CN115271000B - 一种用于电缆隧道的状态监测方法及系统 - Google Patents
一种用于电缆隧道的状态监测方法及系统 Download PDFInfo
- Publication number
- CN115271000B CN115271000B CN202211172035.4A CN202211172035A CN115271000B CN 115271000 B CN115271000 B CN 115271000B CN 202211172035 A CN202211172035 A CN 202211172035A CN 115271000 B CN115271000 B CN 115271000B
- Authority
- CN
- China
- Prior art keywords
- influence factor
- state quantity
- weight distribution
- result
- characteristic 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 106
- 238000003066 decision tree Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005299 abrasion Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种用于电缆隧道的状态监测方法及系统，涉及电缆隧道智能监测领域，包括：获取电缆隧道的待监测状态量匹配影响因子，生成影响因子集进行主观赋权，生成第一权重分布结果；进行客观赋权，生成第二权重分布结果；将第一权重分布结果和第二权重分布结果融合，生成影响因子权重分布结果构建异常状态监测模块；通过传感器阵列传输影响因子特征值，输入异常状态监测模块，生成电缆隧道状态监测结果。解决了现有技术中由于电缆隧道监测自动化程度较低，导致存在对电缆隧道状态进行管控及时性较差的技术问题。
Description
技术领域
本发明涉及电缆隧道智能监测相关技术领域，具体涉及一种用于电缆隧道的状态监测方法及系统。
背景技术
电力电缆是用于为电网输送电能的主要通路，为了保证电力输送过程的安全性以及稳定性，通常修建电缆隧道实现电缆的铺设，通过电缆隧道可实现对电缆的状态以及输送环境监测，在发现异常时，可及时调取相应处理措施进行适应性的控制，保障电缆的稳定使用。对于电缆及时且准确的监测是电缆隧道主要研究方向之一。
传统的用于电缆隧道监测方式主要是通过工作人员巡检和通过图像传感器线上监控，此种方式缺点在于异常检出效率较低。为了改善传统方式存在的问题，随着物联网的飞速发展，持续的实时监测电缆隧道状态成为了可能，基于物联网应用的监测方式大体流程为设定监控的各项指标，实时发送至工作人员，确认异常时控制相应设备进行控制，此种方式缺点在于自动化程度较低，提高异常检出效率有限，进而导致无法及时对电缆隧道状态进行管控。
现有技术中由于电缆隧道监测自动化程度较低，导致存在对电缆隧道状态进行管控及时性较差的技术问题。
发明内容
本申请通过提供了一种用于电缆隧道的状态监测方法及系统，解决了现有技术中由于电缆隧道监测自动化程度较低，导致存在对电缆隧道状态进行管控及时性较差的技术问题。
鉴于上述问题，本申请实施例提供了一种用于电缆隧道的状态监测方法及系统。
第一方面，本申请提供了一种用于电缆隧道的状态监测方法，应用于一用于电缆隧道的状态监测系统，包括：获取电缆隧道的待监测状态量；为所述待监测状态量匹配影响因子，生成影响因子集；对所述影响因子集进行主观赋权，生成第一权重分布结果；对所述影响因子集进行客观赋权，生成第二权重分布结果；将所述第一权重分布结果和所述第二权重分布结果融合，生成影响因子权重分布结果；根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块；通过传感器阵列传输影响因子特征值，输入所述异常状态监测模块，生成电缆隧道状态监测结果。
另一方面，本申请提供了一种用于电缆隧道的状态监测系统，包括：状态量确定模块，用于获取电缆隧道的待监测状态量；影响因子集匹配模块，用于为所述待监测状态量匹配影响因子，生成影响因子集；主观赋权模块，用于对所述影响因子集进行主观赋权，生成第一权重分布结果；客观赋权模块，用于对所述影响因子集进行客观赋权，生成第二权重分布结果；权重融合模块，用于将所述第一权重分布结果和所述第二权重分布结果融合，生成影响因子权重分布结果；监测模块构建模块，用于根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块；电缆隧道监测模块，用于通过传感器阵列传输影响因子特征值，输入所述异常状态监测模块，生成电缆隧道状态监测结