CN114722705A - 一种电力电缆线路劣化诊断方法 - Google Patents

一种电力电缆线路劣化诊断方法 Download PDF

Info

Publication number
CN114722705A
CN114722705A CN202210312156.8A CN202210312156A CN114722705A CN 114722705 A CN114722705 A CN 114722705A CN 202210312156 A CN202210312156 A CN 202210312156A CN 114722705 A CN114722705 A CN 114722705A
Authority
CN
China
Prior art keywords
degradation
cable
power cable
expert
cable line
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
Application number
CN202210312156.8A
Other languages
English (en)
Inventor
徐斌
李金中
王小明
陈辉
王俊傢
胡贺军
谢毓广
马伟
贾登格
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.)
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Hefei Institutes of Physical Science of CAS
Original Assignee
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Hefei Institutes of Physical Science of CAS
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 Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd, Hefei Institutes of Physical Science of CAS filed Critical Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Priority to CN202210312156.8A priority Critical patent/CN114722705A/zh
Publication of CN114722705A publication Critical patent/CN114722705A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/16—Cables, cable trees or wire harnesses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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

Abstract

本发明公开了一种电力电缆线路劣化诊断方法，所述控制方法包括：建立人工神经网络以及专家数据库；利用专家数据库对人工神经网络进行训练；采集电缆的电流谐波数据；将所述电流谐波数据输入到训练好的人工神经网络中进行劣化诊断。本发明有效地对电力电缆线路劣化进行诊断。

