一种基于人工智能的电力电缆运行预警方法

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的电力电缆运行预警方法。

背景技术

配电电缆作为供电公司的核心资产之一，分布广、数量大、运行环境隐秘，管理难度大。电力公司每年投入大量人力财力物力，对电缆沟井内电缆及环境进行巡视检查，受制于监测手段，监测信息获取成本高、效率低，无法做到实时监测，不能及时的预防。

配电电缆的运行受到安装环境以及本身因素的影响，如电缆本身温度的影响，对电缆的正常运行造成影响，比如电缆热源效应影响以及损坏等。随着人工智能技术的快速发展，将人工智能技术应用于配电电缆的运行监控研究，处于进一步探索之中。

发明内容

本发明提供一种基于人工智能的电力电缆运行预警方法，通过对每段电力电缆的温度数据集和环境湿度数据集进行数据分析，获得两段电力电缆之间的区别水平度。采用任意一个电力电缆作为电缆对象，电缆对象与其他电力电缆之间的区别水平度作为该电缆对象的运行评估参数，基于每段电力电缆的运行评估参数为每段电力电缆调整占比，进一步结合电缆对象的环境温度波动水平进行分析，根据电缆对象的温度数据集得到参数I，参数II以及对应的环境温度波动水平获得电缆对象的运行稳定程度。以电缆对象的运行稳定程度的数据进行分析，便于对异常的数据进行及时监控分析。将获取的电缆对象的运行稳定程度发送到长短期记忆网络中进行预估，获得未来时间阶段内的预计运行稳定程度，根据预计运行稳定程度对工作人员进行提示，便于对出现预警的电力电缆段进行检查，从而解决了电力电缆无法进行实时检查、以及人力监测成本高，不能对电缆可能存在的运行风险及时监控的问题。

本发明通过下述技术方案实现：

一种基于人工智能的电力电缆运行预警方法，所述方法包括以下步骤：

S001：获得一段时间内每段电力电缆相应的温度数据集和环境湿度数据集，根据任意两段所述电力电缆相应的温度数据集和环境湿度数据集获得两段所述电力电缆之间的区别水平度；

S002：通过随机选择一段所述电力电缆为电缆对象，根据所述电缆对象与其他所述电力电缆之间的区别水平度获得电缆对象的运行评估参数，根据每段所述电力电缆的运行评估参数为所述电力电缆调整占比；

S003：获得一段时间内所述电缆对象的环境温度数据集，根据所述环境温度数据集中相邻两个环境温度数据之间的差别获得所述电缆对象的环境温度波动水平；

S004：根据所述电缆对象相应的所述温度数据集获得所述电缆对象的参数I，根据所述电缆对象的所述环境湿度数据集获得电缆对象的参数II，根据所述电缆对象相应的占比、参数I、参数II和所述环境温度变化水平获得所述电缆对象的运行平稳程度；

S005：将所述电缆对象的运行平稳程度发送到时间递归神经网络，获得所述电缆对象在未来时间阶段内的预计运行平稳程度，根据所述预计运行平稳程度的高低进行预警。

可选地，步骤S001中，根据任意两段所述电力电缆相应的温度数据集和环境湿度数据集获得两段所述电力电缆之间的区别水平度的具体方法为：分别获得所述温度数据集和所述环境湿度数据集的平均值，依据所述温度数据集的平均值和所述环境湿度数据集的平均值建立本征向量，根据任何两段所述电力电缆相应的本征向量获得两个所述电力电缆之间的区别水平度。

可选地，步骤S002中，通过随机选择一段所述电力电缆为电缆对象，根据所述电缆对象与其他所述电力电缆之间的区别水平度获得电缆对象的运行评估参数，具体操作方法为：获得所述电缆对象与其他所述电力电缆之间的区别水平度的加数和，以及所述电缆对象相应的本征向量的长度，所述电缆对象的运行评估参数和所述区别水平度的加数和，以及所述电缆对象相应本征向量的长度，所述电缆对象的运行评估参数与所述区别水平度的加数和呈负相关，所述电缆对象的运行评估参数与所述本征向量的长度呈正相关。

可选地，步骤S002中，根据每段所述电力电缆的运行评估参数为所述电力电缆调整占比的操作方法为，获取每段所述电力电缆的运行评估参数，根据所述运行评估参数的高低对所述电力电缆从低到高进行排布并作记录值，所述电力电缆的占比与所述电力电缆的记录值呈正相关。

