CN204085575U - 电缆监测*** - Google Patents
电缆监测*** Download PDFInfo
- Publication number
- CN204085575U CN204085575U CN201420587040.6U CN201420587040U CN204085575U CN 204085575 U CN204085575 U CN 204085575U CN 201420587040 U CN201420587040 U CN 201420587040U CN 204085575 U CN204085575 U CN 204085575U
- Authority
- CN
- China
- Prior art keywords
- cable
- data
- sensing unit
- unit group
- model
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本实用新型涉及一种电缆监测***，属于涉及电力领域，该***包括：传感单元组，接收传感单元组的参数数据的处理器，接收处理器发来的信号数据的远程监控终端，利用遗传优化的相关向量机方法判断数据是否正常，发现异常数据则发出警示信号。本实用新型中使用传感器组对电缆线进行实时的全方位的监测，同时还能特别监测到电缆接头的温度参数，防止接头因损坏产生高温引起的火灾，对电缆线的监测能够及时获知电缆线运行的外侧情况，及时发现电缆故障，减少了误差数据引起的误报警事件，解决了电缆使用中潜在故障对电缆设备的影响。
Description
技术领域
本实用新型涉及电力领域，特别涉及一种电缆监测***。
背景技术
现今在城市中的电力输送越来越多地采用地下电缆的形式。电力电缆运行中导体的温度是确定其载流量的重要依据，若电缆超温会导致绝缘损坏。对不同绝缘材料的电缆，允许的运行温度都是有明确规定的。因此为了保证电力电缆能够在额定负荷下工作，确保电力***的安全可靠运行，对电力电缆的导体及周围土壤温度的测量有极其重要的意义。
电力电缆的故障原因大致可归纳如下 ：1、绝缘老化变质 ；2、过热 ；3、机械损伤 ；4、护层的腐蚀 ；5、绝缘受潮 ；6、过电压 ；7、材料缺陷 ；8、设计和制作的工艺问题。为了保证电力电缆能够正常的工作，即随时发现故障甚至是潜在的故障，以便及时进行修复和维护，对电缆的温度和湿度进行多点监测是一项重要的任务。
发明内容
为了解决电缆使用中潜在故障对电缆设备的影响，本实用新型提供一种电缆监测***及方法，通过传感器组采集电缆周围的环境参数，将数据加上位置标识后发送给远程监控终端，对数据进行分析处理实现状态监控。
本实用新型的技术方案是：一种电缆监测***，该***包括：传感单元组，采集电缆中的温度和湿度参数；处理器，接收传感单元组的参数数据，并将数据集中后发送出去；远程监控终端，接收处理器发来的信号数据，利用遗传优化的相关向量机方法判断数据是否正常，发现异常数据则发出警示信号。所述的传感单元组包括温度传感器和湿度传感器，传感器均匀分布在电缆线上，同时电缆接头安装有温度和湿度传感器。所述处理器和远程监控终端均包括有无线通信单元，二者间进行无线通信。传感单元组和RFID标签间设有防浪涌保护模块，防浪涌保护模块由 TVS 管组成。
本实用新型有如下积极效果：本实用新型中使用传感器组对电缆线进行实时的全方位的监测，同时还能特别监测到电缆接头的温度参数，防止接头因损坏产生高温引起的火灾，对电缆线的监测能够及时获知电缆线运行的外侧情况，及时发现电缆故障，同时降低维护人员的监管难度。此外，本实用新型中利用了遗传优化的相关向量机方法进行的数据处理分析和判断，提高了数据分析的准确度和速度，减少了误差数据引起的误报警事件。
附图说明
图1 是本实用新型中的电缆监测***的原理框图；
图2 是本实用新型中的电缆监测方法的工作流程图；
图3 是本实用新型中的遗传优化的相关向量机方法的流程图。
具体实施方式
下面对照附图，通过对实施例的描述，本实用新型的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本实用新型的发明构思、技术方案有更完整、准确和深入的理解。
一种电缆监测***，如图1所示，该***包括：传感单元组、RFID标签，处理器和远程监控终端，传感单元组连接处理器，处理器无线连接远程监控终端。
传感单元组，主要作用是采集电缆中的温度和湿度参数，包括温度传感器和湿度传感器，传感器均匀分布在电缆线上，同时电缆接头也安装有温度和湿度传感器。RFID标签连接传感单元组，传感单元组将采集的数据发送给RFID标签后，RFID标签将自己的编号信息和采集的数据一起打包发送给处理器，由于每个RFID标签都有一个唯一的编号，因此将标签标号和一个地理位置联系在一起，可以准确的实现故障定位。传感单元组和RFID标签间设有防浪涌保护模块，防浪涌保护装置主要由 TVS 管组成，用于保护整个电路不受雷击、浪涌、电磁干扰等影响。
