CN115856514B - 一种聚丙烯电缆的智能运行异常监测定位方法及系统 - Google Patents
一种聚丙烯电缆的智能运行异常监测定位方法及系统 Download PDFInfo
- Publication number
- CN115856514B CN115856514B CN202310173744.2A CN202310173744A CN115856514B CN 115856514 B CN115856514 B CN 115856514B CN 202310173744 A CN202310173744 A CN 202310173744A CN 115856514 B CN115856514 B CN 115856514B
- Authority
- CN
- China
- Prior art keywords
- data set
- abnormal
- cable
- temperature
- anomaly
- 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
- 239000004743 Polypropylene Substances 0.000 title claims abstract description 111
- -1 polypropylene Polymers 0.000 title claims abstract description 111
- 229920001155 polypropylene Polymers 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 230000005856 abnormality Effects 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 179
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims description 46
- 239000006185 dispersion Substances 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 16
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 229920003020 cross-linked polyethylene Polymers 0.000 description 1
- 239000004703 cross-linked polyethylene Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提供了一种聚丙烯电缆的智能运行异常监测定位方法及系统，涉及电缆异常监测技术领域，该方法包括：连接电缆运行系统终端，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；生成阶梯温度数据集；生成阶梯负载数据集；获取阶梯异常数据集；根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；根据所述异常概率集进行定位，得到异常定位结果，解决了现有技术中存在的由于对聚丙烯电缆的运行数据分析流程不够详细，进而导致对聚丙烯电缆的异常监测效果不佳、异常定位准确性不足的技术问题。
Description
技术领域
本公开涉及电缆异常监测技术领域，具体涉及一种聚丙烯电缆的智能运行异常监测定位方法及系统。
背景技术
聚丙烯电缆是前沿新型材料技术与电力装备技术相结合的产物，在服务城市生态文明建设的同时，有效解决了城市中心用电负荷高涨和资源通道紧张的矛盾，适合城市中心城区的大容量电力输送，为城市地下电缆管网绿色转型提供了技术支撑，将更好满足新型电力系统建设的需要。与传统交联聚乙烯电缆相比，聚丙烯电缆具有可降解、耐高温、载流量高及生产周期短等优点，聚丙烯电缆的安全运行对电力系统建设有重大意义，对聚丙烯电缆的运行进行异常监测，能对电缆的检修维护起到辅助作用，可以有效避免由于电缆异常运行造成的损失。
目前，现有技术中存在由于对聚丙烯电缆的运行数据分析流程不够详细，进而导致对聚丙烯电缆的异常监测效果不佳、异常定位准确性不足的技术问题。
发明内容
本公开提供了一种聚丙烯电缆的智能运行异常监测定位方法及系统，用以解决现有技术中存在的由于对聚丙烯电缆的运行数据分析流程不够详细，进而导致对聚丙烯电缆的异常监测效果不佳、异常定位准确性不足的技术问题。
根据本公开的第一方面，提供了一种聚丙烯电缆的智能运行异常监测定位方法，包括：连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；对所述运行温度数据集进行温度划分，生成阶梯温度数据集；根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；根据所述异常概率集进行定位，得到异常定位结果。
