CN116520068B - 一种电力数据的诊断方法、装置、设备及存储介质 - Google Patents
一种电力数据的诊断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116520068B CN116520068B CN202310806188.8A CN202310806188A CN116520068B CN 116520068 B CN116520068 B CN 116520068B CN 202310806188 A CN202310806188 A CN 202310806188A CN 116520068 B CN116520068 B CN 116520068B
- Authority
- CN
- China
- Prior art keywords
- cable
- data
- target
- current
- test data
- 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
- 238000002405 diagnostic procedure Methods 0.000 title claims description 7
- 238000012360 testing method Methods 0.000 claims abstract description 206
- 239000013598 vector Substances 0.000 claims abstract description 126
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000003745 diagnosis Methods 0.000 claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 24
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 208000025174 PANDAS Diseases 0.000 description 2
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及数据处理领域，公开了一种电力数据的诊断方法、装置、设备及存储介质，用于实现电力数据的智能诊断并提高电力数据的诊断分析准确率。方法包括：获取第一检测点位的第三电缆参数数据和第二检测点位的第四电缆参数数据；根据第三电缆测试数据和第四电缆测试数据计算目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；根据第一电流差值分布曲线以及第一电压差值分布曲线构建第一特征分布向量，以及根据第二电流差值分布曲线以及第二电压差值分布曲线构建第二特征分布向量；将第一特征分布向量和第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到电力性能评价指标。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种电力数据的诊断方法、装置、设备及存储介质。
背景技术
电力***是现代社会中至关重要的基础设施之一，涉及能源供应、交通运输、通讯、医疗保健、国防等众多领域。在电力***中，电缆是一种重要的传输媒介，用于连接各种电气设备和***。因此，电缆诊断技术的准确性和重要性对于确保电力***的稳定运行至关重要。
交流电的电缆在设计和选择时需要考虑一些关键性质，以确保电力传输的效率和安全。首先，电缆的尺寸和导线截面积需要根据电流负载大小和远距离传输需要来确定。其次，电缆的绝缘材料需要能够承受电压和电流，以防止短路或电击事故的发生。此外，电缆还需要具有低电阻和低损耗的特性，以减少能量的损失和热量的产生。最后，电缆的维护保养和耐久性也需要考虑，以确保其在使用寿命内能够保持高品质的电力传输。但是现有方案主要使用传统的检测方法，如透视法、绝缘电阻测量法、热惯性法等，但这些方法的检测准确率低。
发明内容
本发明提供了一种电力数据的诊断方法、装置、设备及存储介质，用于实现电力数据的智能诊断并提高电力数据的诊断分析准确率。
本发明第一方面提供了一种电力数据的诊断方法，所述电力数据的诊断方法包括：
获取待检测目标电缆的电缆属性参数，并对所述目标电缆进行检测点位设置，得到第一检测点位和第二检测点位；
基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据；
根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线；
基于预设第二电流流向对所述目标电缆进行电缆测试，并获取所述第一检测点位的第三电缆参数数据和所述第二检测点位的第四电缆参数数据；
根据所述第三电缆测试数据和所述第四电缆测试数据计算所述目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；
根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，以及根据所述第二电流差值分布曲线以及所述第二电压差值分布曲线构建第二特征分布向量；
将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标。
结合第一方面，在本发明第一方面的第一实施方式中，所述基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据，包括：
基于预设第一电流流向，对所述目标电缆进行电缆测试；
采集所述第一检测点位的第一初始电缆测试数据，并对所述第一初始电缆测试数据进行时间戳关联和缺失值插值，得到第一电缆测试数据；
采集所述第二检测点位的第二初始电缆测试数据，并对所述第二初始电缆测试数据进行时间戳关联和缺失值插值，得到第二电缆测试数据。
结合第一方面，在本发明第一方面的第二实施方式中，所述根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线，包括：
对所述第一电缆测试数据进行测试数据分类提取，得到第一电流数据以及第一电压数据；
对所述第二电缆测试数据进行测试数据分类提取，得到第二电流数据以及第二电压数据；
对所述第一电流数据和所述第二电流数据进行差值计算，得到第一电流差值数据，并构建所述第一电流差值数据的第一电流差值分布曲线；
对所述第一电压数据和所述第二电压数据进行差值计算，得到第一电压差值数据，并构建所述第一电压差值数据的第一电压差值分布曲线。
