。
CN202110187376.8A 2021-02-18 2021-02-18 电缆状态检测方法、装置和设备 Active CN113091949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110187376.8A CN113091949B (zh) 2021-02-18 2021-02-18 电缆状态检测方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110187376.8A CN113091949B (zh) 2021-02-18 2021-02-18 电缆状态检测方法、装置和设备

Publications (2)

Publication Number Publication Date
CN113091949A true CN113091949A (zh) 2021-07-09
CN113091949B CN113091949B (zh) 2023-04-07

Family

ID=76663789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110187376.8A Active CN113091949B (zh) 2021-02-18 2021-02-18 电缆状态检测方法、装置和设备

Country Status (1)

Country Link
CN (1) CN113091949B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115856514A (zh) * 2023-02-28 2023-03-28 宝胜高压电缆有限公司 一种聚丙烯电缆的智能运行异常监测定位方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204330145U (zh) * 2014-08-17 2015-05-13 广东南缆电缆有限公司 一种电缆接头温度控制系统
CN204439707U (zh) * 2015-01-30 2015-07-01 哈尔滨理工大学 一种组网式中压电缆分接头在线监测系统
CN106679847A (zh) * 2016-12-14 2017-05-17 云南电网有限责任公司电力科学研究院 一种电力设备故障诊断方法及装置
CN108593622A (zh) * 2017-12-26 2018-09-28 武汉理工大学 一种用于石化生产过程的智能化集成光纤传感系统及其实时监测诊断方法
CN108801501A (zh) * 2018-04-09 2018-11-13 重庆大学 基于温度场梯度和热功率传导模型的电缆芯温度测量方法
CN109738079A (zh) * 2019-01-28 2019-05-10 成都启康医疗器械有限公司 一种多探头表面温度精准预测技术
CN110220602A (zh) * 2019-06-24 2019-09-10 广西电网有限责任公司电力科学研究院 一种开关柜过热故障识别方法
CN110631723A (zh) * 2019-10-17 2019-12-31 国网河南省电力公司济源供电公司 一种温度梯度法的电缆接头及温升远程监测设备系统
CN110875851A (zh) * 2019-10-25 2020-03-10 袁茂银 地下电缆故障预警方法和装置
CN111123087A (zh) * 2019-12-24 2020-05-08 深圳供电局有限公司 配电网开关设备故障检测方法、装置和计算机设备
CN112016835A (zh) * 2020-08-31 2020-12-01 广东电网有限责任公司广州供电局 配电网电缆线路监测方法、计算机设备和存储介质
CN112013993A (zh) * 2020-08-27 2020-12-01 国网山西省电力公司大同供电公司 一种基于水下机器人的海底电缆探测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204330145U (zh) * 2014-08-17 2015-05-13 广东南缆电缆有限公司 一种电缆接头温度控制系统
CN204439707U (zh) * 2015-01-30 2015-07-01 哈尔滨理工大学 一种组网式中压电缆分接头在线监测系统
CN106679847A (zh) * 2016-12-14 2017-05-17 云南电网有限责任公司电力科学研究院 一种电力设备故障诊断方法及装置
CN108593622A (zh) * 2017-12-26 2018-09-28 武汉理工大学 一种用于石化生产过程的智能化集成光纤传感系统及其实时监测诊断方法
CN108801501A (zh) * 2018-04-09 2018-11-13 重庆大学 基于温度场梯度和热功率传导模型的电缆芯温度测量方法
CN109738079A (zh) * 2019-01-28 2019-05-10 成都启康医疗器械有限公司 一种多探头表面温度精准预测技术
CN110220602A (zh) * 2019-06-24 2019-09-10 广西电网有限责任公司电力科学研究院 一种开关柜过热故障识别方法
CN110631723A (zh) * 2019-10-17 2019-12-31 国网河南省电力公司济源供电公司 一种温度梯度法的电缆接头及温升远程监测设备系统
CN110875851A (zh) * 2019-10-25 2020-03-10 袁茂银 地下电缆故障预警方法和装置
CN111123087A (zh) * 2019-12-24 2020-05-08 深圳供电局有限公司 配电网开关设备故障检测方法、装置和计算机设备
CN112013993A (zh) * 2020-08-27 2020-12-01 国网山西省电力公司大同供电公司 一种基于水下机器人的海底电缆探测方法
CN112016835A (zh) * 2020-08-31 2020-12-01 广东电网有限责任公司广州供电局 配电网电缆线路监测方法、计算机设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115856514A (zh) * 2023-02-28 2023-03-28 宝胜高压电缆有限公司 一种聚丙烯电缆的智能运行异常监测定位方法及系统

Also Published As

Publication number Publication date
CN113091949B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN112305386A (zh) 一种基于数字孪生技术的高压电缆带电检测系统及方法
CN104090252B (zh) 一种电缆型故障指示器的综合检测系统和方法
CN116204842A (zh) 一种电气设备的异常监测方法及系统
KR20180031454A (ko) 애자련 상태 감시장치 및 방법
CN113091949B (zh) 电缆状态检测方法、装置和设备
CN115566804A (zh) 一种基于分布式光纤传感技术的电力监测系统
CN117110794A (zh) 一种电缆故障智能诊断系统及方法
CN118137682A (zh) 配电自动化主站硬件故障主动检测系统及方法
CN116011850A (zh) 一种磷酸铁锂智能全过程质量监管平台
CN115086801A (zh) 基于携带式计算终端的穿戴式配网智能巡检系统及方法
CN207782829U (zh) Profibus-dp通信网络的诊断设备
CN105988460B (zh) 车辆跑道动态检测方法、装置和系统
CN102540995B (zh) 产线流程管控系统及方法
CN111505531A (zh) 一种板卡测试系统
CN106500831B (zh) 振动传感器的检测方法和装置
CN113987000A (zh) 数据采集方法、装置、设备及存储介质
CN118247609B (zh) 应用热成像技术的远程图像识别分析系统及方法
CN116718295B (zh) 一种压力表数据远程自动化获取系统
CN109507631A (zh) 一种提高接驳率的检定方法和装置
CN208937651U (zh) 一种汽车车门线束检测装置
CN117686819A (zh) 一种高压电力电缆在线监测系统及方法
CN116699503B (zh) 一种智能电能表的性能测试系统
CN116699313B (zh) 一种用于线路保护的多分支线路故障自检方法及装置
CN118295367A (zh) 车辆故障定位方法、装置、设备及存储介质
CN117787954A (zh) 接线端子预测性维护方法、系统及电子设备

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