CN115062495B - 材料绝缘性能分析方法、装置、电子设备及存储介质 - Google Patents
材料绝缘性能分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115062495B CN115062495B CN202210935281.4A CN202210935281A CN115062495B CN 115062495 B CN115062495 B CN 115062495B CN 202210935281 A CN202210935281 A CN 202210935281A CN 115062495 B CN115062495 B CN 115062495B
- Authority
- CN
- China
- Prior art keywords
- insulation performance
- performance analysis
- matrix
- result
- standard
- 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
- 239000000463 material Substances 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009413 insulation Methods 0.000 claims abstract description 184
- 238000004458 analytical method Methods 0.000 claims abstract description 163
- 239000011159 matrix material Substances 0.000 claims abstract description 132
- 238000012360 testing method Methods 0.000 claims abstract description 106
- 239000013077 target material Substances 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 31
- 238000012706 support-vector machine Methods 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 10
- 230000032683 aging Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000035882 stress Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 239000012774 insulation material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及数据分析技术,揭露了一种材料绝缘性能分析方法、装置、电子设备以及计算机可读存储介质,包括:根据目标材料的测试数据集构建二维统计图谱;对二维统计图谱对应的核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,将所述特征值对应的测试数据作为标准特征数据;根据对所述标准特征数据进行阶段识别得到的阶段识别结果对测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果,基于定位测试设备对目标材料进行第二缘性能分析,得到第二绝缘性能分析结果,根据所述第一及第二绝缘性能分析结果得到最终绝缘性能分析结果。本发明可以较为全面地评估材料的绝缘性能。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种材料绝缘性能分析方法、装置、电子设备及计算机可读存储介质。
背景技术
电缆作为现代建筑供配电***中必不可少的电力传输设备获得了广泛的使用,但电缆的绝缘性能会在长期运行中面临着持续下降的风险,一旦电缆出现绝缘故障,将会导致整个建筑供配电***的电力中断,为生产生活带来消极影响。因此,为了保障建筑用电需求,维持建筑供配点***的稳定性,有必要定期对建筑供配电电缆进行绝缘状态的检测评估。
发明内容
本发明提供一种材料绝缘性能分析方法、装置及计算机可读存储介质,其主要目的在于较为全面地评估材料的绝缘性能。
为实现上述目的,本发明提供的一种材料绝缘性能分析方法,包括:
采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱;
基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据;
基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
可选地,所述利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,包括:
利用所述多分类阶段识别模型对所述标准特征数据进行放电识别,得到放电识别结果,其中,所述放电识别结果包括具有电树枝放电信号的结果和无电树枝放电信号的结果两种;
当所述放电识别结果为具有电树枝放电信号时,对所述标准特征数据进行时期划分,得到阶段识别结果。
可选地,所述对所述核矩阵进行中心化处理,得到标准核矩阵,包括:
设定目标阶数,并获取所述目标阶数对应的单位矩阵和全一矩阵;