Description

一种电力电缆线路劣化诊断方法
技术领域
本发明属于电网技术领域，特别涉及一种电力电缆线路劣化诊断方法。
背景技术
目前的电缆是使用交联聚乙烯电缆，但由于使用年限的原因，部分电缆线路存在一定老化，可能会发生因电缆绝缘劣化而引起的电缆本体劣化，制约着电缆线路的供电可靠性。因此运行中的电缆绝缘劣化状况及寿命成为亟待评估的问题。而当前常规检测手段难以对带电运行中的电缆进行绝缘劣化分析及寿命预测，大多数绝缘劣化分析及寿命预测是在实验室中完成。同时电缆寿命的预测模式也比较单一，不具有概括性和可持续发展性，难以模拟出实际情况下电缆的真实情况。
为了能够更好的对典型区域110kV高压电力电缆开展绝缘劣化评估，亟需发明一种电力电缆线路劣化诊断方法，能在电力电缆线路不停电的情况下，通过提取电力电缆线路谐波电流，将谐波数据与专家数据库进行对比，从而便于给出电力电缆线路劣化的优化方案。
因此，亟需发明一种电力电缆线路劣化诊断方法。
发明内容
针对上述问题，本发明提供了一种电力电缆线路劣化诊断方法，所述控制方法包括：
建立人工神经网络以及专家数据库；
利用专家数据库对人工神经网络进行训练；
采集电缆的电流谐波数据；
将所述电流谐波数据输入到训练好的人工神经网络中进行劣化诊断。
进一步地，所述人工神经网络的结构包括测量空间以及劣化空间，其中，
所述测量空间包括n组的被检测状态矢量组成的样本数据；
所述劣化空间包括多种劣化类型的分类数据。
进一步地，所述专家数据系统包括人机接口、推理机、知识获取机、解释机、全局数据库以及知识库。
进一步地，所述人机接口用于将用户以及知识工程师之间的信息进行转换以及输入输出。
进一步地，所述推理机用于实现逻辑推理，并控制调节专家数据系统的运行。
进一步地，所述知识获取机用于实现专家数据系统的优化、更新以及完善。
进一步地，所述解释机用于将专家数据系统的运行过程向用户进行解释。
进一步地，所述知识库用于将专家们在研究中取得的结果以及经验进行存储。
进一步地，所述全局数据库用于对专家数据系统的外部环境、工作条件及用户信息进行存储。
本发明的有益效果在于：
本发明提供的一种电力电缆线路劣化诊断方法，有效地对电力电缆线路的劣化进行了诊断。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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一个简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1示出了根据本发明实施例中劣化诊断示意图。
图2示出了根据本发明实施例的常用于劣化诊断的6种神经网络模型。
图3示出了根据本发明实施例的专家数据系统的框架图。
图4示出了根据本发明实施例的失效率浴盆曲线。
图5示出了根据本发明实施例的9月21日110kV莲岗一线日负荷曲线图。
图6示出了根据本发明实施例的9月22日110kV莲岗一线日负荷曲线图。
图7示出了根据本发明实施例的9月28日110kV大支一线日负荷曲线图。
图8示出了根据本发明实施例的9月29日110kV大支一线日负荷曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
1目的
本发明的主要研究内容：
(1)针对2回110kV电力电缆开展谐波电流监测，提取有效数据，将有效数据处理后与专业数据库进行比对，评估电力电缆运行工况。
(2)根据比对结果，给出电力电缆绝缘劣化分析、运行风险评估、电力电缆的寿命预测等真实运行工况分析情况及电力电缆线路劣化检测及诊断的优化方案。
本发明提供了一种电力电缆线路劣化诊断方法，所述控制方法包括：
建立人工神经网络以及专家数据库；
利用专家数据库对人工神经网络进行训练；
采集电缆的电流谐波数据；
将所述电流谐波数据输入到训练好的人工神经网络中进行劣化诊断。
下面进行详细的说明。
2电力电缆运行可靠性及劣化诊断
2.1基于人工神经网络的电力电缆劣化诊断
在本实施例中，首先需要建立人工神经网络，又称ANN(Artificial NeuralNetwork),它的构造思路来源于人类大脑神经网络，由于人工构造出的一种数学模型来模拟人类大脑的网络结构并以此来解决某些问题以实现某种功能。它实质上是由众多基础的人工神经元(Artificial Neuron，AN)，即某一些基础的信息处理单元共同作用并相互影响所构成的一种信息处理系统。
电缆谐波的劣化诊断其本质上是寻求劣化空间(与测量空间之间的映射关系，如图1所示，按照人工神经网络的思路，即成为一个模式分类的问题，具体步骤及方法如下：
令Xn＝[Pn1，pn2，…，Pn J]，其中Pnj(j＝1，2，…，J n＝1，2，…，N)表示为被诊断系统(人工神经网络)中第n组第j个信号，共同组成了n组样本数据(n组的被检测状态矢量组成的样本数据){Xn；n＝1，2，…，n}。
测量空间：n组的被检测状态矢量组成的样本数据。
劣化空间：劣化可按照实际情况进行分类，分别由Fm(m＝1，2，…，M)表示，没有任何劣化时的系统表示为正常。
映射关系
Figure BDA0003567494520000041
RN→RM，如果Xn∈Fm类劣化(或正常)时，
Figure BDA0003567494520000042
Figure BDA0003567494520000043
在对电缆进行劣化诊断的过程中，利用检测到的n组劣化数据的状态矢量对神经网络进行训练的过程，就是利用n组采样数据(n组劣化数据)在一定的映射关系的作用下得到近似分类器
Figure BDA0003567494520000044
数值的过程。所以说，良好的
Figure BDA0003567494520000045
的分类性能可以得到较为准确的诊断结果。
在实际操作中，对于已经训练好的神经网络来说，只要把检测到的数据投入到该网络结构中，即可显示电缆劣化诊断报告。这种方法的应用十分广泛，尤其是对于电力系统这种劣化类型复杂多变且劣化数量较多，并且一般的数学模型难以匹配的情况下。
神经网络和专家系统两者的结合使用(即先建立神经网络，利用事先建立的专家数据库对神经网络进行训练，得到一个近似分类器的
Figure BDA0003567494520000051
数值，然后将检测到的谐波数据，利用训练好的神经网络进行训练)，使得劣化分析过程中不但“人际交互”能力强，而且效率高，自我学习等能力也较强并且可以分析多种劣化的种类，得到的结果也准确可靠。
