基于历史数据的接地网腐蚀程度预测方法、装置和设备

技术领域

本发明涉及接地网腐蚀领域，尤其涉及基于历史数据的接地网腐蚀程度预测方法，基于历史数据的接地网腐蚀程度预测装置、以及实现基于历史数据的接地网腐蚀程度预测方法的计算机设备和实现基于历史数据的接地网腐蚀程度预测方法的计算机可读存储介质。

背景技术

接地网是保证电力系统的正常运行和人身安全的关键设备，在电力建设过程中有着极其重要的作用。随着我国在特高压直流输电领域的快速发展，以及电网交直流输电网络优化的快速推进，接地网的安全运行问题在我国电力建设过程中的地位越来越重要，电力系统的飞速发展，变电站内有着较多的微机以及自动化控制设备，保护相应的弱电元件显得尤为关键，因此需要接地网有着更好的分流、散流效果。接地网一般敷设在地下，而埋在地下的接地网在与土壤和空气的接触影响下会很容易腐蚀，并且土壤相对更湿润，腐蚀性更强的环境，其腐蚀程度会更严重。同时在同等土壤环境的地区，由于接地导体的材料不同，腐蚀程度也会有所差异。而接地网导体发生腐蚀会直接导致其局部电位值异常变化，导致电气设备发生接地短路故障，具有严重威胁性。

接地网导体发生严重的腐蚀时候，当有接地短路故障产生，此时地电位可能会有不寻常上升或者不均匀分布。一方面极大地威胁工作人员的生命安全，另一方面设备的绝缘保护也有可能遭受损害，控制室出现高电压，由此导致相关设备产生误操作进而引起更严重的后果，造成严重的经济损失以及影响电力系统稳定性。在不同地区，由于土壤环境的差异，接地网的腐蚀速度也有所差异，一般而言大多数接地网的腐蚀出现在运行10年后，但少部分由于收到具体土壤因素或其他因素的影响腐蚀速率可能加快，有的接地网在3到4年就已经出现严重的腐蚀现象。并且影响腐蚀的因素众多，例如，土壤因素、杂散电流因素、接地网材料因素等，工作人员很难判断在实际情况中是哪一种因素起主导作用。并且由于接地网一般深埋与地下，现阶段多接地网的腐蚀状态进行检测主要通过开挖检测的方式，费时费力。

发明内容

本发明目的之一在于提供基于历史数据的接地网腐蚀程度预测方法，以解决由于接地网腐蚀因素众多，历史数据量大，难以对腐蚀的程度做出预测。

本发明通过下述技术方案实现，基于历史数据的腐蚀程度预测方法，包括以下步骤：输入历史时间点的目标区域接地网特征数据集，构建目标区域接地网历史数据库；接地网历史数据库中的数据进行标准化处理，计算所述历史数据库中每个数据点的标准分数，确保所有特征数据都具有相似的尺度；通过K-means算法将经标准化处理后的数据集进行聚类分析，将数据集聚类为X个腐蚀因素影响类别；将目标区域接地网特征数据集作为初始数据输入BP神经网络，构建接地网腐蚀程度预测模型，同时利用BP神经网络分别对X个腐蚀因素影响类别进行训练，得到每个类别下各自对应的接地网腐蚀程度预测模型，并对所述预测模型进行验证，得到最优接地网腐蚀程度预测模型，所述当下时间点的目标区域接地网特征数据集为进行接地网腐蚀程度预测时收集到的数据，所述X为大于1的正整数。

需要说明的是，接地网的腐蚀通常发生在建设完成若干年以后，而且现阶段检查腐蚀的方式通常采用开挖检测。目前对于接地网腐蚀预测的研究通常仅采用了当前阶段的数据，利用当前阶段的接地网相关数据来对接地网的腐蚀情况进行预测。很少有利用历史数据来对接地网的腐蚀情况进行预测。这主要是由于接地网由建成到发生腐蚀的过程有数年之久，如果将接地网自建成以来的历史数据纳入考虑范围的话会导致数据量暴增，简单地将大量历史数据导入算法进行计算很可能会导致算法输出的腐蚀预测结果和实际的腐蚀情况相差很大。在本发明中通过构建历史数据库，对历史数据库中的数据进行标准化处理，将接地网历史数据中存在不同单位和范围的测量指标进行标准化，将这些不同量纲的测量指标统一到同一尺度上，消除了量纲的影响。方便后续的数据分析和比较。