将所述单位矩阵、所述全一矩阵及所述核矩阵输入至预构建的中心化公式中,得到标准核矩阵。
可选地,所述计算所述标准核矩阵对应的特征值,包括:
获取预设的初始单位矩阵,根据所述初始单位矩阵和所述标准核矩阵构建特征多项式;
对所述特征多项式进行矩阵求解,得到特征值。
可选地,所述基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,包括:
利用下述线性核函数公式计算所述二维统计图谱对应的核矩阵:
可选地,所述根据所述测试数据集构建二维统计图谱,包括:
利用预设的聚类算法对所述测试数据集中的测试数据进行聚类分析,得到多个聚类子集;
识别多个所述聚类子集中的聚类特征标签,并利用所述聚类特征标签对所述聚类子集进行标签标记,得到多个标记子集;
随机提取每个所述标记子集中的测试数据并按照预设的连接顺序将提取的所述测试数据进行连接处理,得到二维统计图谱。
可选地,所述基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,包括:
利用定位测试设备对所述目标材料进行定位测试,并根据所述定位测试得到的测试数据进行图像绘制,得到定位谱图;
根据所述定位谱图确定所述目标材料中的受潮节段,并统计所述受潮节段的节段数量;
根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果。
为了解决上述问题,本发明还提供一种材料绝缘性能分析装置,所述装置包括:
图谱构建模块,用于采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱;
数据筛选模块,用于基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据;
第一分析模块,用于基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
合并分析模块,用于基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的材料绝缘性能分析方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的材料绝缘性能分析方法。
本发明实施例中,通过对目标材料的预设种类的相关测试数据集进行特征值的提取,可以得到降维后的标准特征数据,根据构建得到的多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,所述多分类阶段识别模型具有准确的阶段识别能力,并根据阶段识别结果可以反映出目标材料的第一绝缘性能。进一步地,本发明实施例基于定位测试设备对所述目标材料进行第二绝缘性能分析,从定位的角度对目标材料进行第二绝缘分析,并将第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。所述最终绝缘性能分析结果包括两个不同维度的分析,因此更加全面。因此本发明提出的材料绝缘性能分析方法、装置、电子设备及计算机可读存储介质,可以较为全面地评估材料的绝缘性能。
附图说明
图1为本发明一实施例提供的材料绝缘性能分析方法的流程示意图;
图2为本发明一实施例提供的材料绝缘性能分析装置的功能模块图;
图3为本发明一实施例提供的实现所述材料绝缘性能分析方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种材料绝缘性能分析方法。所述材料绝缘性能分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述材料绝缘性能分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的材料绝缘性能分析方法的流程示意图。在本实施例中,所述材料绝缘性能分析方法包括:
S1、采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱。
本发明实施例中,所述目标材料可以为电缆,电缆是一种电能或信号传输装置,通常是由几根或几组导线组成。其中,所述电缆有电力电缆、控制电缆、补偿电缆、信号电缆等多种类型,它们均由单股或多股导线和绝缘层组成,用来连接电路、电器等。
由于目标材料的绝缘老化都是在多种因素,例如温度、电、水、辐照以及应力作用等共同作用下而产生的,根据电缆绝缘老化过程中受到的不同影响因素会产生不同的老化机理,因此,本发明实施例需要采集预设外部环境下目标材料的多个种类的测试数据,根据所述多个种类的测试数据进行绝缘性能分析。
优选地,在本方案中,所述测试数据集可以包括温度、电、水、辐照以及应力等相关的参数。
具体地,所述根据所述测试数据集构建二维统计图谱,包括:
利用预设的聚类算法对所述测试数据集中的测试数据进行聚类分析,得到多个聚类子集;
识别多个所述聚类子集中的聚类特征标签,并利用所述聚类特征标签对所述聚类子集进行标签标记,得到多个标记子集;
随机提取每个所述标记子集中的测试数据并按照预设的连接顺序将提取的所述测试数据进行连接处理,得到二维统计图谱。
详细地,所述预设的聚类算法可以为K均值算法,主要是通过把样本分离成 n 个具有相同方差的类的方式来聚集数据。所述聚类子集中的聚类特征标签可以为温度、电、水、辐照以及应力等相关标签。
例如,多个所述标记子集分别为具有相位标签的标记子集,具有放电量标签的标记子集及具有放电次数标签的标记子集,本发明实施例分别从上述三个标记子集中随机提取测试数据,并按照连接顺序将提取的所述测试数据进行连接处理,得到二维统计图谱。
S2、基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据。