根据本公开的第二方面，提供了一种聚丙烯电缆的智能运行异常监测定位系统，包括：数据采集模块，所述数据采集模块用于连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；温度划分模块，所述温度划分模块用于对所述运行温度数据集进行温度划分，生成阶梯温度数据集；运行负载数据划分模块，所述运行负载数据划分模块用于根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；阶梯异常识别模块，所述阶梯异常识别模块用于根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；异常权重因子生成模块，所述异常权重因子生成模块用于根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；异常概率计算模块，所述异常概率计算模块用于按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；异常定位模块，所述异常定位模块用于根据所述异常概率集进行定位，得到异常定位结果。
根据本公开的第三方面，提供了一种电子设备，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指令，所述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第一方面所述的方法。
根据本公开采用的一种聚丙烯电缆的智能运行异常监测定位方法，连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；对所述运行温度数据集进行温度划分，生成阶梯温度数据集；根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；根据所述异常概率集进行定位，得到异常定位结果。本公开通过对电缆材料信息、电缆运行数据进行分析，对电缆运行数据进行阶梯式划分，根据阶梯式的电缆运行数据对电缆进行运行异常监测定位，达到保证异常监测效果，同时提升异常定位准确性的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种聚丙烯电缆的智能运行异常监测定位方法的流程示意图；
图2为本发明实施例中根据预设温度阶梯对运行温度数据集进行温度划分的流程示意图；
图3为本发明实施例中获得异常定位结果的流程示意图；
图4为本发明实施例提供的一种聚丙烯电缆的智能运行异常监测定位系统的结构示意图；
图5为本发明实施例提供的一种电子设备的结构示意图。
附图标记说明：数据采集模块11，温度划分模块12，运行负载数据划分模块13，阶梯异常识别模块14，异常权重因子生成模块15，异常概率计算模块16，异常定位模块17，电子设备800，处理器801，存储器802，总线803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在的由于对聚丙烯电缆的运行数据分析流程不够详细，进而导致对聚丙烯电缆的异常监测效果不佳、异常定位准确性不足的技术问题，本公开的发明人经过创造性的劳动，得到了本公开的一种聚丙烯电缆的智能运行异常监测定位方法及系统。
实施例一
图1为本申请实施例提供的一种聚丙烯电缆的智能运行异常监测定位方法图，如图1所示，所述方法包括：
步骤S100：连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；
具体而言，本申请实施例提供了一种聚丙烯电缆的智能运行异常监测定位方法图，聚丙烯电缆是指以聚丙烯制造的电线、电缆，具有表面硬度大、不易压扁、耐热性、介电系数小和耐环境应力开裂性能良好等特点，电缆运行系统终端是指用于进行电缆运行数据管理的终端设备，在电缆运行系统终端，可以调取电缆运行过程中的各种运行数据，连接电缆运行系统终端，连接方式包括但不限于WiFi、蓝牙、USB等方式，连接后，可以从电缆运行系统终端调调取出需要的数据，从而得到实时运行数据集，实时运行数据集是指聚丙烯电缆在运行过程中产生的运行数据，实时运行数据集包括运行温度数据集和运行负载数据集，运行温度数据集是指聚丙烯电缆运行过程中的电缆温度数据，运行负载数据集是指聚丙烯电缆运行过程中的负载电流数据，通过获取实时运行数据集，达到为后续的电缆运行异常监测定位提供基础数据的效果。
步骤S200：对所述运行温度数据集进行温度划分，生成阶梯温度数据集；
其中，如图2所示，本申请实施例步骤S200还包括：
步骤S210：获取所述聚丙烯电缆的电缆材料信息；
步骤S220：根据所述电缆材料信息，确定所述聚丙烯电缆的聚丙烯含量信息；
步骤S230：根据所述聚丙烯含量信息进行电缆耐温性分析，得到电缆耐温指标；
步骤S240：基于所述电缆耐温指标对所述聚丙烯电缆进行温度配置，生成预设温度阶梯；
步骤S250：以所述预设温度阶梯对所述运行温度数据集进行温度划分，生成所述阶梯温度数据集。
其中，本申请实施例步骤S260包括：
步骤S261：获取所述聚丙烯电缆的电缆外层材料成分信息，以及各个材料的含量信息；
步骤S262：根据所述电缆外层材料成分信息以及所述各个材料的含量信息，获取所述聚丙烯含量信息的占比系数；
步骤S263：根据所述聚丙烯含量信息的占比系数，生成温度调节系数；
步骤S264：以所述温度调节系数，生成所述阶梯温度数据集。
