CN115409208A - 基于风险评估的剥皮电缆修复方案选择方法及装置 - Google Patents
基于风险评估的剥皮电缆修复方案选择方法及装置 Download PDFInfo
- Publication number
- CN115409208A CN115409208A CN202210919416.8A CN202210919416A CN115409208A CN 115409208 A CN115409208 A CN 115409208A CN 202210919416 A CN202210919416 A CN 202210919416A CN 115409208 A CN115409208 A CN 115409208A
- Authority
- CN
- China
- Prior art keywords
- aging
- risk
- cable
- dimensional
- index
- 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
Links
- 230000008439 repair process Effects 0.000 title claims abstract description 86
- 238000012502 risk assessment Methods 0.000 title claims abstract description 41
- 238000010187 selection method Methods 0.000 title claims description 12
- 230000032683 aging Effects 0.000 claims abstract description 178
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000009413 insulation Methods 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000013145 classification model Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000007637 random forest analysis Methods 0.000 claims abstract description 19
- 238000003064 k means clustering Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 19
- 230000015556 catabolic process Effects 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 230000002431 foraging effect Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000014759 maintenance of location Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 229920003020 cross-linked polyethylene Polymers 0.000 description 5
- 239000004703 cross-linked polyethylene Substances 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了基于风险评估的剥皮电缆修复方案选择方法及装置，方法包括：根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；使用k‑means聚类算法对多维老化指标数据集进行聚类并划分风险等级区间，建立多维指标风险矩阵；基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。本发明解决了难以根据剥皮电缆健康状态选择最佳修复方式的问题，实现剥皮电缆修复方式的快速、可靠选择。
Description
技术领域
本发明属于电缆风险评估及修复策略的技术领域，具体涉及一种基于风险评估的剥皮电缆修复方案选择方法及装置。
背景技术
