CN112834876B - 电缆状态检测方法、装置、设备以及计算机可读存储介质 - Google Patents
电缆状态检测方法、装置、设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112834876B CN112834876B CN202011640335.1A CN202011640335A CN112834876B CN 112834876 B CN112834876 B CN 112834876B CN 202011640335 A CN202011640335 A CN 202011640335A CN 112834876 B CN112834876 B CN 112834876B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- fuzzy inference
- partial discharge
- cable
- state
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本申请涉及一种电缆状态检测方法、装置、设备以及计算机可读存储介质。所述方法包括如下步骤:获取电缆上多个位置由与所述多个位置对应的多个传感器采集的局部放电信号;提取所述局部放电信号中的局部放电特征;根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态。该方法综合考虑电缆上多个位置点的局部放电情况,避免在电缆的部分位置受到包括***波动等影响时出现对电缆状态的误判,提高了抗干扰能力,并采用模糊推理***进一步提高对电缆状态判断的准确性。
Description
技术领域
本申请涉及电信号检测技术领域,特别是涉及一种电缆状态的检测方法、装置、设备以及计算机可读存储介质。
背景技术
电能是目前最重要的能源之一,人们对供电可靠性的要求与日俱增,而电缆作为传输电能的工具,其可靠性也会影响着供电的可靠性,所以及时发现与解除电缆故障是保证供电可靠性的必要一环。有安全隐患或已经发生故障的电缆在缺陷部位的电场集中,这将引发局部放电的现象,因此电力部门往往通过检测电缆上局部放电的情况来判断电缆的状态。而目前的检测装置仅能进行简单的数据采集与分析功能,存在着准确性不高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种电缆状态的检测方法、装置、设备以及计算机可读存储介质。
为实现上述目的,本发明实施例采用以下技术方案:
一方面,本发明实施例一种电缆状态的检测方法,所述检测方法包括:
获取电缆上多个位置由与所述多个位置对应的多个传感器采集的局部放电信号;
提取所述局部放电信号中的局部放电特征;
根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态。
在其中一个实施例中,所述局部放电特征包括:单次局部放电的强度、预设时间内局部放电的次数以及所述预设时间内局部放电的平均间隔时间。
在其中一个实施例中,所述模糊推理***包括第一模糊推理器、第二模糊推理器,所述提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态的步骤具体包括:
对提取到的所述局部放电特征进行模糊化处理;
根据模糊化处理后的所述局部放电特征,通过所述第一模糊推理器,生成所述每个位置对应的第一模糊推理结果;
根据所述每个位置对应的所述第一模糊推理结果,通过所述第二模糊推理器,生成关于电缆状态的第二模糊推理结果;
对所述第二模糊推理结果进行去模糊化处理,得到所述电缆的状态;
其中,所述模糊化处理后的所述局部放电特征包括与各局部放电特征对应的第一模糊状态集,所述每个位置对应的第一模糊推理结果包括与各所述第一模糊推理结果对应的第二模糊状态集,所述第二模糊推理结果包括第三模糊状态集,所述第一模糊状态集、所述第二模糊状态集以及所述第三模糊状态集内包括多个模糊状态。
在其中一个实施例中,所述第一模糊推理器还包括第一模糊推理规则库,所述第一模糊推理规则库内包括多条模糊推理规则,用于生成所述第一模糊推理结果,所述第一模糊推理规则库内的多条模糊推理规则按照如下表达式设置:
其中,R1k表示为所述第一模糊推理规则库内的第k条模糊推理规则,表示所述电缆上第i个位置的单次局部放电的强度,表示所述电缆上第i个位置的所述单次局部放电的强度对应的第一模糊状态集内第j1个模糊状态,表示所述电缆上第i个位置的所述预设时间内局部放电的次数,表示所述电缆上第i个位置的所述预设时间内局部放电的次数对应的第一模糊状态集内第j2个模糊状态,表示所述电缆上第i个位置的所述预设时间内局部放电的平均间隔时间,表示所述电缆上第i个位置的所述预设时间内局部放电的平均间隔时间对应的第一模糊状态集内第j3个模糊状态,pi表示所述电缆上第i个位置对应的所述第一模糊推理结果,Bik表示所述电缆的第i个位置的所述第一模糊推理结果对应的所述第二模糊状态集内与所述第k条模糊推理规则对应的模糊状态。
