CN114236332A - 一种电力电缆绝缘状态判断方法及系统 - Google Patents

Abstract

本发明提供了一种电力电缆绝缘状态判断方法，其包括：步骤S10，检测获得选定电力电缆待检测点的绝缘监测参数；步骤S11，对绝缘监测参数的特征参数进行提取，获得相应的特征参数；步骤S12，根据所述特征参数，获得相应的权重；步骤S13，建立综合评判模型评判集，并确定评判因素的隶属函数；步骤S14，生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数的权重，以及基于最大隶属度原则，确定电缆绝缘状态。本发明还提供了相应的系统。实施本发明，具有测试方便，检测安全性高以及判断准确度较高的优点。

Description

一种电力电缆绝缘状态判断方法及系统

技术领域

本发明涉及电力安全监测技术，具体涉及一种电力电缆绝缘状态判断方法及系统。

背景技术

近年来，国内外电力输电线路投运数量不断增加，电压等级不断提高。例发，我国南澳±160千伏世界首条三端柔性电缆工程，舟山±200kV五端电缆工程，以及厦门和大连±320kV五端柔直电缆系统均已投运。且ABB公司2014年已研制出的±525kV XLPE电力电缆。

虽然电力电缆技术空前发展，但高压电力电缆及附件的绝缘带电检测、故障诊断等运维及信号后处理技术研究相对滞后。现有技术中如何选定检测电力电缆中潜伏的绝缘缺陷的特征参数以及利用特征参数合理评估电缆的绝缘状态尚未提出相应的解决方法。

发明内容

本发明所要解决的技术问题在于，本发明提供一种电力电缆绝缘状态判断方法及系统，其具有测试方便，检测安全性高以及判断准确度较高的优点。

为解决上述技术问题，作为本发明的一方面提供一种电力电缆绝缘状态判断方法，其包括如下步骤：

步骤S10，检测获得选定电力电缆待检测点的泄漏电流和局部放电信号；

步骤S11，对泄漏电流与局部放电信号的特征参数进行提取，获得泄漏电流特征参数与局部放电特征参数，构成影响电力电缆状态的评价因素集；

步骤S12，根据所述评价因素集，获得各泄漏电流特征参数的权重与局部放电特征参数的权重；

步骤S13，建立综合评判模型评判集，并确定评判因素的隶属函数；

步骤S14，生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数的权重，以及基于最大隶属度原则，确定电缆绝缘状态。

优选地，所述泄漏电流特征参数包括统计参数和小波包特征量；所述统计参数包括绝缘电阻、泄漏电流离散度、非线性系数和速率系数；所述小波包特征量包括小波包节点能量、节点能量均值及节点能量离散度；

所述局部放电特征参数包括放电量和放电重复率。

优选地，所述步骤S11进一步包括：

将各泄漏电流和局部放电信号特征参数提取分为目标层、指标层和子指标层，并构成评价因素集。

优选地，所述步骤S12具体为：

根据各泄漏电流特征参数的权重与局部放电特征参数的权重的重要性，采用预设权重确定方式，获取各特征参数对应的权重；

其中，所述预设权重确定方式采用主观赋权法、客观赋权法或组合赋权法；

所述主观赋权法包括层次分析法、G1法；

所述客观赋权法包括CRITIC法熵权法；

所述组合赋权法包括主观赋权法与客观赋权法各一种方法的组合。

优选地，所述步骤S12进一步包括：

将所述评价因素集输入一已训练好RBF神经网络，获得各泄漏电流特征参数的权重与局部放电特征参数的权重。

优选地，所述方法进一步包括如下步骤：

创建训练样本库，所述训练样本库包括电缆各种状态的样本数据，所述状态包括：包括良好、一般、注意、严重；

使用所述训练样本库对RBF神经网络进行训练，获得已训练好的RBF神经网络。

作为本发明的另一方面，还提供一种电力电缆绝缘状态判断系统，其包括：

信号检测单元，用于检测获得选定电力电缆待检测点的泄漏电流和局部放电信号；

特征参数提取单元，用于对泄漏电流与局部放电信号的特征参数进行提取，获得泄漏电流特征参数与局部放电特征参数，构成影响电力电缆状态的评价因素集；

权重参数获取单元，用于根据所述评价因素集，获得各泄漏电流特征参数及局部放电特征参数对应的权重；

隶属函数建立单元，用于建立综合评判模型评判集，并确定评判因素的隶属函数；

绝缘状态确定单元，用于生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数的权重，以及基于最大隶属度原则，确定电缆绝缘状态。