结合第一方面，在本发明第一方面的第三实施方式中，所述对所述第一电缆测试数据进行测试数据分类提取，得到第一电流数据以及第一电压数据，包括：
获取电流数据特征以及电压数据特征；
根据所述电流数据特征对所述第一电缆测试数据进行电流数据分类提取，得到第一电流数据；
根据所述电压数据特征对所述第一电缆测试数据进行电压数据分类提取，得到第一电压数据。
结合第一方面，在本发明第一方面的第四实施方式中，所述根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，包括：
分别对所述第一电流差值分布曲线以及所述第一电压差值分布曲线进行曲线特征点提取，得到多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点；
根据所述多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点，生成多个电流电压特征点对；
对所述多个电流电压特征点对进行向量编码，得到第一特征分布向量。
结合第一方面，在本发明第一方面的第五实施方式中，所述将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标，包括：
对所述第一特征分布向量和所述第二特征分布向量进行向量融合，得到目标特征分布向量；
将所述目标特征分布向量输入预置的电缆性能诊断模型，其中，所述电缆性能诊断模型包括两层模型，第一层模型包括多个基础模型，第二层模型包括一个目标模型；
通过所述电缆性能诊断模型对所述目标特征分布向量进行电力性能诊断预测，得到所述目标电缆的电力性能评价指标。
结合第一方面，在本发明第一方面的第六实施方式中，所述通过所述电缆性能诊断模型对所述目标特征分布向量进行电力性能诊断预测，得到所述目标电缆的电力性能评价指标，包括：
通过所述电缆性能诊断模型中的多个基础模型，对所述目标特征分布向量进行预测，得到预测结果；
对所述预测结果进行权重分析，得到第一权重，以及根据所述电缆属性参数生成第二权重；
根据所述第一权重对所述目标特征分布向量进行加权分析，得到第一加权向量，以及根据所述第二权重对所述目标特征分布向量进行加权分析，得到第二加权向量；
将所述第一加权向量和所述第二加权向量输入所述电缆性能诊断模型中的目标模型进行电力性能诊断预测，得到所述目标电缆的电力性能评价指标。
本发明第二方面提供了一种电力数据的诊断装置，所述电力数据的诊断装置包括：
获取模块，用于获取待检测目标电缆的电缆属性参数，并对所述目标电缆进行检测点位设置，得到第一检测点位和第二检测点位；
第一测试模块，用于基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据；
第一创建模块，用于根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线；
第二测试模块，用于基于预设第二电流流向对所述目标电缆进行电缆测试，并获取所述第一检测点位的第三电缆参数数据和所述第二检测点位的第四电缆参数数据；
第二创建模块，用于根据所述第三电缆测试数据和所述第四电缆测试数据计算所述目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；
构建模块，用于根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，以及根据所述第二电流差值分布曲线以及所述第二电压差值分布曲线构建第二特征分布向量；
输出模块，用于将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标。
本发明第三方面提供了一种电力数据的诊断设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电力数据的诊断设备执行上述的电力数据的诊断方法。
本发明的第四方面提供了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指令，当其在计算机上运行时，使得计算机执行上述的电力数据的诊断方法。
本发明提供的技术方案中，获取第一检测点位的第三电缆参数数据和第二检测点位的第四电缆参数数据；根据第三电缆测试数据和第四电缆测试数据计算目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；根据第一电流差值分布曲线以及第一电压差值分布曲线构建第一特征分布向量，以及根据第二电流差值分布曲线以及第二电压差值分布曲线构建第二特征分布向量；将第一特征分布向量和第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到电力性能评价指标，本发明通过数据采集和分析实现全面捕获电缆的性能和健康状况，帮助维修人员快速发现和定位缺陷，从而提高电力***的维修效率和准确性，实时监测电缆的健康状况，发现潜在的风险，进而实现了电力数据的智能诊断，并提高了电力数据的诊断分析准确率。
附图说明
图1为本发明实施例中电力数据的诊断方法的一个实施例示意图；
图2为本发明实施例中创建第一电流差值分布曲线以及第一电压差值分布曲线的流程图；
图3为本发明实施例中构建第一特征分布向量的流程图；
图4为本发明实施例中电力性能诊断的流程图；
图5为本发明实施例中电力数据的诊断装置的一个实施例示意图；
图6为本发明实施例中电力数据的诊断设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种电力数据的诊断方法、装置、设备及存储介质，用于实现电力数据的智能诊断并提高电力数据的诊断分析准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中电力数据的诊断方法的一个实施例包括：
S101、获取待检测目标电缆的电缆属性参数，并对目标电缆进行检测点位设置，得到第一检测点位和第二检测点位；
可以理解的是，本发明的执行主体可以为电力数据的诊断装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，服务器根据测试要求，获取目标电缆的属性参数，包括电缆长度、直径、材料、耐电压等特征。这些参数可以从电缆生产商的产品手册或者相关的标准规范中获取。根据目标电缆的属性参数，选定检测点位并设置。目标电缆的检测点位应该包括第一检测点位和第二检测点位。这些点位是电缆测试的重要位置，用于检测电缆内部的缺陷和损伤。