具体而言，运行温度数据集里面包含不同大小的温度数据，设置一定的阶梯划分标准，对温度数据集里面的温度数据按照阶梯状划分，从而生成阶梯温度数据集，举例如，某种聚丙烯电缆的耐温范围是85℃-120℃，可以设置每隔5℃为一个阶梯级别，也就是说，85℃-90℃为一个温度阶梯，90℃-95℃为一个温度阶梯，95℃-100℃为一个温度阶梯，以此类推，按照温度高低划分出多个级别的温度阶梯，按照温度阶梯将运行温度数据集里面的温度数据划分到对应的温度阶梯中，由此得到了阶梯温度数据集，阶梯温度数据集包括不同温度阶梯对应的温度数据。
具体地，电缆材料信息是指聚丙烯电缆的制作材料，电缆制成的材料一般包括一些导电的金属丝和外部绝缘材料，电缆材料信息就包括制作聚丙烯电缆的所有材料及其数量，聚丙烯电缆的耐温性与其制作材料中的聚丙烯含量相关，根据电缆材料信息，获取聚丙烯电缆的聚丙烯含量信息，聚丙烯含量信息是指电缆制作材料中聚丙烯材料的含量，聚丙烯含量不同，制成的电缆耐温性也不同，根据聚丙烯含量信息进行电缆耐温性分析，得到电缆耐温指标，电缆耐温指标是指聚丙烯电缆能承受的温度范围，也就是能承受的最低温度和最高温度，根据电缆耐温指标进行温度配置，生成预设温度阶梯，就是根据聚丙烯电缆能承受的温度范围，进行温度划分，预先设置每一个阶梯对应的温度范围，比如每5℃或者10℃为一个阶梯，从而得到了预设温度阶梯，预设温度阶梯就是根据电缆耐温指标划分出的不同温度阶梯，进而根据预设温度阶梯，将运行温度数据集中的温度数据划分到对应的温度阶梯中，就得到了阶梯温度数据集，实现了对电缆运行温度进行阶梯状划分，便于后续进行异常识别定位的技术效果。
具体地，电缆内层是由金属制成的电线，电缆外层则使用绝缘材料进行包括，对外部材料的绝缘性、耐热性要求较高，在电缆外层材料中添加聚丙烯材料，可有效提升电缆的耐热性，获取聚丙烯电缆的电缆外层材料成分信息，以及各个材料的含量信息，电缆外层材料成分信息是指制成电缆外层的所有材料信息，各个材料的含量信息是指制成电缆外层的各种材料的含量，通过计算各种材料的含量在总材料中所占的比重，得出聚丙烯含量信息的占比系数，占比系数不同，也就是聚丙烯含量不同，电缆的耐受温度范围也会不同，基于此，生成温度调节系数，温度调节系数是指电缆的耐受温度范围，根据电缆的耐受温度范围对运行温度数据集进行阶梯状划分，得到阶梯温度数据集，达到根据电缆中的聚丙烯含量进行耐受温度分析，提升温度划分结果的准确性的效果。
步骤S300：根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；
具体而言，运行负载数据集是指电缆运行过程中的负载电流数据，负载电流和电缆运行温度是对应的，正常情况下，电流通过电缆会产生热量，通过的电流越大，电缆温度就越高，根据阶梯温度数据集，将与运行温度数据对应的负载电流数据划分到对应的阶梯中，由此生成阶梯负载数据集。
步骤S400：根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；
其中，本申请实施例步骤S400还包括：
步骤S410：对所述聚丙烯电缆进行数据采集，获取运行损耗数据集，其中，所述运行损耗数据集与所述运行负载数据集一一对应；
步骤S420：根据所述运行损耗数据集进行损耗异常识别，得到异常损耗数据集；
步骤S430：根据所述预设温度阶梯，对所述异常损耗数据集进行阶梯划分，得到阶梯异常损耗数据集；
步骤S440：将所述阶梯异常损耗数据集添加至所述阶梯异常数据集。
具体而言，对阶梯温度数据集和阶梯负载数据集进行阶梯异常识别，阶梯温度数据集包含处于不同阶梯的温度数据，阶梯负载数据集包含处于不同阶梯的负载电流数据，阶梯异常识别就是识别每一个阶梯对应的温度数据和负载电流数据是否处于正常值，有没有发生偏离，比如偏离该阶梯的数据范围，就认为偏离对应阶梯范围的数据为异常数据，基于此获取阶梯异常数据集，阶梯异常数据集包含所有出现异常的数据及其对应的阶梯。
具体地，可以再对聚丙烯电缆进行损耗数据分析，对聚丙烯电缆进行数据采集，获取运行损耗数据集，运行损耗数据集是指电缆运行过程中产生的功率损耗数据，也可以理解为发热损耗，电流通过电缆时，会发出热量，发出的热量就说明输送的电流产生了热损耗，电流越大，产生的损耗就越大，因此，运行损耗数据集与运行负载数据集一一对应，也就是说，运行损耗数据集中的一个数据对应运行负载数据集中的一个数据，根据运行损耗数据集进行损耗异常识别，就是识别运行损耗数据集是否产生了异常数据，就是判断运行损耗数据集中是否有超出正常值范围的数据，比如说一个运行负载数据对应的运行损耗数据过大，就说明出现异常，从而得到异常损耗数据集，异常损耗数据集包括所有出现异常的数据，根据预设温度阶梯，对异常损耗数据集进行阶梯划分，简单来说，电缆的运行温度数据与运行负载数据是对应的，运行负载数据与运行损耗数据是对应的，可以认为电缆的运行温度数据、运行负载数据与运行损耗数据之间是对应的，根据异常损耗数据集中的异常损耗数据对应的运行温度数据，按照预设温度阶梯，将异常损耗数据进行阶梯状划分，由此得到阶梯异常损耗数据集，最后将阶梯异常损耗数据集添加至阶梯异常数据集中，实现对阶梯异常数据集的补充，达到提升异常数据识别准确率的技术效果。
