CN113947248B - 一种电缆受潮老化跳闸的风险预测方法和相关装置 - Google Patents

一种电缆受潮老化跳闸的风险预测方法和相关装置 Download PDF

Info

Publication number
CN113947248B
CN113947248B CN202111228679.6A CN202111228679A CN113947248B CN 113947248 B CN113947248 B CN 113947248B CN 202111228679 A CN202111228679 A CN 202111228679A CN 113947248 B CN113947248 B CN 113947248B
Authority
CN
China
Prior art keywords
predicted
aging
damp
cable
risk value
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
Application number
CN202111228679.6A
Other languages
English (en)
Other versions
CN113947248A (zh
Inventor
许中
栾乐
彭和平
徐硕
刘俊翔
罗思敏
崔屹平
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202111228679.6A priority Critical patent/CN113947248B/zh
Publication of CN113947248A publication Critical patent/CN113947248A/zh
Application granted granted Critical
Publication of CN113947248B publication Critical patent/CN113947248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种电缆受潮老化跳闸的风险预测方法和相关装置，其中方法包括：获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列；将所述受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值；将所述预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值；综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值。解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。

Description

一种电缆受潮老化跳闸的风险预测方法和相关装置
技术领域
本申请涉及电缆分析技术领域，尤其涉及一种电缆受潮老化跳闸的风险预测方法和相关装置。
背景技术
随着城市电网电缆化率的逐步提高，电缆的供电安全性与可靠性问题日益突出。35kV以下的电缆多采用电缆沟直埋的方式敷设电缆，然而在降雨量较大且地下水位较高的地区，电缆沟积水严重，导致电缆长时间浸泡在水中的情况时有发生。同时制造工艺、电缆接头密封不佳、机械损伤等因素会造成电缆绝缘进水，进而导致电缆老化绝缘击穿，最终致使电缆跳闸影响供电可靠性。
现有技术中，对于直埋式电缆的检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段。因此，提供一种电缆受潮老化跳闸的风险预测方法是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本申请提供了一种电缆受潮老化跳闸的风险预测方法和相关装置，解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。
本申请第一方面提供了一种电缆受潮老化跳闸的风险预测方法，包括：
获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列；
将所述受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值；
将所述预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值；
综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值。
可选地，获取电缆在待预测时间颗粒度时的受潮老化指标时间序列，具体包括：
获取电缆的待预测时间颗粒度；
基于所述待预测时间颗粒度、待预测时间颗粒度和受潮老化指标时间序列的第一对应关系，确定所述待预测时间颗粒度对应的受潮老化指标时间序列。