随着城市化建设的不断推进，城市电网的规模逐渐扩大。相比于传统的架空线，电力电缆在供电可靠、节约空间和城市美观等方面更加符合现代化城市建设要求；目前电力电缆已在城市电网中大量使用，其可靠性和安全性不言而喻。10kV三相电缆在正常运行情况下，其铠装层和铜屏蔽层上的感应电压和感应电流相对于导体电压较小，针对该现象，偷盗者极易在非监控区域对10kV电缆的铜屏蔽层进行大肆偷盗，从而产生剥皮电缆。剥皮电缆由于缺乏外护套、铠装和金属屏蔽的保护，其主绝缘直接暴露在复杂环境中，将导致其绝缘性能快速下降，风险性不断增大。近年来因剥皮电缆而导致的电缆线路跳闸、事故甚至管廊电缆火灾事件层出不穷，给供电部门造成巨大经济损失。目前，国内外学者针对10kV三相电缆的风险评估开展了一些研究，而针对剥皮电缆的风险评估的研究较少；并且剥皮电缆风险评估紧靠单一指标难以实现可靠评估，只有构建多维老化指标才可以实现电缆绝缘性能的综合评估；此外，由于剥皮电缆数量众多，仅采用截断换新的修复方式易造成经济损失，而仅采用绕包修复又会造成供电可靠性差的问题。因此，根据剥皮电缆的风险等级选择合适的修复方式，在保证安全性的前提下实现低成本修复成为一研究趋势。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于风险评估的剥皮电缆修复方案选择方法及装置，本发明通过定义风险等级和风险程度，构建多维老化指标，获取多维老化指标数据集，建立多维指标风险矩阵，再使用主客观综合权重法确定分类标签，最后基于随机森林模型建立修复方式分类模型，实现了对剥皮电缆修复方式快速、可靠的选择。
为了达到上述目的，本发明采用以下技术方案：
第一方面，本发明提供了一种基于风险评估的剥皮电缆修复方案选择方法，包括下述步骤：
根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
使用k-means聚类算法对多维老化指标数据集进行聚类并划分风险等级区间，建立多维指标风险矩阵；
基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。
作为优选的技术方案，所述定义剥皮电缆的风险等级和风险程度，具体为：
获取剥皮电缆的绝缘状态，当剥皮电缆的绝缘状态为差时，定义剥皮电缆的风险等级为Ⅰ类，定义风险程度表示剥皮电缆易引起绝缘击穿、火灾或者停电的重大事故；
当剥皮电缆的绝缘状态为中时，定义剥皮电缆的风险等级为Ⅱ类，定义风险程度表示剥皮电缆绝缘性能退化严重，但不足以导致击穿事故，会导致非计划性维护或修理；
当剥皮电缆的绝缘状态为良时，定义剥皮电缆的风险等级为Ⅲ类，定义风险程度表示剥皮电缆绝缘性能略微下降，各项绝缘指标均处于安全状态；
当剥皮电缆的绝缘状态为良时，定义剥皮电缆的风险等级为Ⅳ类，定义风险程度表示剥皮电缆绝缘性能未发生退化，各项绝缘指标均处于健康状态。
作为优选的技术方案，所述多维老化指标基于老化指标进行构建，包括断裂伸长率保留率％、断裂强度MPa、介电常数、介质损耗因数tanδ及电气强度kV/mm；
所述老化指标包括电缆介电性能参数和力学性能参数；所述介电性能参数包括介电常数、介质损耗因数及电气强度；所述力学性能参数包括断裂伸长率保留率及断裂强度；
所述构建多维老化指标数据集，步骤为：
采集剥皮电缆老化过程中的老化参数，变换得到多维老化指标数据；
使用三次样条插值法扩充样本数据，具体为：
将已知n个多维老化指标数据作为插值节点，插值节点的自变量x为老化时间，因变量y为多维老化指标数据，其中老化时间符合x1<x2<x3<…<xn，多维老化指标数据符合y1>y2>y3…>yn，将任意两个插值节点作为插值区间，对于插值区间上的插值函数为：
yi(x)＝aix3+bix2+cix+di
式中yi为第i个区间的老化指标，ai、bi、ci、di均为第i个区间上插值函数的待求参数；
使用插值函数将测量好的插值数据插入插值区间，构建多维老化指标数据集。
作为优选的技术方案，所述变换得到多维老化指标数据，具体为：
分析采集的老化参数数据，对于剥皮电缆老化过程中采集的具有减小趋势的老化参数，变换公式为：
其中，Hd为具有减小趋势的老化参数变换得到的多维老化指标数据，Ht为老化时间t年下的老化参数值，H0为初始老化参数值；
对于剥皮电缆老化过程中采集的具有增大趋势的老化参数，变换公式为：
其中，Hi为具有增大趋势的老化参数变换得到的多维老化指标数据，Hcrit为老化程度达到不可接受时的关键老化参数值，所述不可接收时的关键老化参数值根据失效阈值进行设定。
作为优选的技术方案，所述k-means聚类算法的目标函数为：
其中，J为目标函数值，il为每个聚类Cj中的样本，wj为类的中心点；
所述建立多维指标风险矩阵具体步骤为：
对于某一多维老化指标，按照风险等级个数设定聚类中心点个数，使用k-means聚类算法对相应的多维老化指标数据进行聚类，将每一聚类作为一个风险等级区间，即风险等级区间＝聚类中心点个数，实现对该多维老化指标的风险等级划分；
重复上述步骤对多个多维老化指标进行风险等级区间划分，形成多维老化指标风险矩阵。
作为优选的技术方案，所述使用主客观综合权重法确定多维老化指标所对应的分类标签，具体为：
使用主客观综合权重法计算各多维老化指标的权重，计算公式为：
其中，αj为基于层次分析法所计算得到的多维老化指标对应权重，βj为基于熵值法计算得到的多维老化指标对应权重；
比较各多维老化指标的权重获得权重最大的多维老化指标，以风险矩阵中权重最大的多维老化指标的风险等级区间为标准，对多维老化指标数据进行分类，确定分类标签；
所述分类标签包括0、1、2；其中，标签0表示风险等级为Ⅲ和Ⅳ类，剥皮电缆不采取修复措施，标签1表示风险等级为Ⅱ类，剥皮电缆应采取绕包修复方式进行修复，标签2表示风险等级为Ⅰ类，剥皮电缆应采取截断换新修复方式进行修复。
作为优选的技术方案，所述基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，具体为：
将多维老化指标数据集划分为训练集和测试集；