步骤S500：根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；
具体而言，异常权重因子是指阶梯异常数据集中，各个阶梯的异常对电缆运行造成的影响程度，阶梯等级越高，如果发生异常，对电缆运行的影响就越大，其对应的异常权重因子就越大，基于此，生成异常权重因子。
步骤S600：按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；
具体而言，根据异常权重因子对阶梯异常数据集进行异常概率计算，就是根据每个阶梯对应的异常权重因子，计算每个阶梯可能发生异常或故障的概率指数，就可以得到不同阶梯等级对应的异常概率，也就是说，划分出多少个阶梯等级，就需要得到多少个异常概率，从而得到异常概率集，异常概率集包含每个阶梯对应的异常概率指数。
步骤S700：根据所述异常概率集进行定位，得到异常定位结果。
其中，如图3所示，本申请实施例步骤S700还包括：
步骤S710：对所述异常概率集进行异常概率离散度计算，得到概率离散度；
步骤S720：判断所述概率离散度是否大于预设概率离散度；
步骤S730：若所述概率离散度大于所述预设概率离散度，得到异常定位指令；
步骤S740：根据所述异常定位指令对所述异常概率集进行最大值识别，得到第一异常概率；
步骤S750：以所述第一异常概率，输出所述异常定位结果。
具体而言，根据异常概率数据集，就可以确定每个阶梯可能发生异常的概率，基于此，就可以判断出是哪一个阶梯出现了异常，实现异常定位，异常定位结果是指发生异常的阶梯，由此实现对电缆运行异常的监测定位，达到辅助工作人员进行检修维护的效果。
具体地，异常概率集中包含阶梯异常数据集中每一个阶梯等级对应的异常概率，如果每一个阶梯等级对应的异常概率非常接近，比如每个阶梯等级对应的异常概率分别为0.6543、0.6786、0.6475，那么就说明异常概率的分布比较集中，就很难确定是哪个阶梯等级出现了问题或错误，因此，需要对异常概率集进行异常概率离散度计算，就是计算不同阶梯等级对应的异常概率值的分布离散程度，也可以理解为不同阶梯等级对应的异常概率的大小差别，差别越大，就说明异常概率值的分布离散程度越高，比如每个阶梯等级对应的异常概率分别为0.8、0.4、0.2，很明显异常概率分布比较离散，最大异常概率和最小异常概率差值较大，概率离散度是指异常概率的分布离散程度，根据实际情况设置一个预设概率离散度，预设概率离散度是用于对概率离散度进行判断的一个参考指标，对概率离散度与预设概率离散度进行比较，如果概率离散度大于预设概率离散度，获取异常定位指令，异常定位指令是用于进行异常定位的控制指令，获取到异常定位指令之后，对异常概率集进行最大值识别，得到第一异常概率，就是从异常概率集中筛选出最大的数据，第一异常概率就是指异常概率集中最大的异常概率数据，由此就可以定位出最大异常概率对应的阶梯等级，即为异常定位结果，从而实现对电缆运行异常进行准确监测定位的效果。
其中，本申请实施例步骤S800包括：
步骤S810：连接电缆运行系统终端，获取所述聚丙烯电缆的历史运行数据集；
步骤S820：根据所述历史运行数据集，得到历史异常数据集；
步骤S830：以所述历史异常数据集，生成历史异常特征；
步骤S840：根据所述历史异常特征作为训练数据集，搭建异常识别模型，根据所述异常识别模型进行异常数据识别。
具体而言，在电缆的异常运行监测定位过程中，需要对异常数据进行识别，需要通过构建异常识别模型来进行异常数据的识别，首先连接电缆运行系统终端，获取聚丙烯电缆的历史运行数据集，历史运行数据集是指在过去一段时间内电缆运行过程中产生的数据，历史运行数据集中包含各类运行数据的正常数据和异常数据，从中筛选得到历史异常数据集，历史异常数据集就是历史中出现运行异常的数据，对历史异常数据集进行分析，生成历史异常特征，历史异常特征是指历史异常数据集的异常情况，可以简单理解为异常数据的范围，以历史异常特征作为训练数据集，构建异常识别模型，异常识别模型是用于对电缆运行数据进行分析，从而输出异常数据的模型，通过历史异常特征进行训练，将模型训练至收敛状态，模型构建完成，异常识别模型的输入是电缆运行数据，输出是异常数据，根据异常识别模型可以进行异常数据识别，达到准确识别异常数据，为电缆运行异常定位提供数据支持的技术效果。
其中，本申请实施例步骤S900包括：
步骤S910：对所述聚丙烯电缆进行数据采集，获取接地电流数据集；
步骤S920：根据所述接地电流数据集，生成电流增量系数；
步骤S930：判断所述电流增量系数是否为超出预设电流增量系数，若所述电流增量系数超出所述预设电流增量系数，生成安全提醒信息。
具体而言，电缆运行时，流过电缆的电流导致电缆护套上产生感应电流，通过将电缆护套一端接地，可以减少或消除护套上的环形感应电流，通过对接地电流数据进行监测，可以实现对电缆安全运行的监测，首先对聚丙烯电缆进行数据采集，获取接地电流数据集，接地电流数据集是指接地电流大小数据，根据接地电流数据集，生成电流增量系数，简单来说，电流增量系数是指接地电流的变化情况，可以简单理解为增速，就是当前接地电流相比于上一时刻的接地电流的增量，根据实际情况自行设定一个预设电流增量系数，在预设电流增量系数范围内，认为电缆运行正常、安全，对电流增量系数与预设电流增量系数进行比较，如果电流增量系数超出预设电流增量系数的范围，就说明电缆运行可能存在安全风险，则生成安全提醒信息，安全提醒信息是用于提醒工作人员接地电流异常的信息，从而达到对工作人员进行安全提醒，同时辅助工作人员进行检修维护的技术效果。