本发明实施例中,可以利用下述线性核函数公式计算所述二维统计图谱对应的核矩阵:
本发明另一个实施例中,所述预设的核函数公式除了上述方案中采用的为线性核函数公式之外,还可以为多项式核函数公式、高斯核函数公式以及Simoid核函数公式。
具体地,所述对所述核矩阵进行中心化处理,得到标准核矩阵,包括:
设定目标阶数,并获取所述目标阶数对应的单位矩阵和全一矩阵;
将所述单位矩阵、所述全一矩阵及所述核矩阵输入至预构建的中心化公式中,得到标准核矩阵。
进一步地,所述预构建的中心化公式为:
具体地,所述计算所述标准核矩阵对应的特征值,包括:
获取预设的初始单位矩阵,根据所述初始单位矩阵及所述标准核矩阵构建特征多项式;
对所述特征多项式进行矩阵求解,得到特征值。
进一步地,本发明实施例将所述特征值对应的测试数据作为标准特征数据,所述标准特征数据是经过上述数据处理得到的没有重叠的无相关关系的变量。
S3、基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果。
本发明实施例中,所述支持向量机模型的目标就是寻找一个最优分类超平面,使其将特征数据的相关样本进行划分,从而使得识别结构风险最小,本发明实施例可以利用一种改进的DE-PSO算法对所述支持向量机模型进行参数寻优处理,使得构建得到的多分类支持向量机模型更加精准。其中,DE为Differential Evolution,即差分进化算法,PSO为Pehesis Swarm Optimization,即粒子群优化算法。
详细地,由于支持向量机模型主要用于二分类,本申请涉及多分类的问题,因此,本方案选用“二叉树”的方法基于支持向量机模型构建多分类阶段识别模型。
具体地,所述利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,包括:
利用所述多分类阶段识别模型对所述标准特征数据进行放电识别,得到放电识别结果,其中,所述放电识别结果包括具有电树枝放电信号的结果和无电树枝放电信号的结果两种;
当所述放电识别结果为具有电树枝放电信号时,对所述标准特征数据进行时期划分,得到阶段识别结果。
其中,所述阶段识别结果包括电树枝放电初期、电树枝放电中期和电树枝放电末期。当所述放电识别结果为无电树枝放电信号时,说明此刻并未识别出放点信号,因此无需进行时期划分,而是返回至重新计算所述标准核矩阵对应的特征值,并根据所述特征值得到标准特征数据,对所述标准特征数据进行新的阶段识别。
详细地,在本方案中,首先利用所述多分类阶段识别模型将所述标准特征数据划分为具有电树枝放电信号和无电树枝放电信号,然后将具有电树枝放电信号的子类再划分为不同时期的阶段,即电树枝放电初期、电树枝放电中期和电树枝放电末期,这样就得到了阶段识别结果。
进一步地,所述根据所述阶段识别结果对所述相关测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果,包括:
当所述阶段识别结果为所述标准特征数据为电树枝放电初期时,将所述第一绝缘性能分析结果判定为绝缘性能平稳;
当所述阶段识别结果为所述标准特征数据为电树枝放电中期时,将所述第一绝缘性能分析结果判定为绝缘性能波动;
当所述阶段识别结果为所述标准特征数据为电树枝放电末期时,将所述第一绝缘性能分析结果判定为绝缘性能下降。
详细地,当所述阶段识别结果为所述标准特征数据为电树枝放电初期时,将所述第一绝缘性能分析结果判定为绝缘性能平稳,可以安排近期进行维修。当所述阶段识别结果为所述标准特征数据为电树枝放电中期时,将所述第一绝缘性能分析结果判定为绝缘性能波动,则需要安排维修人员近期内进行停电维修,当所述阶段识别结果为所述标准特征数据为电树枝放电末期时,将所述第一绝缘性能分析结果判定为绝缘性能下降,则需要立即进行停电维修处理。
S4、基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
本发明实施例中,所述基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,包括:
利用定位测试设备对所述目标材料进行定位测试,并根据所述定位测试得到的测试数据进行图像绘制,得到定位谱图;
根据所述定位谱图确定所述目标材料中的受潮节段,并统计所述受潮节段的节段数量;
根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果。
详细地,本发明实施例中,所述定位测试设备为FDR(Flight Data Recorder,飞行记录器)。所述图像绘制可以为进行曲线图的绘制或者柱状图的绘制。
由于所述目标材料中受潮节段越多,其绝缘材料损耗越多,目标材料的绝缘能力则越弱,反之,所述目标材料中受潮节段较少,其绝缘材料损耗越少,目标材料的绝缘能力则越强,因此,本发明实施例可以根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果。
进一步地,本发明实施例根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。其中,所述合并分析可以是通过比较所述第一绝缘性能分析结果和所述第二绝缘性能分析结果的重合性进行最终绝缘性能分析结果的判断,也可以是分别赋予所述第一绝缘性能分析结果和所述第二绝缘性能分析结果不同的权重,根据权重计算得到最终的参考数值并进行性能分析。
本发明实施例根据得到的最终绝缘性能分析结果,有利用评估目标材料的运行状态,从而能够更好地预测所述目标材料的健康状况,以便及时维护,保证所述目标材料可靠运行。