同时，需要说明的是，计算机化设计软件通过计算和模拟方法来辅助检测点位设置。该软件可以选定电缆的属性参数，并自动计算出最佳的检测点位，以实现电缆测试的最佳效果。将获取的目标电缆的属性参数和检测点位进行记录。这样做可优化检测的准确性，并可以便于今后的电缆测试。根据检测点位设置，选择第一检测点位。第一检测点位通常是电缆的一端，用于检测电缆表面和电缆导线的损伤和破损。根据检测点位设置，选择第二检测点位。第二检测点位通常是电缆的中间或者另一端，可用于检测电缆内部的缺陷和损伤。
S102、基于预设第一电流流向对目标电缆进行电缆测试，并采集第一检测点位的第一电缆测试数据和第二检测点位的第二电缆测试数据；
具体的，服务器检查测试设备是否存在损坏或者需要更换的部件。然后，根据测试方法要求设置测试参数。例如，当使用万用表时需要设置电流强度和电压范围。根据测试需求设定第一电流的流入方向。如果使用直流电，设备的正极应该连接到电缆的起点，而负极连接到电缆的终点。将测试设备的两个探头分别与电缆的起点和终点连接。确保连接稳定并试用。开启测试设备并进行测试。在测试的过程中，设备会记录数据，比如电流和电压等信息。等待测试结果完成并记得保存数据文件，最终得到待检测目标电缆的电缆属性参数，最终采集得到第一检测点位的第一电缆测试数据和第二检测点位的第二电缆测试数据。
S103、根据第一电缆测试数据和第二电缆测试数据创建目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线；
需要说明的是，第一电缆测试数据和第二电缆测试数据中初始数据的质量会影响最终曲线的形状，因此需要进行数据处理。对于测试数据，需要进行数据加工、滤波、去噪等操作，以去除信号噪声，提高数据的精度和准确性，利用分析工具，如MATLAB或Python，对测试数据进行分析。通过分析，可以得到测试数据的均值、最大值、最小值、标准差等统计数据，并进行统计分析和数据可视化，在数据分析之后，根据目标电缆的特性和测试结果创建第一电流差值分布曲线、第一电压差值分布曲线。可以使用相关软件制作曲线，并设置曲线颜色、线型和其他细节。
S104、基于预设第二电流流向对目标电缆进行电缆测试，并获取第一检测点位的第三电缆参数数据和第二检测点位的第四电缆参数数据；
具体的，根据测试方法要求设置测试参数，如电流强度和电压范围。检查测试设备是否存在损坏或者需要更换的部件。根据测试需求设定第二电流的流入方向。如果使用直流电，设备的正极应该连接到电缆的终点，而负极连接到电缆的起点。将测试设备的两个探头分别与电缆的起点和终点连接。确保连接稳定并试用。开启测试设备并进行测试。在测试的过程中，设备会记录数据，比如电流和电压等信息。等待测试结果完成并记得保存数据文件。将数据文件整理排版后，可参考测试数据额实际情况，分析电缆测试结果。利用电缆质量检测仪或电类学测试仪器测试第一检测点位数据（包括：直径、电阻、短路电容和绝缘电阻等）并记录。在目标电缆第二检测点位处，使用同样的仪器测试，获取第四电缆参数数据并进行记录。
S105、根据第三电缆测试数据和第四电缆测试数据计算目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；
具体的，对测试数据进行预处理、滤波、去噪等操作。数据预处理可以提高数据质量和准确性，避免错误的计算结果。将处理后的第三电缆测试数据和第四电缆测试数据导入到计算机中，并将数据转换为数值类型，确保数据格式和统计方法的统一性。利用分析工具，如MATLAB或Python，对电缆测试数据进行分析。通过分析，可以得到测试数据的均值、最大值、最小值、标准差等统计数据，并进行统计分析和数据可视化。根据第三电缆测试数据和第四电缆测试数据，计算目标电缆的电流差值。电流差值应该是第二电流测试数据和第一电流测试数据的差值。将计算后的电流差值保存为数据文件。根据第三电缆测试数据和第四电缆测试数据，计算目标电缆的电压差值。电压差值应该是第二电压测试数据和第一电压测试数据的差值。将计算后的电压差值保存为数据文件。在数据分析之后，根据目标电缆的特性和测试结果创建电流差值分布曲线和电压差值分布曲线。
S106、根据第一电流差值分布曲线以及第一电压差值分布曲线构建第一特征分布向量，以及根据第二电流差值分布曲线以及第二电压差值分布曲线构建第二特征分布向量；
具体的，首先，获取需要分析的数据。通过传感器、示波器等设备采集电流和电压数据，然后将数据存储在计算机中。进而，对数据进行处理。通过Python等编程语言进行处理。可以使用Pandas处理数据，将所有数据分类并标准化，通过在数据上计算电流和电压之间的差值，可以从中得到一组差值分布曲线。对于每组曲线，将差值处理成概率密度分布形式，比如基于核密度估计的Parzen-Rosenblatt窗法或高斯混合模型（GMM），根据每组差值分布曲线，可以构建特征分布向量。具体方法是：将差值分布曲线分割为多个区间，并计算每个区间内的概率密度面积，最终得到一组向量值，具体的，根据第一电流差值分布曲线以及第一电压差值分布曲线构建第一特征分布向量，以及根据第二电流差值分布曲线以及第二电压差值分布曲线构建第二特征分布向量。
S107、将第一特征分布向量和第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到目标电缆的电力性能评价指标。
具体的，服务器将第一特征分布向量和第二特征分布向量输入电缆性能诊断模型中。通过Pandas等工具将特征向量构建成一个DataFrame，然后导入模型中进行计算，将构建好的特征向量输入到模型中，通过模型进行计算，，将模型返回的结果提取出来，并进行可视化处理，最终得到目标电缆的电力性能评价指标。
本发明实施例中，获取第一检测点位的第三电缆参数数据和第二检测点位的第四电缆参数数据；根据第三电缆测试数据和第四电缆测试数据计算目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；根据第一电流差值分布曲线以及第一电压差值分布曲线构建第一特征分布向量，以及根据第二电流差值分布曲线以及第二电压差值分布曲线构建第二特征分布向量；将第一特征分布向量和第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到电力性能评价指标，本发明通过数据采集和分析实现全面捕获电缆的性能和健康状况，帮助维修人员快速发现和定位缺陷，从而提高电力***的维修效率和准确性，实时监测电缆的健康状况，发现潜在的风险，进而实现了电力数据的智能诊断，并提高了电力数据的诊断分析准确率。
在一具体实施例中，执行步骤S102的过程可以具体包括如下步骤：
（1）基于预设第一电流流向，对目标电缆进行电缆测试；
（2）采集第一检测点位的第一初始电缆测试数据，并对第一初始电缆测试数据进行时间戳关联和缺失值插值，得到第一电缆测试数据；