优选地，所述权重参数获取单元进一步包括：

第一确定单元，用于根据各泄漏电流特征参数的权重与局部放电特征参数的权重的重要性，采用预设权重确定方式，获取各特征参数对应的权重；

第二确定单元，用于将所述评价因素集输入一已训练好RBF神经网络，获得各泄漏电流特征参数及局部放电特征参数对应的权重。

优选地，进一步包括：

样本训练单元，用于根据训练样本库对RBF神经网络进行训练，获得已训练好的RBF神经网络，所述训练样本库存储有各种状态的电缆样本数据，所述状态包括：包括良好、一般、注意、严重。

优选地，所述所述预设权重确定方式采用主观赋权法、客观赋权法或组合赋权法；

所述主观赋权法包括层次分析法、G1法；

所述客观赋权法包括CRITIC法熵权法；

所述组合赋权法包括主观赋权法与客观赋权法各一种方法的组合。

实施本发明实施例，具有如下的有益效果：

本发明实施例提供一种电力电缆绝缘状态判断方法及系统。通过对待测电缆进行绝缘监测，并获取相应特征参数和特征参数权重，根据所述特征参数以及所述特征参数权重采用特定的方法判断电缆绝缘状态。可以快速准确地获得电缆绝缘状态，无需改变电缆的运行状态以及接触带电设备，测试过程非常方便，检测安全性高，且判断结果准确度较高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为发明提供的一种电力电缆绝缘状态判断方法的一个实施例的主流程示意图；

图2为本发明涉及的电力电缆状态评估模型关系图；

图3为发明提供的一种电力电缆绝缘状态判断方法的另一个实施例的主流程示意图；

图4为发明提供的一种电力电缆绝缘状态判断系统的一个实施例的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

下面参照附图并结合具体的实施例，对本发明作进一步的详细说明。

实施例一

请参照图1所示，示出了本发明提供的一种电力电缆绝缘状态判断方法的一个实施例的主流程示意图；一并结合图2，在本实施例中，所述方法进一步包括如下步骤：

步骤S10,选定电力电缆待检测点，检测泄漏电流和局部放电信号；

步骤S11,针对泄漏电流和局部放电信号，提取特征参数，构成评价因素集；

进一步地，泄漏电流特征参数包括统计参数和小波包特征量，其中统计参数由绝缘电阻、泄漏电流离散度、非线性系数、速率系数构成；小波包特征量由小波包节点能量、节点能量均值及节点能量离散度构成；局部放电特征参数由放电量、放电重复率构成。具体参数定义为：

(A)泄漏电流的统计参数

a)绝缘电阻：r＝U/I (1)

式中，U为每个电压等级下外施电压，I为泄漏电流；

b)泄漏电流离散度：

式中，s为样本标准差；n为泄漏电流采样点数；x_i为泄漏电流第i个样本点；

为泄漏电流样本平均值。

c)非线性系数b与速率系数a：

I＝aU^b (3)

(B)泄漏电流小波包的特征量包括每个电压等级下泄漏电流的小波包节点能量E_3,j、节点能量平均值E_av和节点能量离散度E_σ。

(C)局部放电特征参数包括每个电压等级下平均放电量q(该电压等级加压时间内所有防电脉冲的放电量总和除以放电脉冲数量)与电压U的比值l＝q/U、平均放点重复率n(该电压等级下所有放电脉冲数量除以时间，单位次/min)与外施电压U的比值t＝n/U作为局部放电特征。