可选地，每段电力电缆对应的占比为：

P

其中，P

可选地，步骤S003中，根据所述环境温度数据集中相邻两个数据之间的差别获得所述电缆对象环境温度波动水平具体操作方法，包括：

S0031：获取所述环境温度数据集中全部相邻两个数值之间的差值的加数和，根据差值的加数和获得环境温度变动比率：

其中，α表示环境温度变动比率；t

S0032：根据所述环境温度变动比率获得环境温度波动水平为：

φ＝e-α

其中，φ表示环境温度波动水平，α表示环境温度变动比率，e表示自然常数。

可选地，步骤S004中，获得根据所述电缆对象相应的所述温度数据集获得所述电缆对象的参数I的计算方法为：

其中，M

可选地，步骤S004中，根据所述电缆对象的所述环境湿度数据集获得电缆对象的参数II，具体方法为：获取所述电缆对象的所述环境湿度数据集中任意相邻两次的环境湿度数据的差值，所述参数II与环境湿度数据的差值呈负相关，参数II的计算方法为：

其中，M

可选地，步骤S002中，根据所述电缆对象与其他所述电力电缆之间的区别水平度获得电缆对象的运行评估参数中，所述运行评估参数的计算方法为：

γ

其中，γ

可选地，步骤S005中，将所述电缆对象的运行平稳程度发送到时间递归神经网络，获得所述电缆对象在未来时间阶段内的预计运行平稳程度，所述时间递归网络的网络结构为编码装置-解码装置，模拟方法为：发送获得的一段时间内的运行平稳程度数据，根据加权平均方差代价函数获得下一时间阶段内预估的运行平稳程度。

本发明与现有技术相比，具有如下的优点和有益效果：

本申请技术方案中通过对每段电力电缆的温度数据集和环境湿度数据集进行数据分析，获得两段电力电缆之间的区别水平度。采用任意一个电力电缆作为电缆对象，电缆对象与其他电力电缆之间的区别水平度作为该电缆对象的运行评估参数，基于每段电力电缆的运行评估参数为每段电力电缆调整占比，进一步结合电缆对象的环境温度波动水平进行分析，根据电缆对象的温度数据集得到参数I，参数II以及对应的环境温度波动水平获得电缆对象的运行稳定程度。以电缆对象的运行稳定程度的数据进行分析，便于对异常的数据进行及时监控分析。将获取的电缆对象的运行稳定程度发送到长短期记忆网络中进行预估，获得未来时间阶段内的预计运行稳定程度，根据预计运行稳定程度对工作人员进行提示，便于对出现预警的电力电缆段进行检查，降低电力电缆发生运行风险的可能性，从而实现对电力电缆的运行校正和监控。

附图说明

图1为本发明的流程结构示意框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1：

如图1所示，一种基于人工智能的电力电缆运行预警方法，所述方法包括以下步骤：

S001：获得一段时间内每段电力电缆相应的温度数据集和环境湿度数据集，根据任意两段所述电力电缆相应的温度数据集和环境湿度数据集获得两段所述电力电缆之间的区别水平度；

具体地，电力电缆具体的运行情况受敷设环境以及本身运行温度的影响，如电力电缆的的外周一般包覆有绝缘体，如果出现受潮会产生间隙，导致电缆在进行接线或引线时，容易出现接触不良的情况；如果电力电缆本身的温度过高，会出现其中的接头的导向会出现增大电阻的状况，也有可能导致金属护套出现膨胀变形的情况，进而电力电缆的接触点过于高温被迫氧化，最终电缆会出现烧断的情况。如果配电电缆中出现电压过大的状况，电缆的绝缘层会出现爆碎或闪络的状况，甚至会存在绝缘击穿的隐患。由于电力电缆敷设的环境不同，可根据敷设应用环境对电缆进行分段进行电缆本身的温度，以及环境湿度情况进行监测。

其中，测量每段电力电缆温度的温度传感器，可安装在电力电缆的外周，相邻温度传感器的安装位置及间隔，可根据电力电缆的安装应用环境进行确认，每段电缆的长度同样根据电缆的应用环境进行调整，可选择测量的每一段电力电缆的长度为50m或者为100m或者200m。一段时间可根据外界天气变化以及电缆使用周期进行设置，如果天气较热，则需要频繁关注处于外露环境中电缆的温度，以及环境湿度情况；同时如果电缆使用周期长，则应重点考虑电缆是否老化是否会对电缆的运行造成影响，因不考虑外界季节的变化，实时重点监控。

具体地，在一段时间内获得每段电力电缆的温度数据，从而构建温度数据集，以及对应的每段电力电缆的环境湿度数据，从而构建电力电缆的环境湿度数据集。采集电力电缆的温度数据以及环境湿度数据的时间间隔可为每0.3秒进行一次采样，获取5分钟内的每段电力电缆的温度数据以及环境湿度数据。

