CN116894165B

CN116894165B - 一种基于数据分析的电缆老化状态评估方法

Info

Publication number: CN116894165B
Application number: CN202311160592.9A
Authority: CN
Inventors: 马言国; 王义军; 苏培生; 李广凯; 李冠魁; 段洋洋; 赵宪帅; 张晶; 汤敏; 段培
Original assignee: Yanggu New Pacific Cable Co ltd
Current assignee: Yanggu New Pacific Cable Co ltd
Priority date: 2023-09-11
Filing date: 2023-09-11
Publication date: 2023-12-08
Anticipated expiration: 2043-09-11
Also published as: CN116894165A

Abstract

本发明属于电力设备维护应用技术领域，尤其涉及一种基于数据分析的电缆老化状态评估方法，包括收集已有电缆样本的状态参数指标及电缆老化程度，标准化处理，基于改进主成分分析和竞争性自适应重加权算法分别进行特征提取，对特征提取得到的两组特征变量进行特征层融合，通过结合不同的基础分类器搭建Stacking模型，得到电缆老化程度评估实时分析的Stacking模型，收集待评估电缆样本相关的状态参数指标并对其处理，包括标准化处理、特征提取以及特征层融合，将处理好的数据导入电缆老化程度评估实时分析的Stacking模型，得到待评估电缆样本老化程度。本发明提出的方法充分提取了相关性高的状态参数指标，有效剔除了无关变量，实现了电缆老化程度实时评估。

Description

一种基于数据分析的电缆老化状态评估方法

技术领域

本发明属于电力设备维护应用技术领域，尤其涉及一种基于数据分析的电缆老化状态评估方法。

背景技术

电力电缆是城市电网的重要组成部分，电缆发生故障不仅会造成经济损失和不良社会影响，也会影响城市电网的安全、稳定运行，因此电力电缆的可靠性非常重要。由于受到力、热、电及环境等因素的影响，电缆绝缘会逐渐老化，并发生故障。

现有电缆老化状态评估方法侧重于研究单一因素和老化状态之间的关系。而电缆绝缘老化是一个复杂的过程，材料的力学、热学、介电等性能均会在老化期间发生改变，但多性能参数指标和绝缘老化状态之间的关系仍不明确。虽然切片理化量可以很好地反映各参数指标与电缆老化之间的关系，但是切片理化量检测往往仅停留在实验室阶段，对于实际运用难度很大。另外随着考虑的老化因素增加，评估工作会面临大量的实验数据需要分析，实时分析困难。

发明内容

本发明针对电缆老化状态评估所存在的技术问题，提出一种设计合理、方法简单、理论性强且能够明确与电缆老化程度相关度高的状态参数指标、解决实时分析困难、实际运用难度大等问题的一种基于数据分析的电缆老化状态评估方法。

为了达到上述目的，本发明采用的技术方案为：一种基于数据分析的电缆老化状态评估方法，包括如下步骤：

S1、收集已有电缆样本相关的状态参数指标及电缆老化程度；

S2、标准化处理，对已有电缆样本状态参数指标做标准化处理，标准化公式为：

其中，X_ij为第i个已有电缆样本的第j个状态参数指标的原始值，X'_ij为第i个样本的第j个状态参数指标标准化后的值，和S_j分别为第j个状态参数指标的均值和标准差；

S3、特征提取，基于改进主成分分析和竞争性自适应重加权算法分别在标准化后已有电缆样本状态参数指标中进行特征提取得到两组特征变量，所述改进的主成分分析首先计算各主成分的熵值，其计算公式为：

其中，E_i为第i个主成分所占的熵值，n表示已有电缆样本相关的状态参数指标的数目，m表示已有电缆样本数目，P_ci为第c个样本第i个主成分的方差贡献率，接着基于环比评分法对各主成分进行评分确定得分，确定各主成分的权重为：

其中，w_i为第i个主成分所占的权重，n表示已有电缆样本相关的状态参数指标的数目，E_i为第i个主成分所占的熵值，最后计算主成分的综合得分为：

其中，P_ci为第c个样本第i个主成分的方差贡献率，w_i为第i个主成分所占的权重，m表示已有电缆样本数目，n表示已有电缆样本相关的状态参数指标的数目，当综合得分到达99时，参与计算的k个主成分组成基于改进主成分分析的特征变量；