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了采集电缆隧道待监测状态量；遍历状态量匹配影响因子集；为影响因子进行主观赋权和客观赋权后进行权重融合，得到影响因子权重分布结果，依据影响因子权重分布结果构建异常监测模块，可实现电缆隧道状态的异常识别的技术方案，通过使用客观赋权和主观赋权相结合提高影响因子权重分布的合理性，再基于决策树思想构建异常状态监测模型用于自动化识别电缆隧道异常状态，自动化程度较高，达到了提高异常电缆隧道状态检出效率，提高电缆隧道状态管控时效性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种用于电缆隧道的状态监测方法流程示意图；
图2为本申请实施例提供了一种用于电缆隧道的状态监测方法中主观赋权流程示意图；
图3为本申请实施例提供了一种用于电缆隧道的状态监测方法中客观赋权流程示意图；
图4为本申请实施例提供了一种用于电缆隧道的状态监测系统结构示意图。
附图标记说明：状态量确定模块11，影响因子集匹配模块12，主观赋权模块13，客观赋权模块14，权重融合模块15，监测模块构建模块16，电缆隧道监测模块17。
具体实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了一种用于电缆隧道的状态监测方法及系统。由于采用了采集电缆隧道待监测状态量；遍历状态量匹配影响因子集；为影响因子进行主观赋权和客观赋权后进行权重融合，得到影响因子权重分布结果，依据影响因子权重分布结果构建异常监测模块，可实现电缆隧道状态的异常识别的技术方案，通过使用客观赋权和主观赋权相结合提高影响因子权重分布的合理性，再基于决策树思想构建异常状态监测模型用于自动化识别电缆隧道异常状态，自动化程度较高，达到了提高异常电缆隧道状态检出效率，提高电缆隧道状态管控时效性的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种用于电缆隧道的状态监测方法，应用于一用于电缆隧道的状态监测系统，包括步骤：
S100：获取电缆隧道的待监测状态量；
进一步的，所述获取电缆隧道的待监测状态量，步骤S100包括步骤：
S110：获取所述电缆隧道的电力设备基本信息，其中，所述电力设备基本信息包括分布位置和电力设备类型；
S120：根据所述电力设备类型和所述分布位置，匹配设备异常状态量，其中，所述设备异常状态量包括设备本体异常状态量和环境异常状态量；
S130：将所述设备本体异常状态量和所述环境异常状态量，添加进所述待监测状态量。
具体而言，电缆隧道为需要监测的设定电缆隧道路段，待监测状态量为电缆隧道需要进行监测的表征电缆隧道异常与否的数据集。确定过程如下：
电力设备基本信息指的是存储电力设备类型和分布位置参数所得的信息。电力设备类型指的是电缆隧道中铺设的用于管理电缆隧道，以及输送电能的设备集合，包括但不限于：电缆接头、电缆本体、电缆接地处、风机、水泵等；分布位置指的是各个电力设备类型的分布位置参数。监测内容第一方面为电缆隧道的环境状态量的异常情况，将环境状态量异常情况记为环境异常状态量，主要包括仪器的受潮、漏电、环境有害气体浓度异常、电缆隧道结构异常、产生火情等状态量；第二方面为电缆本体的状态量，包括外观的状态量和设备本体的异常状态量，示例性地如：电缆的破损、接地异常、接头漏电、产生火情等异常状态量。工作人员可通过交互界面自定义设定状态量，进而便于后步构建相应状态量的监测模块，实现对应状态量的自动化监测。
S200：为所述待监测状态量匹配影响因子，生成影响因子集；
具体而言，由步骤S100可知，待监测状态量为抽象的不可直接监测的数据，因此需要匹配影响各个状态量产生的可直接监测的指标，便于实时性监测，将影响各个状态量产生的可直接监测的指标记为影响因子集。将影响因子集按照待监测状态量一一关联存储，置为待响应状态，等待后步调用。
环境状态量的影响因子示例性地如：环境温度、环境湿度、隧道水位、隧道氧气浓度、隧道二氧化碳浓度、隧道一氧化碳浓度、隧道硫化氢等指标监测，监测方式可使用相应的温度传感器、湿度传感器、气体浓度监测装置实现；
电力设备本体的状态量的影响因子示例性地如：电缆接头的几何指标、电缆的几何尺寸参数、用于通风换气的风机外观指标、用于排水的水泵外观指标、电缆接地位置的外观指标等，外观指标表征不同电缆位置的磨损或变形程度，当磨损或变形至一定程度，即视为外观异常状态量，外观状态量优选的通过图像采集装置采集并提取外观特征进行传输；还包括电气参数，示例性地如电缆电流监测值，风机的运行参数、水泵的运行参数、电缆接地环流等。
各个影响因子上传至系统中是为冗杂数据量，传统的手段是专家将影响因子和不同类型的状态量关联，但是此种方式面对大量的影响因子参数时，处理效率较低，此处采用关联度分析方式评估各个影响因子和监测状态量的关联度，进而筛选各个状态量的监测指标。