基于随机森林模型建立修复方式分类模型；将训练集输入修复方式分类模型中进行训练，得到训练好的修复方式分类模型；将测试集输入训练好的修复方式分类模型中，输出分类结果得到剥皮电缆的修复方式选择结果；
所述随机森林模型为任意一种随机森林模型。
第二方面，本发明提供了一种基于风险评估的剥皮电缆修复方案选择系统，应用于上述的基于风险评估的剥皮电缆修复方案选择方法，所述系统包括风险定义模块、指标构建模块、风险划分模块、指标分类模块及修复选择模块；
所述风险定义模块用于根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
所述指标构建模块用于构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
所述风险划分模块用于使用k-means聚类算法对多维老化指标数据集建立多维指标风险矩阵，进行风险等级划分；
所述指标分类模块用于基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
所述修复选择模块用于基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。
第三方面，本发明还提供了一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序
指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于风险评估的剥皮电缆修复方案选择方法。
第四方面，本发明提供了一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现上述的基于风险评估的剥皮电缆修复方案选择方法。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明通过构建的多维老化指标实现对剥皮电缆的风险评估，再使用k-means聚类算法划分风险等级，客观、准确地描述了剥皮电缆的风险等级，便于对剥皮电缆的维护管理；
2、本发明通过建立多维指标风险矩阵，使用主客观综合权重法确定分类标签，并基于随机森林模型构建修复方式分类模型，实现对剥皮电缆的修复方式的快速选择，在保证电缆可靠供电的前提下，选择最佳修复方式，为剥皮电缆的修复决策提供了基础。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于风险评估的剥皮电缆修复方案选择方法的流程图；
图2为本发明实施例中剥皮电缆老化指标退化曲线；
图3为本发明实施例中基于风险评估的剥皮电缆修复方案选择系统的方框图；
图4为本发明实施例中电子设备的结构图。
具体实施方式
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。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
请参阅图1，本申请实施例中提供了一种基于风险评估的剥皮电缆修复方案选择方法，包括下述步骤：
S1、根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
以交联聚乙烯绝缘电缆为例，首先获取电缆的绝缘状态，然后根据绝缘状态定义风险等级和风险程度，如下表1所示：
表1
S2、构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
老化指标一般包括电缆介电性能参数和力学性能参数等；其中电缆的介电性能参数包括介电常数、介质损耗因数及电气强度等；力学性能参数包括断裂伸长率保留率及断裂强度等；
基于老化指标，构建多维老化指标，包括断裂伸长率保留率％、断裂强度MPa、介电常数、介质损耗因数tanδ及电气强度kV/mm等；
接着依据剥皮电缆的运行时间，采集剥皮电缆老化过程中的老化参数；
本实施例采集的交联聚乙烯绝缘电缆老化参数数据如下表2所示：
表2
为了方便对数据进行处理，使老化指标具有相同退化趋势，需要对老化参数进行变换得到多维老化指标数据，具体为：
分析采集的老化参数数据，对于剥皮电缆老化过程中采集的具有减小趋势的老化参数，变换公式为：
其中，Hd为具有减小趋势的老化参数变换得到的多维老化指标数据，Ht为老化时间t年下的老化参数值，H0为初始老化参数值；
对于剥皮电缆老化过程中采集的具有增大趋势的老化参数，变换公式为：
其中，Hi为具有增大趋势的老化参数变换得到的多维老化指标数据，Hcrit为老化程度达到不可接受时的关键老化参数值，其根据失效阈值进行设定。本实施例将失效阈值的介电常数设置为5，介电损耗因数设置为0.1。
本实施例对交联聚乙烯绝缘电缆的老化参数数据进行变换，根据分析其中断裂伸长率保留率、断裂强度和电气强度为具有减小趋势的老化参数，介电常数和介质损耗因数为具有增大趋势的老化参数，分别进行变换得到如下表3所示的多维老化指标数据：
表3
为了获得足够的数据，采用三次样条插值法扩充样本数据，具体为：
将已知n个多维老化指标数据作为插值节点，插值节点的自变量x为老化时间，因变量y为多维老化指标数据，其中老化时间符合x1<x2<x3<…<xn，多维老化指标数据符合y1>y2>y3…>yn，将任意两个插值节点作为插值区间，对于插值区间上的插值函数为：
