CN117706290A - 一种电缆终端潜在击穿故障预警方法 - Google Patents

Abstract

本发明涉及电缆终端故障预警领域，具体为一种电缆终端潜在击穿故障预警方法，通过收集电缆终端的历史运行数据和击穿历史故障数据，使用Apriori算法建立两者之间的关联规则，基于关联规则构建电缆终端潜在击穿故障模型，使用历史数据优化后，可以对输入的新的电缆终端的运行数据进行模拟，输出对应的击穿故障类型标签，并根据输出的预测结果进行预警，实现了电缆终端击穿故障检测的智能化和自动化，对潜在的击穿故障及时发现和预警，消除击穿故障风险，提高电缆终端的使用寿命。

Description

一种电缆终端潜在击穿故障预警方法

技术领域

本发明涉及电缆终端故障预警技术领域，具体为一种电缆终端潜在击穿故障预警方法。

背景技术

电缆终端击穿故障主要是由于电缆终端绝缘性的降低导致的，导致绝缘性降低的包括外力损伤、长期过负荷运行、绝缘受潮、电缆接头故障、温度和环境等。实际应用中，电缆故障原因不明确、调试难度大、测试现场复杂等多重因素会导致电缆击穿故障的检测困难。

目前也有多种技术和手段可以实地对电缆击穿故障进行监测，例如可以通过检测电缆终端的局部放电信号，发现电缆终端的绝缘缺陷和潜在的击穿故障；通过红外热像仪对电缆终端表面进行扫描，发现电缆终端的热点和异常发热区域，从而判断是否存在击穿故障；通过检测电缆终端的电阻、电容、电感等电性能参数，可以发现电缆终端中存在的潜在击穿点。

但是，对于一些环境恶劣的场所，如高温、高压、腐蚀等环境，现有的检测技术和设备可能无法满足需求。并且电缆终端通常埋入地下或隐藏在建筑结构中，每次进行电缆终端的击穿故障检测时都需要进行施工和维护，实际检测时传感器的安装和布线也比较困难。此外，上述对电缆终端击穿故障的检测往往具有一定的滞后性，需要在电缆终端运行一段时间后击穿故障才能被发现。

同时，电缆击穿故障监测涉及大量数据的采集和处理，需要有效的算法和系统来对故障进行分析和预测，电缆击穿故障受多种因素影响，如电压、温度、湿度等，需要综合考虑这些因素进行分析。

为了减小实地检测的滞后性并提高电缆终端击穿故障的检测效果，可以借助人工智能和大数据技术，通过对大量的数据进行处理和分析，挖掘出电缆击穿故障的特征和规律，建立一个电缆终端的故障模型，进而预测潜在的击穿故障，根据预测的结果可以提前采取相应的维护措施，减小电缆终端击穿故障的滞后性。目前已经有一种方法通过获取电缆的样本图像对电缆模型进行训练，从而对电缆故障进行识别，这种方法适用于电缆外表因击穿有较明显形变或破损的情况，在实际情况中，在电缆终端击穿故障发生前的运行状态变化多发生在电缆的内部，在击穿故障发生后可以得到明显变化的样本图像，所以这种方法也有一定的滞后性；还有一种通过对地下电缆进行建模，进而判断地下电缆发生故障位置的方法，可以帮助检修人员对电缆故障位置进行快速确认，但是这种方法侧重于对故障位置的定位，而对故障发生的原因和类型没有考虑，没有将电缆终端的运行数据和故障类型进行匹配对应，所以需要建立一个电缆终端击穿故障模型，可以对电缆终端的击穿故障进行准确的分类和识别，还能根据电缆的实时运行状态进行击穿故障的预测，从而为维修人员提供更准确的维修指导、提高故障维修的效率。

