CN117172107A - 电缆区间定位模型的确定方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种电缆区间定位模型的确定方法、装置和计算机设备。方法包括：基于电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据，建立电缆线路的初始轴向温度模型；基于初始轴向温度模型，确定电缆线路的目标位置点的预测温度值，并基于目标位置点的预测温度值、以及重新采集的目标温度点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型；基于各目标环境信息、以及轴向温度模型，计算电缆线路在各目标环境信息的电缆温度数据；基于各目标环境信息、以及各目标环境信息的电缆温度数据，训练电缆区间定位模型。采用本方法能够提升筛选的电缆线路的目标区间的精准度。

Description

电缆区间定位模型的确定方法、装置和计算机设备

技术领域

本申请涉及电缆温度检测技术领域，特别是涉及一种电缆区间定位模型的确定方法、装置和计算机设备。

背景技术

随着城市用电需求的快速增长和土地资源的日益紧张，架空线占地面积大，局放噪声大等问题凸显，因此电缆地下敷设已逐渐取代架空线路成为对中心城区供电的主要通道。但是，由于电缆的结构复杂，在电缆投入运行后，难以对电缆的导体温度进行实时监测，因此如对电缆的导体温度进行检测是当前的而研究重点

传统方案是通过工组人员的经验选择电缆的目标区间，从而检测电缆的导体温度，但是由于电缆所处的环境信息的不同、且工作人员的经验的不同，导致筛选的目标区间的温度无法完全表征该电缆导体的实际温度，从而导致筛选的电缆线路的目标区间的精准度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种电缆区间定位模型的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种电缆区间定位模型的确定方法。所述方法包括：

获取电缆线路轴向的结构数据信息、环境信息、以及所述电缆线路的各位置点的表皮温度数据，并基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型；

基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，并基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型；

采集多个目标环境信息，并基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据；

基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。

可选的，所述基于所述电缆线路轴向的结构数据信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型，包括：

基于所述电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将所述环境信息输入所述电缆轴向温度几何模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据；

采集所述电缆线路的实际环境参数信息，并计算各所述位置点的预测表皮温度数据、以及各所述位置点的表皮温度数据之间的偏差值；

基于所述偏差值、以及所述实际环境参数信息，调整所述电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。

可选的，所述基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，包括：

基于所述初始轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各所述位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到所述目标温度点的预测温度值。

可选的，所述基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型，包括：

采集所述电缆线路在所述目标位置点的实际导体温度值，得到所述目标位置点的实际温度值，并计算所述目标温度点的预测温度值与所述目标温度点的实际温度值之间的误差值；

在所述误差值大于误差阈值的情况下，调整所述初始轴向温度模型的模型参数，并返回执行基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型步骤，直到所述误差值小于误差阈值时，将所述小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

可选的，所述基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据，包括：

针对每个目标环境信息，将所述目标环境信息输入所述轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据；

针对每个位置点，将所述位置点的预测表皮温度数据、以及所述位置点的预测导体温度数据，作为所述位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为所述电缆线路在所述目标环境信息的电缆数据。

可选的，所述基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型，包括：

将各所述目标环境信息输入初始电缆区间定位模型，得到各所述目标环境信息对应的所述电缆线路的温度变化梯度信息，并将各所述温度变化梯度信息转化为温度变化矩阵信息、将各所述目标环境信息的电缆温度数据转化为电缆温度矩阵；

计算各所述温度变化矩阵信息对应的矩阵向量，得到各所述目标环境信息对应的预测矩阵向量，并计算各所述电缆温度矩阵对应的矩阵向量，得到各所述目标环境信息对应的实际矩阵向量；

基于各所述目标环境信息对应的预测矩阵向量、以及各所述目标环境信息对应的实际矩阵向量，对所述初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

第二方面，本申请提供了一种电缆区间定位方法。所述方法包括：

获取所述电缆线路的环境信息，并将所述环境信息输入电缆区间定位模型，得到所述电缆线路在所述环境信息中的载流状态下的温度变化梯度信息；

识别所述温度变化梯度信息中的温度最高值对应的目标位置点，并计算所述温度变化梯度信息中的各子变化梯度区间的梯度值；

筛选大于预设梯度阈值的梯度值的子变化梯度区间所对应的所述电缆线路的目标位置区间，并基于所述目标位置点、以及所述目标位置区间，确定所述电缆线路的轴向区间；

其中，所述电缆区间定位模型为通过第一方面中任意一项所述的电缆区间定位模型的确定方法得到的。

第三方面，本申请还提供了一种电缆区间定位模型的确定装置。所述装置包括：

第一获取模块，用于获取电缆线路轴向的结构数据信息、环境信息、以及所述电缆线路的各位置点的表皮温度数据，并基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型；