（3）采集第二检测点位的第二初始电缆测试数据，并对第二初始电缆测试数据进行时间戳关联和缺失值插值，得到第二电缆测试数据。
具体的，首先确定预设第一电流的流动方向，以便进行电缆测试。在进行电缆测试之前，对电缆进行接地处理，并将测试仪器的电极与电缆连接。进行电缆测试的过程中，测试仪器会对电缆的电流和电压等参数进行实时记录。电缆测试应该考虑测试时长的影响，根据用户的要求，可以选择在特定的时间段内进行测试。测试时应确保测试值精确可靠，防止因非电力原因产生的错误结果影响后续的分析和处理。完成电缆测试之后，将测试仪器记录的数据导入计算机中进行后续处理。在此之前，通过数据采集器或传输器将电缆测试数据从测试仪器传输到计算机上进行后续处理。进而，对采集到的数据进行时间戳关联。这一步操作的目的是将数据中的时间戳与测试时间的关系进行整理，以便进行进一步分析和处理。对于不同的测试仪器所采集到的数据，因其输出的时间格式不同，因此将时间戳信息进行处理。可以使用Python中的datetime库，通过格式化字符串等方式转化为统一规范的时间格式，以便程序进行处理。在电缆测试过程中，有些测试值可能会由于仪器故障或者其他原因产生缺失值。为了提高数据的完整性和稳定性，进行缺失值的插值操作。填补缺失值是数据处理的一项重要工作。缺失值插值方法可以采用基于统计学、时间序列分析和机器学习等方法，可以根据具体的数据情况选择合适的插值方法，比如线性插值、KNN插值、Spline插值等。完成时间戳关联和缺失值插值之后，就可以得到第一电缆测试数据。
进一步的，根据电缆的特性和检测需求，选定第二个检测点位并对其进行标记。然后，需要接线和设备，以便将测试仪器连接到电缆上。通过测试仪器获取第二检测点位的初始电缆测试数据。在测试过程中，需要确保数据的精确度和可靠性，以便后续进行分析和处理。完成电缆测试之后，将测试仪器记录的数据传输到计算机中进行后续处理。这个过程通过数据采集器或者传输器从测试仪器中读取数据，并将数据存储在计算机中。对采集到的数据进行时间戳关联。这个操作的目的是将数据中的时间戳与测试时间的关系进行整理，以便进行进一步的分析和处理。根据不同测试仪器提供的时间戳格式不同，将时间戳信息进行格式化和处理，方便进行统一规范的识别和比较。在电缆测试过程中，有些测试值可能会由于仪器故障或者其他原因导致缺失值。为了提高数据的完整性和稳定性，需要进行缺失值的插值操作。填补缺失值是数据处理的一项重要工作。缺失值插值方法可以采用基于统计学、时间序列分析和机器学习等方法，可以根据具体的数据情况选择合适的插值方法，如线性插值、KNN插值、Spline插值、拉格朗日插值等。完成时间戳关联和缺失值插值之后，就可以得到第二电缆测试数据。
在一具体实施例中，如图2所示，执行步骤S103的过程可以具体包括如下步骤：
S201、对第一电缆测试数据进行测试数据分类提取，得到第一电流数据以及第一电压数据；
S202、对第二电缆测试数据进行测试数据分类提取，得到第二电流数据以及第二电压数据；
S203、对第一电流数据和第二电流数据进行差值计算，得到第一电流差值数据，并构建第一电流差值数据的第一电流差值分布曲线；
S204、对第一电压数据和第二电压数据进行差值计算，得到第一电压差值数据，并构建第一电压差值数据的第一电压差值分布曲线。
具体的，在对测试数据进行分类提取之前，对测试数据进行预处理，包括数据校验、去噪、滤波、数据分段等操作，以提高数据的准确性和可靠性。进而，对第一电缆测试数据和第二电缆测试数据进行分类提取，得到第一电流数据和第二电流数据，以及第一电压数据和第二电压数据。具体流程包括：对测试数据中电流和电压信号的特定值进行设定，作为分类提取的标准。根据预定义分类标准，对测试数据进行信号分段，把测试数据中符合分类标准的信号段提取出来。对每个信号段进行数据提取，得到电流和电压信号，并做好归一化、去噪和滤波等数据处理操作。进一步的，对第一电流数据和第二电流数据以及第一电压数据和第二电压数据进行差值计算。具体步骤如下：读入第一电流数据和第二电流数据，以及第一电压数据和第二电压数据，对第一电流数据和第二电流数据、第一电压数据和第二电压数据进行差值计算，得到第一电流、电压差值数据，将第一电流、电压差值数据输出到指定的文件中，计算得到第一电流、电压差值数据之后，构建第一电流差值分布曲线和第一电压差值分布曲线。具体步骤如下，统计第一电流、电压差值数据的分布情况，包括最大值、最小值、平均值、中位数、标准差等指标，基于统计差值数据，绘制第一电流差值分布曲线和第一电压差值分布曲线。曲线绘制可以采用常见的可视化工具，如matplotlib、ggplot2等，最终得到第一电压差值数据的第一电压差值分布曲线。
在一具体实施例中，执行步骤S201的过程可以具体包括如下步骤：
（1）获取电流数据特征以及电压数据特征；
（2）根据电流数据特征对第一电缆测试数据进行电流数据分类提取，得到第一电流数据；
（3）根据电压数据特征对第一电缆测试数据进行电压数据分类提取，得到第一电压数据。
具体的，提取出相应的数据特征，包括波形形状、频谱分布、峰值、均值、方差、偏差等指标。具体步骤如下：数据采集：先通过某些工具或设备对电流和电压进行采集，确保数据的准确性和可靠性，在对采集的数据进行处理之前，需要进行一些数据预处理，包括数据校验、去噪、滤波、数据分段等操作，对处理过的数据进行特征提取，提取出电流和电压数据的各种特征数据，在完成对电流和电压数据的特征提取之后，需要基于这些特征对第一电缆测试数据进行分类提取。具体步骤如下，对电流和电压数据的特定值进行设定，作为分类提取的标准，根据预定义分类标准，对测试数据进行信号分段，把测试数据中符合分类标准的信号段提取出来，对每个信号段进行数据提取，得到电流和电压信号数据，并结合特征数据实现电流、电压数据分类提取。
在一具体实施例中，如图3所示，执行步骤S106的过程可以具体包括如下步骤：
S301、分别对第一电流差值分布曲线以及第一电压差值分布曲线进行曲线特征点提取，得到多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点；
S302、根据多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点，生成多个电流电压特征点对；
S303、对多个电流电压特征点对进行向量编码，得到第一特征分布向量。