yi(x)＝aix3+bix2+cix+di
式中yi为第i个区间的老化指标，ai、bi、ci、di均为第i个区间上插值函数的待求参数；
使用插值函数将测量好的插值数据插入插值区间，构建多维老化指标数据集。
本实施例最终构建1000×5的多维老化指标数据集，其中的五种老化指标的退化曲线如图2所示。
S3、使用k-means聚类算法对多维老化指标数据集进行聚类并划分风险等级区间，建立多维指标风险矩阵；
k-means聚类算法的目标函数为：
其中，J为目标函数值，il为每个聚类Cj中的样本，wj为类的中心点；
建立多维指标风险矩阵具体步骤为：
对于某一多维老化指标，按照风险等级个数设定聚类中心点个数，使用k-means聚类算法对相应的多维老化指标数据进行聚类，将每一聚类作为一个风险等级区间，即风险等级区间＝聚类中心点个数，实现对该多维老化指标的风险等级划分；
重复上述步骤对多个多维老化指标进行风险等级区间划分，形成多维老化指标风险矩阵
本实施例中，使用k-means聚类算法对构建的1000×5多维老化指标数据集进行聚类划分风险等级区间，获得多维老化指标的风险矩阵如下表4所示：
表4
| Ⅰ | Ⅱ | Ⅲ | Ⅳ | |
| 断裂伸长率指标/％ | 92.64～100 | 86.78～92.64 | 68.87～86.78 | 62.03～68.87 |
| 断裂强度指标/％ | 84.98～100 | 86.78～84.98 | 64.85～86.78 | 59.16～64.85 |
| 介电常数指标/％ | 95.61～100 | 90.24～95.61 | 79.51～90.24 | 73.17～79.51 |
| 介质损耗因数指标/％ | 98.94～100 | 96.81～98.94 | 88.3～96.81 | 79.79～88.3 |
| 击穿场强指标/％ | 86.85～100 | 73.09～86.85 | 68.85～73.09 | 59.71～68.85 |
S4、基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
为了更加符合实际情况，首先对多维老化指标使用主客观综合权重法计算各多维老化指标的权重，计算公式为：
其中，αj为基于层次分析法所计算得到的多维老化指标对应权重，βj为基于熵值法计算得到的多维老化指标对应权重；
比较各多维老化指标的权重获得权重最大的多维老化指标，以风险矩阵中权重最大的多维老化指标的风险等级区间为标准，对多维老化指标数据进行分类，确定分类标签；
分类标签包括0、1、2；其中，标签0表示风险等级为Ⅲ和Ⅳ类，剥皮电缆不采取修复措施，标签1表示风险等级为Ⅱ类，剥皮电缆应采取绕包修复方式进行修复，标签2表示风险等级为Ⅰ类，剥皮电缆应采取截断换新修复方式进行修复；风险等级、修复方式和分类标签的对应关系如下表5所示：
表5
| 风险等级 | 修复方式 | 分类标签 |
| Ⅲ、Ⅳ | 不修复 | 0 |
| Ⅱ | 绕包修复 | 1 |
| Ⅰ | 截断换新修复 | 2 |
本实施例中，利用主客观综合权重法求得交联聚乙烯绝缘电缆的各多维老化指标的权重如下表6所示：
表6
| 老化指标 | 主客观综合权重 |
| 断裂伸长率 | 0.2435 |
| 断裂强度 | 0.2281 |
| 介电常数 | 0.0856 |
| 介质损耗因数 | 0.0934 |
| 击穿强度 | 0.3494 |
从表6中可以看出，击穿强度所占权重最大为0.3494，因此以风险矩阵中击穿强度的风险等级区间划分结果，对多维老化指标数据进行分类，确定分类标签。
S5、基于随机森林算法建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果，训练步骤为：
将多维老化指标数据集划分为训练集和测试集；
基于现有技术中任意一种随机森林模型建立修复方式分类模型；将训练集输入修复方式分类模型中进行训练，得到训练好的修复方式分类模型；将测试集输入训练好的修复方式分类模型中，输出分类结果得到剥皮电缆的修复方式选择结果；
本实施例中采用的随机森林模型使用Bootstrap方法在多维老化指标及分类标签数据集中抽取n个样本集，利用CART算法生成n个决策树构成剥皮电缆的修复方式分类模型。
本实施例中，以交联聚乙烯绝缘电缆构建的1000×5多维老化指标数据集前600组数据集作为剥皮电缆修复方式分类模型的训练集，后400组数据集作为测试集，修复方式的部分判断结果为：400个点仅有1个点分类错误，正确率为99.75％；重复分类10次，分类结果的平均正确率为99.825％。
需要说明的是，对于前述的各方法实施例，为了简便描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。
基于与上述实施例中的基于风险评估的剥皮电缆修复方案选择方法相同的思想，本发明还提供了基于风险评估的剥皮电缆修复方案选择系统，该系统可用于执行上述基于风险评估的剥皮电缆修复方案选择方法。为了便于说明，基于风险评估的剥皮电缆修复方案选择系统实施例的结构示意图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