2.2专家数据系统
如图3所示，电缆劣化诊断专家系统(专家数据系统)主要包括人机接口、推理机、知识获取机、解释机、全局数据库以及知识库。
人机接口(user interface)，是人(用户)与专家(知识工程师)之间的翻译官，通过并行数据口把二者的信息进行转换以及输入输出。推理机(inference engine)就是实现逻辑推理功能，控制调节整个专家数据系统的运行。知识获取机(knowledge acquisitionfacility)就是专家数据系统的优化，更新，完善的模块。新的专家经验和结果等会实时的传输到该领域的专家数据系统中，以保证永远不落伍。解释机(explanation facility)就是把专家数据系统的运行过程向用户进行解释，提高了人机交互性。知识库(knowledgedatabase)就是存储模块，用来把专家们在研究中取得的结果以及经验进行存储便于实时的调用，一般为了提高可信度和准确度，同时设置置信因子。全局数据库(globaldatabase)是对整个专家数据系统的外部环境、工作条件及用户信息等进行存储的模块，它大大提高了数据比对结果的准确性。
电缆以及其连接的电气设备都是在生产生活中十分常见的系统及模块，发生劣化的种类千差万别，劣化发生的数量以及频率也是十分频繁的。在这庞大的劣化数据中，若实际操作的工作人员经验不足、专业技能不扎实，就有很大的可能导致劣化的错误判断以及不正确的处理方法从而导致事故的发生。所以，利用劣化诊断的专家数据系统是很有必要的，一方面操作人员可以根据实际的情况准确分析出劣化的类型甚至是劣化发生的具体位置，可以在第一时间拿出准确的方案及解决方法，把劣化可能造成的影响降到了最低，及时保障了人员与财产安全；另一方便，在这个交互的过程中，也是对专家数据系统的更新以及纠正的过程，实际的劣化结果与专家数据系统的劣化结果进行对比验证试验，共同为劣化诊断服务。
目前已研究的劣化诊断专家系统模型有：基于规则的诊断专家系统、基于案例的诊断专家系统、基于行为的诊断专家系统、基于劣化树的诊断专家系统、基于模糊逻辑的诊断专家系统、基于ANN的诊断专家系统和基于数据挖掘的诊断专家系统等。对电缆的维修而言，状态是最好的维修模式但也是最难有效实施的。实施状态维修模式的关键是要能够使用科学的监测、检查、诊断等手段，及时获取、全面掌握电缆等运行状态的数据，对照标准分析、判断其是否正常，在此基础上针对不同状态进行相应的预防性维修。
3专家数据库比对结果
需要知道的是，专家数据库是事先建立的。
调取OPEN3000系统内110kV莲岗一线9月21日与9月22日的日负荷曲线图如下图5和图6所示。从110kV莲岗一线负荷曲线图可以看出，负荷高峰期在早上11:00-12:00时间段，下午17:00至19:00时间段内。负荷低谷期在00:00-05:00时间段，14：00-15:00时间段内。9月21日08：00时-9月22日17:00时，对电缆线路进行不间断监测。在数据分析时，筛选出不同时段、不同工况下30组典型测试数据对电缆的劣化情况进行诊断。
3.1 110kV莲岗一线电缆线路实测谐波电流数据诊断报告
110kV莲岗一线电缆线路实测30组数据，在经过分析处理后，经过专家数据库诊断，得出110kV莲岗一线电缆劣化结论如下表所示：
Figure BDA0003567494520000071
调取OPEN3000系统内110kV大支一线9月28日，9月29日的日负荷曲线图如下图7和图8所示。从110kV大支一线负荷曲线图可以看出，负荷高峰期在早上11:00-12:00时间段，下午19:00至21:00时间段内。负荷低谷期在00:00-05:00时间段，14：00-15:00时间段内。9月28日08：00时-9月29日17:00时，对电缆线路进行不间断监测。在数据分析时，筛选出不同时段、不同工况下30组典型测试数据对电缆的劣化情况进行诊断。
3.2 110KV大支一线电缆线路实测谐波电流数据诊断报告
110KV大支一线电缆线路实测30组数据，在经过分析处理后，经过专家数据库诊断，得出110kV大支一线电缆劣化结论如下表所示：
Figure BDA0003567494520000081
4比对结果分析及维护措施优化方案
4.1比对结果分析
根据电缆谐波分析数据(即检测到的电流谐波数据)与专家数据库的比对结果，对电缆的真实运行工况进行分析。主要包括：绝缘劣化分析，运行风险评估以及电缆寿命预测。其中，电缆风险评估部分，常规评估方法主要包括“健康”和“重要性”两部分。本发明的风险评估主要依据诊断结果中的劣化值(近似分类器的
Figure BDA0003567494520000091
数值)从电缆健康状况角度去论述。
对于电缆的劣化值风险分析有以下的规律：对于电缆本部体绝缘层来看，当劣化值的百分数大于75时，电缆一般都会出现电树枝局部放电的情况，在高一点的劣化值时，电缆中一般都会出现水树的现象，而当劣化百分数达到90时，说明问题已经十分严重，此刻建议立刻停电并快速去检查维修甚至更换电缆；本部体屏蔽层来看，当劣化值百分数达到70时即可认为其已经产生比较严重的劣化，甚至还会变形；连接部的情况和本部体屏蔽层基本相似，当劣化值达到70时就比较明显的会出现变形、渗水等情况。
4.1.1 110kV莲岗一线
A相：
1)绝缘劣化分析：【主体部】：【绝缘体】为B2级，劣化值(72.05％)，检测数据略高，中度异常。与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。其它各项检测数据正常。
2)运行风险评估：由以上评级数值初步判定电缆绝缘体可能因局部过热导致的热负担风险系数较大。
3)剩余使用寿命预测：由以上评级数值初步判定110kV莲岗一线A相电缆剩余使用寿命为24年。
B相：
1)绝缘劣化分析：【连接部】：【电缆头、连接部】为B2级，劣化值(67.91％)，检测数据略高，中度异常。与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。其它各项检测数据正常。
2)运行风险评估：各项诊断电力电缆异常、劣化程度未达到70％，无异常。
3)剩余使用寿命预测：各项诊断电力电缆异常、劣化程度未达到70％。
C相：
1)绝缘劣化分析：【主体部】：【绝缘体】为B2级，劣化值为72.74％，劣化程度属于中度异常。与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。其它各项检测数据正常。