可选地，所述第一对应关系的配置过程包括：
获取电缆的历史跳闸数据、历史环境数据和电缆本征数据；
通过Apriori算法，从所述历史跳闸数据、所述历史环境数据和所述电缆本征数据中筛选出受潮老化指标；
以所述待预测时间颗粒度为时间维度，根据所述受潮老化指标，建立该待预测时间颗粒度对应的受潮老化指标时间序列，以建立所述第一对应关系。
可选地，所述历史环境数据包括：历史气象数据和历史敷设环境数据；
所述历史气象数据包括：温度数据和降雨量数据；
所述历史敷设环境数据包括：土壤类型、河网密度和地下管道分布。
可选地，获取电缆在待预测时间颗粒度时的受潮老化风险值时间序列，具体包括：
获取电缆的待预测时间颗粒度；
基于所述待预测时间颗粒度、待预测时间颗粒度和受潮老化风险值时间序列的第二对应关系，确定所述待预测时间颗粒度对应的受潮老化风险值时间序列。
可选地，所述第二对应关系的配置过程包括：
获取电缆的受潮老化指标；
将所述受潮老化指标输入至所述第二预测模型，得到对应的受潮老化风险值；
以所述待预测时间颗粒度为时间维度，根据所述受潮老化风险值，建立该待预测时间颗粒度对应的受潮老化风险值序列，以建立所述第二对应关系。
可选地，综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值，具体包括：
将所述第一预测受潮老化风险值和所述第二预测受潮老化风险值进行求和，得到求和风险值；
将所述求和风险值的一半作为目标受潮老化风险值。
本申请第二方面提供了一种电缆受潮老化跳闸的风险预测装置，包括：
获取单元，用于获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列；
第一计算单元，用于将所述受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值；
第二计算单元，用于将所述预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值；
第三计算单元，用于综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值。
本申请第三方面提供了一种电缆受潮老化跳闸的风险预测设备，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行任一种第一方面所述的电缆受潮老化跳闸的风险预测方法。
本申请第四方面提供了一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行任一种第一方面所述的电缆受潮老化跳闸的风险预测方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种电缆受潮老化跳闸的风险预测方法，首先获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列，接着将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值，然后将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值，最后综合第一预测受潮老化风险值和第二预测受潮老化风险值，得到对应的目标受潮老化风险值。本申请能够对电缆的受潮老化指标与受潮老化跳闸风险变化趋势进行预测，进而对相关部门进行针对性设备维修与更换有指导意义，从而解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种电缆受潮老化跳闸的风险预测方法的第一实施例的流程示意图；
图2为本申请实施例中一种电缆受潮老化跳闸的风险预测方法的第二实施例的流程示意图；
图3为本申请实施例中一种电缆受潮老化跳闸的风险预测装置的结构示意图。
具体实施方式
本申请实施例提供了一种电缆受潮老化跳闸的风险预测方法和相关装置，解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例第一方面提供了一种电缆受潮老化跳闸的风险预测方法的实施例。
请参阅图1，本申请实施例中一种电缆受潮老化跳闸的风险预测方法的第一实施例的流程示意图。
本实施例中电缆受潮老化跳闸的风险预测方法包括：
步骤101、获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列。
本实施例中的待预测时间颗粒度可以是周，也可以是月，也可以是季度或年度等，具体地，可以根据预测需求进行设置。
步骤102、将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值。
本实施例中的第一预测模型为改进的灰色GM(1,1)模型，该灰色GM(1,1)模型进行了多维度改进，包括参数估计改进，采用累积法代替最小二乘法，背景值重构，预测公式改进原始数据进行函数化处理增强其平滑度等提高其预测准确性。