具体的，服务器对第一电流差值分布曲线以及第一电压差值分布曲线进行特征点提取操作，得到多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点。其中，服务器将电流、电压差值分布曲线进行二次曲线拟合，得到平滑的曲线，对拟合后的曲线进行特征点提取，即提取出曲线中的极值、拐点等特征点，将电流特征点对应的电压特征点进行匹配，即确定每个目标电流特征点对应的目标电压特征点。特征点的匹配可以根据拟合曲线上的距离、特征点周围的斜率等信息来确定，在完成特征点提取以及特征点匹配之后，需要将多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点生成多个电流电压特征点对。具体的，将匹配好的电流特征点和电压特征点进行组合，生成多个电流电压特征点对，对生成的电流电压特征点对进行验证，确保每个点对的电流和电压特征之间的关系和逻辑正确性，进一步的，对多个电流电压特征点对进行向量编码，得到第一特征分布向量。具体步骤如下：对电流电压特征点对中的电流特征和电压特征进行归一化处理，以消除量级差异对后续编码结果的影响。对特征进行筛选，选取最为重要的特征，在保证重要性的前提下减少特征的数量，以降低计算复杂度。采用计算机程序对筛选后的电流电压特征点对进行编码，得到第一特征分布向量，编码的方法根据特定需求采用不同的编码方法，如简单的one-hot编码，或者是更为复杂的词袋编码、word2vec编码等，对编码结果进行验证，确保编码的正确性和可靠性。
在一具体实施例中，如图4所示，执行步骤S107的过程可以具体包括如下步骤：
S401、对第一特征分布向量和第二特征分布向量进行向量融合，得到目标特征分布向量；
S402、将目标特征分布向量输入预置的电缆性能诊断模型，其中，电缆性能诊断模型包括两层模型，第一层模型包括多个基础模型，第二层模型包括一个目标模型；
S403、通过电缆性能诊断模型对目标特征分布向量进行电力性能诊断预测，得到目标电缆的电力性能评价指标。
具体的，服务器对第一特征分布向量和第二特征分布向量进行向量融合，得到目标特征分布向量。其中，向量融合可以通过以下融合公式：
；
，其中，为第一特征分布向量，，/>为第二特征分布向量，F为目标特征分布向量，为第一融合权重，/>为第二融合权重。其中，对第一特征分布向量和第二特征分布向量进行归一化处理，以消除量级差异对后续融合结果的影响，针对不同特征向量的重要性，可以建立相应的权重模型，确定不同特征在融合中的权重，根据已经确定的权重，对第一特征分布向量和第二特征分布向量进行加权融合，得到目标特征分布向量，需要说明的是，在本发明实施例中，目标特征分布向量指电缆固有的属性和特性，如电压等级、电缆长度、导线截面积、材质品质等等，将这些特征输入到模型中进行电力性能评估，得到目标电缆的电力性能评价指标。本实施例中，电缆性能诊断模型包括两层模型，第一层模型包括多个基础模型，第二层模型包括一个目标模型。基础模型是指在电缆测试中常用的各种模型，例如电阻模型、电容模型和电感模型等。目标模型是指用于计算目标电缆的电力性能评价指标的模型。该模型通常是通过机器学习或其他分析技术训练得到的，可以根据待评估的电缆性能预测其电力性能指标。对于电缆性能诊断模型的计算公式，具体的公式因模型不同而有所不同。其中，基础模型和目标模型都是由多个输入参数组成，这些参数包括电缆的物理参数、电力传输数据以及其他相关信息。这些模型可以使用各种统计和机器学习技术来建立，例如神经网络、回归模型等。在输入目标特征分布向量后，电缆性能诊断模型通常会输出一个电力性能评价指标，以评估目标电缆的电力性能。
在一具体实施例中，执行步骤S403过程可以具体包括如下步骤：
（1）通过电缆性能诊断模型中的多个基础模型，对目标特征分布向量进行预测，得到预测结果；
（2）对预测结果进行权重分析，得到第一权重，以及根据电缆属性参数生成第二权重；
（3）根据第一权重对目标特征分布向量进行加权分析，得到第一加权向量，以及根据第二权重对目标特征分布向量进行加权分析，得到第二加权向量；
（4）将第一加权向量和第二加权向量输入电缆性能诊断模型中的目标模型进行电力性能诊断预测，得到目标电缆的电力性能评价指标。
具体的，将目标特征分布向量输入到每个基础模型中，获取每个模型的输出结果，并将这些结果进行组合和加权，最终得到预测结果。这个过程可以使用各种机器学习算法和数据处理工具来实现，例如逻辑回归、决策树、随机森林等。对预测结果进行权重分析，得到第一权重和第二权重。这个过程需要考虑变量之间的相关性，并使用归一化处理进行标准化，使用第一权重和第二权重分别对目标特征分布向量进行加权分析，得到第一加权向量和第二加权向量。这个过程涉及到对每个特征进行加权处理，并按照预设比例进行组合，将第一加权向量和第二加权向量输入到电缆性能诊断模型的目标模型中，进行电力性能诊断预测，得到目标电缆的电力性能评价指标，其中，电力性能评价指标是通过电缆测试数据计算得出的评估目标电缆电力性能好坏的指标，该电力性能评价指标的取值范围为（0，1），当电力性能评价指标为（0,0.5）时，确定该目标电缆的电力性能较差，当电力性能评价指标为[0.5，1）时，确定该目标电缆的电力性能较好。
上面对本发明实施例中电力数据的诊断方法进行了描述，下面对本发明实施例中电力数据的诊断装置进行描述，请参阅图5，本发明实施例中电力数据的诊断装置一个实施例包括：
获取模块501，用于获取待检测目标电缆的电缆属性参数，并对所述目标电缆进行检测点位设置，得到第一检测点位和第二检测点位；
第一测试模块502，用于基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据；
第一创建模块503，用于根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线；
第二测试模块504，用于基于预设第二电流流向对所述目标电缆进行电缆测试，并获取所述第一检测点位的第三电缆参数数据和所述第二检测点位的第四电缆参数数据；
第二创建模块505，用于根据所述第三电缆测试数据和所述第四电缆测试数据计算所述目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；
构建模块506，用于根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，以及根据所述第二电流差值分布曲线以及所述第二电压差值分布曲线构建第二特征分布向量；
输出模块507，用于将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标。