S4、特征层融合，对特征提取得到的两组特征变量进行特征层融合，对两组特征变量进行拼接得到训练数据；

S5、通过结合不同的基础分类器搭建Stacking模型，用训练数据对模型进行训练，得到电缆老化程度评估实时分析的Stacking模型；

S6、收集待评估电缆样本相关的状态参数指标并对其同已有电缆数据样本进行处理，包括标准化处理、特征提取以及特征层融合；

S7、将处理好的数据导入电缆老化程度评估实时分析的Stacking模型，得到待评估电缆样本老化程度。

作为优选，所述S1步骤的参数指标包括：电缆运行时间、电缆平均负载率、电缆局部放电量、放电脉冲密度、电缆导体温度、电阻、工作电压、运行电流、是否发生过故障跳闸、重载/过载次数、是否受过机械损伤、电缆温度、环境温度、环境湿度、敷设方式以及生产厂家，电缆老化程度包括：正常1、注意2、异常3以及危险4。

作为优选，所述S3步骤的两组特征变量的数量分别小于已有电缆样本相关的状态参数指标的数目。

作为优选，所述S3步骤的竞争性自适应重加权算法提取特征变量的步骤为：

S321、利用蒙特卡罗采样筛选出的已有电缆样本构建相应的偏最小二乘模型；

S322、计算本次采样时回归系数绝对值的权重并剔除绝对值较小的参数指标，剔除后的参数指标数量用指数衰减法进行判定；

S323、根据其余参数指标利用自适应重加权采样筛选出参数指标并构建PLS模型，RMSECV最小值PLS模型所对应参数指标即为所筛选出的特征变量。

作为优选，所述S5步骤的Stacking模型包括两层分类器，第一层分类器包括支持向量机、朴素贝叶斯以及决策树，第二层分类器为随机森林。

与现有技术相比，本发明的优点和积极效果在于：

1、本发明提出的基于改进主成分分析和竞争性自适应重加权算法分别提取特征再进行特征层融合的方法充分提取了与电缆老化程度相关性高的状态参数指标，有效剔除了无关变量，避免了大量的实验数据。

2、本发明搭建的Stacking模型包括第一层的支持向量机、朴素贝叶斯以及决策树分类器，第二层的随机森林分类器，结合了不同的基础分类器，实现了电缆老化程度实时评估。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的Stacking模型结构图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。

实施例，考虑到现有电缆老化状态评估方法侧重于研究单一因素和老化状态之间的关系。而电缆绝缘老化是一个复杂的过程，材料的力学、热学、介电等性能均会在老化期间发生改变，但多性能参数指标和绝缘老化状态之间的关系仍不明确。虽然切片理化量可以很好地反映各参数指标与电缆老化之间的关系，但是切片理化量检测往往仅停留在实验室阶段，对于实际运用难度很大。另外随着考虑的老化因素增加，评估工作会面临大量的实验数据需要分析，实时分析困难。为此本发明提供一种基于数据分析的电缆老化状态评估方法，首先收集已有电缆样本相关的状态参数指标及电缆老化程度，参数指标包括：电缆运行时间、电缆平均负载率、电缆局部放电量、放电脉冲密度、电缆导体温度、电阻、工作电压、运行电流、是否发生过故障跳闸、重载/过载次数、是否受过机械损伤、电缆温度、环境温度、环境湿度、敷设方式以及生产厂家，电缆老化程度包括：正常1、注意2、异常3以及危险4。

为减少各状态参数指标因为量纲大小不一致导致的误差，对状态参数指标做标准化处理，标准化公式为：

其中，X_ij为第i个已有电缆样本的第j个状态参数指标的原始值，X'_ij为第i个样本的第j个状态参数指标标准化后的值，和S_j分别为第j个状态参数指标的均值和标准差。

由于高压电缆状态参数指标比较多，并且规律性不强，因此需要从繁杂的数据中提取出不同老化程度的差异性信息。为避免特征提取不充分，本发明基于改进主成分分析和竞争性自适应重加权算法分别在标准化后已有电缆样本状态参数指标中进行特征提取得到两组特征变量。主成分分析通过线性变化将高维数据映射到低维空间中，而且这些低维数据能够尽可能保留原始数据的信息。然而PCA是根据数据的均值、方差、协方差等全局结构特征对原始数据进行变换，却忽略了数据局部结构，从而导致数据PCA处理后的不同老化程度特征出现混叠。