在其中一个实施例中,所述第二模糊推理规则库内包括多条模糊推理规则,用于生成所述第二模糊推理结果,所述第二模糊推理规则库内的多条模糊推理规则按照如下表达式设置:
其中,R2k表示为所述第二模糊推理规则库内第k条模糊推理规则,ph表示所述电缆上第h个位置的第一模糊推理结果,表示所述电缆上第h个位置的所述第一模糊推理结果对应的所述第二模糊状态集中的第mh模糊状态,h的取值为1至I,I表示所述电缆上被选取的多个位置的总数量,s表示所述第二模糊推理结果,Ck表示在所述第三模糊状态集内与所述第k条模糊推理规则对应的模糊状态。
另一方面,本发明实施例还提供一种电缆状态检测装置,包括:
数据获取模块,用于获取电缆上多个位置由与所述多个位置对应的多个传感器采集的局部放电信号;
模糊推理模块,用于提取所述局部放电信号中的局部放电特征,并根据提取到的所述的局部放电特征,得到所述电缆的状态。
又一方面,本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述实施例所述的方法的步骤。
再一方面,本发明实施例还提供一种电缆状态的检测设备,包括:多个传感器以及数据处理装置;
所述多个传感器与所述数据处理装置连接,用于采集电缆多个位置的局部放电信号;
所述数据处理装置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以下步骤:提取所述局部放电信号中的局部放电特征,根据所述局部放电特征,通过模糊推理***得到所述电缆的状态。
在其中一个实施例中,所述多个传感器包括高频电流传感器。
再一方面,本还发明实施例还提供一种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上述实施例所述的方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果:
上述电缆状态的检测方法、装置、设备以及计算机可读存储介质,基于多传感器采集得到的局部放电信号,提取局部放电信号中的局部放电特征,通过模糊推理***得到电缆的状态,综合考虑电缆上多个位置点的局部放电情况,避免在电缆的部分位置受到包括***波动等影响时出现对电缆状态的误判,提高了抗干扰能力,并采用模糊推理***进一步提高对电缆状态判断的准确性。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为一个实施例中电缆状态检测方法的流程示意图;
图2为一个实施例中电缆状态的获取流程示意图;
图3为一个实施例中电缆检测装置的结构框图;
图4为一个实施例中电缆检测装置中模糊推理模块的结构框图;
图5为一个实施例中电缆检测设备的硬件结构示意图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
需要说明的是,当一个元件被认为是“连接”另一个元件时,它可以是直接连接到另一个元件,或者通过居中元件连接另一个元件。此外,以下实施例中的“连接”,如果被连接的对象之间具有电信号或数据的传递,则应理解为“电连接”、“通信连接”等。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应当理解的是,术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在,但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时,在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
在一个实施例中,如图1所示,提供了一种电缆状态的检测方法,包括以下步骤S12至S16:
S12,获取电缆上多个位置由与前述多个位置对应的多个传感器采集的局部放电信号。
可以理解,局部放电现象在电缆故障处最为明显,而电缆故障中最常见的是电缆接头故障,所以上述多个传感器可以但不限于设置在电缆接头处,可以将检测到的局部放电信号传输到电力部门在线监测的服务器中,也可设置在电缆的带电检测设备上,工作人员可通过操作带电检测设备检测电缆上的局部放电信号。此外,局部放电在电缆上不是连续不断的发生的,在没有发生局部放电时,多个传感器所采集到的信号中并不包含有关局部放电的有效信号,因此需要对传感器传递的信号进行预处理,预处理过程中可包括小波变换等滤除噪声的过程,从中获取高信噪比的与局部放电有关的信号。
S14,提取局部放电信号中的局部放电特征。
可以理解,传感器采集到的信号是由无穷多个点组成的连续信号,而其中可以代表局部放电特性的某些物理量,对分析局部放电的情况最有价值,将其提取出来可便于后续数据分析等步骤,在这里将这些具有分析价值的物理量称为局部放电特征,包括但不限于局部放电的放电强度、相位、功率、频率与平均间隔等。
S16,根据提取到的局部放电特征,通过模糊推理***得到电缆的状态。