具体地，对于改进的灰色GM(1,1)模型的配置可以是，通过训练受潮老化指标时间序列和训练受潮老化风险值时间序列对初设的改进的灰色GM(1,1)模型进行训练，当该模型的实际输出和目标输出之间的差值小于预设值或者相似度大于预设值时，认为训练结束，此时便可得到目标模型，也即第一预测模型。
步骤103、将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值。
本实施例中的第二预测模型是深度学习模型，例如神经网络模型。具体地对于神经网络模型的配置可以是，通过训练受潮老化指标对神经网络进行训练，当神经网络的实际输出和目标输出之间的差值小于预设值或者相似度大于预设值时，认为神经网络训练结束，此时便可得到对应的神经网络模型。
步骤104、综合第一预测受潮老化风险值和第二预测受潮老化风险值，得到对应的目标受潮老化风险值。
将基于第一预测模型的第一预测受潮老化风险值和基于第二预测模型的第二预测受潮老化风险值相结合，即将预测指标计算得出的结果与基于风险值预算得到的结果相结合充分考虑了指标变化趋势对风险带来的影响以及风险值本身的趋势。
本实施例中，首先获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列，接着将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值，然后将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值，最后综合第一预测受潮老化风险值和第二预测受潮老化风险值，得到对应的目标受潮老化风险值。本申请能够对电缆的受潮老化指标与受潮老化跳闸风险变化趋势进行预测，进而对相关部门进行针对性设备维修与更换有指导意义，从而解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。
以上为本申请实施例提供的一种电缆受潮老化跳闸的风险预测方法的第一实施例，以下为本申请实施例提供的一种电缆受潮老化跳闸的风险预测方法的第二实施例。
请参阅图2，本申请实施例中一种电缆受潮老化跳闸的风险预测方法的第二实施例的流程示意图。
本实施例中电缆受潮老化跳闸的风险预测方法包括：
步骤201、获取电缆的待预测时间颗粒度。
步骤202、基于待预测时间颗粒度、待预测时间颗粒度和受潮老化指标时间序列的第一对应关系，确定待预测时间颗粒度对应的受潮老化指标时间序列。
可以理解的是，在一种实施方式中，第一对应关系的配置过程包括：
获取电缆的历史跳闸数据、历史环境数据和电缆本征数据；
通过Apriori算法，从历史跳闸数据、历史环境数据和电缆本征数据中筛选出受潮老化指标；
以待预测时间颗粒度为时间维度，根据受潮老化指标，建立该待预测时间颗粒度对应的受潮老化指标时间序列，以建立第一对应关系。
其中，历史环境数据可以包括：历史气象数据和历史敷设环境数据；
历史气象数据可以包括：温度数据和降雨量数据；
历史敷设环境数据可以包括：土壤类型、河网密度和地下管道分布。还可以包括，电缆环境处的周边施工情况。
进一步地，电缆本征数据包括但不限于：电缆型号，电缆接头型号，电缆已运行年限。
进一步地，通过Apriori算法，从历史跳闸数据、历史环境数据和电缆本征数据中筛选出受潮老化指标之前还包括：对历史跳闸数据、历史环境数据和电缆本征数据进行正向化标准化处理，形成电缆标准化样本集。
具体地，通过Apriori算法，从历史跳闸数据、历史环境数据和电缆本征数据中筛选出受潮老化指标具体包括：结合每个电缆样本的受潮老化情况，根据电力电缆内部本体与外部环境各项指标与电缆老化程度映射关系，从历史跳闸数据、历史环境数据和电缆本征数据中，选取出与电缆受潮老化跳闸风险的高关联度指标作为受潮老化指标。
步骤203、基于待预测时间颗粒度、待预测时间颗粒度和受潮老化风险值时间序列的第二对应关系，确定待预测时间颗粒度对应的受潮老化风险值时间序列。
在一种实施方式中，第二对应关系的配置过程包括：
获取电缆的受潮老化指标；
将受潮老化指标输入至第二预测模型，得到对应的受潮老化风险值；
以待预测时间颗粒度为时间维度，根据受潮老化风险值，建立该待预测时间颗粒度对应的受潮老化风险值序列，以建立第二对应关系。
即以待预测时间颗粒度为月为例，汇总近一年内每月统计的受潮老化指标值，形成以月为单位的各指标值对应的时间序列，同时计算每月电缆受潮老化跳闸风险值，形成以月为单位的受潮老化风险值时间序列；将颗粒度由月变为年，形成对应的以年为单位的受潮老化指标时间序列和受潮老化风险值时间序列。
步骤204、将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值。
可以理解的是，步骤204和第一实施例中步骤102的描述相同，具体可以参见上述步骤102的描述，在此不再赘述。