进一步地，所述历史时间点可以包括目标地区接地网自建成到当下时间点之前的检测数据，或目标地区接地网当下时间点之前时1～3年的检测数据。

特征数据集可包括：接地电阻、土壤电阻率、土壤空隙度、土壤含水量、土壤含氧量、土壤pH值以及土壤含盐量。需要说明的是，工作人员可以根据具体目标接地网的不同，对内容进行适应性调整，可以增加或删除某些特征数据集。

进一步地，标准化处理可以采用Z-score标准化对接地网历史数据库中的数据进行标准化处理，Z-score标准化处理包括，

其中，Z为标准化后输出的数据，无量纲；x为历史数据库中的数据，无量纲；μ为所有历史数据库中数据的均值,无量纲；σ为标准差，无量纲；M为历史数据库中数据集样本总数，无量纲；x

Z-score标准化适用数据类型广泛，在处理具有不同分布和量纲的数据具有特别的优势。接地网历史数据中有大量不同量纲和不同分布的数据，通过Z-score标准化对接地网历史数据进行处理能够消除量纲的影响，同时通过对比各个数据点的Z-score值，能够判断其相对位置和偏离程度，从而识别出异常和离群数据。Z-score标准化只是对原始数据进行线性变换，保持了接地网历史数据的分布特征。这对于后续通过算法分析接地网腐蚀的趋势、模式和异常情况具有重要作用，有助于算法更快的筛选出接地网腐蚀的预测模型。

进一步地，验证可包括，输入当前目标区域接地网特征数据集，进行运算得到接地网腐蚀程度预测结果。

本发明另一方面提供了基于历史数据的接地网腐蚀程度预测装置，包括，历史数据库构建单元、标准化处理单元、聚类分析单元以及预测模型构建单元。

其中，历史数据库构建单元被配置为基于输入历史时间点的目标区域接地网特征数据集，构建目标区域接地网历史数据库，所述历史时间点可以包括目标地区接地网自建成到当下的所有检测数据，或目标地区接地网检测时1～3年的数据。

标准化处理单元与历史数据库构建单元相连接，被配置为对接地网历史数据库中的数据进行标准化处理，计算所述历史数据库构建单元中每个数据点的标准分数，确保所有特征数据都具有相似的尺度。

聚类分析单元与标准化处理单元相连接，被配置为通过K-means算法将经标准化处理单元处理后的数据集进行聚类分析，将数据集聚类为X个腐蚀因素影响类别。

预测模型构建单元与聚类分析单元相连接，被配置为将历史时间点的目标区域接地网特征数据集作为初始数据输入BP神经网络，构建接地网腐蚀程度预测模型，同时利用BP神经网络分别对X个腐蚀因素影响类别进行训练，得到每个类别下各自对应的接地网腐蚀程度预测模型，并通过输入当前目标区域接地网特征数据集，进行运算得到接地网腐蚀程度预测结果，来验证预测模型，最终得到最优接地网腐蚀程度预测模型。

本发明再一方面提供了一种计算机设备，所述设备可包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的基于历史数据的接地网腐蚀程度预测方法。

本发明再一方面提供了一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上所述的基于历史数据的接地网腐蚀程度预测方法。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明通过对历史数据库中的数据进行标准化处理，消除了不同数据之间量纲的影响，便于数据比较和分析，突出了历史数据中的异常情况，方便了后续算法的处理，进而提高模型预测的准确性；

2、本发明通过利用K-means算法将庞杂的历史数据进行聚类分析降低了神经网络的数据处理难度提高了运算的速度；

3、本发明通过对接地网历史数据的有效运用，将历史数据和当前数据进行了有效地结合，克服了接地网腐蚀情况预测中难以利用历史数据进行全局判断的缺点，本发明通过神经网络进行迭代计算最终优选出来的预测模型，在结合当下数据的基础上，考虑到历史数据的影响，得到接地网腐蚀预测的全局最优解，实现了对接地网腐蚀情况的准确预测。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明实施例1提供的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