因为在地下电缆线路中，由于单根电缆的长度有限以及电缆较长时分布电容存在而导致电缆两端感应电压过大，当供电的距离较长时，不可避免地要出现中间接头。电缆的中间接头是电力***安全运行中的最薄弱环节，受绝缘材料的性能不佳和制作工艺不完善等影响，以及电缆中间接头的压接质量的限制，导致运行时间越长接头越容易发生过热烧穿事故。同时，经过一段时间的大电流 ( 过负荷 ) 运行后，在压接点处产生过热、氧化，接触电阻逐渐增大，接点温度逐渐升高，使绝缘老化，最终导致绝缘层损坏而造成事故发生。所以电缆接头的温度参数的监测也是同等重要的。
处理器接收传感单元组的参数数据，并将数据集中后发送到远程监控终端，由监控终端处理数据。
远程监控终端，接收处理器发来的信号数据，利用遗传优化的相关向量机方法判断数据是否正常，发现异常数据则发出警示信号。由于传感器对电缆线的监测是实时的，所以很容易产生偶然误差数据导致监控终端误报警，所以本实用新型中使用了遗传优化的相关向量机方法对数据进行分析处理，删除不确定数据，选择出最优数据与***阈值进行比较判断，结果准确更高，方便维修人员维修。同时处理器和远程监控终端均包括有无线通信单元，实现二者间的无线通信，节省了费时费力的布线工作。
本实用新型中的电缆监控***使用了一种电缆监测方法，如图2所示，该方法步骤包括：
S01步骤一、利用已知数据建立数据库，并进行数据预处理。
已知数据库中的数据包括正常情况下的正常稳态数据，并保存有非正常状态下的故障数据参数，如电缆出现绝缘老化变质 ；过热 ；机械损伤 ；护层的腐蚀 ；绝缘受潮 ；过电压 ；材料缺陷 ；设计和制作的工艺问题等问题状态下的温度和湿度数据参数，这样就可以通过比较数据得出监测到的异常数据，同时监测到的故障数据也会保存在数据库中，方便监控终端判断和调用。
预处理是对数据进行归一化处理，归一化可以加快训练网络的收敛性， 归一化可以归纳统一样本的统计分布性。无论是为了建模还是为了计算，首先基本度量单位要同一，遗传算法是以样本在事件中的统计分别几率来进行训练和预测的，归一化是同一在0-1之间的统计概率分布；SVM是以降维后线性划分距离来分类和仿真的，因此时空降维归一化是统一在-1--+1之间的统计坐标分布。
S02步骤二、建立相关向量机模型，利用遗传算法优化训练相关向量机模型参数。
建立RVM模型首先选择合适的函数，并对其超参数进行遗传优化训练，建立合适的RVM模型，利用遗传算法优化训练RVM模型参数，让模型更容易收敛，运算速度更快。建立RVM模型时，先利用已知样本数据库进行遗传算法优化训练成功建立模型，已知样本数据库保存了电缆线正常状态下的参数数据，和非正常状态下的参数数据，但是训练相关向量机模型使用的是正常状态下的参数。
核函数的选择时常用的RVM核函数有4 种:
线性核函数:
多项式核函数:
高斯径向基( RBF) 核函数:
Sigmoid 核函数:
选择合适的核函数是该方法能成功使用的关键，通过测试验证训练，比较各自泛化性能,本文优先选择RBF 核函数作为故障诊断的RVM模型。
RVM算法中超参数的选择对RVM算法的分类准确率起着决定性的作用，以往文献常用的参数寻优方法多采用人为列举寻优、交叉验证等方式设置参数，但是此类方法所需时间过长，同时还存在容易陷入局部最优的问题。遗传算法是一种借鉴生物界自然选择和自然遗传机制的搜索算法，它能在复杂而庞大的搜索空间中寻找最优或准最优解，且有算法简单、适用、鲁棒性强等优点，它的应用目前很成熟。本文采用遗传算法优化相关向量机模型，把二者结合起来，功能互补从而建立故障监测***。
遗传算法优化相关向量机方法中的遗传算法要素包括：
A．计算适应度。计算适用度值：个体适应度采用网络的函数误差，即误差大的个体其适应度小，具体表示为适应度为网络误差函数的倒数。
B.选择染色体进行复制。选择染色体复制：个体适应度的计算完成后，选择适应度大的个体遗传到下一代，使权值越来越接近最优解空。
C.交叉、变异过程。交叉、变异过程 ：采用基于概率的双向随机搜索技术，以一定的概率，随机地从父本种群中选取两条染色体进行交叉操作，当新染色体使当前解质量提高时，就接收这个被改进的解作为新的当前解。
D．产生新群体。
E.判断是否满足终止条件。
F.满足终止条件则结束，不满足则返回步骤A。
如图3所示，在本实用新型中，在遗传算法优化相关向量机的过程中，就是先初始化相关向量机的核函数，然后利用已知样本对相关向量机进行机器训练，本实用新型中是进行遗传优化训练，输出最佳相关向量机参数，从而建立相关向量机模型，一旦机器训练中不满足遗传优化的终止条件，则返回步骤A，继续利用已知数据库进行遗传优化的训练。
S03步骤三、利用已知数据库训练建立的相关向量机模型。步骤二中已经优化了相关向量机的参数，在步骤三中，继续对相关向量机进行机器训练即可，如图3所示，利用遗传算法优化相关向量机，得到一个合适的RVM模型，可用于数据的分类处理，把各条件下的传感器状态都进行分类总结。步骤三为记录正常稳定状态下的数据，可以保证故障模式的区分和模型的使用。
S04步骤四、采用相关向量机模型对待测数据进行诊断分析。