步骤205、将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值。
可以理解的是，步骤205和第一实施例中步骤103的描述相同，具体可以参见上述步骤103的描述，在此不再赘述。
步骤206、将第一预测受潮老化风险值和第二预测受潮老化风险值进行求和，得到求和风险值。
可以理解的是，步骤206和第一实施例中步骤104的描述相同，具体可以参见上述步骤104的描述，在此不再赘述。
步骤207、将求和风险值的一半作为目标受潮老化风险值。
本实施例中，首先获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列，接着将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值，然后将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值，最后综合第一预测受潮老化风险值和第二预测受潮老化风险值，得到对应的目标受潮老化风险值。本申请能够对电缆的受潮老化指标与受潮老化跳闸风险变化趋势进行预测，进而对相关部门进行针对性设备维修与更换有指导意义，从而解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。
本申请实施例第二方面提供了一种电缆受潮老化跳闸的风险预测装置的实施例。
请参阅图3，本申请实施例中一种电缆受潮老化跳闸的风险预测装置的结构示意图。
本实施例中的一种电缆受潮老化跳闸的风险预测装置包括：
获取单元，用于获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列；
第一计算单元，用于将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值；
第二计算单元，用于将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值；
第三计算单元，用于综合第一预测受潮老化风险值和第二预测受潮老化风险值，得到对应的目标受潮老化风险值。
进一步地，获取电缆在待预测时间颗粒度时的受潮老化指标时间序列，具体包括：
获取电缆的待预测时间颗粒度；
基于待预测时间颗粒度、待预测时间颗粒度和受潮老化指标时间序列的第一对应关系，确定待预测时间颗粒度对应的受潮老化指标时间序列。
进一步地，第一对应关系的配置过程包括：
获取电缆的历史跳闸数据、历史环境数据和电缆本征数据；
通过Apriori算法，从历史跳闸数据、历史环境数据和电缆本征数据中筛选出受潮老化指标；
以待预测时间颗粒度为时间维度，根据受潮老化指标，建立该待预测时间颗粒度对应的受潮老化指标时间序列，以建立第一对应关系。
进一步地，历史环境数据包括：历史气象数据和历史敷设环境数据；
历史气象数据包括：温度数据和降雨量数据；
历史敷设环境数据包括：土壤类型、河网密度和地下管道分布。
可选地，获取电缆在待预测时间颗粒度时的受潮老化风险值时间序列，具体包括：
获取电缆的待预测时间颗粒度；
基于待预测时间颗粒度、待预测时间颗粒度和受潮老化风险值时间序列的第二对应关系，确定待预测时间颗粒度对应的受潮老化风险值时间序列。
进一步地，第二对应关系的配置过程包括：
获取电缆的受潮老化指标；
将受潮老化指标输入至第二预测模型，得到对应的受潮老化风险值；
以待预测时间颗粒度为时间维度，根据受潮老化风险值，建立该待预测时间颗粒度对应的受潮老化风险值序列，以建立第二对应关系。
具体地，第三计算单元具体包括：
求和子单元，用于将第一预测受潮老化风险值和第二预测受潮老化风险值进行求和，得到求和风险值；
赋值子单元，用于将求和风险值的一半作为目标受潮老化风险值。
本实施例中，首先获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列，接着将受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值，然后将预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值，最后综合第一预测受潮老化风险值和第二预测受潮老化风险值，得到对应的目标受潮老化风险值。本申请能够对电缆的受潮老化指标与受潮老化跳闸风险变化趋势进行预测，进而对相关部门进行针对性设备维修与更换有指导意义，从而解决了现有对于电缆受潮老化跳闸的风险预测方法，检测手段较为局限，且是在发生停电事故后挖开电缆沟发现内部有积水，电缆已被击穿，缺乏先验性的判断手段的技术问题。
本申请实施例第三方面提供了一种电缆受潮老化跳闸的风险预测设备的实施例。
一种电缆受潮老化跳闸的风险预测设备，包括处理器以及存储器；存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行第一方面的电缆受潮老化跳闸的风险预测方法。
本申请实施例第四方面提供了一种存储介质的实施例。