详细过程如下：
进一步的，所述为所述待监测状态量匹配影响因子，生成影响因子集，步骤S200包括步骤：
S210：遍历所述设备本体异常状态量和所述环境异常状态量，匹配异常监测记录数据，其中，任意一条所述异常监测记录数据包括异常状态量特征值和多组监测指标特征值；
S220：将所述异常状态量特征值，设为参考队列；
S230：将所述监测指标特征值，设为比较队列；
S240：对所述参考队列和所述比较队列无量纲处理后进行灰色关联度分析，生成关联性系数；
进一步的，所述对所述参考队列和所述比较队列无量纲处理后进行灰色关联度分析，生成关联性系数，步骤S240包括步骤：
S241：构建关联性系数计算公式：
其中，
表示第i个指标的第k个特征值和状态量的关联性系数，
表示第i个指标的第k个特征值对应的状态量特征值，
表征第i个指标的第k个特征值，
表征由专家自定义的分辨系数；
S242：对所述参考队列和所述比较队列无量纲处理后，输入所述关联性系数计算公式，生成所述关联性系数。
S250：根据所述关联性系数，生成灰色关联度集合；
S260：将所述灰色关联度大于或等于灰色关联度阈值的所述监测指标特征值，对应的监测指标，添加进所述异常状态量特征值对应状态量的影响因子；
S270：将所述影响因子，添加进所述影响因子集。
具体而言，异常监测记录数据指的是监测电缆隧道的历史记录数据，和设备本体异常状态量和环境异常状态量一一对应；任意一个状态量对应于一条记录数据，任意一条记录数据包括状态量的异常状态量特征值，以及出现异常状态量特征值时的多组监测指标特征值；异常状态量特征值指的是根据异常状态导致的危害程度划分的表征异常状态级别的特征值；多组监测指标特征值指的是和异常状态量特征值相对应的多个不同时刻的监测指标的记录数据。
将异常状态量特征值设为参考队列，将其对应的多组监测指标特征值，依次设为第一组比较队列、第二组比较队列直到第x组比较队列，添加至比较队列。将参考队列和比较队列的数据做无量纲处理后，置为待响应状态，等待后步调用。
将参考队列中的数据设为y(k)=（y(1)、y(2)、…y(k)、...），k表征某个异常状态量的第k个特征值。将比较队列中的数据设为
，
表示第k个特征值对应的多组比较队列，
表示第一组影响因子特征值，
表示第i组影响因子特征值，
直到
的影响因子类型都相同。
调取关联性系数计算公式：
其中，
表示第i个指标的第k个特征值和状态量的关联性系数，
表示第i个指标的第k个特征值对应的状态量特征值，
表征第i个指标的第k个特征值，
表征由专家自定义的分辨系数，优选为0.5，
表示选取
中的某个状态量特征值，并从
中选取和选定状态量特征值相对应的相同影响因子的多个影响因子特征值。
遍历全部的参考队列和所述比较队列后，任意一个影响因子对应于某个状态量具有m个关联性系数，进一步的，对m个关联性系数求和再求均值，得到影响因子和状态量的关联度，添加进灰色关联度集合，其中，未统计记录的指标和影响因子之间，设定关联度为0。灰色关联度阈值指的是预设的筛选影响因子的关联度阈值，遍历灰色关联度集合，将灰色关联度大于或等于灰色关联度阈值的监测指标特征值对应的监测指标添加进异常状态量特征值对应状态量的影响因子；将所述影响因子，添加进所述影响因子集。
通过基于灰色关联度分析自定义的算法流程，分析各个影响因子和状态量的客观关联度，进而筛选出影响因子集，同传统的主观选定影响因子相比，准确度和可参考性更强，提高了后步自动化监测的合理性。
S300：对所述影响因子集进行主观赋权，生成第一权重分布结果；
进一步的，如图2所示，所述对所述影响因子集进行主观赋权，生成第一权重分布结果，步骤S300包括步骤：
S310：将任意一个状态量的所述影响因子集传输至专家组，生成重要度标定表，其中，所述重要度标定表表征任意两个影响因子之间的重要度比较结果；
S320：将任意一个状态量的所述影响因子集输入重要度标定表，生成影响因子集重要度标定结果；
S330：根据所述影响因子集重要度标定结果对所述影响因子集进行排序，生成影响因子集排序结果；
S340：根据所述影响因子集排序结果对所述影响因子集进行权重分布，生成所述第一权重分布结果，其中，排序靠前的影响因子权重高于排序靠后的影响因子，且权重和等于1。
具体而言，第一权重分布结果指的是考虑专家组的主观意见，对于各个影响因子进行主观赋权后的权重分配结果；为提高主观赋权的自动化程度，此处仅需要专家组标定重要度标定表，所谓重要度标定表指的是由专家组标定的表征任意两个影响因子之间的重要度比较结果，优选的使用数字表征，将任意一个状态量的所述影响因子集横向排列一行，将影响因子集纵向排列一列，形成未填内容的表，任意一个影响因子表征行列中的一个属性值。