2)运行风险评估：由以上评级数值初步判定电缆绝缘体可能因局部过热导致的热负担风险系数较大。
3)剩余使用寿命预测：由以上评级数值初步判定110kV莲岗一线C相电缆剩余使用寿命为23年。
4.1.2 110kV大支一线
A相：
1)绝缘劣化分析：【主体部】：【绝缘体】为B3级，劣化值(86.86％)，检测数据略高，重度异常，与电缆主绝缘体材料质量和生产工艺有关，主绝缘体存在电气性老化和时间性老化。【连接部】：【电缆头、连接部】为B2级，劣化值(79.94％)，检测数据略高，有轻度异常，与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。【施工】：【本工程质量】为B2级，劣化值(79.95％)，检测数据略高，电缆在运输或安装施工过程中有机械损伤。其它各项检测数据正常。
2)运行风险评估：由以上评级数值初步判定电缆所处环境可能混入异物或浸水；护套可能存在损伤；连接部位可能存在绝缘低下。绝缘体可能存在刷形放电风险系数较大。
3)剩余使用寿命预测：由以上评级数值初步判定110kV大支一线A相电缆剩余使用寿命为12年。
B相：
1)绝缘劣化分析：【主体部】：【绝缘体】为B3级，劣化值(85.85％)，检测数据略高，重度异常，与电缆主绝缘体材料质量和生产工艺有关，主绝缘体存在电气性老化和时间性老化。【连接部】：【电缆头、连接部】为B2级，劣化值(67.91％)，检测数据略高，中度异常。与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。其它各项检测数据正常。
2)运行风险评估：由以上评级数值初步判定电缆护套可能存在损伤，电缆绝缘体可能因局部过热导致的热负担风险系数较大。
3)剩余使用寿命预测：由以上评级数值初步判定110kV大支一线A相电缆剩余使用寿命为13年。
C相：
1)绝缘劣化分析：【主体部】：【绝缘体】为B3级，劣化值为88.05％，劣化程度属于重度异常。与电缆主绝缘体材料质量和生产工艺有关，主绝缘体存在电气性老化和时间性老化。其它各项检测数据正常。【连接部】：【电缆头、连接部】为B2级，劣化值(70.67％)，检测数据略高，有轻度异常，与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。【施工】：【本工程质量】为B2级，劣化值(72.67％)，检测数据略高，电缆在运输或安装施工过程中有机械损伤。其它各项检测数据正常。
2)运行风险评估：由以上评级数值初步判定电缆绝缘体可能因局部过热导致的热负担，局部放电而导致的电压负担风险系数较大，绝缘体可能存在刷形放电风险系数较大。
3)剩余使用寿命预测：由以上评级数值初步判定110kV莲岗一线A相电缆剩余使用寿命为11年。
4.2维护措施优化方案
4.2.1电缆劣化状态的判定标准：
Figure BDA0003567494520000121
说明：
1、根据多次检测的结果,分析电缆劣化的变化趋势,预测设备发生劣化的时间周期；
2、特别要注意各部分的老化情况，如果出现C等级(即劣化阶段为C)时，要重点关注或择机调整检修。
4.2.2维护措施优化方案
1)110kV莲岗一线
A相【连接部】：【电缆头、连接部】为B2级，劣化值(66.96％)，检测数据略高，有轻度异常，与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。
概括评价：①电缆头及连接部可能存在轻微绝缘老化及异常受力②指标性能综合状况较好，可靠性较为稳定。
优化方案：①电缆运行状态良好，建议继续使用。②建议3个月后复检并予以趋势管理监测。
B相【连接部】：【电缆头、连接部】为B2级，劣化值(67.91％)，检测数据略高，有轻度异常，与电缆头绝缘老化、异常受力、制作工艺和电缆头质量有关。
概括评价：①电缆头及连接部可能存在轻微绝缘老化及异常受力②指标性能综合状况较好，可靠性较为稳定。
优化方案：①电缆运行状态良好，建议继续使用。②建议3个月后复检并予以趋势管理监测。
C相各项检测数据正常，电缆状态良好。
概括评价：①指标性能综合状况较好，可靠性较为稳定。
优化方案：①电缆运行状态良好，建议继续使用。②建议6个月后复检并予以趋势管理监测。
2)110kV大支一线
A相：【主体部】：【绝缘体】劣化值(86.86％)，劣化等级为B3级；【电缆头、连接部】劣化值(79.94％)，劣化等级为B2级；【施工】：【本工程质量】劣化值(79.95％)，劣化等级为B2级。
概括评价：①绝缘体可能存在刷形放电。②护套可能存在损伤。③连接部可能存在绝缘低下。④【施工】可能混入异物或浸水。
优化方案：①专人定期巡视和维护，加强对电缆表面，日常环境以及对不同天气影响的有效防护，保持绝缘体清洁、干燥，避免液体进一步侵蚀电力电缆绝缘体。②由于施工质量原因，护套可能存在损伤，绝缘体可能存在刷形放电现象，应当有戒备下使用，鉴于电压等级较高，服役年限较长，负荷较重，建议加装电缆劣化在线监测装置，对电缆实行动态趋势化管理。
B相：【主体部】：【绝缘体】劣化值(85.85％)，劣化等级为B3级。
概括评价：①护套可能存在损伤。②绝缘体局部过热而导致的热负担。
优化方案：①应当有戒备下使用，鉴于电压等级较高，服役年限较长，负荷较重，建议加装电缆劣化在线监测装置，对电缆实行动态趋势化管理。②需要定期展开检测，避免出现温度过高，对电缆实行动态趋势化管理。
C相：【主体部】：【绝缘体】劣化值(88.05％)，劣化等级为B3级；【电缆头、连接部】劣化值(70.67％)，劣化等级为B2级；【施工】：【本工程质量】劣化值(72.67％)，劣化等级为B2级。
概括评价：①绝缘体可能存在刷形放电。②护套可能存在损伤。③绝缘体局部放电而导致的电压负担。④绝缘体局部过热而导致的热负担。
优化方案：①专人定期巡视和维护，加强对电缆表面，日常环境以及对不同天气影响的有效防护，保持绝缘体清洁、干燥，避免液体进一步侵蚀电力电缆绝缘体。②由于施工质量原因，护套可能存在损伤，绝缘体可能存在刷形放电现象，局部过热现象，应当有戒备下使用，鉴于电压等级较高，服役年限较长，负荷较重，建议加装电缆劣化在线监测装置，对电缆实行动态趋势化管理。
以上所述仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (9)