请参阅图3，在本申请的另一个实施例中，提供了一种基于风险评估的剥皮电缆修复方案选择系统，该系统包括风险定义模块、指标构建模块、风险划分模块、指标分类模块及修复选择模块；
其中，风险定义模块用于根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
指标构建模块用于构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
风险划分模块用于使用k-means聚类算法对多维老化指标数据集建立多维指标风险矩阵，进行风险等级划分；
指标分类模块用于基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
修复选择模块用于基于随机森林算法建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。
需要说明的是，本发明的基于风险评估的剥皮电缆修复方案选择系统与本发明的基于风险评估的剥皮电缆修复方案选择方法一一对应，在上述基于风险评估的剥皮电缆修复方案选择方法的实施例阐述的技术特征及其有益效果均适用于基于风险评估的剥皮电缆修复方案选择系统的实施例中，具体内容可参见本发明方法实施例中的叙述，此处不再赘述，特此声明。
此外，上述实施例的基于风险评估的剥皮电缆修复方案选择系统的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将所述基于风险评估的剥皮电缆修复方案选择系统的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
请参阅图4，在一个实施例中，提供了一种实现基于风险评估的剥皮电缆修复方案选择方法的电子设备，所述电子设备可以包括第一处理器、第一存储器和总线，还可以包括存储在所述第一存储器中并可在所述第一处理器上运行的计算机程序，如剥皮电缆修复方案选择程序。
其中，所述第一存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述第一存储器在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述第一存储器在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述第一存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。所述第一存储器不仅可以用于存储安装于电子设备的应用软件及各类数据，例如剥皮电缆修复方案选择程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述第一处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述第一处理器是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述第一存储器内的程序或者模块(例如剥皮电缆修复方案选择程序等)，以及调用存储在所述第一存储器内的数据，以执行电子设备的各种功能和处理数据。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
所述电子设备中的所述第一存储器存储的剥皮电缆修复方案选择程序是多个指令的组合，在所述第一处理器中运行时，可以实现：
根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
使用k-means聚类算法对多维老化指标数据集建立多维指标风险矩阵，进行风险等级划分；
基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
基于随机森林算法建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。
进一步地，所述电子设备集成的模块/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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.基于风险评估的剥皮电缆修复方案选择方法，其特征在于，包括下述步骤：
根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
使用k-means聚类算法对多维老化指标数据集进行聚类并划分风险等级区间，建立多维指标风险矩阵；
基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。
2.根据权利要求1所述的基于风险评估的剥皮电缆修复方案选择方法，其特征在于，所述定义剥皮电缆的风险等级和风险程度，具体为：
获取剥皮电缆的绝缘状态，当剥皮电缆的绝缘状态为差时，定义剥皮电缆的风险等级为Ⅰ类，定义风险程度表示剥皮电缆易引起绝缘击穿、火灾或者停电的重大事故；
当剥皮电缆的绝缘状态为中时，定义剥皮电缆的风险等级为Ⅱ类，定义风险程度表示剥皮电缆绝缘性能退化严重，但不足以导致击穿事故，会导致非计划性维护或修理；
当剥皮电缆的绝缘状态为良时，定义剥皮电缆的风险等级为Ⅲ类，定义风险程度表示剥皮电缆绝缘性能略微下降，各项绝缘指标均处于安全状态；