通过上述各个组成部分的协同合作，获取第一检测点位的第三电缆参数数据和第二检测点位的第四电缆参数数据；根据第三电缆测试数据和第四电缆测试数据计算目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；根据第一电流差值分布曲线以及第一电压差值分布曲线构建第一特征分布向量，以及根据第二电流差值分布曲线以及第二电压差值分布曲线构建第二特征分布向量；将第一特征分布向量和第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到电力性能评价指标，本发明通过数据采集和分析实现全面捕获电缆的性能和健康状况，帮助维修人员快速发现和定位缺陷，从而提高电力***的维修效率和准确性，实时监测电缆的健康状况，发现潜在的风险，进而实现了电力数据的智能诊断，并提高了电力数据的诊断分析准确率。
上面图5从模块化功能实体的角度对本发明实施例中的电力数据的诊断装置进行详细描述，下面从硬件处理的角度对本发明实施例中电力数据的诊断设备进行详细描述。
图6是本发明实施例提供的一种电力数据的诊断设备的结构示意图，该电力数据的诊断设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对电力数据的诊断设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在电力数据的诊断设备600上执行存储介质630中的一系列指令操作。
电力数据的诊断设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和、或，一个或一个以上操作***631，例如WindowsServe，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的电力数据的诊断设备结构并不构成对电力数据的诊断设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种电力数据的诊断设备，所述电力数据的诊断设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述电力数据的诊断方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述电力数据的诊断方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（randomacceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电力数据的诊断方法，其特征在于，所述电力数据的诊断方法包括：
获取待检测目标电缆的电缆属性参数，并对所述目标电缆进行检测点位设置，得到第一检测点位和第二检测点位；
基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据；
根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线；
基于预设第二电流流向对所述目标电缆进行电缆测试，并获取所述第一检测点位的第三电缆测试数据和所述第二检测点位的第四电缆测试数据；
根据所述第三电缆测试数据和所述第四电缆测试数据计算所述目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；
根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，以及根据所述第二电流差值分布曲线以及所述第二电压差值分布曲线构建第二特征分布向量；
将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标。
2.根据权利要求1所述的电力数据的诊断方法，其特征在于，所述基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据，包括：
基于预设第一电流流向，对所述目标电缆进行电缆测试；
采集所述第一检测点位的第一初始电缆测试数据，并对所述第一初始电缆测试数据进行时间戳关联和缺失值插值，得到第一电缆测试数据；
采集所述第二检测点位的第二初始电缆测试数据，并对所述第二初始电缆测试数据进行时间戳关联和缺失值插值，得到第二电缆测试数据。
3.根据权利要求1所述的电力数据的诊断方法，其特征在于，所述根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线，包括：
对所述第一电缆测试数据进行测试数据分类提取，得到第一电流数据以及第一电压数据；
对所述第二电缆测试数据进行测试数据分类提取，得到第二电流数据以及第二电压数据；
对所述第一电流数据和所述第二电流数据进行差值计算，得到第一电流差值数据，并构建所述第一电流差值数据的第一电流差值分布曲线；
对所述第一电压数据和所述第二电压数据进行差值计算，得到第一电压差值数据，并构建所述第一电压差值数据的第一电压差值分布曲线。
4.根据权利要求3所述的电力数据的诊断方法，其特征在于，所述对所述第一电缆测试数据进行测试数据分类提取，得到第一电流数据以及第一电压数据，包括：
获取电流数据特征以及电压数据特征；
根据所述电流数据特征对所述第一电缆测试数据进行电流数据分类提取，得到第一电流数据；
根据所述电压数据特征对所述第一电缆测试数据进行电压数据分类提取，得到第一电压数据。
5.根据权利要求1所述的电力数据的诊断方法，其特征在于，所述根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，包括：
分别对所述第一电流差值分布曲线以及所述第一电压差值分布曲线进行曲线特征点提取，得到多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点；
根据所述多个目标电流特征点以及每个目标电流特征点对应的目标电压特征点，生成多个电流电压特征点对；
对所述多个电流电压特征点对进行向量编码，得到第一特征分布向量。
6.根据权利要求1所述的电力数据的诊断方法，其特征在于，所述将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标，包括：
对所述第一特征分布向量和所述第二特征分布向量进行向量融合，得到目标特征分布向量；
将所述目标特征分布向量输入预置的电缆性能诊断模型，其中，所述电缆性能诊断模型包括两层模型，第一层模型包括多个基础模型，第二层模型包括一个目标模型；
通过所述电缆性能诊断模型对所述目标特征分布向量进行电力性能诊断预测，得到所述目标电缆的电力性能评价指标。
7.根据权利要求6所述的电力数据的诊断方法，其特征在于，所述通过所述电缆性能诊断模型对所述目标特征分布向量进行电力性能诊断预测，得到所述目标电缆的电力性能评价指标，包括：
通过所述电缆性能诊断模型中的多个基础模型，对所述目标特征分布向量进行预测，得到预测结果；