对每根电缆样本施加多个电压等级，电压等级数量记为k，则子目标层中绝缘电阻的特征量为

泄漏电流离散度为

非线性系数为和速率系数为s³＝[a,b]，3层小波包节点能量为

节点能量平均值为

节点能量离散度为

放电量为

放电重复率为

步骤S12，获得各泄漏电流特征参数的权重与局部放电特征参数的权重。

在一个具体的例子中，所述步骤S12具体为：

根据各泄漏电流特征参数的权重与局部放电特征参数的权重的重要性，采用预设权重确定方式，获取各特征参数对应的权重；

进一步地，权重确定方法可采用主观赋权法、客观赋权法、组合赋权法建立参数权重，主观赋权法包括层次分析法、G1法，客观赋权法包括CRITIC法、熵权法，组合赋权法包括主观赋权法与客观赋权法各一种方法的组合。

本实施例中，采用组合赋权法为评价因素集中的各特征参数权重赋值。主观赋权法采用层次分析法，客观赋权法采用熵权法。

主观赋权法采用在层次分析法基础上改进的模糊层次分析法(FAHP)对个体评价因素权重进行分配。设矩阵A＝(a_ij)_n×m，若A满足a_ij+a_ji＝1，则称矩阵A为模糊互补矩阵。其中，a_ij表示评价因素a_i比a_j重要的程度，采用0.1～0.9标度法进行标度，重要性越大则标度越大。接着，利用模糊互补矩阵计算模糊一致矩阵R＝(r_ij)_n×n，矩阵元素计算方法如下

得到模糊一致矩阵R后，利用关系权重法计算各评价因素的权重w′_i：

式中，α＝(n-1)/2，为调整参数。关系排序法具有分辨率高、评价因素权重区别明显的特点，因此用其计算权重比较合适。

客观赋权法使用反熵权法，其能克服极端条件下指标权重趋于零的问题，同时能很好地体现指标之间的差异。记评价因素j判断电力电缆属于第i种老化状态的概率为c_ij∈[0,1]，且满足

得到的模糊一致矩阵为C＝(c_ij)_m×n。

模糊一致矩阵建立方法如下：对于评价因素指标s^j,j＝1,…,8此类具有多个特征量的评价因素，将所述评价因素集输入一已训练好RBF神经网络，获得各泄漏电流特征参数的权重与局部放电特征参数的权重。

可以理解的是，需要预先创建训练样本库，所述训练样本库包括电缆各种状态的样本数据，所述状态包括：包括良好、一般、注意、严重；使用所述训练样本库对RBF神经网络进行训练，获得已训练好的RBF神经网络。

使用已训练好的RBF神经网络对某一待测数据集进行测试，假设评价指标s^j判断该数据属于第i种老化状态的概率为p_j(i)，使用下式计算c_ij：

基于评价指标矩阵计算反熵：

并基于反熵确定各指标权重：

最后根据乘法集成法将两种权重进行融合得到组合赋权的权重：

步骤S13，建立综合评判模型评判集，采用相应方法确定评判因素的隶属函数，利用前述步骤获得各子指标权重；以及组合赋权得到的权重来评价隶属函数的状态量。

具体地，综合评判模型评判集被用于形成评价指标矩阵，在所述评价指标矩阵，其包括子目标层中绝缘电阻、泄漏电流和局部放电特征量s¹～s⁸中的特征量。泄漏电流统计指标权重之和为1、泄漏电流小波包参数指标权重之和为1、局放参数指标权重之和为1。

相应方法包括基于反熵权法利用已有数据挖掘不同指标的信息熵，归一化后得到各子指标权重；以及组合赋权得到的权重。

典型地隶属函数为对应的状态量包括良好、一般、注意、严重。

步骤S14，生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数的权重，以及基于最大隶属度原则，确定电缆绝缘状态。

利用基于组合赋权法得到的权重W＝[w₁,w₂,w₃,w₄]和评价指标矩阵C＝(c_ij)_m×n，计算状态矩阵B＝W·C＝{b₁,b₂,b₃,b₄}。其中b₁,b₂,b₃,b₄分别代表电缆绝缘状态隶属于良好、一般、注意、严重的隶属度。其中，各状态定义如下表1所示：