1.一种电力电缆线路劣化诊断方法，其特征在于，所述控制方法包括：
建立人工神经网络以及专家数据库；
利用专家数据库对人工神经网络进行训练；
采集电缆的电流谐波数据；
将所述电流谐波数据输入到训练好的人工神经网络中进行劣化诊断。
2.根据权利要求1所述的一种电力电缆线路劣化诊断方法，其特征在于，所述人工神经网络的结构包括测量空间以及劣化空间，其中，
所述测量空间包括n组的被检测状态矢量组成的样本数据；
所述劣化空间包括多种劣化类型的分类数据。
3.根据权利要求1所述的一种电力电缆线路劣化诊断方法，其特征在于，所述专家数据系统包括人机接口、推理机、知识获取机、解释机、全局数据库以及知识库。
4.根据权利要求3所述的一种电力电缆线路劣化诊断方法，其特征在于，所述人机接口用于将用户以及知识工程师之间的信息进行转换以及输入输出。
5.根据权利要求3所述的一种电力电缆线路劣化诊断方法，其特征在于，所述推理机用于实现逻辑推理，并控制调节专家数据系统的运行。
6.根据权利要求3所述的一种电力电缆线路劣化诊断方法，其特征在于，所述知识获取机用于实现专家数据系统的优化、更新以及完善。
7.根据权利要求3所述的一种电力电缆线路劣化诊断方法，其特征在于，所述解释机用于将专家数据系统的运行过程向用户进行解释。
8.根据权利要求3所述的一种电力电缆线路劣化诊断方法，其特征在于，所述知识库用于将专家们在研究中取得的结果以及经验进行存储。
9.根据权利要求3所述的一种电力电缆线路劣化诊断方法，其特征在于，所述全局数据库用于对专家数据系统的外部环境、工作条件及用户信息进行存储。
CN202210312156.8A 2022-03-28 2022-03-28 一种电力电缆线路劣化诊断方法 Pending CN114722705A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210312156.8A CN114722705A (zh) 2022-03-28 2022-03-28 一种电力电缆线路劣化诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210312156.8A CN114722705A (zh) 2022-03-28 2022-03-28 一种电力电缆线路劣化诊断方法