由于每段电力电缆的构造相同，且位于相邻区域内的电力电缆的外界环境相近，因此根据所有电力电缆之间的区别水平度进行初步判断。区别水平度为根据任意两段所述电力电缆相应的温度数据集和环境湿度数据集获得。

可选地，步骤S001中，根据任意两段所述电力电缆相应的温度数据集和环境湿度数据集获得两段所述电力电缆之间的区别水平度的具体方法为：分别获得所述温度数据集和所述环境湿度数据集的平均值，依据所述温度数据集的平均值和所述环境湿度数据集的平均值建立本征向量，根据任何两段所述电力电缆相应的本征向量获得两个所述电力电缆之间的区别水平度。

具体地，获得每段电力电缆相应的环境湿度数据集和温度数据集的平均值，根据环境湿度数据集的平均值和温度数据集的平均值建立本征向量，其中，本征向量表示为：

其中，D表示电力电缆相应的本征向量，

根据相邻两段电力电缆的温度数据集、环境湿度数据集以及本征向量计算区别水平度，从而获得所有电力电缆中每相邻两个电力电缆之间的区别水平度，进一步根据区别水平度对所有获得的样本数据进行筛选，筛选出明显区别大的数据。上述中电力电缆之间的区别水平度是采用DBSCAN的密度聚类算法对所有电力电缆进行聚类分析，如果样本数据中存在区别度大异常数据，需根据该异常数据及时将对应的电力电缆进行维修检查处理。

S002：通过随机选择一段所述电力电缆为电缆对象，根据所述电缆对象与其他所述电力电缆之间的区别水平度获得电缆对象的运行评估参数，根据每段所述电力电缆的运行评估参数为所述电力电缆调整占比；

可选地，步骤S002中，通过随机选择一段所述电力电缆为电缆对象，根据所述电缆对象与其他所述电力电缆之间的区别水平度获得电缆对象的运行评估参数，具体操作方法为：获得所述电缆对象与其他所述电力电缆之间的区别水平度的加数和，以及所述电缆对象相应的本征向量的长度，所述电缆对象的运行评估参数和所述区别水平度的加数和，以及所述电缆对象相应本征向量的长度，所述电缆对象的运行评估参数与所述区别水平度的加数和呈负相关，所述电缆对象的运行评估参数与所述本征向量的长度呈正相关。

可选地，步骤S002中，根据所述电缆对象与其他所述电力电缆之间的区别水平度获得电缆对象的运行评估参数中，所述运行评估参数的计算方法为：

γ

其中，γ

具体地，以电缆对象自身对应的本征向量的模作为修正参数主要考虑到了能够使得每段电力电缆的运行评估参数计算的更加准确。

可选地，据每段所述电力电缆的运行评估参数为所述电力电缆调整占比的操作方法为，获取每段所述电力电缆的运行评估参数，根据所述运行评估参数的高低对所述电力电缆按照从低到高进行排布并作记录值，所述电力电缆的占比与所述电力电缆的记录值呈正相关。

可选地，每段电力电缆对应的占比为：

P

其中，P

S003：获得一段时间内所述电缆对象的环境温度数据集，根据所述环境温度数据集中相邻两个环境温度数据之间的差别获得所述电缆对象的环境温度波动水平；

具体地，由于位于相同外界环境区域内的电力电缆，环境温度会比较相近，反之，如果电力电缆敷设安装的区域不同，环境温度差距大。用于测量外界环境温度的传感器，可设置在外界环境区域内。在每一段电力电缆上设置一个测量环境温度的温度传感器，而每一段电力电缆的长度可根据实际安装环境进行调整，比如每一段的长度为50m，100m，150m等等。对于每段电力电缆应用环境安装的温度传感器，对环境温度进行采集，采集数据的间隔可为每0.3秒为时间间隔进行采集，获得所有环境温度数据建立环境温度数据集。

可选地，步骤S003中，根据所述环境温度数据集中相邻两个数据之间的差别获得所述电缆对象环境温度波动水平具体操作方法，包括：

S0031：获取所述环境温度数据集中全部相邻两个数值之间的差值的加数和，根据差值的加数和获得环境温度变动比率：

其中，α表示环境温度变动比率；t

S0032：根据所述环境温度变动比率获得环境温度波动水平为：

φ＝e

其中，φ表示环境温度波动水平，α表示环境温度变动比率，e表示自然常数。

S004：根据所述电缆对象相应的所述温度数据集获得所述电缆对象的参数I，根据所述电缆对象的所述环境湿度数据集获得电缆对象的参数II，根据所述电缆对象相应的占比、参数I、参数II和所述环境温度变化水平获得所述电缆对象的运行平稳程度；