可以理解,模糊推理***与传统逻辑***对输入状态的判断思路不同,传统逻辑中,一个输入处于某种状态是确定性的,而在模糊推理***中,这个输入的状态是非确定性的,模糊推理***把输入所有可能的状态都纳入考虑,采用隶属度函数来界定输入在各状态的隶属度,隶属度的取值范围是[0,1],在某个状态的隶属度越趋近于1,则证明输入属于这个状态的程度越大,模糊推理***基于输入在各个状态的隶属度,对输入的状态进行判断。上述隶属度函数包括但不限于三角形隶属度函数、梯形隶属度函数、高斯型隶属度函数。
本实施例基于多传感器采集得到的局部放电信号,提取局部放电信号中的局部放电特征,通过模糊推理***得到电缆的状态,综合考虑电缆上多个位置点的局部放电情况,避免在电缆的部分位置受到包括***波动等在内的影响时出现对电缆状态的误判,提高了抗干扰能力,结合实际的工程场景,基于传统逻辑***对电缆状态进行确定性的判断,很难判定电缆处于故障状态与正常状态之间的边界,采用模糊推理***进行判断,可进一步提高判断的准确性。
在一个实施例中,上述方法提到的局部放电特征包括:单次局部放电的强度、预设时间内局部放电的次数以及预设时间内局部放电的平均间隔时间。
可以理解,单次局部放电的强度包括但不限于局部放电脉冲的最大电流幅值。若电缆上某个位置频繁的发生强度很大的局部放电现象,则这个位置出现故障的几率也就较大,以单次局部放电的强度、预设时间内局部放电的次数以及预设时间内局部放电的平均间隔时间作为模糊推理***的输入,可以较好的评估被检测的位置点的状态。
在一个实施例中,模糊推理***包括第一模糊推理器、第二模糊推理器。
关于上述步骤S16,如图2所示,具体可以通过如下步骤实现:
S162,对提取到的局部放电特征进行模糊化处理。
可以理解,模糊化处理可通过将局部放电特征的值输入预设的隶属度函数中,得到局部放电特征在预设的模糊状态集中各模糊状态的隶属度,模糊状态集即为输入经过模糊化后的状态的集合。例如,设置各局部放电特征的模糊状态集包括高、中、低三种模糊状态,将单次局部放电的强度输入预设的隶属度函数中,即可得到输入的单次局部放电强度属于高、中、低的程度。隶属度函数中相关参数的设定可以根据历史数据,通过神经网络或深度学习等方式不断更新,避免人为设定参数带来的主观性。
S164,根据模糊化处理后的局部放电特征,通过第一模糊推理器,生成每个位置对应的第一模糊推理结果。
可以理解,第一模糊推理器综合电缆上多个位置的每个位置的各局部放电特征,对单个位置的状态进行推理判断,生成第一模糊推理结果,即得到上述每个位置的模糊状态集,以及模糊状态集中每个模糊状态对应的隶属度。例如,将第一模糊推理结果定义为局部放电的显著度,设定第一模糊推理结果的模糊状态集包括强、中、弱三种模糊状态,当某个位置的经模糊化处理过的局部放电特征被输入到第一模糊推理器中,即可生成这个位置的局部放电的显著度属于强、中、弱的程度。
S166,根据每个位置对应的第一模糊推理结果,通过第二模糊推理器,生成关于电缆状态的第二模糊推理结果。
可以理解,在分别得到多个位置的第一模糊推理结果后,为了避免在部分位置在受到干扰时偶然出现强烈的局部放电信号,误判电缆出现故障,需要结合多个位置的结果对被检测区段的电缆的状态进行判断,所以通过设置第二层模糊推理器实现这个目的。
S168,对第二模糊推理结果进行去模糊化处理,得到电缆的状态。
可以理解,模糊推理结果中包含模糊状态集以及模糊状态集中每个模糊状态对应的隶属度,需要采取去模糊化处理的手段才能得出一个客观的对电缆状态的评价。例如,使用最大隶属度法进行去模糊化处理,当电缆状态的模糊状态集被设置为包括健康、隐患、故障三个模糊状态时,其中隶属度最大的模糊状态被选取为被检测电缆的当前状态。去模糊化的方法还包括但不限于最大平均法、面积均分法和重心法等。
其中,模糊化处理后的所述局部放电特征包括与各局部放电特征对应的第一模糊状态集,所述每个位置对应的第一模糊推理结果包括与所述第一模糊推理结果对应的第二模糊状态集,所述第二模糊推理结果包括第三模糊状态集,所述第一模糊状态集、第二模糊状态集以及第三模糊状态集内包括多个模糊状态。
本实施例将模糊推理***分为至少两层进行模糊推理过程,将多个传感器获得的局部放电信号进行综合,得到电缆多个位置中的每个位置的状态,再综合上述每个位置的状态对电缆状态进行评价,提高了模糊推理的可靠性。
在一个实施例中,上述第一模糊推理器内还包括第一模糊推理规则库,上第一模糊推理规则库内包括多条模糊推理规则,用于生成上述第一模糊推理结果,第一模糊推理规则库内的多条模糊推理规则按照如下表达式设置:
其中,R1k表示为所述第一模糊推理规则库内的第k条模糊推理规则,表示所述电缆上第i个位置的单次局部放电的强度,表示所述电缆上第i个位置的单次局部放电的强度对应的第一模糊状态集内第j1个模糊状态,表示所述电缆上第i个位置的预设时间内局部放电的次数,表示所述电缆上第i个位置的预设时间内局部放电的次数对应的第一模糊状态集内第j2个模糊状态,表示所述电缆上第i个位置的预设时间内局部放电的平均间隔时间,表示所述电缆上第i个位置的预设时间内局部放电的平均间隔时间对应的第一模糊状态集内第j3个模糊状态,pi表示所述电缆上第i个位置对应的所述第一模糊推理结果,Bik表示所述电缆的第i个位置对应的所述第一模糊推理结果的所述第二模糊状态集内与所述第k条模糊推理规则对应的模糊状态。