任意列和任意行中的影响因子交叉构建的表格处由专家标定两个影响因子重要程度，示例性地如：交叉构建的表格对应的为纵向影响因子a和横向影响因子b，记录数字1，表示a和b同等重要；记录2表示a比b稍微重要；记录数字3表示a比b重要程度高于2；记录数字4表示a比b重要程度高于3；记录数字5表示a比b重要程度高于4；记录数字6表示a重要程度远高于b。若为1/2则表示b比a稍微重要，与2、3、4、5、6相反。通过专家组对影响因子集在某个状态量时的两两重要度标定效率较高。
将对应状态量的影响因子集输入重要度标定表，得到表征每个影响因子集重要度的影响因子集重要度标定结果；影响因子集排序结果指的是根据影响因子集重要度标定结果对影响因子集依据重要度从大到小进行排序得到的结果；第一权重分布结果指的是按照影响因子集排序结果对所述影响因子集进行权重分布的结果，权重分布为随机分配，只需要满足权重之和等于1，以及排序靠前的影响因子权重高于排序靠后的影响因子即可。通过专家组对影响因子实现主观赋权，提高了电缆隧道监测控制的可设定性，使得监测结果更符合专家所认同的监测逻辑，提高监测过程的可落地性。
S400：对所述影响因子集进行客观赋权，生成第二权重分布结果；
进一步的，如图3所示，所述对所述影响因子集进行客观赋权，生成第二权重分布结果，步骤S400包括步骤：
S410：从任意一个状态量的所述影响因子集，筛选关联度集合；
S420：对所述关联度集合进行加和计算，生成关联度加和结果；
S430：遍历所述关联度集合和所述关联度加和结果求比，生成所述第二权重分布结果。
具体而言，第二权重分布结果指的是对任意一个状态量的所述影响因子集进行客观权重分配后的结果，优选的分配方式如下：前述的关联度分析为客观分析法，基于关联度分析得到的影响因子集的关联度集合；对关联度集合进行加和计算，生成关联度加和结果；再求每一个关联度和关联度加和结果的比值，即得到任意一个状态量的对应的影响因子的第二权重分布结果。通过基于关联度分析确定关联度进行客观赋权法，提高了影响因子集权重分布的客观性和准确性。
S500：将所述第一权重分布结果和所述第二权重分布结果融合，生成影响因子权重分布结果；
具体而言，影响因子权重分布结果指的是将第一权重分布结果和第二权重分布结果进行权重融合后得到的结果，优选的权重融合方式为：根据权重融合公式：
，
和
为专家设定的融合加权系数，
大于等0，小于等于1，
大于等0，小于等于1；
表示某个状态量对应的第j个影响因子的权重融合结果，
表征第j个影响因子第一权重分布结果；
表示第j个影响因子第二权重分布结果。通过权重融合公式实现权重融合分布，得到影响因子权重分布结果置为待响应状态，等待后步调用。
S600：根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块；
进一步的，所述根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块，步骤S600包括步骤：
S610：将所述电力设备类型，设为决策树的根结点，将所述电力设备类型异常状态量设为决策树的第二层级结点，将所述影响因子集设为决策树的第三层级结点，生成决策树拓扑结构；
S620：根据所述影响因子权重分布结果对所述决策树拓扑结构初始化，生成所述异常状态监测模块：
S630：遍历所述第三层级结点，设定特征值比对层，其中，所述特征值比对层用于计算影响因子监测特征值和影响因子标准特征值的偏差；
S640：根据所述影响因子权重分布结果，遍历所述第三层级结点，设定权重分配层，其中，所述权重分配层用于对所述特征值比对层的计算结果赋予权重；
S650：遍历所述第二层级结点，设定异常判断层，其中，所述异常判断层用于加权求和所述第三层级结点的监测值，并判断是否满足设定阈值。
具体而言，异常状态监测模块指的是用于进行异常监测的模块，由于电缆隧道的数据集较少，目前诸多专家提供的机器学习，诸如神经网络等难以实际落地，针对于此，提供一种自定义的树状模型，用于实现电缆隧道的异常监测。构建过程如下：
决策树拓扑结构指的是将电力设备类型设为决策树的根结点，将所述电力设备类型异常状态量设为决策树的第二层级结点，将影响因子集设为决策树的第三层级结点，构建三层树形拓扑结构；电力设备类型决定着决策树的数量。异常状态监测模块为通过影响因子权重分布结果对所述决策树拓扑结构初始化之后的结果，初始化的过程如下：
遍历所述第三层级结点，设定特征值比对层，其中，所述特征值比对层用于计算影响因子监测特征值和影响因子标准特征值的偏差，其中，影响因子标准特征值为专家设定的各个影响因子正常状态量对应的标准值区间；根据所述影响因子权重分布结果，遍历所述第三层级结点，设定权重分配层，其中，所述权重分配层用于对所述特征值比对层的计算结果赋予权重；遍历所述第二层级结点，设定异常判断层，其中，所述异常判断层用于加权求和所述第三层级结点的监测值，并判断是否满足设定阈值，设定阈值为工作人员自定义设定的响应异常状态的阈值。