本发明实施例中,通过对目标材料的预设种类的相关测试数据集进行特征值的提取,可以得到降维后的标准特征数据,根据构建得到的多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,所述多分类阶段识别模型具有准确的阶段识别能力,并根据阶段识别结果可以反映出目标材料的绝缘性能。基于定位测试设备对所述目标材料进行第二绝缘性能分析,从定位的角度对目标材料进行绝缘分析,并将第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。所述最终绝缘性能分析结果包括两个不同维度的分析,因此更加全面。因此本发明提出的材料绝缘性能分析方法可以较为全面的分析材料绝缘性能。
如图2所示,是本发明一实施例提供的材料绝缘性能分析装置的功能模块图。
本发明所述材料绝缘性能分析装置100可以安装于电子设备中。根据实现的功能,所述材料绝缘性能分析装置100可以包括图谱构建模块101、数据筛选模块102、第一分析模块103及合并分析模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述图谱构建模块101,用于采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱;
所述数据筛选模块102,用于基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据;
所述第一分析模块103,用于基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
所述合并分析模块104,用于基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
详细地,所述材料绝缘性能分析装置100各模块的具体实施方式如下:
步骤一、采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱。
本发明实施例中,所述目标材料可以为电缆,电缆是一种电能或信号传输装置,通常是由几根或几组导线组成。其中,所述电缆有电力电缆、控制电缆、补偿电缆、信号电缆等多种类型,它们均由单股或多股导线和绝缘层组成,用来连接电路、电器等。
由于目标材料的绝缘老化都是在多种因素,例如温度、电、水、辐照以及应力作用等共同作用下而产生的,根据电缆绝缘老化过程中受到的不同影响因素会产生不同的老化机理,因此,本发明实施例需要采集预设外部环境下目标材料的多个种类的测试数据,根据所述多个种类的测试数据进行绝缘性能分析。
优选地,在本方案中,所述测试数据集可以包括温度、电、水、辐照以及应力等相关的参数。
具体地,所述根据所述测试数据集构建二维统计图谱,包括:
利用预设的聚类算法对所述测试数据集中的测试数据进行聚类分析,得到多个聚类子集;
识别多个所述聚类子集中的聚类特征标签,并利用所述聚类特征标签对所述聚类子集进行标签标记,得到多个标记子集;
随机提取每个所述标记子集中的测试数据并按照预设的连接顺序将提取的所述测试数据进行连接处理,得到二维统计图谱。
详细地,所述预设的聚类算法可以为K均值算法,主要是通过把样本分离成 n 个具有相同方差的类的方式来聚集数据。所述聚类子集中的聚类特征标签可以为温度、电、水、辐照以及应力等相关标签。
例如,多个所述标记子集分别为具有相位标签的标记子集,具有放电量标签的标记子集及具有放电次数标签的标记子集,本发明实施例分别从上述三个标记子集中随机提取测试数据,并按照连接顺序将提取的所述测试数据进行连接处理,得到二维统计图谱。
步骤二、基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据。
本发明实施例中,可以利用下述线性核函数公式计算所述二维统计图谱对应的核矩阵:
本发明另一个实施例中,所述预设的核函数公式除了上述方案中采用的为线性核函数公式之外,还可以为多项式核函数公式、高斯核函数公式以及Simoid核函数公式。
具体地,所述对所述核矩阵进行中心化处理,得到标准核矩阵,包括:
设定目标阶数,并获取所述目标阶数对应的单位矩阵和全一矩阵;
将所述单位矩阵、所述全一矩阵及所述核矩阵输入至预构建的中心化公式中,得到标准核矩阵。
进一步地,所述预构建的中心化公式为:
具体地,所述计算所述标准核矩阵对应的特征值,包括:
获取预设的初始单位矩阵,根据所述初始单位矩阵和所述标准核矩阵构建特征多项式;
对所述特征多项式进行矩阵求解,得到特征值。
进一步地,本发明实施例将所述特征值对应的测试数据作为标准特征数据,所述标准特征数据是经过上述数据处理得到的没有重叠的无相关关系的变量。
步骤三、基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果。
本发明实施例中,所述支持向量机模型的目标就是寻找一个最优分类超平面,使其将特征数据的相关样本进行划分,从而使得识别结构风险最小,本发明实施例可以利用一种改进的DE-PSO算法对所述支持向量机模型进行参数寻优处理,使得构建得到的多分类支持向量机模型更加精准。其中,DE为Differential Evolution,即差分进化算法,PSO为Pehesis Swarm Optimization,即粒子群优化算法。
详细地,由于支持向量机模型主要用于二分类,本申请涉及多分类的问题,因此,本方案选用“二叉树”的方法基于支持向量机模型构建多分类阶段识别模型。
具体地,所述利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,包括:
利用所述多分类阶段识别模型对所述标准特征数据进行放电识别,得到放电识别结果,其中,所述放电识别结果包括具有电树枝放电信号的结果和无电树枝放电信号的结果两种;
当所述放电识别结果为具有电树枝放电信号时,对所述标准特征数据进行时期划分,得到阶段识别结果。
其中,所述阶段识别结果包括电树枝放电初期、电树枝放电中期和电树枝放电末期。当所述放电识别结果为无电树枝放电信号时,说明此刻并未识别出放点信号,因此无需进行时期划分,而是返回至重新计算所述标准核矩阵对应的特征值,并根据所述特征值得到标准特征数据,对所述标准特征数据进行新的阶段识别。
详细地,在本方案中,首先利用所述多分类阶段识别模型将所述标准特征数据划分为具有电树枝放电信号和无电树枝放电信号,然后将具有电树枝放电信号的子类再划分为不同时期的阶段,即电树枝放电初期、电树枝放电中期和电树枝放电末期,这样就得到了阶段识别结果。
进一步地,所述根据所述阶段识别结果对所述相关测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果,包括:
当所述阶段识别结果为所述标准特征数据为电树枝放电初期时,将所述第一绝缘性能分析结果判定为绝缘性能平稳;
当所述阶段识别结果为所述标准特征数据为电树枝放电中期时,将所述第一绝缘性能分析结果判定为绝缘性能波动;
当所述阶段识别结果为所述标准特征数据为电树枝放电末期时,将所述第一绝缘性能分析结果判定为绝缘性能下降。
详细地,当所述阶段识别结果为所述标准特征数据为电树枝放电初期时,将所述第一绝缘性能分析结果判定为绝缘性能平稳,可以安排近期进行维修。当所述阶段识别结果为所述标准特征数据为电树枝放电中期时,将所述第一绝缘性能分析结果判定为绝缘性能波动,则需要安排维修人员近期内进行停电维修,当所述阶段识别结果为所述标准特征数据为电树枝放电末期时,将所述第一绝缘性能分析结果判定为绝缘性能下降,则需要立即进行停电维修处理。
步骤四、基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
本发明实施例中,所述基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,包括:
利用定位测试设备对所述目标材料进行定位测试,并根据所述定位测试得到的测试数据进行图像绘制,得到定位谱图;
根据所述定位谱图确定所述目标材料中的受潮节段,并统计所述受潮节段的节段数量;
根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果。
详细地,本发明实施例中,所述定位测试设备为FDR(Flight Data Recorder,飞行记录器)。所述图像绘制可以为进行曲线图的绘制或者柱状图的绘制。
由于所述目标材料中受潮节段越多,其绝缘材料损耗越多,目标材料的绝缘能力则越弱,反之,所述目标材料中受潮节段较少,其绝缘材料损耗越少,目标材料的绝缘能力则越强,因此,本发明实施例可以根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果。
进一步地,本发明实施例根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。其中,所述合并分析可以是通过比较所述第一绝缘性能分析结果和所述第二绝缘性能分析结果的重合性进行最终绝缘性能分析结果的判断,也可以是分别赋予所述第一绝缘性能分析结果和所述第二绝缘性能分析结果不同的权重,根据权重计算得到最终的参考数值并进行性能分析。
本发明实施例根据得到的最终绝缘性能分析结果,有利用评估目标材料的运行状态,从而能够更好地预测所述目标材料的健康状况,以便及时维护,保证所述目标材料可靠运行。
如图3所示,是本发明一实施例提供的实现材料绝缘性能分析方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如材料绝缘性能分析程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如材料绝缘性能分析程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如材料绝缘性能分析程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,该电子设备还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的材料绝缘性能分析程序是多个指令的组合,在所述处理器10中运行时,可以实现:
采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱;
基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据;
基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
采集预设外部环境下目标材料的预设种类的测试数据集,并根据所述测试数据集构建二维统计图谱;
基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵,计算所述标准核矩阵对应的特征值,并将所述特征值对应的测试数据作为标准特征数据;
基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行阶段识别,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