待测数据是由各传感器检测到的，监测电缆线的各点的温度和湿度信号并电缆接头的温度数据，这些数据经过遗传优化的相关向量机模型处理后，选择出最优、最佳数据与***阈值进行对比，避免了传统方法中的每个传感器数据均要对比的繁琐和增大时长的问题，同时避免了误差数据误报警的情况发生。监控终端判断传感器检测数据是否大于阈值，传感器监测部位是否处于正常状态，如果数据异常则说明电缆线周边环境比较恶劣，电缆线处于非正常故障状态，远程监控终端就会发出警示信号。
S05步骤五、输出诊断结果。待测数据经过遗传优化的相关向量机分析处理后，找到最优数据值，并预测待测样本，与***阈值进行比较得出的结果就可以在监控终端显示出来，并记录在数据库中，达到随时更新数据库的优点，提高监测准确度。
上面结合附图对本实用新型进行了示例性描述，显然本实用新型具体实现并不受上述方式的限制，只要采用了本实用新型的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本实用新型的构思和技术方案直接应用于其它场合的，均在本实用新型的保护范围之内。
Claims (4)
1.一种电缆监测***，其特征在于，该***包括：
传感单元组，采集电缆中的温度和湿度参数，并将数据传送给RFID标签；
RFID标签，将RFID标签编号和传感单元组的数据打包发送给处理器；
处理器，接收RFID标签的参数数据，并将数据压缩后后发送出去；
远程监控终端，接收处理器发来的信号数据，利用遗传优化的相关向量机方法判断数据是否正常，发现异常数据则发出警示信号。
2.根据权利要求1所述的电缆监测***，其特征在于，所述的传感单元组包括温度传感器和湿度传感器，传感器均匀分布在电缆线上，同时电缆接头安装有温度和湿度传感器。
3.根据权利要求1所述的电缆监测***，其特征在于，所述处理器和远程监控终端均包括有无线通信单元，二者间进行无线通信。
4.根据权利要求3所述的电缆监测***，其特征在于，传感单元组和RFID标签间设有防浪涌保护模块，防浪涌保护模块由 TVS 管组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201420587040.6U CN204085575U (zh) | 2014-10-11 | 2014-10-11 | 电缆监测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201420587040.6U CN204085575U (zh) | 2014-10-11 | 2014-10-11 | 电缆监测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN204085575U true CN204085575U (zh) | 2015-01-07 |
Family
ID=52178278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201420587040.6U Expired - Fee Related CN204085575U (zh) | 2014-10-11 | 2014-10-11 | 电缆监测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN204085575U (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104596572A (zh) * | 2014-10-11 | 2015-05-06 | 芜湖扬宇机电技术开发有限公司 | 电缆监测***及方法 |
| CN104713411A (zh) * | 2015-03-13 | 2015-06-17 | 芜湖凯博实业股份有限公司 | 冷却塔集水盘故障监测***及其方法 |
| CN104713409A (zh) * | 2015-03-13 | 2015-06-17 | 芜湖凯博实业股份有限公司 | 一种冷却塔漂水调节***及其方法 |
| CN106019070A (zh) * | 2016-07-05 | 2016-10-12 | 贵州电网有限责任公司电力科学研究院 | 一种铜铝过渡连接端子工作状态在线监测装置和监测方法 |
| CN108195422A (zh) * | 2017-12-25 | 2018-06-22 | 安徽博达通信工程监理有限责任公司 | 一种电缆受潮检测通讯*** |
-
2014
- 2014-10-11 CN CN201420587040.6U patent/CN204085575U/zh not_active Expired - Fee Related
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104596572A (zh) * | 2014-10-11 | 2015-05-06 | 芜湖扬宇机电技术开发有限公司 | 电缆监测***及方法 |
| CN104713411A (zh) * | 2015-03-13 | 2015-06-17 | 芜湖凯博实业股份有限公司 | 冷却塔集水盘故障监测***及其方法 |
| CN104713409A (zh) * | 2015-03-13 | 2015-06-17 | 芜湖凯博实业股份有限公司 | 一种冷却塔漂水调节***及其方法 |