发明内容

为解决上述电缆终端潜在击穿故障分类检测和预警的问题，本发明提供了一种电缆终端潜在击穿故障预警方法。

本发明技术方案如下：

一种电缆终端潜在击穿故障预警方法，包括以下步骤：

S1、数据收集，收集电缆终端历史运行数据和电缆终端击穿历史故障数据；

S2、数据预处理，对收集到的电缆终端历史运行数据和电缆终端击穿历史故障数据进行预处理；

S3、建立关联规则，将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据之间建立关联规则；

S4、基于建立好的关联规则，基于建立好的关联规则；

S5、使用预处理后的历史数据对电缆终端潜在击穿故障模型进行优化；

S6、使用优化后的电缆终端潜在击穿故障模型对新的电缆运行数据进行模拟，输出模拟预测结果，并根据预测结果进行电缆终端潜在击穿故障的预警。

具体地，所述S1中收集电缆终端历史运行数据，具体为通过在线监测系统或传感器收集电缆终端运行相关的电压、电流、温度、压力参数；收集电缆终端击穿历史故障数据，具体为收集故障发生的时间、位置、类型数据信息。

具体地，所述S2中对收集到的数据进行预处理，具体为对数据进行清洗、转换、标准化、去噪。

具体地，所述S3中将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据之间建立关联规则，具体为：

从预处理后的电缆终端历史运行数据中提取出与电缆击穿故障相关的特征，包括电压异常波动、电流异常波动、温度异常波动、压力异常波动；

从预处理后的电缆终端击穿历史故障数据中提取出故障标签，包括击穿故障类型、发生时间、位置；

根据提取出的故障特征和故障标签，建立关联规则。

进一步地，所述根据提取出的故障特征和故障标签，建立关联规则，具体为：

设定关联规则的最小支持度阈值和最小置信度阈值，根据设定的最小支持度阈值和最小置信度阈值，使用Apriori算法找出满足最小支持度阈值的频繁项集；

基于频繁项集，筛选出满足最小置信度阈值的关联规则；

根据关联规则前件和后件的关系，得到故障特征和故障标签之间的关联规则，每种关联规则对应一种潜在的击穿故障。

具体地，所述S5中使用预处理后的历史数据对电缆终端潜在击穿故障模型进行优化，具体为将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据作为优化集，对构建的模型进行优化，学习正常和故障情况下对应电缆终端的运行特征，并建立电缆终端历史运行数据和电缆终端击穿历史故障数据的关联性。

具体地，所述S6中使用优化后的电缆终端潜在击穿故障模型对新的电缆运行数据进行模拟，输出模拟预测结果，为将新的实时电缆终端运行数据输入模型，模型为其匹配相应的关联规则，并将关联规则确定的电缆终端击穿故障类型作为输出，根据匹配的关联规则预测是否存在潜在的击穿故障风险。

进一步地，所述S6中根据预测结果进行电缆终端潜在击穿故障的预警，具体为输入新的实时电缆终端运行数据，模型模拟运行后输出的模拟预测结果为存在潜在击穿故障类别时，判断此时电缆终端存在潜在击穿故障风险，触发故障预警机制。

本发明还提供了一种电缆终端潜在击穿故障预警系统，包括：

数据收集模块：通过电缆终端的传感器和在线监测系统，采集电缆终端历史运行数据和电缆终端击穿历史故障数据及对应的实时运行数据和实时故障数据。

数据存储模块：用于存储采集到的电缆终端的运行数据、故障数据，及预处理后的数据。

数据关联模块：使用Apriori挖掘算法发现故障特征和故障标签之间的关联性，将故障特征和故障标签之间建立关联规则。

模型优化模块：使用电缆终端历史运行数据和电缆终端击穿历史故障数据作为优化集，对构建的模型进行优化。

故障预测模块：用于将新的实时采集到的电缆终端运行数据输入到已经优化后的模型中，预测故障类型并进行报警。

另外，本发明提供了一种电缆终端潜在击穿故障预警装置，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如上所述的电缆终端潜在击穿故障预警方法。

本发明的有益效果在于：

1、通过收集大量的电缆终端历史运行数据和电缆终端击穿历史故障数据，使用Apriori算法建立两者之间的关联规则，在关联规则的基础上构建电缆终端潜在击穿故障模型，不用实地去进行击穿故障的检测，降低检测的成本，提高了检测的效率，实现电缆终端击穿故障检测的智能化和自动化。同时，使用Apriori算法进行关联规则的挖掘和提取，可以帮助建立一个更准确的电缆终端击穿故障模型，提高对电缆击穿故障预测的准确性。