具体地,在一个实施例中,局部放电特征选择为单次局部放电强度、预设时间内局部放电的次数以及预设时间内局部放电的平均间隔,对于第i个位置,表示单次局部放电强度,表示预设时间内局部放电的次数,表示预设时间内局部放电的平均间隔时间,上述单次局部放电强度、预设时间内局部放电的次数、预设时间内局部放电的平均间隔时间对应的第一模糊状态集分别包括高H、低L两个模糊状态,pi表示第i个位置对应的第一模糊推理结果,第一模糊推理结果的第二模糊状态集包括强S、中M、弱W三个模糊状态,第一模糊规则库内的模糊推理规则包括如下表达式:
在一个实施例中,上述第二模糊推理器内还包括第二模糊推理规则库,上第二模糊推理规则库内包括多条模糊推理规则,用于生成上述第二模糊推理结果,第二模糊推理规则库内的多条模糊推理规则按照如下表达式设置:
其中,R2k表示为所述第二模糊推理规则库内第k条模糊推理规则,ph表示所述电缆上第h个位置的第一模糊推理结果,表示所述电缆上第h个位置的所述第一模糊推理结果对应的所述第二模糊状态集中的第mh模糊状态,h的取值为1至I,I表示所述电缆上被选取的多个位置的总数量,s表示所述第二模糊推理结果,Ck表示在所述第三模糊状态集内与所述第k条模糊推理规则对应的模糊状态。
具体地,在一个实施例中,共设置有3个传感器,局部放电特征选择为单次局部放电强度、预设时间内局部放电的次数以及预设时间内局部放电的平均间隔,对于第i个位置,表示单次局部放电强度,表示预设时间内局部放电的次数,表示预设时间内局部放电的平均间隔时间,上述单次局部放电强度、预设时间内局部放电的次数、预设时间内局部放电的平均间隔时间对应的第一模糊状态集分别包括高H、低L两个模糊状态,p1表示第1个传感器对应的第一模糊推理结果,p2表示第2个传感器对应的第一模糊推理结果,p3表示第3个传感器对应的第一模糊推理结果,上述第一模糊推理结果的第二模糊状态集包括强S、中M、弱W三个模糊状态,s表示被检测电缆的第二模糊推理结果,第二模糊推理结果的第三模糊状态集中包括健康FH、隐患FM、故障FL三个模糊状态。
(1)如果(p1是W)且(p2是W)且(p3是W)则(s是FH)
(2)如果(p1是W)且(p2是W)且(p3是M)则(s是FM)
(3)如果(p1是W)且(p2是M)且(p3是W)则(s是FM)
(4)如果(p1是W)且(p2是M)且(p3是M)则(s是FL)
(5)如果(p1是M)且(p2是W)且(p3是W)则(s是FM)
(6)如果(p1是M)且(p2是W)且(p3是M)则(s是FL)
(7)如果(p1是M)且(p2是M)且(p3是W)则(s是FM)
(8)如果(p1是M)且(p2是M)且(p3是M)则(s是FL)
上述实施例仅作说明而非限定,具体的第一模糊规则库以及第二模糊规则库内的模糊规则的数量和模糊规则的条件与结果可根据工程实际进行调整。
应该理解的是,虽然图1-图2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,图1-图2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。
在一个实施例中,如图3所示,还提供一种电缆状态检测装置100,包括:数据获取模块110、模糊推理模块120,其中:
数据获取模块110用于获取电缆上多个位置由与多个位置对应的多个传感器采集的局部放电信号。模糊推理模块120用于提取局部放电信号中的局部放电特征,并根据提取到的局部放电特征,得到电缆的状态。
在一个实施例中,如图4所示,上述模糊推理模块120还包括:模糊化子模块120A、第一模糊推理子模块120B、第二模糊推理子模块120C以及去模糊化子模块120D。
模糊化子模块120A用于对提取到的局部放电特征进行模糊化处理。第一模糊推理子模块120B用于,根据模糊化处理后的局部放电特征,生成所述每个位置对应的第一模糊推理结果。第二模糊推理子模块120C用于,根据每个位置对应的第一模糊推理结果,生成关于电缆状态的第二模糊推理结果。去模糊化子模块120D用于对第二模糊推理结果进行去模糊化处理,得到电缆的状态。
关于电缆状态检测装置的具体限定可以参见上文中对于电缆状态检测方法的限定,在此不再赘述。上述电缆状态检测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。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在一个实施例中,还提供一种计算机设备,包括存储器和处理器,存储器内存储有计算机程序,处理器在执行上述计算机程序时实现上述任一实施例所述的方法的步骤。
在一个实施例中,如图5所示,还提供一种电缆状态的检测设备300,包括多个传感器30以及数据处理装置50。
多个传感器30用于采集电缆多个位置的局部放电信号。数据处理装置50包括存储器50A和处理器50B,存储器内存储有计算机程序,处理器执行计算机程序时实现以下步骤:
提取局部放电信号中的局部放电特征,根据局部放电特征,通过模糊推理***得到电缆的状态。