对所述预测结果进行权重分析，得到第一权重，以及根据所述电缆属性参数生成第二权重；
根据所述第一权重对所述目标特征分布向量进行加权分析，得到第一加权向量，以及根据所述第二权重对所述目标特征分布向量进行加权分析，得到第二加权向量；
将所述第一加权向量和所述第二加权向量输入所述电缆性能诊断模型中的目标模型进行电力性能诊断预测，得到所述目标电缆的电力性能评价指标。
8.一种电力数据的诊断装置，其特征在于，所述电力数据的诊断装置包括：
获取模块，用于获取待检测目标电缆的电缆属性参数，并对所述目标电缆进行检测点位设置，得到第一检测点位和第二检测点位；
第一测试模块，用于基于预设第一电流流向对所述目标电缆进行电缆测试，并采集所述第一检测点位的第一电缆测试数据和所述第二检测点位的第二电缆测试数据；
第一创建模块，用于根据所述第一电缆测试数据和所述第二电缆测试数据创建所述目标电缆的第一电流差值分布曲线以及第一电压差值分布曲线；
第二测试模块，用于基于预设第二电流流向对所述目标电缆进行电缆测试，并获取所述第一检测点位的第三电缆测试数据和所述第二检测点位的第四电缆测试数据；
第二创建模块，用于根据所述第三电缆测试数据和所述第四电缆测试数据计算所述目标电缆的第二电流差值分布曲线以及第二电压差值分布曲线；
构建模块，用于根据所述第一电流差值分布曲线以及所述第一电压差值分布曲线构建第一特征分布向量，以及根据所述第二电流差值分布曲线以及所述第二电压差值分布曲线构建第二特征分布向量；
输出模块，用于将所述第一特征分布向量和所述第二特征分布向量输入预置的电缆性能诊断模型进行电力性能诊断，得到所述目标电缆的电力性能评价指标。
9.一种电力数据的诊断设备，其特征在于，所述电力数据的诊断设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述电力数据的诊断设备执行如权利要求1-7中任一项所述的电力数据的诊断方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的电力数据的诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310806188.8A CN116520068B (zh) | 2023-07-04 | 2023-07-04 | 一种电力数据的诊断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310806188.8A CN116520068B (zh) | 2023-07-04 | 2023-07-04 | 一种电力数据的诊断方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116520068A CN116520068A (zh) | 2023-08-01 |
| CN116520068B true CN116520068B (zh) | 2023-09-22 |
Family
ID=87405071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310806188.8A Active CN116520068B (zh) | 2023-07-04 | 2023-07-04 | 一种电力数据的诊断方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116520068B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172139B (zh) * | 2023-11-03 | 2024-01-12 | 深圳市神州线缆有限公司 | 通信用铜包铝合金电缆的性能测试方法及*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101367891B1 (ko) * | 2012-12-06 | 2014-02-27 | 주식회사 이디엠텍 | 전력케이블의 열화진단 장치 및 그 방법 |
| CN104239739A (zh) * | 2014-09-26 | 2014-12-24 | 华南理工大学 | 一种雷电流幅值概率分布函数的分段拟合方法与*** |
| CN106501662A (zh) * | 2016-12-12 | 2017-03-15 | 云南电网有限责任公司西双版纳供电局 | 芯线核对装置及方法 |
| CN107632240A (zh) * | 2017-09-08 | 2018-01-26 | 河北金能电力科技股份有限公司 | 架空电缆电流数据分析方法、健康状态监测方法及*** |
| CN109782127A (zh) * | 2019-01-21 | 2019-05-21 | 杭州雷砺自动化科技有限公司 | 一种并联式智能终端模块及电缆导通测试方法 |
| WO2021098611A1 (zh) * | 2019-11-19 | 2021-05-27 | 云南电网有限责任公司临沧供电局 | 一种测评老化后xlpe电缆泄漏电流差异因子的平台及方法 |
| JP2021096896A (ja) * | 2019-12-13 | 2021-06-24 | 矢崎総業株式会社 | バスバー、及び、バスバーモジュール |
| CN113092944A (zh) * | 2021-04-12 | 2021-07-09 | 广东电网有限责任公司江门供电局 | 一种低电压线路的绝缘故障点检测方法及相关装置 |
| CN113533900A (zh) * | 2021-07-02 | 2021-10-22 | 国网浙江省电力有限公司金华供电公司 | 一种配电网线缆混合线路的故障区段判定***及方法 |
| CN115015683A (zh) * | 2022-08-09 | 2022-09-06 | 深圳永贵技术有限公司 | 电缆生产的性能测试方法、装置、设备及存储介质 |
| WO2022198899A1 (zh) * | 2021-03-24 | 2022-09-29 | 国网河北省电力有限公司沧州供电分公司 | 一种海底电缆故障诊断方法、装置及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11293995B2 (en) * | 2020-03-23 | 2022-04-05 | Rosemount Aerospace Inc. | Differential leakage current measurement for heater health monitoring |