调整模块，用于基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，并基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型；

计算模块，用于采集多个目标环境信息，并基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据；

训练模块，用于基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。

可选的，所述第一获取模块，具体用于：

基于所述电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将所述环境信息输入所述电缆轴向温度几何模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据；

采集所述电缆线路的实际环境参数信息，并计算各所述位置点的预测表皮温度数据、以及各所述位置点的表皮温度数据之间的偏差值；

基于所述偏差值、以及所述实际环境参数信息，调整所述电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。

可选的，所述调整模块，具体用于：

基于所述初始轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各所述位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到所述目标温度点的预测温度值。

可选的，所述调整模块，具体用于：

采集所述电缆线路在所述目标位置点的实际导体温度值，得到所述目标位置点的实际温度值，并计算所述目标温度点的预测温度值与所述目标温度点的实际温度值之间的误差值；

在所述误差值大于误差阈值的情况下，调整所述初始轴向温度模型的模型参数，并返回执行基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型步骤，直到所述误差值小于误差阈值时，将所述小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

可选的，所述计算模块，具体用于：

针对每个目标环境信息，将所述目标环境信息输入所述轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据；

针对每个位置点，将所述位置点的预测表皮温度数据、以及所述位置点的预测导体温度数据，作为所述位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为所述电缆线路在所述目标环境信息的电缆数据。

可选的，所述训练模块，具体用于：

将各所述目标环境信息输入初始电缆区间定位模型，得到各所述目标环境信息对应的所述电缆线路的温度变化梯度信息，并将各所述温度变化梯度信息转化为温度变化矩阵信息、将各所述目标环境信息的电缆温度数据转化为电缆温度矩阵；

计算各所述温度变化矩阵信息对应的矩阵向量，得到各所述目标环境信息对应的预测矩阵向量，并计算各所述电缆温度矩阵对应的矩阵向量，得到各所述目标环境信息对应的实际矩阵向量；

基于各所述目标环境信息对应的预测矩阵向量、以及各所述目标环境信息对应的实际矩阵向量，对所述初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

第四方面，本申请还提供了一种电缆区间定位装置。所述装置包括：

第二获取模块，用于获取所述电缆线路的环境信息，并将所述环境信息输入电缆区间定位模型，得到所述电缆线路在所述环境信息中的载流状态下的温度变化梯度信息；

识别模块，用于识别所述温度变化梯度信息中的温度最高值对应的目标位置点，并计算所述温度变化梯度信息中的各子变化梯度区间的梯度值；

确定模块，用于筛选大于预设梯度阈值的梯度值的子变化梯度区间所对应的所述电缆线路的目标位置区间，并基于所述目标位置点、以及所述目标位置区间，确定所述电缆线路的轴向区间；

其中，所述电缆区间定位模型为通过第一方面中任意一项所述的电缆区间定位模型的确定方法得到的。

第五方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面和第二方面中任一项所述的方法的步骤。

第六方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面和第二方面中任一项所述的方法的步骤。

第七方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面和第二方面中任一项所述的方法的步骤。

上述电缆区间定位模型的确定方法、装置和计算机设备，通过获取电缆线路轴向的结构数据信息、环境信息、以及所述电缆线路的各位置点的表皮温度数据，并基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型；基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，并基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型；采集多个目标环境信息，并基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据；基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。本方案，首先通过基于电缆线路的表皮温度数据和环境信息，确定电缆线路的初始轴向温度模型，避免了对电缆线路的破坏性温度测量，提升了初始轴向温度模型的建立效率。其次通过筛选目标位置点的预测温度值、以及目标位置点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型，提升了轴向温度模型计算电缆线路的温度数据的精准度。再次，通过不同目标环境信息对应的电缆线路的电缆温度数据，训练初始电缆区间定位模型，得到电缆区间定位模型，提升了电缆区间定位模型在不同环境信息下的定位精准度，最后，通过该电缆区间定位模型，确定不同环境信息下的电缆线路的目标区间，提升了筛选的电缆线路的目标区间的精准度。