基于定位测试设备对所述目标材料进行第二绝缘性能分析,得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种材料绝缘性能分析方法,其特征在于,所述方法包括:
采集预设外部环境下目标材料的包括温度、电、水、辐照以及应力参数的测试数据集,并根据所述测试数据集构建二维统计图谱;
基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵:
其中,K′为所述标准核矩阵,INN为预先设定的目标阶数对应的单位矩阵,ENN为所述目标阶数对应的全一矩阵,N为所述目标阶数,K为核矩阵;
获取预设的初始单位矩阵E,根据所述初始单位矩阵及所述标准核矩阵构建特征多项式|K′-λE|,对所述特征多项式进行矩阵求解,得到特征值λ,并将所述特征值对应的测试数据作为标准特征数据;
基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行放电识别,得到放电识别结果,其中,所述放电识别结果包括具有电树枝放电信号的结果和无电树枝放电信号的结果两种,当所述放电识别结果为具有电树枝放电信号时,对所述标准特征数据进行时期划分,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
利用定位测试设备对所述目标材料进行定位测试,并根据所述定位测试得到的测试数据进行图像绘制,得到定位谱图,根据所述定位谱图确定所述目标材料中的受潮节段,并统计所述受潮节段的节段数量,根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
2.如权利要求1所述的材料绝缘性能分析方法,其特征在于,所述对所述核矩阵进行中心化处理,得到标准核矩阵,包括:
设定目标阶数,并获取所述目标阶数对应的单位矩阵和全一矩阵;
将所述单位矩阵、所述全一矩阵及所述核矩阵输入至预构建的中心化公式中,得到标准核矩阵。
4.如权利要求1所述的材料绝缘性能分析方法,其特征在于,所述根据所述测试数据集构建二维统计图谱,包括:
利用预设的聚类算法对所述测试数据集中的测试数据进行聚类分析,得到多个聚类子集;
识别多个所述聚类子集中的聚类特征标签,并利用所述聚类特征标签对所述聚类子集进行标签标记,得到多个标记子集;
随机提取每个所述标记子集中的测试数据并按照预设的连接顺序将提取的所述测试数据进行连接处理,得到二维统计图谱。
5.一种材料绝缘性能分析装置,其特征在于,所述装置包括:
图谱构建模块,用于采集预设外部环境下目标材料的包括温度、电、水、辐照以及应力参数的测试数据集,并根据所述测试数据集构建二维统计图谱;
数据筛选模块,用于基于预设的核函数公式计算所述二维统计图谱对应的核矩阵,并对所述核矩阵进行中心化处理,得到标准核矩阵:
其中,K′为所述标准核矩阵,INN为预先设定的目标阶数对应的单位矩阵,ENN为所述目标阶数对应的全一矩阵,N为所述目标阶数,K为核矩阵;
获取预设的初始单位矩阵E,根据所述初始单位矩阵及所述标准核矩阵构建特征多项式|K′-λE|,对所述特征多项式进行矩阵求解,得到特征值λ,并将所述特征值对应的测试数据作为标准特征数据;
第一分析模块,用于基于支持向量机模型构建多分类阶段识别模型,利用所述多分类阶段识别模型对所述标准特征数据进行放电识别,得到放电识别结果,其中,所述放电识别结果包括具有电树枝放电信号的结果和无电树枝放电信号的结果两种,当所述放电识别结果为具有电树枝放电信号时,对所述标准特征数据进行时期划分,得到阶段识别结果,根据所述阶段识别结果对所述测试数据集进行第一绝缘性能分析,得到第一绝缘性能分析结果;
合并分析模块,用于利用定位测试设备对所述目标材料进行定位测试,并根据所述定位测试得到的测试数据进行图像绘制,得到定位谱图,根据所述定位谱图确定所述目标材料中的受潮节段,并统计所述受潮节段的节段数量,根据所述节段数量所处的预设区间判定所述目标材料的绝缘情况,并得到第二绝缘性能分析结果,根据所述第一绝缘性能分析结果和所述第二绝缘性能分析结果进行合并分析,得到最终绝缘性能分析结果。
6.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任意一项所述的材料绝缘性能分析方法。
7.一种计算机可读存储介质,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如权利要求1至4中任意一项所述的材料绝缘性能分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210935281.4A CN115062495B (zh) | 2022-08-05 | 2022-08-05 | 材料绝缘性能分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210935281.4A CN115062495B (zh) | 2022-08-05 | 2022-08-05 | 材料绝缘性能分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062495A CN115062495A (zh) | 2022-09-16 |
CN115062495B true CN115062495B (zh) | 2022-12-16 |
Family