实施例1

图1示出了本实施例的流程图，本实施例提供了基于历史数据的接地网腐蚀程度预测方法，包括以下步骤：

步骤1：输入历史时间点的目标区域接地网特征数据集，构建目标区域接地网历史数据库。

具体来说，所述特征数据集可以包括：接地电阻、土壤电阻率、土壤空隙度、土壤含水量、土壤含氧量、土壤pH值、土壤含盐量。需要说明的是，历史时间点的目标区域接地网特征数据集可以涵盖自接地网建成以来的所有检测数据。或者为了减小运算量可以选择当下时间点之前的1～3年的历史数据。本发明通过将接地网自建成以来的检测数据运用于预测过程中，能够有效提高预测的准确性。

接地网在建设完成到产生腐蚀会经过一段较长的时间，通常接地网腐蚀发生在建设完成并投入使用2-3年后。对于接地网的维护来说，工作人员通常会定期对接地网进行检测并记录。这些检测记录数据对于接地网腐蚀的预测具有很大的作用，但是由于这部分数据量较大，而且量纲众多，难以对其进行有效地利用。现有技术在对接地网的腐蚀做出预测时通常会忽视这部分数据。本发明将接地网自建成以来的检测数据做成历史数据库，能够有效利用这部分数据对接地网的腐蚀做出预测。

步骤2：通过Z-score标准化对接地网历史数据库中的数据进行标准化处理，计算所述历史数据库中每个数据点的标准分数，确保所有特征数据都具有相似的尺度。

具体来说，可以通过下述公式进行数据处理：

其中，Z为标准化后输出的数据，无量纲；x为历史数据库中的数据，无量纲；μ为所有历史数据库中数据的均值,无量纲；σ为标准差，无量纲；M为历史数据库中数据集样本总数，无量纲；x

具体来说，通过Z-Score标准化处理历史数据库中的数据能够消除量纲的影响，接地网的检测数据中往往会包含很多不同的量纲，如果不做标准化处理，直接输入算法进行处理容易出现运算错误，通过Z-Score标准化处理消除了不同变量之间由于量纲不同而带来的影响，可以更好地比较和分析不同变量之间的关系。Z-Score标准化处理在消除量纲印象的同时能够保留原始数据分布特征，Z-Score标准化只是改变数据的尺度儿不会改变数据的分布形态。通过保持数据的相对位置关系，可以更好地理解数据的分布情况和趋势。

同时Z-score标准化能够使得离群值在标准化后的数据中具有较大的绝对值。可以更容易地识别和处理异常值，进而对数据进行更准确的分析。这对于接地网检测数据的处理来说具有极其重要的意义，很多检测数据由于年代久远，工作人员在进行检测统计的时候难免有疏忽，造成数据不准确，通过设定合适的阈值，可以判断哪些数据点属于正常范围，哪些数据点可能存在异常，通过Z-Score标准化可以很方便地剔除这部分异常数据。

并且Z-score标准化话后的数据更便于模型建立和预测，对历史数据进行标准化后可以提高模型的准确性和收敛速度。同时能够避免某些特征对模型产生过大的影响，使得腐蚀网预测模型更加稳定和可靠。

步骤3：将经过Z-score标准化处理后的数据集输入K-means算法进行聚类分析，将数据集划分为不同的聚类数量。

具体来说，可以通过K-means算法进行聚类分析，将数据集聚类为X个腐蚀因素影响类别。K-means算法可以将数据点划分为k个簇，每个簇具有相似的特征，方便下一步的算法训练。

步骤4：将当前时间点的目标区域接地网特征数据集作为初始数据输入BP神经网络，构建接地网腐蚀程度预测模型，同时利用BP神经网络分别对X个腐蚀因素影响类别进行训练，得到每个类别下各自对应的接地网腐蚀程度预测模型，并通过输入当前目标区域接地网特征数据集，进行运算得到接地网腐蚀程度预测结果，来验证预测模型，最终得到最优接地网腐蚀程度预测模型。需要说明的是，当下时间点的目标区域接地网特征数据集可以为进行接地网腐蚀程度预测时收集到的数据，X可以为大于1的正整数。

实施例2

不同的地区受限于接地电阻的影响，接地网的腐蚀速度也有所不同。特别是在高土壤电阻率地区，受到土壤电阻率的影响，难以准确地对接地网的腐蚀速度做出预测。为了解决高土壤电阻率地区接地网的腐蚀速度预测存在的困难，在本实施例中，可以采用优化的高土壤电阻率地区的接地电阻计算方式计算出更精确的土壤电阻率地区的接地电阻。