2、通过用历史数据对模型进行优化，模型可以学习正常和故障情况下对应电缆终端的运行特征，从而建立电缆终端的运行特征和不同故障类型之间的关联性，进而可以对电缆终端的运行状态进行实时监测和预测，对实时输入的不同状态的电缆终端运行数据进行分析，匹配关联规则，及时发现电缆终端潜在的故障，并根据故障类型采取措施进行电缆终端的修复和更换，避免击穿故障影响扩大，导致更严重的后果。

3、此外，建立的电缆终端潜在击穿故障模型还具有预警机制，根据电缆终端潜在击穿故障模型模拟运行后输出的模拟预测结果，如果类别为存在潜在击穿击穿故障，将触发预警，发送预警信息。设置预警机制可以在故障发生前或潜在问题出现时立即发出警报，提前采取措施进行处理，提高电缆终端的使用寿命。提高电力系统的智能化水平。

附图说明

在附图中：

图1为实施例中一种电缆终端潜在击穿故障与机构方法的流程示意图。

具体实施方式

下面将结合附图更详细地描述本公开的示例性实施方式。

实施例

本实施例提供了一种电缆终端潜在击穿故障预警方法，参见图1，包括以下步骤：

步骤一：数据收集，收集电缆终端历史运行数据和电缆终端击穿历史故障数据。

其中收集电缆终端历史运行数据，具体为通过在线监测系统或传感器收集电缆终端运行相关的电压、电流、温度、压力参数；收集电缆终端击穿历史故障数据，具体为收集故障发生的时间、位置、类型数据信息。

收集大量的电缆终端历史运行数据和击穿历史故障数据是为了对后续构建的模型进行优化，通过收集足够的历史运行数据和故障数据，可以对电缆终端的运行状态、参数变化、故障发生的时间、位置、类型等进行分析，确定与击穿故障相关的特征，如电压波动、温度升高、电流突变。

步骤二：数据预处理，对收集到的电缆终端历史运行数据和电缆终端击穿历史故障数据进行预处理。

对收集到的数据进行预处理，具体为对数据进行清洗、转换、标准化、去噪，可以提高数据的质量和可用性，步骤一中收集到的原始数据可能存在不完整、不一致、存在异常值的问题，会影响数据分析和后续的模型优化。

其中数据清洗为将重复、错误、不完整的数据进行删除，对缺失值进行填充；数据转换为将收集到的数据转换成适合进行数据分析的形式，例如将日期和时间数据转换成时间间隔相等的数据，将分类数据进行编码转换成数值型数据；数据标准化为将收集数据的均值和标准差调整到0和1，以消除数据的量纲和数值大小的影响；数据去噪为从数据中去除噪声，提取出有用的信息，可以用简单阈值法对数据进行去噪，根据数据的特性和范围，设定一个阈值，小于该阈值的信号视为噪声，对噪声数据进行修正或排除。

步骤三：建立关联规则，将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据之间建立关联规则。

将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据之间建立关联规则，具体为：

从预处理后的电缆终端历史运行数据中提取出与电缆击穿故障相关的特征，包括电压异常波动、电流异常波动、温度异常波动、压力异常波动；

从预处理后的电缆终端击穿历史故障数据中提取出故障标签，包括击穿故障类型、发生时间、位置；

根据提取出的故障特征和故障标签，建立关联规则。关联规则的前件即为规则成立的前提条件，关联规则的后件为结果部分，在本实施例中关联规则的结果部分包含潜在的击穿故障标签，关联规则的前提条件为故障特征，即当某些故障特征出现后，对应特定的击穿故障也会发生。

建立关联规则的步骤具体为：

设定关联规则的最小支持度阈值和最小置信度阈值，支持度表示一个规则在数据集中出现的频率，置信度表示规则的可靠性程度，根据设定的最小支持度阈值和最小置信度阈值，使用Apriori算法找出满足最小支持度阈值的频繁项集；

基于频繁项集，计算其关联规则的置信度，筛选出满足最小置信度阈值的关联规则；

根据关联规则前件和后件的关系，得到故障特征和故障标签之间的关联规则，即如果一个故障特征常常与一个特定的击穿故障标签同时出现，可以认为这些故障特征可能是导致该故障标签的原因，每种关联规则对应一种潜在的击穿故障。