在一个实施例中,多个传感器30包括高频电流传感器。
在一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现上述任一实施例所述的方法的步骤。
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、存储、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-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access Memory,DRAM)等。
在本说明书的描述中,参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性描述不一定指的是相同的实施例或示例。
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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种电缆状态的检测方法,其特征在于,所述方法包括:
获取电缆上多个位置由与所述多个位置对应的多个传感器采集的局部放电信号;
提取所述局部放电信号中的局部放电特征;所述局部放电特征包括单次局部放电的强度、预设时间内局部放电的次数以及所述预设时间内局部放电的平均间隔时间;
根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态;所述模糊推理***包括第一模糊推理器、第二模糊推理器,所述根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态的步骤具体包括:
对提取到的所述局部放电特征进行模糊化处理;
根据所述模糊化处理后的所述局部放电特征,通过所述第一模糊推理器,生成每个位置对应的第一模糊推理结果;
根据所述每个位置对应的所述第一模糊推理结果,通过所述第二模糊推理器,生成关于电缆状态的第二模糊推理结果;
对所述第二模糊推理结果进行去模糊化处理,得到所述电缆的状态;
其中,所述模糊化处理后的所述局部放电特征包括与各局部放电特征对应的第一模糊状态集,所述每个位置对应的第一模糊推理结果包括与各所述第一模糊推理结果对应的第二模糊状态集,所述第二模糊推理结果包括第三模糊状态集,所述第一模糊状态集、所述第二模糊状态集以及所述第三模糊状态集内包括多个模糊状态。
2.根据权利要求1所述的电缆状态的检测方法,其特征在于,所述第一模糊推理器还包括第一模糊推理规则库,所述第一模糊推理规则库内包括多条模糊推理规则,用于生成所述第一模糊推理结果,所述第一模糊推理规则库内的多条模糊推理规则按照如下表达式设置:
其中,R1k表示为所述第一模糊推理规则库内的第k条模糊推理规则,表示所述电缆上第i个位置的单次局部放电的强度,表示所述电缆上第i个位置的所述单次局部放电的强度对应的第一模糊状态集内第j1个模糊状态,表示所述电缆上第i个位置的所述预设时间内局部放电的次数,表示所述电缆上第i个位置的所述预设时间内局部放电的次数对应的第一模糊状态集内第j2个模糊状态,表示所述电缆上第i个位置的所述预设时间内局部放电的平均间隔时间,表示所述电缆上第i个位置的所述预设时间内局部放电的平均间隔时间对应的第一模糊状态集内第j3个模糊状态,pi表示所述电缆上第i个位置对应的所述第一模糊推理结果,Bik表示所述电缆的第i个位置的所述第一模糊推理结果对应的所述第二模糊状态集内与所述第k条模糊推理规则对应的模糊状态。
3.根据权利要求1所述的电缆状态的检测方法,其特征在于,第二模糊推理规则库内包括多条模糊推理规则,用于生成所述第二模糊推理结果,所述第二模糊推理规则库内的多条模糊推理规则按照如下表达式设置:
4.一种电缆状态检测装置,其特征在于,包括:
数据获取模块,用于获取电缆上多个位置由与所述多个位置对应的多个传感器采集的局部放电信号;局部放电特征包括单次局部放电的强度、预设时间内局部放电的次数以及所述预设时间内局部放电的平均间隔时间;
模糊推理模块,用于提取所述局部放电信号中的局部放电特征,并根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态;所述模糊推理***包括第一模糊推理器、第二模糊推理器,所述根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态的包括:
对提取到的所述局部放电特征进行模糊化处理;
根据所述模糊化处理后的所述局部放电特征,通过所述第一模糊推理器,生成每个位置对应的第一模糊推理结果;
根据所述每个位置对应的所述第一模糊推理结果,通过所述第二模糊推理器,生成关于电缆状态的第二模糊推理结果;
对所述第二模糊推理结果进行去模糊化处理,得到所述电缆的状态;
其中,所述模糊化处理后的所述局部放电特征包括与各局部放电特征对应的第一模糊状态集,所述每个位置对应的第一模糊推理结果包括与各所述第一模糊推理结果对应的第二模糊状态集,所述第二模糊推理结果包括第三模糊状态集,所述第一模糊状态集、所述第二模糊状态集以及所述第三模糊状态集内包括多个模糊状态。