| CN104713409B (zh) * | 2015-03-13 | 2018-01-12 | 芜湖凯博实业股份有限公司 | 一种冷却塔漂水调节***及其方法 |
| CN106019070A (zh) * | 2016-07-05 | 2016-10-12 | 贵州电网有限责任公司电力科学研究院 | 一种铜铝过渡连接端子工作状态在线监测装置和监测方法 |
| CN106019070B (zh) * | 2016-07-05 | 2018-12-07 | 贵州电网有限责任公司电力科学研究院 | 一种铜铝过渡连接端子工作状态在线监测装置和监测方法 |
| CN108195422A (zh) * | 2017-12-25 | 2018-06-22 | 安徽博达通信工程监理有限责任公司 | 一种电缆受潮检测通讯*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104596572A (zh) | 电缆监测***及方法 | |
| CN204085575U (zh) | 电缆监测*** | |
| US20230145642A1 (en) | Framework for fault detection and localization in power distribution networks | |
| CN105353256B (zh) | 一种输变电设备状态异常检测方法 | |
| CN103066703B (zh) | 一种基于物联网的智能spd设备 | |
| CN107862052A (zh) | 一种故障案例库、故障树及故障谱构建方法 | |
| CN107831422A (zh) | 一种gis设备局部放电诊断方法及*** | |
| Nakhodchi et al. | Steeleye: An application-layer attack detection and attribution model in industrial control systems using semi-deep learning | |
| Swetapadma et al. | Fuzzy Inference System Approach for Locating Series, Shunt, and Simultaneous Series‐Shunt Faults in Double Circuit Transmission Lines | |
| CN104501873B (zh) | 一种环网柜的集成信息监控*** | |
| CN111784533B (zh) | 基于人工智能和大数据的信息分析方法及云计算平台 | |
| CN117239942B (zh) | 一种具有监控功能的电表 | |
| Alam et al. | An energy and leakage current monitoring system for abnormality detection in electrical appliances | |
| Chandrasekharan et al. | Current indicator based fault detection algorithm for identification of faulty string in solar PV system | |
| Huang et al. | Detecting anomalies in data center physical infrastructures using statistical approaches | |
| CN117419829A (zh) | 过热故障的预警方法、装置和电子设备 | |
| CN116167748B (zh) | 一种城市地下综合管廊运维方法、***、装置及电子设备 | |
| CN110381462B (zh) | 一种电力电缆局部放电在线监测*** | |
| CN112215197A (zh) | 基于人工智能的地下电缆故障预警方法和预警*** | |
| CN204439117U (zh) | 一种环网柜的集成信息监控*** | |
| CN115932593A (zh) | 电站温度热失控预警方法、***及终端 | |
| CN105892387B (zh) | 基于跨平台多点数据采集mpca模型的机房隐患自动上报装置及方法 | |
| CN203056695U (zh) | 一种基于物联网的智能spd设备 | |
| CN113949163A (zh) | 一种将大数据应用于智能电网的异常监测*** | |
| CN111199254A (zh) | 基于rbf神经网络和贝叶斯网络的高压电气设备实时检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150107 Termination date: 20151011 |
|
| EXPY | Termination of patent right or utility model |