附图说明

图1为一个实施例中电缆区间定位模型的确定方法的流程示意图；

图2为一个实施例中电缆区间的确定方法的流程示意图；

图3为一个实施例中电缆区间定位模型的确定示例的流程示意图；

图4为一个实施例中电缆区间定位模型的确定装置的结构框图；

图5为一个实施例中电缆区间的确定装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的电缆区间定位模型的确定方法，主要应用于电缆仿真过程对应的应用环境中。本方法可以应用于终端、也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。其中终端首先通过基于电缆线路的表皮温度数据和环境信息，确定电缆线路的初始轴向温度模型，避免了对电缆线路的破坏性温度测量，提升了初始轴向温度模型的建立效率。其次通过筛选目标位置点的预测温度值、以及目标位置点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型，提升了轴向温度模型计算电缆线路的温度数据的精准度。再次，通过不同目标环境信息对应的电缆线路的电缆温度数据，训练初始电缆区间定位模型，得到电缆区间定位模型，提升了电缆区间定位模型在不同环境信息下的定位精准度，最后，通过该电缆区间定位模型，确定不同环境信息下的电缆线路的目标区间，提升了筛选的电缆线路的目标区间的精准度。

在一个实施例中，如图1所示，提供了一种电缆区间定位模型的确定方法，以该方法应用于终端为例进行说明，包括以下步骤：

步骤S101，获取电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据，并基于电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据，建立电缆线路的初始轴向温度模型。

本实施例中，终端采集电缆线路轴向的各结构信息的数据，得到电缆线路的轴向结构数据信息，然后，终端获取常规环境下的环境因素信息，其中，环境因素信息包括但不限于环境温度因素信息、风速因素信息、湿度因素信息、敷设环境因素信息(土壤因素信息、空气因素信息、穿管因素信息等)。然后，终端基于该电缆线路轴向的各结构数据信息，建立该电缆线路对应的温度几何模型，并通过环境信息、以及该温度几何模型，计算电缆线路的各预测表皮温度数据，然后，终端采集常态环境下的电缆线路的各位置点的表皮温度数据，基于各位置点的预测表皮温度数据信息、以及各位置点的表皮温度数据，调整该温度几何模型的模型参数，得到初始轴向温度模型。具体的建立温度几何模型的方式为通过理论分析设置模型的物理场以及边界条件，结合电缆结构的几何特征进行合理的网格剖分，电缆轴向距离步长确定，并完成电缆温度分布的计算，包括导体温度、表皮温度以及径向上的温度分布。其中物理场包括热场、流场、磁场，该温度几何模型对应的公式为：

上式中，Q_v为各结构信息的体积生热率、x为环境因素对应的数据值、y为表皮温度数据、z为导体温度数据，T为温度差。具体的调整过程后续将详细说明。

步骤S102，基于初始轴向温度模型，确定电缆线路的目标位置点的预测温度值，并基于目标位置点的预测温度值、以及重新采集的目标温度点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型。

本实施例中，终端基于该初始轴向温度模型，计算预测导体温度值最高的位置点，得到目标位置点的预测温度值。然后终端采集实际换重重的目标温度点的实际导体温度值，并基于该目标位置点的预测温度值、以及该目标位置点的实际导体温度值，调整该初始轴向温度模型的模型参数，得到轴向温度模型。具体的调整过程后续将详细说明。

步骤S103，采集多个目标环境信息，并基于各目标环境信息、以及轴向温度模型，计算电缆线路在各目标环境信息的电缆温度数据。

本实施例中，终端采集多个目标环境信息。其中该目标环境信息为多个不同环境条件下的环境因素值。该环境因素值包括但不限于敷设环境因素值、湿度因素值、环境温度因素值、风速因素值、电流因素值。然后，终端将各目标环境信息输入轴向温度模型，计算电缆线路在各目标环境信息的电缆温度数据。具体的计算过程后续将详细说明。其中，电缆温度数据包括电缆线路的表皮温度数据、以及电缆线路的导体温度数据。