表1电缆绝缘状态定义表

实施例二

如图2所示，示出的本发明涉及的电力电缆状态评估模型关系图，其应用于本发明的实施例二中；

可以理解的是，实施例的各主流程示意图与图1所示相同，只是其中各步骤实施的过程有所区别。具体地，在实施例二中：

所述步骤S11具体为：将各泄漏电流和局部放电信号特征参数提取分为目标层、指标层和子指标层，并构成评价因素集；

取不同状态模式下电缆样本数据各20组(每次测试5个电压等级，即k＝5)，对于建立的3个指标下的8个子指标；

在步骤S12中，利用模糊层次分析法、反熵权法分别计算其权重，再通过组合赋权得到最终权重。模糊层次分析法建立的层次优先关系矩阵分为目标层-指标层和指标层-子指标层两组矩阵，目标层-指标层的优先关系矩阵为F_s，指标层-子指标层的优先关系矩阵为S_T,1、S_T,2、S_T,3表示三个指标层参数所对应的子指标层的模糊互补矩阵为：

通过建立模糊一致性矩阵，采用关系排序法计算得到各子指标的权重如下表2所示。

表2模糊层次分析法指标权重

以某电缆试验数据为例，各评价指标对电缆状况作出的判断如表3所示：

表3某次试验评价指标结果

基于反熵权法利用已有数据挖掘不同指标的信息熵，归一化后得到各子指标权重如表4所示。组合赋权得到的权重如表5所示。

表4反熵权法指标权重

表5各指标组合权重

在步骤S13中，采用上述方法进行综合评价得到基于组合赋权评价的各状态隶属度如表6所示。

表6组合赋权评价结果

状态	良好	一般	注意	严重
					隶属度	0.0890	0.1818	0.4002	0.3260

在步骤S14中,通过生成模糊综合评价结果向量矩阵，基于最大隶属度原则，确定电缆绝缘状态。具体方法为：

结合表3和表6，8个子评价指标中，只有s¹、s²和s⁴对电缆的老化状态评价为“注意”，而s⁵评价为“一般”，s³、s⁶、s⁷和s⁸评价为“严重”。但经过组合赋权评价方法对各评价指标进行综合评判后，认为属于“注意”状态的隶属度为0.4002，大于其他状态的隶属度，故模型的最终评价为“注意”，符合电缆实际的状态。由此可见，经组合赋权法处理的绝缘老化状态评价模型，在多数评价子指标未能做出正确判断的情况下，最终仍能作出正确的评价，组合赋权法能明显提高老化状态评价系统的鲁棒性，对绝缘状态能做出更准确的评价。

实施例三

如图3所示,示出了本发明提供的一种电力电缆绝缘状态判断系统一个实施例的结构示意图，在本实施例中，所述系统1至少包括：

信号检测单元10，用于检测获得选定电力电缆待检测点的泄漏电流和局部放电信号；

特征参数提取单元11，用于对泄漏电流与局部放电信号的特征参数进行提取，获得泄漏电流特征参数与局部放电特征参数，构成影响电力电缆状态的评价因素集；

权重参数获取单元12，用于根据所述评价因素集，获得各泄漏电流特征参数及局部放电特征参数对应的权重；

隶属函数建立单元13，用于建立综合评判模型评判集，采用响应方法确定评判因素的隶属函数；

绝缘状态确定单元14，用于生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数的权重，以及基于最大隶属度原则，确定电缆绝缘状态。

在一个具体的例子中，所述系统1进一步包括：

样本训练单元15，用于根据训练样本库对RBF神经网络进行训练，获得已训练好的RBF神经网络，所述训练样本库存储有各种状态的电缆样本数据，所述状态包括：包括良好、一般、注意、严重。

在一个具体的例子中，所述权重参数获取单元12进一步包括：

第一确定单元120，用于根据各泄漏电流特征参数的权重与局部放电特征参数的权重的重要性，采用预设权重确定方式，获取各特征参数对应的权重；

第二确定单元121，用于将所述评价因素集输入一已训练好RBF神经网络，获得各泄漏电流特征参数及局部放电特征参数对应的权重。

该系统的更多细节可以参考并结合具体工作过程可参照实施例一和二，在此不再赘述。

实施本发明实施例，具有如下的有益效果：

本发明实施例提供一种电力电缆绝缘状态判断方法及系统。通过对待测电缆进行绝缘监测，并获取相应特征参数和特征参数权重，根据所述特征参数以及所述特征参数权重采用特定的方法判断电缆绝缘状态。可以快速准确地获得电缆绝缘状态，无需改变电缆的运行状态以及接触带电设备，测试过程非常方便，检测安全性高，且判断结果准确度较高。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种电力电缆绝缘状态判断方法，其特征在于，包括如下步骤：