在实际应用中，可以根据关联规则的结果为潜在的击穿故障特征添加标签，例如，可以将预测结果分为“可能发生击穿故障”、“存在击穿故障风险”和“正常”几个等级，在每个等级下面根据电缆终端击穿故障的类型、位置、发生时间添加故障标签，例如根据击穿故障类型设定故障标签“内部绝缘击穿”、“外部环境击穿”等，根据击穿故障的位置设定故障标签“电缆终端头部击穿”、“电缆终端中间段击穿”、“电缆终端尾部击穿”，根据击穿故障发生时间设定故障标签“气候故障击穿”、“季节故障击穿”。

步骤四：基于建立好的关联规则，构建电缆终端潜在击穿故障模型。

基于步骤三中建立好的关联规则，用决策树算法构建一个电缆终端潜在击穿故障模型，将步骤三中的故障特征作为输入变量，将击穿故障标签作为输出变量。通过将数据进行分割，可以生成一棵由节点和分支组成的决策树，每个节点代表一个特征，每个分支代表一个决策规则，而通过已建立好的关联规则，可以选出最优的特征和分裂点进行节点的分裂、分支的扩展。将待分类的电缆终端运行数据输入到决策树中，决策树可以根据提取出的故障特征，预测其是否会发生故障，并且输出对应的故障类型。

步骤五：使用预处理后的历史数据对电缆终端潜在击穿故障模型进行优化。

其中，使用预处理后的历史数据对电缆终端潜在击穿故障模型进行优化，具体为将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据作为优化集，对构建的模型进行优化，学习正常和故障情况下对应电缆终端的运行特征，并建立电缆终端历史运行数据和电缆终端击穿历史故障数据的关联性。在模型优化完成后，可以使用一些评估指标，如准确率、召回率对模型的性能进行评估，根据评估的结果对模型的参数、结构进行调整，使构建的电缆终端潜在击穿故障模型在预测时具有更高的准确性。

步骤六：使用优化后的电缆终端潜在击穿故障模型对新的电缆运行数据进行模拟，输出模拟预测结果，并根据预测结果进行电缆终端潜在击穿故障的预警。

使用优化后的电缆终端潜在击穿故障模型对新的电缆运行数据进行模拟，输出模拟预测结果，为将新的实时电缆终端运行数据输入模型，模型自动为其匹配相应的关联规则，并将关联规则确定的电缆终端击穿故障类型作为输出，根据匹配的关联规则预测是否存在潜在的击穿故障风险以及潜在击穿故障的分类和位置。

根据预测结果进行电缆终端潜在击穿故障的预警，具体为输入新的实时电缆终端运行数据，模型模拟运行后输出的模拟预测结果为存在潜在击穿故障类别时，判断此时电缆终端存在潜在击穿故障风险，触发故障预警机制。此时，系统将以短信、邮件、推送的方式向相关人员发送击穿故障通知，通知的内容包括潜在击穿故障的类型、可能发生的位置和时间，相关维修人员接到通知后，根据潜在击穿故障的类型、位置制定检修措施，在电缆终端击穿故障发生前进行处理，消除了存在的击穿故障隐患。

本发明还提供了一种电缆终端潜在击穿故障预警系统，包括：

数据收集模块：通过电缆终端的传感器和在线监测系统，采集电缆终端历史运行数据和电缆终端击穿历史故障数据；采集用于电缆终端潜在击穿故障模型预测的电缆实时运行数据。

数据存储模块：用于存储电缆终端的电流、电压、温度、湿度运行数据，存储电缆终端的故障类型、发生时间、故障位置、故障严重程度等历史故障数据，存储实时运行数据及预处理后的数据。

数据关联模块：使用Apriori挖掘算法发现故障特征和故障标签之间的关联性，将故障特征和故障标签之间建立关联规则，为故障模拟预测和故障预警提供支持。

模型优化模块：使用电缆终端历史运行数据和电缆终端击穿历史故障数据作为优化集，对构建的模型进行优化。

故障预测模块：用于将新的实时采集到的电缆终端运行数据输入到已经优化后的模型中，将关联规则确定的电缆终端击穿故障类型作为输出，根据匹配的关联规则预测是否存在潜在的击穿故障风险以及潜在击穿故障的分类和位置，预测结果达到预警阈值后进行报警。

此外，本发明还提供了一种电缆终端潜在击穿故障预警装置，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如上所述的一种电缆终端潜在击穿故障预警方法。