基于上述分析可知，本公开提供了一种聚丙烯电缆的智能运行异常监测定位方法，在本实施例中，通过对电缆材料信息、电缆运行数据进行分析，对电缆运行数据进行阶梯式划分，根据阶梯式的电缆运行数据对电缆进行运行异常监测定位，达到保证异常监测效果，同时提升异常定位准确性的技术效果。
实施例二
基于与前述实施例中一种聚丙烯电缆的智能运行异常监测定位方法同样的发明构思，如图4所示，本申请还提供了一种聚丙烯电缆的智能运行异常监测定位系统，所述系统包括：
数据采集模块11，所述数据采集模块11用于连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；
温度划分模块12，所述温度划分模块12用于对所述运行温度数据集进行温度划分，生成阶梯温度数据集；
运行负载数据划分模块13，所述运行负载数据划分模块13用于根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；
阶梯异常识别模块14，所述阶梯异常识别模块14用于根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；
异常权重因子生成模块15，所述异常权重因子生成模块15用于根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；
异常概率计算模块16，所述异常概率计算模块16用于按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；
异常定位模块17，所述异常定位模块17用于根据所述异常概率集进行定位，得到异常定位结果。
进一步而言，所述系统还包括：
电缆材料信息获取模块，所述电缆材料信息获取模块用于获取所述聚丙烯电缆的电缆材料信息；
聚丙烯含量信息确定模块，所述聚丙烯含量信息确定模块用于根据所述电缆材料信息，确定所述聚丙烯电缆的聚丙烯含量信息；
电缆耐温性分析模块，所述电缆耐温性分析模块用于根据所述聚丙烯含量信息进行电缆耐温性分析，得到电缆耐温指标；
预设温度阶梯生成模块，所述预设温度阶梯生成模块用于基于所述电缆耐温指标对所述聚丙烯电缆进行温度配置，生成预设温度阶梯；
温度划分模块，所述温度划分模块用于以所述预设温度阶梯对所述运行温度数据集进行温度划分，生成所述阶梯温度数据集。
进一步而言，所述系统还包括：
电缆外层材料分析模块，所述电缆外层材料分析模块用于获取所述聚丙烯电缆的电缆外层材料成分信息，以及各个材料的含量信息；
聚丙烯占比系数获取模块，所述聚丙烯占比系数获取模块用于根据所述电缆外层材料成分信息以及所述各个材料的含量信息，获取所述聚丙烯含量信息的占比系数；
温度调节系数生成模块，所述温度调节系数生成模块用于根据所述聚丙烯含量信息的占比系数，生成温度调节系数；
温度调节系数分析模块，所述温度调节系数分析模块用于以所述温度调节系数，生成所述阶梯温度数据集。
进一步而言，所述系统还包括：
概率离散度计算模块，所述概率离散度计算模块用于对所述异常概率集进行异常概率离散度计算，得到概率离散度；
概率离散度判断模块，所述概率离散度判断模块用于判断所述概率离散度是否大于预设概率离散度；
异常定位指令获取模块，所述异常定位指令获取模块用于若所述概率离散度大于所述预设概率离散度，得到异常定位指令；
最大值识别模块，所述最大值识别模块用于根据所述异常定位指令对所述异常概率集进行最大值识别，得到第一异常概率；
异常定位结果输出模块，所述异常定位结果输出模块用于以所述第一异常概率，输出所述异常定位结果。
进一步而言，所述系统还包括：
运行损耗数据采集模块，所述运行损耗数据采集模块用于对所述聚丙烯电缆进行数据采集，获取运行损耗数据集，其中，所述运行损耗数据集与所述运行负载数据集一一对应；
损耗异常识别模块，所述损耗异常识别模块用于根据所述运行损耗数据集进行损耗异常识别，得到异常损耗数据集；
阶梯划分模块，所述阶梯划分模块用于根据所述预设温度阶梯，对所述异常损耗数据集进行阶梯划分，得到阶梯异常损耗数据集；
阶梯异常损耗数据集添加模块，所述阶梯异常损耗数据集添加模块用于将所述阶梯异常损耗数据集添加至所述阶梯异常数据集。
进一步而言，所述系统还包括：
历史运行数据获取模块，所述历史运行数据获取模块用于连接电缆运行系统终端，获取所述聚丙烯电缆的历史运行数据集；
历史异常数据获取模块，所述历史异常数据获取模块用于根据所述历史运行数据集，得到历史异常数据集；
历史异常特征生成模块，所述历史异常特征生成模块用于以所述历史异常数据集，生成历史异常特征；
异常识别模型搭建模块，所述异常识别模型搭建模块用于根据所述历史异常特征作为训练数据集，搭建异常识别模型，根据所述异常识别模型进行异常数据识别。
进一步而言，所述系统还包括：
接地电流数据采集模块，所述接地电流数据采集模块用于对所述聚丙烯电缆进行数据采集，获取接地电流数据集；
电流增量系数获取模块，所述电流增量系数获取模块用于根据所述接地电流数据集，生成电流增量系数；