当剥皮电缆的绝缘状态为良时，定义剥皮电缆的风险等级为Ⅳ类，定义风险程度表示剥皮电缆绝缘性能未发生退化，各项绝缘指标均处于健康状态。
3.根据权利要求2所述的基于风险评估的剥皮电缆修复方案选择方法，其特征在于，所述多维老化指标基于老化指标进行构建，包括断裂伸长率保留率％、断裂强度MPa、介电常数、介质损耗因数tanδ及电气强度kV/mm；
所述老化指标包括电缆介电性能参数和力学性能参数；所述介电性能参数包括介电常数、介质损耗因数及电气强度；所述力学性能参数包括断裂伸长率保留率及断裂强度；
所述构建多维老化指标数据集，步骤为：
采集剥皮电缆老化过程中的老化参数，变换得到多维老化指标数据；
使用三次样条插值法扩充样本数据，具体为：
将已知n个多维老化指标数据作为插值节点，插值节点的自变量x为老化时间，因变量y为多维老化指标数据，其中老化时间符合x1<x2<x3<…<xn，多维老化指标数据符合y1>y2>y3…>yn，将任意两个插值节点作为插值区间，对于插值区间上的插值函数为：
yi(x)＝aix3+bix2+cix+di
式中yi为第i个区间的老化指标，ai、bi、ci、di均为第i个区间上插值函数的待求参数；
使用插值函数将测量好的插值数据插入插值区间，构建多维老化指标数据集。
4.根据权利要求3所述的基于风险评估的剥皮电缆修复方案选择方法，其特征在于，所述变换得到多维老化指标数据，具体为：
分析采集的老化参数数据，对于剥皮电缆老化过程中采集的具有减小趋势的老化参数，变换公式为：
其中，Hd为具有减小趋势的老化参数变换得到的多维老化指标数据，Ht为老化时间t年下的老化参数值，H0为初始老化参数值；
对于剥皮电缆老化过程中采集的具有增大趋势的老化参数，变换公式为：
其中，Hi为具有增大趋势的老化参数变换得到的多维老化指标数据，Hcrit为老化程度达到不可接受时的关键老化参数值，所述不可接收时的关键老化参数值根据失效阈值进行设定。
5.根据权利要求1所述的基于风险评估的剥皮电缆修复方案选择方法，其特征在于，所述k-means聚类算法的目标函数为：
其中，J为目标函数值，il为每个聚类Cj中的样本，wj为类的中心点；
所述建立多维指标风险矩阵具体步骤为：
对于某一多维老化指标，按照风险等级个数设定聚类中心点个数，使用k-means聚类算法对相应的多维老化指标数据进行聚类，将每一聚类作为一个风险等级区间，即风险等级区间＝聚类中心点个数，实现对该多维老化指标的风险等级划分；
重复上述步骤对多个多维老化指标进行风险等级区间划分，形成多维老化指标风险矩阵。
6.根据权利要求5所述的基于风险评估的剥皮电缆修复方案选择方法，其特征在于，所述使用主客观综合权重法确定多维老化指标所对应的分类标签，具体为：
使用主客观综合权重法计算各多维老化指标的权重，计算公式为：
其中，αj为基于层次分析法所计算得到的多维老化指标对应权重，βj为基于熵值法计算得到的多维老化指标对应权重；
比较各多维老化指标的权重获得权重最大的多维老化指标，以风险矩阵中权重最大的多维老化指标的风险等级区间为标准，对多维老化指标数据进行分类，确定分类标签；
所述分类标签包括0、1、2；其中，标签0表示风险等级为Ⅲ和Ⅳ类，剥皮电缆不采取修复措施，标签1表示风险等级为Ⅱ类，剥皮电缆应采取绕包修复方式进行修复，标签2表示风险等级为Ⅰ类，剥皮电缆应采取截断换新修复方式进行修复。
7.根据权利要求6所述的基于风险评估的剥皮电缆修复方案选择方法，其特征在于，所述基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，具体为：
将多维老化指标数据集划分为训练集和测试集；
基于随机森林模型建立修复方式分类模型；将训练集输入修复方式分类模型中进行训练，得到训练好的修复方式分类模型；将测试集输入训练好的修复方式分类模型中，输出分类结果得到剥皮电缆的修复方式选择结果；
所述随机森林模型为任意一种随机森林模型。
8.基于风险评估的剥皮电缆修复方案选择系统，其特征在于，应用于权利要求1-7中任一项所述的基于风险评估的剥皮电缆修复方案选择方法，所述系统包括风险定义模块、指标构建模块、风险划分模块、指标分类模块及修复选择模块；
所述风险定义模块用于根据剥皮电缆的绝缘状态，定义剥皮电缆的风险等级和风险程度；
所述指标构建模块用于构建多维老化指标，依据剥皮电缆运行时间采集多维老化指标数据并使用三次样条插值法扩充样本数据，构建多维老化指标数据集；
所述风险划分模块用于使用k-means聚类算法对多维老化指标数据集建立多维指标风险矩阵，进行风险等级划分；
所述指标分类模块用于基于多维指标风险矩阵，使用主客观综合权重法确定多维老化指标所对应的分类标签；
所述修复选择模块用于基于随机森林模型建立并训练剥皮电缆的修复方式分类模型，输出剥皮电缆的修复方式选择结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序
指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-7中任意一项所述的基于风险评估的剥皮电缆修复方案选择方法。