5.一种计算机设备,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3中任一项所述的方法的步骤。
6.一种电缆状态的检测设备,其特征在于,包括:多个传感器以及数据处理装置;
所述多个传感器与所述数据处理装置连接,用于采集电缆多个位置的局部放电信号;
所述数据处理装置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以下步骤:提取所述局部放电信号中的局部放电特征,根据所述局部放电特征,通过模糊推理***得到所述电缆的状态;所述局部放电特征包括单次局部放电的强度、预设时间内局部放电的次数以及所述预设时间内局部放电的平均间隔时间;
所述模糊推理***包括第一模糊推理器、第二模糊推理器,所述根据提取到的所述的局部放电特征,通过模糊推理***得到所述电缆的状态的步骤具体包括:
对提取到的所述局部放电特征进行模糊化处理;
根据所述模糊化处理后的所述局部放电特征,通过所述第一模糊推理器,生成每个位置对应的第一模糊推理结果;
根据所述每个位置对应的所述第一模糊推理结果,通过所述第二模糊推理器,生成关于电缆状态的第二模糊推理结果;
对所述第二模糊推理结果进行去模糊化处理,得到所述电缆的状态;
其中,所述模糊化处理后的所述局部放电特征包括与各局部放电特征对应的第一模糊状态集,所述每个位置对应的第一模糊推理结果包括与各所述第一模糊推理结果对应的第二模糊状态集,所述第二模糊推理结果包括第三模糊状态集,所述第一模糊状态集、所述第二模糊状态集以及所述第三模糊状态集内包括多个模糊状态。
7.根据权利要求6所述的检测设备,其特征在于,所述多个传感器包括高频电流传感器。
8.一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3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640335.1A CN112834876B (zh) | 2020-12-31 | 2020-12-31 | 电缆状态检测方法、装置、设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640335.1A CN112834876B (zh) | 2020-12-31 | 2020-12-31 | 电缆状态检测方法、装置、设备以及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112834876A CN112834876A (zh) | 2021-05-25 |
CN112834876B true CN112834876B (zh) | 2022-08-12 |
Family
ID=75926915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011640335.1A Active CN112834876B (zh) | 2020-12-31 | 2020-12-31 | 电缆状态检测方法、装置、设备以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112834876B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167238A (zh) * | 2021-12-03 | 2022-03-11 | 广东电网有限责任公司广州供电局 | 电缆局部放电的检测方法、装置、***、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI107083B (fi) * | 1999-10-19 | 2001-05-31 | Abb Substation Automation Oy | Menetelmä ja järjestelmä osittaispurkauksen aiheuttajan tunnistamiseksi |
IT1393307B1 (it) * | 2009-03-27 | 2012-04-20 | Techimp Technologies S A Ora Techimp Technologies S R L | Dispositivo e procedimento per localizzare scariche parziali. |
CN103091603B (zh) * | 2013-01-14 | 2015-01-07 | 华北电力大学 | 一种输电线路故障智能分类和定位方法 |
CN103592587A (zh) * | 2013-12-02 | 2014-02-19 | 国家电网公司 | 基于数据挖掘的局部放电诊断方法 |
CN104155574B (zh) * | 2014-07-31 | 2017-12-15 | 国网湖北省电力公司武汉供电公司 | 基于自适应神经模糊推理***的配电网故障分类方法 |