安全提醒信息生成模块，所述安全提醒信息生成模块用于判断所述电流增量系数是否为超出预设电流增量系数，若所述电流增量系数超出所述预设电流增量系数，生成安全提醒信息。
前述实施例一中的一种聚丙烯电缆的智能运行异常监测定位方法具体实例同样适用于本实施例的一种聚丙烯电缆的智能运行异常监测定位系统，通过前述对一种聚丙烯电缆的智能运行异常监测定位方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种聚丙烯电缆的智能运行异常监测定位系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
实施例三
图5是根据本公开第三实施例的示意图，如图5所示，本公开中的电子设备800可以包括：处理器801和存储器802。
存储器802，用于存储程序；存储器802，可以包括易失性存储器（英文：volatilememory），例如随机存取存储器（英文：random-access memory，缩写：RAM），如静态随机存取存储器（英文：static random-access memory，缩写：SRAM），双倍数据率同步动态随机存取存储器（英文：Double Data Rate Synchronous Dynamic Random AccessMemory，缩写：DDR SDRAM）等；存储器也可以包括非易失性存储器（英文：non-volatilememory），例如快闪存储器（英文：flashmemory）。存储器802用于存储计算机程序（如实现上述方法的应用程序、功能模块等）、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801，用于执行存储器802存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构，也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时，存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，
只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (7)
1.一种聚丙烯电缆的智能运行异常监测定位方法，其特征在于，所述方法包括：
连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；
对所述运行温度数据集进行温度划分，生成阶梯温度数据集；
根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；
根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；
根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；
按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；
根据所述异常概率集进行定位，得到异常定位结果；
所述方法还包括：
获取所述聚丙烯电缆的电缆材料信息；
根据所述电缆材料信息，确定所述聚丙烯电缆的聚丙烯含量信息；
根据所述聚丙烯含量信息进行电缆耐温性分析，得到电缆耐温指标；
基于所述电缆耐温指标对所述聚丙烯电缆进行温度配置，生成预设温度阶梯；
以所述预设温度阶梯对所述运行温度数据集进行温度划分，生成所述阶梯温度数据集；
对所述聚丙烯电缆进行数据采集，获取运行损耗数据集，其中，所述运行损耗数据集与所述运行负载数据集一一对应；
根据所述运行损耗数据集进行损耗异常识别，得到异常损耗数据集；
根据所述预设温度阶梯，对所述异常损耗数据集进行阶梯划分，得到阶梯异常损耗数据集；
将所述阶梯异常损耗数据集添加至所述阶梯异常数据集。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述聚丙烯电缆的电缆外层材料成分信息，以及各个材料的含量信息；
根据所述电缆外层材料成分信息以及所述各个材料的含量信息，获取所述聚丙烯含量信息的占比系数；
根据所述聚丙烯含量信息的占比系数，生成温度调节系数；
以所述温度调节系数，生成所述阶梯温度数据集。
3.如权利要求1所述的方法，其特征在于，根据所述异常概率集进行定位，得到异常定位结果，方法还包括：
对所述异常概率集进行异常概率离散度计算，得到概率离散度；
判断所述概率离散度是否大于预设概率离散度；
若所述概率离散度大于所述预设概率离散度，得到异常定位指令；
根据所述异常定位指令对所述异常概率集进行最大值识别，得到第一异常概率；
以所述第一异常概率，输出所述异常定位结果。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
连接电缆运行系统终端，获取所述聚丙烯电缆的历史运行数据集；
根据所述历史运行数据集，得到历史异常数据集；
以所述历史异常数据集，生成历史异常特征；
根据所述历史异常特征作为训练数据集，搭建异常识别模型，根据所述异常识别模型进行异常数据识别。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
对所述聚丙烯电缆进行数据采集，获取接地电流数据集；