步骤S104，基于各目标环境信息、以及各目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。

本实施例中，终端将各目标环境信息作为输入数据、各目标环境信息的电缆温度数据作为输出数据，训练初始电缆区间定位模型，得到电缆区间定位模型。具体的训练过程后续将详细说明。其中，该电缆区间定位模型为复数神经网络模型。该复数神经网络模型由输入层，隐藏层，输出层，隐藏层中神经网络的节点个数按照如下公式设置，

式中h为隐藏层节点数(公式计算完毕后取整)，m为输入层节点数数目，n为输出层节点个数。

选取并设置隐藏层与输出层的激活函数，其中隐藏层激活函数为：

基于上述方案，首先通过基于电缆线路的表皮温度数据和环境信息，确定电缆线路的初始轴向温度模型，避免了对电缆线路的破坏性温度测量，提升了初始轴向温度模型的建立效率。其次通过筛选目标位置点的预测温度值、以及目标位置点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型，提升了轴向温度模型计算电缆线路的温度数据的精准度。再次，通过不同目标环境信息对应的电缆线路的电缆温度数据，训练初始电缆区间定位模型，得到电缆区间定位模型，提升了电缆区间定位模型在不同环境信息下的定位精准度，最后，通过该电缆区间定位模型，确定不同环境信息下的电缆线路的目标区间，提升了筛选的电缆线路的目标区间的精准度。

可选的，基于电缆线路轴向的结构数据信息、以及电缆线路的各位置点的表皮温度数据，建立电缆线路的初始轴向温度模型，包括：基于电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将环境信息输入电缆轴向温度几何模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据；采集电缆线路的实际环境参数信息，并计算各位置点的预测表皮温度数据、以及各位置点的表皮温度数据之间的偏差值；基于偏差值、以及实际环境参数信息，调整电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。

本实施例中，终端基于电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将环境信息输入电缆轴向温度几何模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据。其中单位轴向距离步长为预设于终端的，电缆线路的单位轴向距离步长。然后，终端通过电缆轴向温度试验平台，在电缆表皮选取包括电缆两端、电缆中点在内的共多个非破坏性测温点(即位置点)，并对电缆进行仿真电流传输处理，得到电缆表皮各测温点的温度在稳定后的数值(即表皮温度数据)，然后终端记录各测温点附件的环境参数采集电缆线路的实际环境参数信息，并计算各位置点的预测表皮温度数据、以及各位置点的表皮温度数据之间的偏差值。最后，终端基于偏差值、以及实际环境参数信息，调整电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。具体的，该初始轴向温度模型使得测量表皮温度数据与表皮温度数据之间的偏差值在±2℃之内。

基于上述方案，通过筛选目标位置点的预测温度值、以及目标位置点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型，提升了轴向温度模型计算电缆线路的温度数据的精准度。

可选的，基于初始轴向温度模型，确定电缆线路的目标位置点的预测温度值，包括：基于以及初始轴向温度模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到目标温度点的预测温度值。

本实施例中，终端基于电缆线路的单位轴向距离步长、以及初始轴向温度模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到目标温度点的预测温度值。

基于上述方案，由于最高温度值对应的检测值的温度数据的检测精准度较高，所以通过筛选最高预测导体温度数据对应的位置点，作为目标位置点，提升了后续判断该初始轴线温度模型与实际电缆线路的温度数据之间的偏差值的精准度。

可选的，基于目标位置点的预测温度值、以及重新采集的目标温度点的实际温度值，调整初始轴向温度模型的模型参数，得到轴向温度模型，包括：采集电缆线路在目标位置点的实际导体温度值，得到目标位置点的实际温度值，并计算目标温度点的预测温度值与目标温度点的实际温度值之间的误差值；在误差值大于误差阈值的情况下，调整初始轴向温度模型的模型参数，并返回执行基于电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据，建立电缆线路的初始轴向温度模型步骤，直到误差值小于误差阈值时，将小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

本实施例中，终端采集电缆线路在目标位置点的实际导体温度值，得到目标位置点的实际温度值，并计算目标温度点的预测温度值与目标温度点的实际温度值之间的误差值。然后，终端判断该误差值是否大于预设于终端的误差阈值。在误差值不大于误差阈值的情况下，终端直接将该误差值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