通过上述算法思想构建的异常状态监测模块，将各个电力设备使用分布式的决策树监测，对各个状态量使用决策树的各个结点进行监测，并可在交互界面进行可视化显示，提高了监测过程的可视化程度。
S700：通过传感器阵列传输影响因子特征值，输入所述异常状态监测模块，生成电缆隧道状态监测结果。
具体而言，传感器阵列指的是和影响因子一一对应的监测仪器，优选的和电缆隧道的状态监测系统通信连接，影响因子特征值为通过传感器阵列监测的实时特征值；输入异常状态监测模块进行异常监测，输入的电缆隧道状态监测结果表征异常状态监测模块中和设定阈值的比对结果。若出现异常，则电缆隧道状态监测结果输出异常状态量和异常位置。则可根据异常状态量进行电缆隧道状态控制。示例性地如：若是水位异常，则控制水泵排水；若是氧气浓度异常，则控制风机通风；若是为不可自动调整的状态量，示例性地如：接地电流异常、水泵故障、电缆绝缘橡胶老化裸露等，则在交互界面上的生成维保预警信息。进而达到了实现了动化程度较高的电缆隧道状态监测控制的技术效果。
综上所述，本申请实施例所提供的一种用于电缆隧道的状态监测方法及系统具有如下技术效果：
1.由于采用了采集电缆隧道待监测状态量；遍历状态量匹配影响因子集；为影响因子进行主观赋权和客观赋权后进行权重融合，得到影响因子权重分布结果，依据影响因子权重分布结果构建异常监测模块，可实现电缆隧道状态的异常识别的技术方案，通过使用客观赋权和主观赋权相结合提高影响因子权重分布的合理性，再基于决策树思想构建异常状态监测模型用于自动化识别电缆隧道异常状态，自动化程度较高，达到了提高异常电缆隧道状态检出效率，提高电缆隧道状态管控时效性的技术效果。
实施例二
基于与前述实施例中一种用于电缆隧道的状态监测方法相同的发明构思，如图4所示，本申请实施例提供了一种用于电缆隧道的状态监测系统，包括：
状态量确定模块11，用于获取电缆隧道的待监测状态量；
影响因子集匹配模块12，用于为所述待监测状态量匹配影响因子，生成影响因子集；
主观赋权模块13，用于对所述影响因子集进行主观赋权，生成第一权重分布结果；
客观赋权模块14，用于对所述影响因子集进行客观赋权，生成第二权重分布结果；
权重融合模块15，用于将所述第一权重分布结果和所述第二权重分布结果融合，生成影响因子权重分布结果；
监测模块构建模块16，用于根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块；
电缆隧道监测模块17，用于通过传感器阵列传输影响因子特征值，输入所述异常状态监测模块，生成电缆隧道状态监测结果。
进一步的，所述状态量确定模块11执行步骤包括：
获取所述电缆隧道的电力设备基本信息，其中，所述电力设备基本信息包括分布位置和电力设备类型；
根据所述电力设备类型和所述分布位置，匹配设备异常状态量，其中，所述设备异常状态量包括设备本体异常状态量和环境异常状态量；
将所述设备本体异常状态量和所述环境异常状态量，添加进所述待监测状态量。
进一步的，所述影响因子集匹配模块12执行步骤包括：
遍历所述设备本体异常状态量和所述环境异常状态量，匹配异常监测记录数据，其中，任意一条所述异常监测记录数据包括异常状态量特征值和多组监测指标特征值；
将所述异常状态量特征值，设为参考队列；
将所述监测指标特征值，设为比较队列；
对所述参考队列和所述比较队列无量纲处理后进行灰色关联度分析，生成关联性系数；
根据所述关联性系数，生成灰色关联度集合；
将所述灰色关联度大于或等于灰色关联度阈值的所述监测指标特征值，对应的监测指标，添加进所述异常状态量特征值对应状态量的影响因子；
将所述影响因子，添加进所述影响因子集。
进一步的，所述影响因子集匹配模块12执行步骤还包括：
构建关联性系数计算公式：
其中，
表示第i个指标的第k个特征值和状态量的关联性系数，
表示第i个指标的第k个特征值对应的状态量特征值，
表征第i个指标的第k个特征值，
表征由专家自定义的分辨系数；
对所述参考队列和所述比较队列无量纲处理后，输入所述关联性系数计算公式，生成所述关联性系数。
进一步的，所述主观赋权模块13执行步骤包括：
将任意一个状态量的所述影响因子集传输至专家组，生成重要度标定表，其中，所述重要度标定表表征任意两个影响因子之间的重要度比较结果；
将任意一个状态量的所述影响因子集输入重要度标定表，生成影响因子集重要度标定结果；
根据所述影响因子集重要度标定结果对所述影响因子集进行排序，生成影响因子集排序结果；
根据所述影响因子集排序结果对所述影响因子集进行权重分布，生成所述第一权重分布结果，其中，排序靠前的影响因子权重高于排序靠后的影响因子，且权重和等于1。
进一步的，所述客观赋权模块14执行步骤包括：
从任意一个状态量的所述影响因子集，筛选关联度集合；
对所述关联度集合进行加和计算，生成关联度加和结果；
遍历所述关联度集合和所述关联度加和结果求比，生成所述第二权重分布结果。