根据所述接地电流数据集，生成电流增量系数；
判断所述电流增量系数是否为超出预设电流增量系数，若所述电流增量系数超出所述预设电流增量系数，生成安全提醒信息。
6.一种聚丙烯电缆的智能运行异常监测定位系统，其特征在于，所述系统包括：
数据采集模块，所述数据采集模块用于连接电缆运行系统终端，对聚丙烯电缆进行数据采集，得到实时运行数据集，其中，所述实时运行数据集包括运行温度数据集和运行负载数据集；
温度划分模块，所述温度划分模块用于对所述运行温度数据集进行温度划分，生成阶梯温度数据集；
运行负载数据划分模块，所述运行负载数据划分模块用于根据所述阶梯温度数据集对所述运行负载数据集进行划分，生成阶梯负载数据集；
阶梯异常识别模块，所述阶梯异常识别模块用于根据所述阶梯温度数据集和所述阶梯负载数据集进行阶梯异常识别，获取阶梯异常数据集；
异常权重因子生成模块，所述异常权重因子生成模块用于根据所述阶梯异常数据集中各个阶梯对应的等级，生成异常权重因子；
异常概率计算模块，所述异常概率计算模块用于按照所述异常权重因子对所述阶梯异常数据集进行异常概率计算，得到异常概率集；
异常定位模块，所述异常定位模块用于根据所述异常概率集进行定位，得到异常定位结果；
电缆材料信息获取模块，所述电缆材料信息获取模块用于获取所述聚丙烯电缆的电缆材料信息；
聚丙烯含量信息确定模块，所述聚丙烯含量信息确定模块用于根据所述电缆材料信息，确定所述聚丙烯电缆的聚丙烯含量信息；
电缆耐温性分析模块，所述电缆耐温性分析模块用于根据所述聚丙烯含量信息进行电缆耐温性分析，得到电缆耐温指标；
预设温度阶梯生成模块，所述预设温度阶梯生成模块用于基于所述电缆耐温指标对所述聚丙烯电缆进行温度配置，生成预设温度阶梯；
温度划分模块，所述温度划分模块用于以所述预设温度阶梯对所述运行温度数据集进行温度划分，生成所述阶梯温度数据集；
运行损耗数据采集模块，所述运行损耗数据采集模块用于对所述聚丙烯电缆进行数据采集，获取运行损耗数据集，其中，所述运行损耗数据集与所述运行负载数据集一一对应；
损耗异常识别模块，所述损耗异常识别模块用于根据所述运行损耗数据集进行损耗异常识别，得到异常损耗数据集；
阶梯划分模块，所述阶梯划分模块用于根据所述预设温度阶梯，对所述异常损耗数据集进行阶梯划分，得到阶梯异常损耗数据集；
阶梯异常损耗数据集添加模块，所述阶梯异常损耗数据集添加模块用于将所述阶梯异常损耗数据集添加至所述阶梯异常数据集。
7.一种电子设备，其特征在于，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指令，所述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权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310173744.2A CN115856514B (zh) | 2023-02-28 | 2023-02-28 | 一种聚丙烯电缆的智能运行异常监测定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310173744.2A CN115856514B (zh) | 2023-02-28 | 2023-02-28 | 一种聚丙烯电缆的智能运行异常监测定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115856514A CN115856514A (zh) | 2023-03-28 |
| CN115856514B true CN115856514B (zh) | 2023-05-12 |
Family
ID=85659211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310173744.2A Active CN115856514B (zh) | 2023-02-28 | 2023-02-28 | 一种聚丙烯电缆的智能运行异常监测定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115856514B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116467667B (zh) * | 2023-06-20 | 2023-08-22 | 图观(天津)数字科技有限公司 | 一种基于数据融合的停电监测预警方法及系统 |
| CN116704733B (zh) * | 2023-08-02 | 2023-10-27 | 江苏国嘉导体技术科技有限公司 | 铝合金电缆的老化预警方法及系统 |
| CN117394290B (zh) * | 2023-12-11 | 2024-04-02 | 浙江万胜智能科技股份有限公司 | 一种多路量测数据的断路器智能保护方法及系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL2016171B1 (nl) * | 2016-01-28 | 2017-07-31 | Technolution B V | Werkwijze en inrichting voor het detecteren en lokaliseren van afwijkingen in een vermogenskabel |