在误差值大于误差阈值的情况下，终端随机调整初始轴向温度模型的模型参数，并返回执行基于电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据，建立电缆线路的初始轴向温度模型步骤，直到误差值小于误差阈值时，将小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。其中该误差阈值可以是±2℃之内的任意一个温度值。

基于上述方案，由于最高温度值对应的检测值的温度数据的检测精准度较高，所以通过最高温度数据对应的目标位置点的实际温度值与预测温度值之间的误差值，调整初始轴向温度模型，提升了得到的轴向温度模型的温度数据预测精准度。

可选的，基于各目标环境信息、以及轴向温度模型，计算电缆线路在各目标环境信息的电缆温度数据，包括：针对每个目标环境信息，将目标环境信息输入轴向温度模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据；针对每个位置点，将位置点的预测表皮温度数据、以及位置点的预测导体温度数据，作为位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为电缆线路在目标环境信息的电缆数据。

本实施例中，终端针对每个目标环境信息，将目标环境信息输入轴向温度模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据。然后，终端针对每个位置点，将位置点的预测表皮温度数据、以及位置点的预测导体温度数据，作为位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为电缆线路在目标环境信息的电缆数据。其中，各目标环境信息构成的矩阵为

上式中第i行向量[x_i1,…,.x_ig]代表第i组环境变化因素的数值组合，g代表环境变化因素个数，x_ig代表第i组第g个环境变化因素的取值。

各子电缆温度数据构成的矩阵为：

上式中,y＝a+bi,a为导体温度，b为表皮温度，y_in代表第n组输入参数所获得的电缆轴向n个距离步长上的温度数值。

基于上述方案，通过个目标环境信息，计算各目标环境信息对应的各位置点的子电缆温度数据，提升了对目标环境信息下，电缆线路的各位置点的数据信息的获取全面性。

可选的，基于各目标环境信息、以及各目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型，包括：将各目标环境信息输入初始电缆区间定位模型，得到各目标环境信息对应的电缆线路的温度变化梯度信息，并将各温度变化梯度信息转化为温度变化矩阵信息、将各目标环境信息的电缆温度数据转化为电缆温度矩阵；计算各温度变化矩阵信息对应的矩阵向量，得到各目标环境信息对应的预测矩阵向量，并计算各电缆温度矩阵对应的矩阵向量，得到各目标环境信息对应的实际矩阵向量；基于各目标环境信息对应的预测矩阵向量、以及各目标环境信息对应的实际矩阵向量，对初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

本实施例中，终端将各目标环境信息输入初始电缆区间定位模型，得到各目标环境信息对应的电缆线路的温度变化梯度信息，并将各温度变化梯度信息转化为温度变化矩阵信息、将各目标环境信息的电缆温度数据转化为电缆温度矩阵(即Y矩阵)然后，终端通过矩阵向量化算法，计算各温度变化矩阵信息对应的矩阵向量，得到各目标环境信息对应的预测矩阵向量，并计算各电缆温度矩阵对应的矩阵向量，得到各目标环境信息对应的实际矩阵向量。其中矩阵向量化算法为任意一种能够实现上述矩阵项量化的算法。然后，终端基于各目标环境信息对应的预测矩阵向量、以及各目标环境信息对应的实际矩阵向量，对初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

其中，神经网络的非线性变换输出的温度变化梯度信息的计算公式为：

Y＝f(F(X，W_i))

其中Y为输出向量(即Y矩阵)，X为输入矩阵(即X矩阵)，W_i为各影响因素的权重(即各环境因素的因素值对应的权重值)，F(X,W_i)为输入参数(各环境信息的环境因素的因素值)与权重的点乘，f(x)为非线性变化函数(即，温度变化梯度信息对应的函数)。

基于上述方案，通过不同目标环境信息对应的电缆线路的电缆温度数据，训练初始电缆区间定位模型，得到电缆区间定位模型，提升了电缆区间定位模型在不同环境信息下的定位精准度。

在一个实施例中，如图2所示，提供了一种电缆区间的确定方法，以该方法应用于终端为例进行说明，包括以下步骤：

步骤S201，获取电缆线路的环境信息，并将环境信息输入电缆区间定位模型，得到电缆线路在环境信息中的载流状态下的温度变化梯度信息。

本实施例中，终端获取电缆线路当前所处的环境中的各环境因素的因素值(即环境信息)，然后将各因素值输入电缆区间定位模型，得到电缆线路在该环境信息中的载流状态下的温度变化梯度信息。