ID=83207267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210935281.4A Active CN115062495B (zh) | 2022-08-05 | 2022-08-05 | 材料绝缘性能分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062495B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2379831A1 (es) * | 2010-05-26 | 2012-05-04 | Universidad Politécnica de Madrid | PROCEDIMIENTO DE MONITORIZACIÓN CONTINUA Y DIAGNÓSTICO DE FUENTES DE DESCARGAS PARCIALES (DPs) EN CABLES DE ALTA TENSIÓN DURANTE SU CONEXIÓN Y FUNCIONAMIENTO EN LA RED, Y SISTEMA FÍSICO PARA LA PUESTA EN PRÁCTICA DEL PROCEDIMIENTO. |
CN202196142U (zh) * | 2011-07-20 | 2012-04-18 | 山西省电力公司电力科学研究院 | 电力电缆绝缘在线检测分析*** |
CN109030634B (zh) * | 2018-06-27 | 2020-11-03 | 广东电网有限责任公司 | 电缆橡胶接头内部缺陷超声成像及绝缘评估方法及装置 |
CN110794271B (zh) * | 2019-11-18 | 2020-08-18 | 四川大学 | 一种基于输入阻抗谱的电力电缆中间接头受潮定位诊断方法 |
CN111553432B (zh) * | 2020-04-30 | 2022-02-22 | 西安交通大学 | 一种基于图像特征支持向量机的定子线棒绝缘老化程度预测方法 |
CN114019329A (zh) * | 2021-11-08 | 2022-02-08 | 国网山东省电力公司莱芜供电公司 | 基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 |
CN114441606B (zh) * | 2021-12-28 | 2023-11-24 | 国网河北省电力有限公司电力科学研究院 | 电缆水树枝老化缺陷的定位方法及其测试方法、设备 |
-
2022
- 2022-08-05 CN CN202210935281.4A patent/CN115062495B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115062495A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541745A (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN115146865A (zh) | 基于人工智能的任务优化方法及相关设备 | |
CN113961473A (zh) | 数据测试方法、装置、电子设备及计算机可读存储介质 | |
CN115330275A (zh) | 一种退役电池的梯次利用方法及装置 | |
CN113327136A (zh) | 归因分析方法、装置、电子设备及存储介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN113591900A (zh) | 一种高需求响应潜力用户的识别方法、装置及终端设备 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN116523181A (zh) | 一种基于大数据的智慧绿色能源监测分析方法及*** | |
CN116820714A (zh) | 一种算力设备的调度方法、装置、设备和存储介质 | |
CN113658002B (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
CN111475541A (zh) | 数据决策方法、装置、电子设备及存储介质 | |
CN114281991A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN112801222A (zh) | 基于二分类模型的多分类方法、装置、电子设备及介质 | |
CN115062495B (zh) | 材料绝缘性能分析方法、装置、电子设备及存储介质 | |
CN116843395A (zh) | 一种业务***的告警分级方法、装置、设备及存储介质 | |
CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
CN113822379B (zh) | 工艺制程异常分析方法、装置、电子设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN113592218A (zh) | 一种光伏用户基线负荷估计方法、装置和终端设备 | |
CN113656586A (zh) | 情感分类方法、装置、电子设备及可读存储介质 | |
CN112561500A (zh) | 基于用户数据的薪酬数据生成方法、装置、设备及介质 | |
CN114723488B (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
CN116662160B (zh) | 基于代价敏感宽度学习的软件缺陷预测方法及处理装置 |
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 |