熵权法是一种描述分子不可逆现象的客观赋权方法。一个系统其参数指标之间差异越大，所含信息就越多，熵值越小，反之，则熵值越大，以此来评价某项权重指标对系统的贡献程度。熵权法具有可突出系统局部信息和受主观因素影响小等优势，在多项工程领域具有广泛应用。

当传统主成分分析法的第一主成分没有满足累计方差贡献率大于85％的要求时，则需融合多个主成分，而各主成分之间的权重分配是影响评估电缆老化程度的主要因素。传统主成分分析法是将各主成分的方差贡献率对主成分进行赋权综合计算，但各主成分之间相互独立，其计算结果信息量可能出现不升反降的现象，无法满足电缆老化程度划分精度需求。本发明引用熵权法对传统主成分分析法进行改进，重新计算各主成分的权重，改进的主成分分析首先计算各主成分的熵值，其计算公式为：

其中，E_i为第i个主成分所占的熵值，n表示已有电缆样本相关的状态参数指标的数目，m表示已有电缆样本数目，P_ci为第c个样本第i个主成分的方差贡献率，接着考虑到环比评分法能直接对比，并能准确地评定功能重要度比值的情况，基于环比评分法对各主成分进行评分确定得分，确定各主成分的权重为：

竞争性自适应重加权算法是以达尔文进化论的“适者生存”为指导理论，采用蒙特卡洛采样以及偏最小二乘回归法的特征变量优选方法。竞争性自适应重加权算法提取特征变量的步骤为：首先利用蒙特卡罗采样筛选出的已有电缆样本构建相应的偏最小二乘模型；然后计算本次采样时回归系数绝对值的权重并剔除绝对值较小的参数指标，剔除后的参数指标数量用指数衰减法进行判定；最后根据其余参数指标利用自适应重加权采样筛选出参数指标并构建PLS模型，RMSECV最小值PLS模型所对应参数指标即为所筛选出的特征变量。

由于特征提取可有效剔除无关变量，并将选取的特征变量按一定的顺序进行矢量化，实现状态参数指标的融合。所以对特征提取得到的两组特征变量进行特征层融合，对两组特征变量进行拼接得到训练数据。考虑到Stacking模型是WOLPERT开发，将多个训练器分层组合的学习方法，首先将原始数据变换成新特征，并在此基础上利用第二层分类器训练新特征。与传统模型不同的是，Stacking模型结合了不同的基础分类器器来实现新模型的构建，如图1所示，通过结合不同的基础分类器搭建Stacking模型，Stacking模型包括两层分类器，第一层分类器包括支持向量机、朴素贝叶斯以及决策树，第二层分类器为随机森林。用训练数据对模型进行训练，得到电缆老化程度评估实时分析的Stacking模型，接着收集待评估电缆样本相关的状态参数指标并对其同已有电缆数据样本进行处理，包括标准化处理、特征提取以及特征层融合，然后将处理好的数据导入电缆老化程度评估实时分析的Stacking模型，得到待评估电缆样本老化程度。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims

1.一种基于数据分析的电缆老化状态评估方法，其特征在于，包括如下步骤：

其中，w_i为第i个主成分所占的权重，n表示已有电缆样本相关的状态参数指标的数目，F_i为第i个主成分所占的熵值，最后计算主成分的综合得分为：

2.根据权利要求1所述的一种基于数据分析的电缆老化状态评估方法，其特征在于，所述S1步骤的参数指标包括：电缆运行时间、电缆平均负载率、电缆局部放电量、放电脉冲密度、电缆导体温度、电阻、工作电压、运行电流、是否发生过故障跳闸、重载/过载次数、是否受过机械损伤、电缆温度、环境温度、环境湿度、敷设方式以及生产厂家，电缆老化程度包括：正常1、注意2、异常3以及危险4。

3.根据权利要求1所述的一种基于数据分析的电缆老化状态评估方法，其特征在于，S3步骤的两组特征变量的数量分别小于已有电缆样本相关的状态参数指标的数目。

4.根据权利要求1所述的一种基于数据分析的电缆老化状态评估方法，其特征在于，所述S3步骤的竞争性自适应重加权算法提取特征变量的步骤为：

5.根据权利要求1所述的一种基于数据分析的电缆老化状态评估方法，其特征在于，所述S5步骤的Stacking模型包括两层分类器，第一层分类器包括支持向量机、朴素贝叶斯以及决策树，第二层分类器为随机森林。