步骤S202，识别温度变化梯度信息中的温度最高值对应的目标位置点，并计算温度变化梯度信息中的各子变化梯度区间的梯度值。

本实施例中，终端识别该温度变化梯度信息中的温度最高值对应的目标位置点。其中温度最高值包括导体温度最高值以及表皮温度最高值。然后，终端计算该温度变化梯度信息中的每个子变化梯度区间的梯度值，其中，子变化梯度区间为连续变化梯度对应的电缆线路的位置区间。

步骤S203，筛选大于预设梯度阈值的梯度值的子变化梯度区间所对应的电缆线路的目标位置区间，并基于目标位置点、以及目标位置区间，确定电缆线路的轴向区间。

其中，电缆区间定位模型为通过第一方面中任意一项的电缆区间定位模型的确定方法得到的。

本实施例中，终端在各梯度值中，筛选大于预设于终端的梯度预知的梯度值对应的子变化梯度区间所对应的电缆线路的目标位置区间，然后，终端将各个目标位置点作为测温点，目标位置区间中按照该电缆线路的单位轴向距离步长设置多个测温点，并将所有测温点包含的区间作为轴向区间。

基于上述方案，通过该电缆区间定位模型，确定不同环境信息下的电缆线路的目标区间，提升了筛选的电缆线路的目标区间的精准度。

本申请还提供了一种电缆区间定位模型的确定示例，如图3所示，具体处理过程包括以下步骤：

步骤S301，获取电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据。

步骤S302，基于电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将环境信息输入电缆轴向温度几何模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据。

步骤S303，采集电缆线路的实际环境参数信息，并计算各位置点的预测表皮温度数据、以及各位置点的表皮温度数据之间的偏差值。

步骤S304，基于偏差值、以及实际环境参数信息，调整电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。

步骤S305，基于初始轴向温度模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到目标温度点的预测温度值。

步骤S306，采集电缆线路在目标位置点的实际导体温度值，得到目标位置点的实际温度值，并计算目标温度点的预测温度值与目标温度点的实际温度值之间的误差值。

步骤S307，在误差值大于误差阈值的情况下，调整初始轴向温度模型的模型参数，并返回执行基于电缆线路轴向的结构数据信息、环境信息、以及电缆线路的各位置点的表皮温度数据，建立电缆线路的初始轴向温度模型步骤，直到误差值小于误差阈值时，将小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

步骤S308，采集多个目标环境信息。

步骤S309，针对每个目标环境信息，将目标环境信息输入轴向温度模型，计算电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据。

步骤S310，针对每个位置点，将位置点的预测表皮温度数据、以及位置点的预测导体温度数据，作为位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为电缆线路在目标环境信息的电缆数据。

步骤S311，将各目标环境信息输入初始电缆区间定位模型，得到各目标环境信息对应的电缆线路的温度变化梯度信息，并将各温度变化梯度信息转化为温度变化矩阵信息、将各目标环境信息的电缆温度数据转化为电缆温度矩阵。

步骤S312，计算各温度变化矩阵信息对应的矩阵向量，得到各目标环境信息对应的预测矩阵向量，并计算各电缆温度矩阵对应的矩阵向量，得到各目标环境信息对应的实际矩阵向量。

步骤S313，基于各目标环境信息对应的预测矩阵向量、以及各目标环境信息对应的实际矩阵向量，对初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电缆区间定位模型的确定方法的电缆区间定位模型的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电缆区间定位模型的确定装置实施例中的具体限定可以参见上文中对于电缆区间定位模型的确定方法的限定，在此不再赘述。

在一个实施例中，如图4所示，提供了一种电缆区间定位模型的确定装置，包括：第一获取模块410、调整模块420、计算模块430和训练模块440，其中：

第一获取模块410，用于获取电缆线路轴向的结构数据信息、环境信息、以及所述电缆线路的各位置点的表皮温度数据，并基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型；

调整模块420，用于基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，并基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型；

计算模块430，用于采集多个目标环境信息，并基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据；

训练模块440，用于基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。

可选的，所述第一获取模块410，具体用于：

基于所述电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将所述环境信息输入所述电缆轴向温度几何模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据；