进一步的，所述监测模块构建模块16执行步骤包括：
将所述电力设备类型，设为决策树的根结点，将所述电力设备类型异常状态量设为决策树的第二层级结点，将所述影响因子集设为决策树的第三层级结点，生成决策树拓扑结构；
根据所述影响因子权重分布结果对所述决策树拓扑结构初始化，生成所述异常状态监测模块：
遍历所述第三层级结点，设定特征值比对层，其中，所述特征值比对层用于计算影响因子监测特征值和影响因子标准特征值的偏差；
根据所述影响因子权重分布结果，遍历所述第三层级结点，设定权重分配层，其中，所述权重分配层用于对所述特征值比对层的计算结果赋予权重；
遍历所述第二层级结点，设定异常判断层，其中，所述异常判断层用于加权求和所述第三层级结点的监测值，并判断是否满足设定阈值。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种用于电缆隧道的状态监测方法，其特征在于，应用于一用于电缆隧道的状态监测系统，包括：
获取电缆隧道的待监测状态量；
为所述待监测状态量匹配影响因子，生成影响因子集；
对所述影响因子集进行主观赋权，生成第一权重分布结果，包括：
将任意一个状态量的所述影响因子集传输至专家组，生成重要度标定表，其中，所述重要度标定表表征任意两个影响因子之间的重要度比较结果；
将任意一个状态量的所述影响因子集输入重要度标定表，生成影响因子集重要度标定结果；
根据所述影响因子集重要度标定结果对所述影响因子集进行排序，生成影响因子集排序结果；
根据所述影响因子集排序结果对所述影响因子集进行权重分布，生成所述第一权重分布结果，其中，排序靠前的影响因子权重高于排序靠后的影响因子，且权重和等于1；
对所述影响因子集进行客观赋权，生成第二权重分布结果；
将所述第一权重分布结果和所述第二权重分布结果融合，生成影响因子权重分布结果；
根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块，其中，所述决策树思想指的是基于预设的决策树拓扑结构构建树状模型；
通过传感器阵列传输影响因子特征值，输入所述异常状态监测模块，生成电缆隧道状态监测结果。
2.如权利要求1所述的一种用于电缆隧道的状态监测方法，其特征在于，所述获取电缆隧道的待监测状态量，包括：
获取所述电缆隧道的电力设备基本信息，其中，所述电力设备基本信息包括分布位置和电力设备类型；
根据所述电力设备类型和所述分布位置，匹配设备异常状态量，其中，所述设备异常状态量包括设备本体异常状态量和环境异常状态量；
将所述设备本体异常状态量和所述环境异常状态量，添加进所述待监测状态量。
3.如权利要求2所述的一种用于电缆隧道的状态监测方法，其特征在于，所述为所述待监测状态量匹配影响因子，生成影响因子集，包括：
遍历所述设备本体异常状态量和所述环境异常状态量，匹配异常监测记录数据，其中，任意一条所述异常监测记录数据包括异常状态量特征值和多组监测指标特征值；
将所述异常状态量特征值，设为参考队列；
将所述监测指标特征值，设为比较队列；
对所述参考队列和所述比较队列无量纲处理后进行灰色关联度分析，生成关联性系数；
根据所述关联性系数，生成灰色关联度集合；
将所述灰色关联度大于或等于灰色关联度阈值的所述监测指标特征值，对应的监测指标，添加进所述异常状态量特征值对应状态量的影响因子；
将所述影响因子，添加进所述影响因子集。
4.如权利要求3所述的一种用于电缆隧道的状态监测方法，其特征在于，所述对所述参考队列和所述比较队列无量纲处理后进行灰色关联度分析，生成关联性系数，包括：
构建关联性系数计算公式：
其中，
表示第i个指标的第k个特征值和状态量的关联性系数，
表示第i个指标的第k个特征值对应的状态量特征值，
表征第i个指标的第k个特征值，
表征由专家自定义的分辨系数；
对所述参考队列和所述比较队列无量纲处理后，输入所述关联性系数计算公式，生成所述关联性系数。
5.如权利要求1所述的一种用于电缆隧道的状态监测方法，其特征在于，所述对所述影响因子集进行客观赋权，生成第二权重分布结果，包括：
从任意一个状态量的所述影响因子集，筛选关联度集合；
对所述关联度集合进行加和计算，生成关联度加和结果；
遍历所述关联度集合和所述关联度加和结果求比，生成所述第二权重分布结果。
6.如权利要求4所述的一种用于电缆隧道的状态监测方法，其特征在于，所述根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块，包括：
将所述电力设备类型，设为决策树的根结点，将所述电力设备类型异常状态量设为决策树的第二层级结点，将所述影响因子集设为决策树的第三层级结点，生成决策树拓扑结构；
根据所述影响因子权重分布结果对所述决策树拓扑结构初始化，生成所述异常状态监测模块：
遍历所述第三层级结点，设定特征值比对层，其中，所述特征值比对层用于计算影响因子监测特征值和影响因子标准特征值的偏差；