一种存储介质，存储介质用于存储程序代码，程序代码用于执行第一方面的电缆受潮老化跳闸的风险预测方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个待安装电网网络，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种电缆受潮老化跳闸的风险预测方法，其特征在于，包括：
获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列；
将所述受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值；
将所述预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值；
综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值。
2.根据权利要求1所述的电缆受潮老化跳闸的风险预测方法，其特征在于，获取电缆在待预测时间颗粒度时的受潮老化指标时间序列，具体包括：
获取电缆的待预测时间颗粒度；
基于所述待预测时间颗粒度、待预测时间颗粒度和受潮老化指标时间序列的第一对应关系，确定所述待预测时间颗粒度对应的受潮老化指标时间序列。
3.根据权利要求2所述的电缆受潮老化跳闸的风险预测方法，其特征在于，所述第一对应关系的配置过程包括：
获取电缆的历史跳闸数据、历史环境数据和电缆本征数据；
通过Apriori算法，从所述历史跳闸数据、所述历史环境数据和所述电缆本征数据中筛选出受潮老化指标；
以所述待预测时间颗粒度为时间维度，根据所述受潮老化指标，建立该待预测时间颗粒度对应的受潮老化指标时间序列，以建立所述第一对应关系。
4.根据权利要求3所述的电缆受潮老化跳闸的风险预测方法，其特征在于，所述历史环境数据包括：历史气象数据和历史敷设环境数据；
所述历史气象数据包括：温度数据和降雨量数据；
所述历史敷设环境数据包括：土壤类型、河网密度和地下管道分布。
5.根据权利要求1所述的电缆受潮老化跳闸的风险预测方法，其特征在于，获取电缆在待预测时间颗粒度时的受潮老化风险值时间序列，具体包括：
获取电缆的待预测时间颗粒度；
基于所述待预测时间颗粒度、待预测时间颗粒度和受潮老化风险值时间序列的第二对应关系，确定所述待预测时间颗粒度对应的受潮老化风险值时间序列。
6.根据权利要求5所述的电缆受潮老化跳闸的风险预测方法，其特征在于，所述第二对应关系的配置过程包括：
获取电缆的受潮老化指标；
将所述受潮老化指标输入至所述第二预测模型，得到对应的受潮老化风险值；
以所述待预测时间颗粒度为时间维度，根据所述受潮老化风险值，建立该待预测时间颗粒度对应的受潮老化风险值序列，以建立所述第二对应关系。
7.根据权利要求1所述的电缆受潮老化跳闸的风险预测方法，其特征在于，综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值，具体包括：
将所述第一预测受潮老化风险值和所述第二预测受潮老化风险值进行求和，得到求和风险值；
将所述求和风险值的一半作为目标受潮老化风险值。
8.一种电缆受潮老化跳闸的风险预测装置，其特征在于，包括：
获取单元，用于获取电缆在待预测时间颗粒度时的受潮老化指标时间序列和受潮老化风险值时间序列；
第一计算单元，用于将所述受潮老化指标时间序列和受潮老化风险值时间序列输入至第一预测模型，得到对应的预测受潮老化指标和第一预测受潮老化风险值；
第二计算单元，用于将所述预测受潮老化指标输入至第二预测模型，得到对应的第二预测受潮老化风险值；
第三计算单元，用于综合所述第一预测受潮老化风险值和所述第二预测受潮老化风险值，得到对应的目标受潮老化风险值。
9.一种电缆受潮老化跳闸的风险预测设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1至7中任一项所述的电缆受潮老化跳闸的风险预测方法。
10.一种存储介质，其特征在于，所述存储介质用于存储程序代码，所述程序代码用于执行权利要求1至7中任一项所述的电缆受潮老化跳闸的风险预测方法。
CN202111228679.6A 2021-10-21 2021-10-21 一种电缆受潮老化跳闸的风险预测方法和相关装置 Active CN113947248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111228679.6A CN113947248B (zh) 2021-10-21 2021-10-21 一种电缆受潮老化跳闸的风险预测方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111228679.6A CN113947248B (zh) 2021-10-21 2021-10-21 一种电缆受潮老化跳闸的风险预测方法和相关装置