-
2023
- 2023-07-04 CN CN202310806188.8A patent/CN116520068B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101367891B1 (ko) * | 2012-12-06 | 2014-02-27 | 주식회사 이디엠텍 | 전력케이블의 열화진단 장치 및 그 방법 |
| CN104239739A (zh) * | 2014-09-26 | 2014-12-24 | 华南理工大学 | 一种雷电流幅值概率分布函数的分段拟合方法与*** |
| CN106501662A (zh) * | 2016-12-12 | 2017-03-15 | 云南电网有限责任公司西双版纳供电局 | 芯线核对装置及方法 |
| CN107632240A (zh) * | 2017-09-08 | 2018-01-26 | 河北金能电力科技股份有限公司 | 架空电缆电流数据分析方法、健康状态监测方法及*** |
| CN109782127A (zh) * | 2019-01-21 | 2019-05-21 | 杭州雷砺自动化科技有限公司 | 一种并联式智能终端模块及电缆导通测试方法 |
| WO2021098611A1 (zh) * | 2019-11-19 | 2021-05-27 | 云南电网有限责任公司临沧供电局 | 一种测评老化后xlpe电缆泄漏电流差异因子的平台及方法 |
| JP2021096896A (ja) * | 2019-12-13 | 2021-06-24 | 矢崎総業株式会社 | バスバー、及び、バスバーモジュール |
| WO2022198899A1 (zh) * | 2021-03-24 | 2022-09-29 | 国网河北省电力有限公司沧州供电分公司 | 一种海底电缆故障诊断方法、装置及设备 |
| CN113092944A (zh) * | 2021-04-12 | 2021-07-09 | 广东电网有限责任公司江门供电局 | 一种低电压线路的绝缘故障点检测方法及相关装置 |
| CN113533900A (zh) * | 2021-07-02 | 2021-10-22 | 国网浙江省电力有限公司金华供电公司 | 一种配电网线缆混合线路的故障区段判定***及方法 |
| CN115015683A (zh) * | 2022-08-09 | 2022-09-06 | 深圳永贵技术有限公司 | 电缆生产的性能测试方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Novel Identification Method of Stator Single Phase-to-Ground Fault for Cable-Wound Generators;Yan Gao et al.;IEEE TRANSACTIONS ON ENERGY CONVERSION;第23卷(第2期);第349-357页 * |
| 基于多状态量特征及变化规律的高压电缆状态综合评估;周路遥;曹俊平;王少华;刘黎;杨勇;江航;;高电压技术;45(第12期);第3954-3963页 * |
| 基于差值电流分析的高压电缆在线监测研究;夏君山 等;高压电器;第55卷(第7期);第165-172页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116520068A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116148679B (zh) | 一种电池健康状态的预测方法及相关装置 | |
| CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
| JPWO2014065032A1 (ja) | 電磁界特徴分類提示装置 | |
| CN112085071A (zh) | 一种基于边缘计算的配电房设备故障分析预判方法及装置 | |
| CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及*** | |
| CN112816881A (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
| CN115015683A (zh) | 电缆生产的性能测试方法、装置、设备及存储介质 | |
| CN117169639B (zh) | 一种电源适配器生产用产品检测方法及*** | |
| CN115128345A (zh) | 一种基于谐波监测的电网安全预警方法及*** | |
| CN117434372B (zh) | 电子产品的电磁兼容抗扰度测试方法及*** | |
| CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
| CN117538710A (zh) | 用于局部动态放电监测的智能预警方法及*** | |
| CN112595918A (zh) | 一种低压集抄故障的检测方法及装置 | |
| CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
| CN117110794A (zh) | 一种电缆故障智能诊断***及方法 | |
| KR101575204B1 (ko) | 부분 방전 진단 장치 및 그 방법 | |
| CN111352365A (zh) | 一种防尘通风型电力电气设备机柜及控制方法 | |
| CN113052249B (zh) | 基于支持向量机和电流偏差系数的变压器绕组故障类型识别方法 | |
| CN112880726A (zh) | 基于变分模态分解样本熵的传感器故障诊断方法和装置 | |
| CN211123115U (zh) | 一种电机槽绝缘电场冲击评估装置 | |
| CN114091593A (zh) | 一种基于多尺度特征融合的网络级电弧故障诊断方法 | |
| CN114994547B (zh) | 基于深度学习和一致性检测的电池包安全状态评估方法 | |
| CN117172139B (zh) | 通信用铜包铝合金电缆的性能测试方法及*** | |
| CN117406007B (zh) | 一种充电桩充电数据检测方法及*** | |
| CN118091234B (zh) | 一种用于故障诊断处理的电流互感器 |
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 |