可选地，步骤S004中，获得根据所述电缆对象相应的所述温度数据集获得所述电缆对象的参数I的计算方法为：

其中，M

可选地，步骤S004中，根据所述电缆对象的所述环境湿度数据集获得电缆对象的参数II，具体方法为：获取所述电缆对象的所述环境湿度数据集中任意相邻两次的环境湿度数据的差值，所述参数II与环境湿度数据的差值呈负相关，参数II的计算方法为：

其中，M

结合上述电缆对象对应的占比，参数I、参数II以及环境温度波动水平获得电缆对象的运行平稳程度为：

其中，M表示电缆对象的运行平稳程度，P表示电缆对象对应的占比，M

具体地，当电缆对象相应的占比越大，说明该电缆对象的运行评估参数越大，该电缆对象与其他电力电缆之间的区别水平度小，并且该电缆对象对应的温度和环境湿度受到的影响较小，因此该电缆对象相应的占比可作为运行平稳程度的参数。

S005：将所述电缆对象的运行稳定程度发送到时间递归神经网络，获得所述电缆对象在未来时间阶段内的预计运行平稳程度，根据所述预计运行平稳程度的高低进行预警。

具体地，监测电缆对象的运行平稳程度的时间阶段可为1个小时或3个小时或5个小时，因此，可将获得的电缆对象的运行平稳程度构成运行平稳程度数据集。对该运行平稳程度数据集中的运行平稳程度数据作为训练样本对时间递归神经网络进行模拟，从而通过时间递归网络预估下一时间段内运行平稳程度。

可选地，步骤S005中，将所述电缆对象的运行稳定程度发送到时间递归神经网络中，所述时间递归神经网络为长短期记忆网络。

时间递归神经网络的网络结构为编码装置—解码装置，具体方法为：1)发送获得的一段时间内的运行平稳程度数据；2)代价函数为加权平均方差代价函数；3)根据加权平均方差代价函数获得下一时间阶段内预估的运行平稳程度。

其中，加权平均方差代价函数内的占比参数由环境温度波动水平获得，在环境温度变化较小的情况下，整个模拟样本的可靠度较高。结合电缆对象的评估参数对模拟样本的可靠度进行分析，则该电缆对象的可靠度为：

w＝φ*(1.5

其中，w表示电缆对象的可靠度；φ表示电缆对象的温度变化稳定程度；s表示电缆对象对应的占比。

因此，加权平均方差代价函数为：

Loss＝∑(Loss

其中，Loss表示加权平均方差代价函数，W

通过将电缆对象的运行平稳程度发送至时间递归神经网络中，可获得未来时间阶段内的该电缆对象相应的预计运行平稳程度，利于更好的监测电缆对象的工作情况。如持续监测1小时的预计运行平稳程度，当获得的预计运行平稳程度低于设定值时，可确认该电缆对象的工作情况可能出现异常，需及时向工作人员发出提示，工作人员对该段电力电缆进行检查和修复。

其中，对于设定值具体可为设定的阈值，在实际预警系统中，设定的阈值可为1.0，具体可根据实际应用情况进行设置，当电力电缆的运行平稳程度低于1.0时，则进行提示预警处理。

本实施例中通过对每段电力电缆的温度数据集和环境湿度数据集进行数据分析，获得两段电力电缆之间的区别水平度。采用任意一个电力电缆作为电缆对象，电缆对象与其他电力电缆之间的区别水平度作为该电缆对象的运行评估参数，基于每段电力电缆的运行评估参数为每段电力电缆调整占比，进一步结合电缆对象的环境温度波动水平进行分析，根据电缆对象的温度数据集得到参数I，参数II以及对应的环境温度波动水平获得电缆对象的运行稳定程度。以电缆对象的运行稳定程度的数据进行分析，便于对异常的数据进行及时监控分析。将获取的电缆对象的运行稳定程度发送到长短期记忆网络中进行预估，获得未来时间阶段内的预计运行稳定程度，根据预计运行稳定程度对工作人员进行提示，便于对出现预警的电力电缆段进行检查，降低电力电缆发生运行风险的可能性，从而实现对电力电缆的运行校正和监控。

通过对每段电力电缆的数据进行筛选，选择出现异常或者可能出现异常的电力电缆，并进一步根据电缆对象与其他电力电缆之间的对比获得电缆对象的运行评估参数，根据运行评估参数和电力电缆敷设的环境温度变化情况等情况对运行稳定程度进行分析计算。依据历史阶段内运行稳定程度，通过网络模型预估未来时间阶段内的每段电力电缆相应的预计运行稳定程度，对于低于设定阈值的预计运行稳定程度对应的电力电缆进行检查分析，提高了对电力电缆运行情况的监测效率。通过对所有电力电缆的分析比较，也避免了因为信息储存中出现错误而引发风险的情况，能够提醒工作人员对电力电缆进行检查校正。

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。