最后，本发明提供了一种计算机可读存储介质，存有计算机程序，该程序被处理器执行时可实现如上所述的一种电缆终端潜在击穿故障预警方法。

Claims (10)

1.一种电缆终端潜在击穿故障预警方法，其特征在于，包括以下步骤：

S1、数据收集，收集电缆终端历史运行数据和电缆终端击穿历史故障数据；

S2、数据预处理，对收集到的电缆终端历史运行数据和电缆终端击穿历史故障数据进行预处理；

S3、建立关联规则，将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据之间建立关联规则；

S4、基于建立好的关联规则，构建电缆终端潜在击穿故障模型；

S5、使用预处理后的历史数据对电缆终端潜在击穿故障模型进行优化；

S6、使用优化后的电缆终端潜在击穿故障模型对新的电缆运行数据进行模拟，输出模拟预测结果，并根据模拟预测结果进行电缆终端潜在击穿故障的预警。

2.根据权利要求1所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述S1中收集电缆终端历史运行数据，具体为通过在线监测系统或传感器收集电缆终端运行相关的电压、电流、温度、压力参数；收集电缆终端击穿历史故障数据，具体为收集故障发生的时间、位置、类型数据信息。

3.根据权利要求1所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述S3中将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据之间建立关联规则，具体为：

从预处理后的电缆终端历史运行数据中提取出与电缆击穿故障相关的特征，包括电压异常波动、电流异常波动、温度异常波动、压力异常波动；

从预处理后的电缆终端击穿历史故障数据中提取出故障标签，包括击穿故障类型、发生时间、位置；

根据提取出的故障特征和故障标签，建立关联规则。

4.根据权利要求3所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述根据提取出的故障特征和故障标签，建立关联规则，具体为：

设定关联规则的最小支持度阈值和最小置信度阈值，根据设定的最小支持度阈值和最小置信度阈值，使用Apriori算法找出满足最小支持度阈值的频繁项集；

基于频繁项集，筛选出满足最小置信度阈值的关联规则；

根据关联规则前件和后件的关系，得到故障特征和故障标签之间的关联规则，每种关联规则对应一种潜在的击穿故障。

5.根据权利要求1所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述S5中使用预处理后的历史数据对电缆终端潜在击穿故障模型进行优化，具体为将预处理后的电缆终端历史运行数据和电缆终端击穿历史故障数据作为优化集，对构建的模型进行优化，学习正常和故障情况下对应电缆终端的运行特征，并建立电缆终端历史运行数据和电缆终端击穿历史故障数据的关联性。

6.根据权利要求1所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述S6中使用优化后的电缆终端潜在击穿故障模型对新的电缆运行数据进行模拟，输出模拟预测结果，为将新的实时电缆终端运行数据输入模型，模型为其匹配相应的关联规则，并将关联规则确定的电缆终端击穿故障类型作为输出，根据匹配的关联规则预测是否存在潜在的击穿故障风险。

7.根据权利要求1所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述S6中根据模拟预测结果进行电缆终端潜在击穿故障的预警，具体为输入新的实时电缆终端运行数据，模型模拟运行后输出的模拟预测结果为存在潜在击穿故障类别时，判断此时电缆终端存在潜在击穿故障风险，触发故障预警机制。

8.根据权利要求1所述的一种电缆终端潜在击穿故障预警方法，其特征在于，所述S2中对收集到的数据进行预处理，具体为对数据进行清洗、转换、标准化、去噪。

9.一种电缆终端潜在击穿故障预警系统，其特征在于，包括：

数据收集模块：通过电缆终端的传感器和在线监测系统，采集电缆终端历史运行数据和电缆终端击穿历史故障数据及对应的实时运行数据和实时故障数据。

数据存储模块：用于存储采集到的电缆终端的运行数据、故障数据，及预处理后的数据。

数据关联模块：使用Apriori挖掘算法发现故障特征和故障标签之间的关联性，将故障特征和故障标签之间建立关联规则。

模型优化模块：使用电缆终端历史运行数据和电缆终端击穿历史故障数据作为优化集，对构建的模型进行优化。

故障预测模块：用于将新的实时采集到的电缆终端运行数据输入到已经优化后的模型中，预测故障类型并进行报警。

10.一种电缆终端潜在击穿故障预警装置，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1-8中任一项所述的一种电缆终端潜在击穿故障预警方法。