采集所述电缆线路的实际环境参数信息，并计算各所述位置点的预测表皮温度数据、以及各所述位置点的表皮温度数据之间的偏差值；

基于所述偏差值、以及所述实际环境参数信息，调整所述电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。

可选的，所述调整模块420，具体用于：

基于所述初始轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各所述位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到所述目标温度点的预测温度值。

可选的，所述调整模块420，具体用于：

采集所述电缆线路在所述目标位置点的实际导体温度值，得到所述目标位置点的实际温度值，并计算所述目标温度点的预测温度值与所述目标温度点的实际温度值之间的误差值；

在所述误差值大于误差阈值的情况下，调整所述初始轴向温度模型的模型参数，并返回执行基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型步骤，直到所述误差值小于误差阈值时，将所述小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

可选的，所述计算模块430，具体用于：

针对每个目标环境信息，将所述目标环境信息输入所述轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据；

针对每个位置点，将所述位置点的预测表皮温度数据、以及所述位置点的预测导体温度数据，作为所述位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为所述电缆线路在所述目标环境信息的电缆数据。

可选的，所述训练模块440，具体用于：

将各所述目标环境信息输入初始电缆区间定位模型，得到各所述目标环境信息对应的所述电缆线路的温度变化梯度信息，并将各所述温度变化梯度信息转化为温度变化矩阵信息、将各所述目标环境信息的电缆温度数据转化为电缆温度矩阵；

计算各所述温度变化矩阵信息对应的矩阵向量，得到各所述目标环境信息对应的预测矩阵向量，并计算各所述电缆温度矩阵对应的矩阵向量，得到各所述目标环境信息对应的实际矩阵向量；

基于各所述目标环境信息对应的预测矩阵向量、以及各所述目标环境信息对应的实际矩阵向量，对所述初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电缆区间的确定方法的电缆区间的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电缆区间的确定装置实施例中的具体限定可以参见上文中对于电缆区间的确定方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种电缆区间的确定装置，包括：第二获取模块510、识别模块520和确定模块530，其中：

第二获取模块510，用于获取所述电缆线路的环境信息，并将所述环境信息输入电缆区间定位模型，得到所述电缆线路在所述环境信息中的载流状态下的温度变化梯度信息；

识别模块520，用于识别所述温度变化梯度信息中的温度最高值对应的目标位置点，并计算所述温度变化梯度信息中的各子变化梯度区间的梯度值；

确定模块530，用于筛选大于预设梯度阈值的梯度值的子变化梯度区间所对应的所述电缆线路的目标位置区间，并基于所述目标位置点、以及所述目标位置区间，确定所述电缆线路的轴向区间；

其中，所述电缆区间定位模型为通过第一方面中任意一项所述的电缆区间定位模型的确定方法得到的。

上述电缆区间定位模型的确定装置和电缆区间的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电缆区间定位模型的确定方法和电缆区间的确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现第一方面和第二方面中任一项所述的方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面和第二方面中任一项所述的方法的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面和第二方面中任一项所述的方法的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

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。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (12)

1.一种电缆区间定位模型的确定方法，其特征在于，所述方法包括：

获取电缆线路轴向的结构数据信息、环境信息、以及所述电缆线路的各位置点的表皮温度数据，并基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型；

基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，并基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型；

采集多个目标环境信息，并基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据；

基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述电缆线路轴向的结构数据信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型，包括：

基于所述电缆线路轴向的结构数据信息，建立电缆轴向温度几何模型，并将所述环境信息输入所述电缆轴向温度几何模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据；

采集所述电缆线路的实际环境参数信息，并计算各所述位置点的预测表皮温度数据、以及各所述位置点的表皮温度数据之间的偏差值；

基于所述偏差值、以及所述实际环境参数信息，调整所述电缆轴向温度集合模型的模型参数，得到初始轴向温度模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，包括：

基于所述初始轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据，并在各所述位置点中，筛选最高预测导体温度数据对应的位置点，作为目标位置点，得到所述目标温度点的预测温度值。

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型，包括：

采集所述电缆线路在所述目标位置点的实际导体温度值，得到所述目标位置点的实际温度值，并计算所述目标温度点的预测温度值与所述目标温度点的实际温度值之间的误差值；

在所述误差值大于误差阈值的情况下，调整所述初始轴向温度模型的模型参数，并返回执行基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型步骤，直到所述误差值小于误差阈值时，将所述小于误差阈值的预测温度值对应的初始轴向温度模型，作为轴向温度模型。