根据所述影响因子权重分布结果，遍历所述第三层级结点，设定权重分配层，其中，所述权重分配层用于对所述特征值比对层的计算结果赋予权重；
遍历所述第二层级结点，设定异常判断层，其中，所述异常判断层用于加权求和所述第三层级结点的监测值，并判断是否满足设定阈值。
7.一种用于电缆隧道的状态监测系统，其特征在于，包括：
状态量确定模块，用于获取电缆隧道的待监测状态量；
影响因子集匹配模块，用于为所述待监测状态量匹配影响因子，生成影响因子集；
主观赋权模块，用于对所述影响因子集进行主观赋权，生成第一权重分布结果，包括：
将任意一个状态量的所述影响因子集传输至专家组，生成重要度标定表，其中，所述重要度标定表表征任意两个影响因子之间的重要度比较结果；
将任意一个状态量的所述影响因子集输入重要度标定表，生成影响因子集重要度标定结果；
根据所述影响因子集重要度标定结果对所述影响因子集进行排序，生成影响因子集排序结果；
根据所述影响因子集排序结果对所述影响因子集进行权重分布，生成所述第一权重分布结果，其中，排序靠前的影响因子权重高于排序靠后的影响因子，且权重和等于1；
客观赋权模块，用于对所述影响因子集进行客观赋权，生成第二权重分布结果；
权重融合模块，用于将所述第一权重分布结果和所述第二权重分布结果融合，生成影响因子权重分布结果；
监测模块构建模块，用于根据所述影响因子权重分布结果，基于决策树思想，构建异常状态监测模块，其中，所述决策树思想指的是基于预设的决策树拓扑结构构建树状模型；
电缆隧道监测模块，用于通过传感器阵列传输影响因子特征值，输入所述异常状态监测模块，生成电缆隧道状态监测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211172035.4A CN115271000B (zh) | 2022-09-26 | 2022-09-26 | 一种用于电缆隧道的状态监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211172035.4A CN115271000B (zh) | 2022-09-26 | 2022-09-26 | 一种用于电缆隧道的状态监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115271000A CN115271000A (zh) | 2022-11-01 |
| CN115271000B true CN115271000B (zh) | 2022-12-02 |
Family
ID=83757337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211172035.4A Active CN115271000B (zh) | 2022-09-26 | 2022-09-26 | 一种用于电缆隧道的状态监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115271000B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115856514B (zh) * | 2023-02-28 | 2023-05-12 | 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 |
| CN116341771B (zh) * | 2023-05-30 | 2023-08-04 | 江苏鹏润电缆科技有限公司 | 一种耐低温电缆生产工艺智能优化方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069709A (zh) * | 2015-09-09 | 2015-11-18 | 贵州电网公司电力调度控制中心 | 基于专家经验的电网调度操作过程准动态风险评估方法 |
| CN107122195A (zh) * | 2017-05-08 | 2017-09-01 | 云南大学 | 主客观融合的软件非功能需求评价方法 |
| CN109359837A (zh) * | 2018-09-29 | 2019-02-19 | 国网四川省电力公司经济技术研究院 | 一种主动配电网技术经济效益评估与投资决策方法 |
| CN109816161A (zh) * | 2019-01-14 | 2019-05-28 | 中国电力科学研究院有限公司 | 一种配电网运行辅助决策分析系统及其应用方法 |
| CN110161387A (zh) * | 2019-06-03 | 2019-08-23 | 河海大学常州校区 | 一种基于改进梯度提升树的电力设备局放量预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960395B (zh) * | 2018-10-15 | 2021-06-08 | 华为技术有限公司 | 资源调度方法和计算机设备 |