10.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的基于风险评估的剥皮电缆修复方案选择方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210919416.8A CN115409208A (zh) | 2022-08-02 | 2022-08-02 | 基于风险评估的剥皮电缆修复方案选择方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210919416.8A CN115409208A (zh) | 2022-08-02 | 2022-08-02 | 基于风险评估的剥皮电缆修复方案选择方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115409208A true CN115409208A (zh) | 2022-11-29 |
Family
ID=84160031
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210919416.8A Pending CN115409208A (zh) | 2022-08-02 | 2022-08-02 | 基于风险评估的剥皮电缆修复方案选择方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115409208A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116068324A (zh) * | 2023-03-16 | 2023-05-05 | 国网辽宁省电力有限公司电力科学研究院 | 一种电缆线路测试方法、系统、设备及介质 |
-
2022
- 2022-08-02 CN CN202210919416.8A patent/CN115409208A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116068324A (zh) * | 2023-03-16 | 2023-05-05 | 国网辽宁省电力有限公司电力科学研究院 | 一种电缆线路测试方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105676138B (zh) | 一种预测电池的剩余电量的方法和系统 | |
| CN112561251B (zh) | 配电网异常点检测方法、装置、计算机设备及存储介质 | |
| CN111291987A (zh) | 一种互感器寿命预测方法及装置 | |
| CN108595523B (zh) | 设备数据检索模型构建方法、装置及计算机设备 | |
| CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
| CN105205590A (zh) | 一种变压器健康状态分析的方法和系统 | |
| CN115409208A (zh) | 基于风险评估的剥皮电缆修复方案选择方法及装置 | |
| CN105760979A (zh) | 一种考虑自然灾害的电力系统暂态风险评估方法 | |
| CN106208043A (zh) | 一种中低压配电网关键耗能环节辨识方法 | |
| CN110796362B (zh) | 一种电动汽车充电桩状态分析方法及其系统、设备、介质 | |
| CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
| CN109711687B (zh) | 一种基于改进熵值法的绝缘子状态模糊评估方法 | |
| CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
| CN105375930A (zh) | 一种储能电站海量数据压缩方法及系统 | |
| CN109389330B (zh) | 配电网基建工程造价分析方法、装置、计算机设备和存储介质 | |
| CN116699327A (zh) | 一种gis设备局部放电故障预测方法、系统及设备 | |
| CN116703218A (zh) | 增容改造线路工程的导线选型方法、系统、介质及设备 | |
| CN105701735A (zh) | 一种配电网降损潜力评估方法及装置 | |
| CN112241587B (zh) | 配电线路风险评估模型构建方法、风险评估方法及系统 | |
| CN112463906A (zh) | 一种高寒区域配电变压器故障分布分析方法 | |
| CN111553040A (zh) | 一种基于gpu加速的电网拓扑分析高性能计算方法及装置 | |
| CN110929219A (zh) | 配网设备群状态评价方法、装置、系统及计算机存储介质 | |
| CN117788203A (zh) | 一种改进的交联聚乙烯绝缘电力电缆的高效生产制备方法 | |
| CN116365520B (zh) | 输电线路设备风险预测方法、装置和计算机设备 | |
| CN115809761B (zh) | 一种基于低压台区的电压质量分析方法及系统 |
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 |