CN104597375A (zh) * | 2014-12-31 | 2015-05-06 | 国网山西省电力公司 | 一种电网故障诊断方法 |
CN107907783B (zh) * | 2017-12-19 | 2019-08-13 | 西安交通大学 | 基于模糊关联规则的变压器故障综合诊断***及诊断方法 |
-
2020
- 2020-12-31 CN CN202011640335.1A patent/CN112834876B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112834876A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Automatic detection of welding defects using deep neural network | |
Subrahmanyam et al. | Using neural networks for the diagnosis of localized defects in ball bearings | |
US7409320B2 (en) | Complex signal decomposition and modeling | |
US8332337B2 (en) | Condition-based monitoring system for machinery and associated methods | |
CN112834876B (zh) | 电缆状态检测方法、装置、设备以及计算机可读存储介质 | |
CN111784537B (zh) | 一种配电网状态参数监测方法、装置及电子设备 | |
Gao et al. | Genetic algorithm training of Elman neural network in motor fault detection | |
CN116842379A (zh) | 一种基于DRSN-CS和BiGRU+MLP模型的机械轴承剩余使用寿命预测方法 | |
Zeng et al. | Machine-fault classification: a fuzzy-set approach | |
CN117115637A (zh) | 一种基于大数据技术的水质监测预警方法及*** | |
CN112380782A (zh) | 一种基于混合指标和神经网络的旋转设备故障预测方法 | |
Vununu et al. | Sound Based Machine Fault Diagnosis System Using Pattern Recognition Techniques | |
CN108414228B (zh) | 基于平均多粒度决策粗糙集和nnbc轴承故障诊断方法 | |
JP3012449B2 (ja) | 音響信号の識別方法および装置 | |
EP1443460A1 (en) | A process for digital image processing, in particular in the video monitoring field | |
Wang et al. | Fourier feature refiner network with soft thresholding for machinery fault diagnosis under highly noisy conditions | |
CN109506936B (zh) | 基于流向图和非朴素贝叶斯推理的轴承故障程度识别方法 | |
Jiang et al. | A new fault diagnosis model for rotary machines based on MWPE and ELM | |
Lee et al. | Bearing diagnosis using time-domain features and decision tree | |
CN117636075B (zh) | 一种基于计算机视觉的特种设备仪表识别*** | |
Wang et al. | Intelligent diagnosis methods for plant machinery | |
CN114739673B (zh) | 一种轴承振动信号特征可解释性降维与故障诊断方法 | |
CN116502530B (zh) | 基于机器学习的膜污染预警方法及其装置 | |
Dong et al. | Compound fault separation and diagnosis method based on FSA-CNN and DAN | |
Abid et al. | An end-to-end bearing fault diagnosis and severity assessment with interpretable deep learning |
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 |