-
2022
- 2022-09-26 CN CN202211172035.4A patent/CN115271000B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069709A (zh) * | 2015-09-09 | 2015-11-18 | 贵州电网公司电力调度控制中心 | 基于专家经验的电网调度操作过程准动态风险评估方法 |
| CN107122195A (zh) * | 2017-05-08 | 2017-09-01 | 云南大学 | 主客观融合的软件非功能需求评价方法 |
| CN109359837A (zh) * | 2018-09-29 | 2019-02-19 | 国网四川省电力公司经济技术研究院 | 一种主动配电网技术经济效益评估与投资决策方法 |
| CN109816161A (zh) * | 2019-01-14 | 2019-05-28 | 中国电力科学研究院有限公司 | 一种配电网运行辅助决策分析系统及其应用方法 |
| CN110161387A (zh) * | 2019-06-03 | 2019-08-23 | 河海大学常州校区 | 一种基于改进梯度提升树的电力设备局放量预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于光纤芯远程交换技术的电力光网全流程智能运维评估";张源等;《智能控制技术》;20210930;第43卷(第5期);第101-104页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115271000A (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115271000B (zh) | 一种用于电缆隧道的状态监测方法及系统 | |
| CN110220602B (zh) | 一种开关柜过热故障识别方法 | |
| CN112734128B (zh) | 一种基于优化rbf的7日电力负荷峰值预测方法 | |
| CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
| CN117783769B (zh) | 基于可视平台的配电网络故障定位方法、系统、设备及存储介质 | |
| CN117421998B (zh) | 一种基于多模态数据的输电架空线路健康状态评估系统 | |
| CN116797028A (zh) | 基于智慧物联网的电缆隧道综合监控系统及方法 | |
| CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
| CN115640860A (zh) | 一种工业云服务的机电设备远程维护方法及系统 | |
| CN114089262A (zh) | 一种小电量智能电能表智能误差分析模型构建方法 | |
| CN117937497A (zh) | 算力负载均衡方法及装置 | |
| CN114781906A (zh) | 一种基于人工智能的电力电缆运行预警方法 | |
| CN118311352A (zh) | 用于光伏储能系统的母线槽故障诊断方法及系统 | |
| CN118296475A (zh) | 一种海上风电功率多模型预测方法 | |
| CN117791856B (zh) | 一种基于巡检机器人的电网故障预警方法及装置 | |
| CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
| CN117118087B (zh) | 一种电力设备监控预警系统及方法 | |
| CN117454282A (zh) | 一种基于故障树的自动气象站故障诊断方法 | |
| CN116664098A (zh) | 一种光伏电站的异常检测方法及系统 | |
| CN115907178A (zh) | 一种净生态系统co2交换量的预测方法 | |
| CN115564180A (zh) | 一种基于大数据分析的电力网络可靠性评估方法 | |
| CN113837526A (zh) | 基于边缘计算的变电站设备智能分析方法及系统 | |
| CN117648568B (zh) | 基于物联网的水表计量大数据优化处理方法及系统 | |
| CN117554578B (zh) | 一种特高压工程材料的模块化监测方法及系统 |
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 |