Publications (2)

Publication Number Publication Date
CN113947248A CN113947248A (zh) 2022-01-18
CN113947248B true CN113947248B (zh) 2024-05-31

Family

ID=79331951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111228679.6A Active CN113947248B (zh) 2021-10-21 2021-10-21 一种电缆受潮老化跳闸的风险预测方法和相关装置

Country Status (1)

Country Link
CN (1) CN113947248B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015153060A (ja) * 2014-02-13 2015-08-24 日本電信電話株式会社 設備メンテナンス負担評価方法および装置
CN108154256A (zh) * 2017-11-27 2018-06-12 国网北京市电力公司 预测风险值的确定方法及装置、存储介质
CN108304941A (zh) * 2017-12-18 2018-07-20 中国软件与技术服务股份有限公司 一种基于机器学习的故障预测方法
CN108318786A (zh) * 2017-01-18 2018-07-24 中国电力科学研究院 一种配电网电缆线路绝缘老化风险的辨识方法和装置
CN109284938A (zh) * 2018-10-18 2019-01-29 许昌许继软件技术有限公司 一种电力电缆线路状态的综合评估方法与装置
CN109359791A (zh) * 2018-12-26 2019-02-19 湖南科技大学 一种机械系统退化趋势预测方法及系统
CN110658432A (zh) * 2019-11-03 2020-01-07 西南交通大学 一种配电网电缆终端受潮程度评估方法
CN110852584A (zh) * 2019-10-30 2020-02-28 北京航空航天大学 一种基于复杂网络分析的风险识别方法
CN111242452A (zh) * 2020-01-07 2020-06-05 深圳市网新新思软件有限公司 一种金融风险数据分析控制系统和方法
CN112257237A (zh) * 2020-10-10 2021-01-22 重庆大学 一种预测电缆热老化使用寿命的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015153060A (ja) * 2014-02-13 2015-08-24 日本電信電話株式会社 設備メンテナンス負担評価方法および装置
CN108318786A (zh) * 2017-01-18 2018-07-24 中国电力科学研究院 一种配电网电缆线路绝缘老化风险的辨识方法和装置
CN108154256A (zh) * 2017-11-27 2018-06-12 国网北京市电力公司 预测风险值的确定方法及装置、存储介质
CN108304941A (zh) * 2017-12-18 2018-07-20 中国软件与技术服务股份有限公司 一种基于机器学习的故障预测方法
CN109284938A (zh) * 2018-10-18 2019-01-29 许昌许继软件技术有限公司 一种电力电缆线路状态的综合评估方法与装置
CN109359791A (zh) * 2018-12-26 2019-02-19 湖南科技大学 一种机械系统退化趋势预测方法及系统
CN110852584A (zh) * 2019-10-30 2020-02-28 北京航空航天大学 一种基于复杂网络分析的风险识别方法
CN110658432A (zh) * 2019-11-03 2020-01-07 西南交通大学 一种配电网电缆终端受潮程度评估方法
CN111242452A (zh) * 2020-01-07 2020-06-05 深圳市网新新思软件有限公司 一种金融风险数据分析控制系统和方法
CN112257237A (zh) * 2020-10-10 2021-01-22 重庆大学 一种预测电缆热老化使用寿命的方法

Also Published As

Publication number Publication date
CN113947248A (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN111400371A (zh) 一种基于电压相关性校验的户变关系识别方法
CN104914327A (zh) 基于实时监测信息的变压器故障检修预测方法
CN106384170A (zh) 基于小波分解与重构的时间序列风速预测方法
CN110930052A (zh) 一种变电设备故障率预测方法，系统，设备及可读存储介质
CN103778474A (zh) 资源负载量预测方法、分析预测系统及业务运营监控系统
CN111414703B (zh) 一种滚动轴承剩余寿命预测方法及装置
CN104281779A (zh) 一种异常数据判定与处理方法及装置
CN103699668A (zh) 基于数据断面一致性的配电网电气设备组合状态评估方法
JP2019525046A (ja) 地下水源から汲み上げ可能な水の最大許容量を経時的に決定する方法
CN109598052B (zh) 基于相关系数分析的智能电表寿命周期预测方法及装置
CN107834551A (zh) 一种基于支持向量机的配电网低电压预测方法
CN113742993A (zh) 干式变压器寿命损失预测方法、装置、设备及存储介质
CN116523312A (zh) 一种智慧城市数据管理方法及系统
Samiran Das et al. Assessment of uncertainty in flood flows under climate change impacts in the Upper Thames River basin, Canada.
CN104268649A (zh) 一种基于小波奇异性分析和arma模型的水管漏水检测方法
CN115267575A (zh) 一种基于Transformer的储能电池寿命预测算法
CN113947248B (zh) 一种电缆受潮老化跳闸的风险预测方法和相关装置
CN104122487A (zh) 一种电缆过电流原因辨识方法及装置
CN104573361B (zh) 一种gis设备评估的方法和装置
CN117191147A (zh) 一种泄洪大坝水位监测预警方法及系统
CN113300373A (zh) 一种基于prmse评价指标的稳定裕度值预测方法及装置
CN112345972A (zh) 基于停电事件的配电网线变关系异常诊断方法、装置及系统
CN116522594A (zh) 基于卷积神经网络的时间自适应暂态稳定预测方法及装置
CN116029165A (zh) 一种计及雷电影响的电力电缆可靠性分析方法及系统
CN115221731A (zh) 基于数据融合和Wiener模型的变压器寿命评估方法

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
GR01 Patent grant
GR01 Patent grant