具体来说，高土壤电阻率地区的接地电阻计算可采用如下计算得到：

步骤1，计算接地面板x轴上任一点P沿x正方向的场强

其中，以接地面板长边中心点为原点0；以接地面板长边方向为y方向；以垂直于y方向的水平方向为x方向；以垂直于y方向的竖直方向为z方向；a为接地面板的短边长度，cm；b为接地面板的长边长度，cm；ρ

步骤2，根据计算得到的P点沿x正方向的场强EPX，计算P点与0点的电位差U；

步骤3：利用所述电位差U计算接地电阻R，公式如下：

I＝ab·σ；

更进一步地，针对高土壤电阻率地区接地网腐蚀预测难度大，对于不同接地体形状的腐蚀率会有所不同的特点，本实施例还提供了一种优选地计算长方体和圆盘接地体的方法，通过对不同形状接地体的接地电阻的分别计算，可以根据接地网接地体的具体形状，让接地网腐蚀程度预测方法进行针对性运算，更方便地对不同形状接地体的腐蚀情况做出预测。

需要说明的是，由于接地体形状的不同，在实际使用过程中腐蚀的速率也会不同，针对不同的接地形状的接地电阻进行针对性计算，并将这些计算值输入算法中进行针对性训练，有助于提高预测模型对高电阻率地区的接地网腐蚀情况的预测准确性。

其中，长方体接地体在高土壤电阻率地区的计算方法如下：

步骤1：设定基本参数：基于均匀带电长方形面板1建立0-xyz坐标系，该坐标系的原点为均匀带电长方形面板1的一角,X轴为均匀带电长方形面板1的长度方向，Y轴为均匀带电长方形面板的宽度方向，Z轴为均匀带电长方形面板的竖直方向，设定坐标系空间内一点p的坐标为p(x0，y0，z0)，设定均匀带电长方形面板上的任意一微分点为ds＝dxdy，微分点坐标为(x，y)，微分最长直径是微分点上最远的点是到原点距离，如：坐标(0，y)到原点距离是y，坐标(x，0)到原点的距离是x，坐标(x，y)到原点的距离是

步骤2：计算长方形面板1对空间点P产生的微分电势dU，dU计算公式如下：

其中，0≤x≤a，a为均匀带电长方形面板的长度，0≤y≤b，b为均匀带电长方形面板的宽度；

步骤3：对微分电势dU进行积分得到P点产生的电势U，公式如下：

进一步推导上述公式，得到公式如下：

步骤4：根据上述公式和电流计算公式：I＝Q×S＝Q×a×b，计算出接地电阻R，得到的接地电阻R的公式如下：

通过上述计算公式能够得到准确的高土壤电阻率地区下长方体接地体的电阻。

圆盘接地体在高土壤电阻率地区的计算方法如下：

步骤1)：在水平地面放置具有电阻的均匀带电圆盘,圆盘外水平地面的平面任意一点的电势采用公式如下：

Q为均匀带电盘电荷密度；

x＝rcosθ(0≤r≤d)，y＝rsinθ(0≤θ≤2π)；

其中，以圆盘圆心O为原点，圆盘外水平地面任意一点p，为x轴建立直角坐标系p(a，0)，在圆盘上作微元ds(ds直径→0)，ds中心点坐标ds(x，y)，ds＝dxdy，微元ds对圆盘外水平面上任意一点p(a,0)产生电势；Q为均匀带电圆盘电荷密度。

步骤2：计算均匀圆盘相对于对平面上圆盘外一点P(a，0)的电势U，

步骤3：根据圆盘电流公式I＝Q×πd

根据上述步骤可以精准地计算高土壤电阻率地区下圆盘接地体的电阻。

可以将通过上述计算步骤得到接地电阻以及长方体接地体和圆盘接地体的电阻作为特征数据集中的数据。为了获得更精确的预测结果还可以，分别对历史数据和当下数据进行分别计算，通过历史数据得到的接地电阻以及长方体接地体和圆盘接地体的电阻作为历史时间点的目标区域接地网特征数据集的一部分构成历史数据库，通过当下数据得到的接地电阻以及长方体接地体和圆盘接地体的电阻作为当前时间点的目标区域接地网特征数据集输入BP神经网络。通过神经网络的迭代训练能够得到更为准确的计算高土壤电阻率地区的接地网腐蚀程度预测模型。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。