步骤S10，检测获得选定电力电缆待检测点的泄漏电流和局部放电信号；

步骤S11，对泄漏电流与局部放电信号进行特征参数的提取，获得相应的特征参数，构成影响电力电缆状态的评价因素集；

步骤S12，根据所述评价因素集，获得各特征参数对应的权重；

步骤S13，建立综合评判模型评判集，并确定评判因素的隶属函数；

步骤S14，生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数对应的权重，以及基于最大隶属度原则，确定电缆绝缘状态。

2.如权利要求1所述的方法，其特征在于，其中：

所述泄漏电流特征参数包括统计参数和小波包特征量；所述统计参数包括绝缘电阻、泄漏电流离散度、非线性系数和速率系数；所述小波包特征量包括小波包节点能量、节点能量均值及节点能量离散度；

所述局部放电特征参数包括放电量和放电重复率。

3.如权利要求2所述的方法，其特征在于，所述步骤S11进一步包括：

将各泄漏电流和局部放电信号特征参数提取分为目标层、指标层和子指标层，并构成评价因素集。

4.如权利要求1至3任一项所述的方法，其特征在于，所述步骤S12具体为：

根据各泄漏电流特征参数的权重与局部放电特征参数的权重的重要性，采用预设权重确定方式，获取各特征参数对应的权重；

其中，所述预设权重确定方式采用主观赋权法、客观赋权法或组合赋权法；

所述主观赋权法包括层次分析法、G1法；所述客观赋权法包括CRITIC法熵权法；所述组合赋权法包括主观赋权法与客观赋权法各一种方法的组合。

5.如权利要求1至3任一项所述的方法，其特征在于，所述步骤S12进一步包括：

将所述评价因素集输入一已训练好RBF神经网络，获得各泄漏电流特征参数的权重与局部放电特征参数的权重。

6.如权利要求5所述的方法，其特征在于，所述方法进一步包括如下步骤：

创建训练样本库，所述训练样本库包括电缆各种状态的样本数据，所述状态包括：包括良好、一般、注意、严重；

使用所述训练样本库对RBF神经网络进行训练，获得已训练好的RBF神经网络。

7.一种电力电缆绝缘状态判断系统，其特征在于，所述系统包括：

信号检测单元，用于检测获得选定电力电缆待检测点的泄漏电流和局部放电信号；

特征参数提取单元，用于对泄漏电流与局部放电信号进行特征参数的提取，获得相应的特征参数，构成影响电力电缆状态的评价因素集；

权重参数获取单元，用于根据所述评价因素集，获得各特征参数对应的权重；

隶属函数建立单元，用于建立综合评判模型评判集，并确定评判因素的隶属函数；

绝缘状态确定单元，用于生成模糊综合评价结果向量矩阵，结合所述特征参数以及各特征参数对应的权重，以及基于最大隶属度原则，确定电缆绝缘状态。

8.如权利要求7所述的系统，其特征在于，所述权重参数获取单元进一步包括：

第一确定单元，用于根据各泄漏电流特征参数的权重与局部放电特征参数的权重的重要性，采用预设权重确定方式，获取各特征参数对应的权重；

第二确定单元，用于将所述评价因素集输入一已训练好RBF神经网络，获得各泄漏电流特征参数及局部放电特征参数对应的权重。

9.如权利要求8所述的系统，其特征在于，进一步包括：

样本训练单元，用于根据训练样本库对RBF神经网络进行训练，获得已训练好的RBF神经网络，所述训练样本库存储有各种状态的电缆样本数据，所述状态包括：包括良好、一般、注意、严重。

10.如权利要求8所述的系统，其特征在于，所述所述预设权重确定方式采用主观赋权法、客观赋权法或组合赋权法；

其中，所述主观赋权法包括层次分析法、G1法；所述客观赋权法包括CRITIC法熵权法；所述组合赋权法包括主观赋权法与客观赋权法各一种方法的组合。

Images