| CN108919058B (zh) * | 2018-08-22 | 2019-08-06 | 西南交通大学 | 一种温度梯度下电缆径向损伤故障模拟和测试方法 |
| CN110875851B (zh) * | 2019-10-25 | 2022-04-19 | 袁茂银 | 地下电缆故障预警方法和装置 |
| CN113091949B (zh) * | 2021-02-18 | 2023-04-07 | 深圳供电局有限公司 | 电缆状态检测方法、装置和设备 |
| CN114236317B (zh) * | 2021-09-28 | 2024-08-06 | 国网河北省电力有限公司电力科学研究院 | 电缆缺陷评估方法、装置、终端及存储介质 |
| CN115080290B (zh) * | 2022-06-07 | 2023-07-07 | 吉林大学 | 一种基于智能算法的异常数据检测方法及系统 |
| CN115269315A (zh) * | 2022-07-14 | 2022-11-01 | 中国工商银行股份有限公司 | 一种异常检测方法、装置、设备、介质 |
| CN115271000B (zh) * | 2022-09-26 | 2022-12-02 | 国网山西省电力公司太原供电公司 | 一种用于电缆隧道的状态监测方法及系统 |
-
2023
- 2023-02-28 CN CN202310173744.2A patent/CN115856514B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115856514A (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115856514B (zh) | 一种聚丙烯电缆的智能运行异常监测定位方法及系统 | |
| CN112966219A (zh) | 识别户表与表箱关系的方法及系统、设备、介质 | |
| US9261864B2 (en) | Method and device for producing a state signal | |
| CN114910756B (zh) | 一种低压母线槽的绝缘性能评估方法及系统 | |
| CN117767250B (zh) | 基于故障监测的直流微电网协调控制方法及系统 | |
| CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
| CN115640895A (zh) | 一种变压器故障预测方法、装置及电子设备 | |
| CN118228887B (zh) | 一种虚拟电厂的能源协调优化控制方法及系统 | |
| CN116879684A (zh) | 一种异常线路判断方法及系统 | |
| CN116452070B (zh) | 多辨识框架下的大型设备健康评估方法和装置 | |
| CN117350093A (zh) | 一种基于温度的故障预警方法、系统、装置和介质 | |
| CN117113145A (zh) | 弧垂计算模型构建方法、弧垂检测方法及弧垂检测装置 | |
| Liu et al. | Capacity Prediction Method of Lithium‐Ion Battery in Production Process Based on Improved Random Forest | |
| CN117114161A (zh) | 一种基于元学习的输电线路风偏闪络风险的预测方法 | |
| CN116756540A (zh) | 电网静态安全风险的预测方法、装置、设备及存储介质 | |
| CN114239867A (zh) | 故障类型确定方法、装置、计算机设备和可读存储介质 | |
| CN114580973A (zh) | 一种变压器生产过程的质量监测方法及系统 | |
| CN118737579B (zh) | 铜芯交联聚乙烯绝缘电缆多层绞合控制方法及装置 | |
| Yang et al. | Digital Twinning of Helical Type Windings Based on FRA Data and GA Optimisation | |
| CN116068324B (zh) | 一种电缆线路测试方法、系统、设备及介质 | |
| CN111539058A (zh) | 输变电站架空线路对地距离评审方法及装置 | |
| CN117353305B (zh) | 一种台区电能质量预测方法、装置、介质及电子设备 | |
| CN115099122B (zh) | 基于光纤传感和机器学习的电气设备绕组内部温度测量方法及系统 | |
| CN113268840B (zh) | 一种电子线束的拓扑优化方法及系统 | |
| CN115829543B (zh) | 基于故障需检区间的电力设备预防性试验有效性确定方法 |
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 |