5.根据权利要求1所述的方法，其特征在于，所述基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据，包括：

针对每个目标环境信息，将所述目标环境信息输入所述轴向温度模型，计算所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测表皮温度数据、以及所述电缆线路在载流状态下的单位轴向距离步长之间的位置点的预测导体温度数据；

针对每个位置点，将所述位置点的预测表皮温度数据、以及所述位置点的预测导体温度数据，作为所述位置点的子电缆温度数据，并将所有位置点的子电缆温度数据，作为所述电缆线路在所述目标环境信息的电缆数据。

6.根据权利要求1所述的方法，其特征在于，所述基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型，包括：

将各所述目标环境信息输入初始电缆区间定位模型，得到各所述目标环境信息对应的所述电缆线路的温度变化梯度信息，并将各所述温度变化梯度信息转化为温度变化矩阵信息、将各所述目标环境信息的电缆温度数据转化为电缆温度矩阵；

计算各所述温度变化矩阵信息对应的矩阵向量，得到各所述目标环境信息对应的预测矩阵向量，并计算各所述电缆温度矩阵对应的矩阵向量，得到各所述目标环境信息对应的实际矩阵向量；

基于各所述目标环境信息对应的预测矩阵向量、以及各所述目标环境信息对应的实际矩阵向量，对所述初始电缆区间定位模型的模型参数进行训练，得到电缆区间定位模型。

7.一种电缆区间的确定方法，其特征在于，所述方法包括：

获取所述电缆线路的环境信息，并将所述环境信息输入电缆区间定位模型，得到所述电缆线路在所述环境信息中的载流状态下的温度变化梯度信息；

识别所述温度变化梯度信息中的温度最高值对应的目标位置点，并计算所述温度变化梯度信息中的各子变化梯度区间的梯度值；

筛选大于预设梯度阈值的梯度值的子变化梯度区间所对应的所述电缆线路的目标位置区间，并基于所述目标位置点、以及所述目标位置区间，确定所述电缆线路的轴向区间；

其中，所述电缆区间定位模型为通过权利要求1至6中任意一项所述的电缆区间定位模型的确定方法得到的。

8.一种电缆区间定位模型的确定装置，其特征在于，所述装置包括：

第一获取模块，用于获取电缆线路轴向的结构数据信息、环境信息、以及所述电缆线路的各位置点的表皮温度数据，并基于所述电缆线路轴向的结构数据信息、所述环境信息、以及所述电缆线路的各位置点的表皮温度数据，建立所述电缆线路的初始轴向温度模型；

调整模块，用于基于所述初始轴向温度模型，确定所述电缆线路的目标位置点的预测温度值，并基于所述目标位置点的预测温度值、以及重新采集的所述目标温度点的实际温度值，调整所述初始轴向温度模型的模型参数，得到轴向温度模型；

计算模块，用于采集多个目标环境信息，并基于各所述目标环境信息、以及所述轴向温度模型，计算所述电缆线路在各所述目标环境信息的电缆温度数据；

训练模块，用于基于各所述目标环境信息、以及各所述目标环境信息的电缆温度数据，对初始电缆区间定位模型进行训练，得到电缆区间定位模型。

9.一种电缆区间的确定装置，其特征在于，所述装置包括：

第二获取模块，用于获取所述电缆线路的环境信息，并将所述环境信息输入电缆区间定位模型，得到所述电缆线路在所述环境信息中的载流状态下的温度变化梯度信息；

识别模块，用于识别所述温度变化梯度信息中的温度最高值对应的目标位置点，并计算所述温度变化梯度信息中的各子变化梯度区间的梯度值；

确定模块，用于筛选大于预设梯度阈值的梯度值的子变化梯度区间所对应的所述电缆线路的目标位置区间，并基于所述目标位置点、以及所述目标位置区间，确定所述电缆线路的轴向区间；

其中，所述电缆区间定位模型为通过权利要求1至6中任意一项所述的电缆区间定位模型的确定方法得到的。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6或7中任一项所述的方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6或7中任一项所述的方法的步骤。

12.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6或7中任一项所述的方法的步骤。