Publications (1)

Publication Number Publication Date
CN114722705A true CN114722705A (zh) 2022-07-08

Family

ID=82239000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210312156.8A Pending CN114722705A (zh) 2022-03-28 2022-03-28 一种电力电缆线路劣化诊断方法

Country Status (1)

Country Link
CN (1) CN114722705A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116626543A (zh) * 2023-07-21 2023-08-22 无锡市环球电器装备有限公司 基于集肤效应的加热电缆故障检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116626543A (zh) * 2023-07-21 2023-08-22 无锡市环球电器装备有限公司 基于集肤效应的加热电缆故障检测方法及系统
CN116626543B (zh) * 2023-07-21 2023-09-26 无锡市环球电器装备有限公司 基于集肤效应的加热电缆故障检测方法及系统

Similar Documents

Publication Publication Date Title
CN110647133B (zh) 轨道交通设备状态检测维护方法及系统
CN113156917B (zh) 基于人工智能的电网设备故障诊断方法及系统
CN102510125B (zh) 电力一次设备运行工况监测方法及装置
CN112561736A (zh) 智能变电站继电器保护装置故障诊断系统和方法
KR102148761B1 (ko) 태양광 발전 시스템의 고장 진단 장치
JP2000512766A (ja) 高電圧絶縁における部分放電測定の統計的パターン分析方法
CN112255484B (zh) 一种避雷器运行状态在线监测及评估方法和系统
CN111709447A (zh) 电网异常检测方法、装置、计算机设备和存储介质
CN108073551A (zh) 一种基于多Agent协同的高压开关柜在线故障诊断方法
CN106019195A (zh) 一种电力计量自动化检定流水线故障诊断系统
CN111126489A (zh) 一种基于集成学习的输电设备状态评价方法
CN116937575A (zh) 一种网格系统用的能源监控管理系统
CN116187027A (zh) 一种光伏发电故障智能预测预警方法及系统
CN111931849A (zh) 一种水电机组运行数据趋势预警方法
Kharlamova et al. A digital twin of battery energy storage systems providing frequency regulation
CN114722705A (zh) 一种电力电缆线路劣化诊断方法
CN111339661A (zh) 一种高压电缆巡检周期自动规划方法
CN110221173B (zh) 一种基于大数据驱动的配电网智能诊断方法
CN112257224B (zh) 汽轮发电机状态检修方法、系统以及终端
KR20220089853A (ko) 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법
GU et al. Research on intelligent early warning algorithm for distribution network considering extreme climate conditions
CN110441725A (zh) 基于自适应神经模糊推理的智能电表故障诊断方法及装置
KR102411915B1 (ko) 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법
CN115936663A (zh) 一种电力系统的维护方法及装置
CN115600695A (zh) 一种计量设备的故障诊断方法

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