一种XLPE电缆绝缘状态评估方法与流程

一种xlpe电缆绝缘状态评估方法
技术领域
1.本发明涉及电性能的测试技术领域，具体涉及一种xlpe电缆绝缘状态评估方法。


背景技术：

2.进入二十一世纪以来，我国经济发展突飞猛进，电力行业作为经济发展的重要支柱之一，随着国民经济快速发展，人们生活水平大有改善，但与此同时，对电力市场的需求也日益增加，突现出电力短缺的供需矛盾。
3.在城市文明化的建设过程中，人们希望营造优雅的生存环境和宽松的生活空间。于是，地下电力电缆逐渐取代架空线路，同时随着电缆数量的增多及运行时间的延长，电缆的故障也越来越频繁。因此，研究电力电缆在线监测技术，可及时对电缆进行合理的维护、检修及更换，对保证电缆可靠运行具有重要意义。
4.对电缆进行状态诊断及评估，是合理安排电缆更换，保证电力供应安全可靠的一个重要技术手段，也是在智能电网中实现对电缆有效管理的极其重要的部分。对电缆进行状态诊断及评估，为及时的找出原因进行更换和处理，从而为减少电力事故保驾护航。但是目前现有的整体电缆绝缘的诊断和评估主要包括直流电流法、温度测量法、tan法和局部放电法等。而这些方法往往侧重单一变量的影响，难以准确全面反映电缆绝缘的状态。


技术实现要素：

5.针对这些问题，本发明要解决的技术问题是：本技术基于dcic
‑
q(t)测试技术对热老化全尺寸整体电缆进行动态电荷测试和参数分析的实验数据，提出结合bp神经网络和模糊聚类的电缆老化状态评估模型。该模型利用bp神经网络处理复杂非线性映射问题的强大功能，对以电荷量为主的动态电荷、电导、温度、介电常数等参数进行特征提取，然后通过模糊c均值聚类(fcm)方法进行绝缘状态分类和判定，提出的评估模型可提高电缆绝缘老化状态评估的准确率。
6.为了实现上述目的，本技术通过以下技术方案实现：
7.一种xlpe电缆绝缘状态评估方法，所述方法包括：
8.s10,采用dcic
‑
q(t)技术测试出待测电缆的电荷量动态变化参数；
9.s20,根据测试的电缆绝缘动态电荷量，提取电缆绝缘的介电常数和电导率参数；
10.s30,建立动态电荷参数分布的神经网络模型，获得能表述电荷量、介电、电导等多参量与电缆热老化时间映射关系的网络参数；
11.s40,归一化处理所述电荷量动态变化参数，设置并初始化bp神经网络层数、每层神经元个数、权重和偏差矩阵、学习率和迭代次数t1；
12.s50,根据所述权重、偏差矩阵和确定的激活函数前向传递计算输出和误差函数，计算所述误差函数对所述各个权重和偏差的梯度，根据所述学习率更新所述权重和偏差；
13.判断是否到达所述迭代次数t1；
14.若没到达所述迭代次数t1，则重新进行s50；
15.s60,建立bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型，并将所述电荷量动态变化参数输入到所述bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型中；
16.s70,提取所述bp神经网络最后一层隐藏层的数据作为样本特征值，初始化隶属度矩阵u、迭代次数t2和提前结束迭代条件值e，确定隶属度因子和聚类簇数；
17.s80,计算新的所述聚类中心和所述隶属度矩阵ut；
18.判断u
t
‑
u
t
‑1的运算结果是否大于所述迭代条件值e；
19.若所述u
t
‑
u
t
‑1的运算结果大于所述迭代条件值e，则判断t是否小于所述迭代次数t2；
20.若t小于所述迭代次数t2，则t＝t+1，然后重新计算新的所述聚类中心和所述隶属度矩阵ut；
21.s90,若t大于或等于所述迭代次数t2或所述ut
‑
ut
‑
1的运算结果小于或等于所述迭代条件值e，则输出最终的聚类中心和隶属度矩阵u，将所述隶属度矩阵u转化为绝缘评估状态标签。
22.可选的，所述dcic
‑
q(t)技术测试的方法包括：
23.通过终端对高压直流源进行电压控制；
24.通过积分电容检测通过试样的电流，并积分获得电荷信息，经过ad转换传输至zigbee接收器；
25.zigbee接收器接收所述信号波，并分析处理将处理结果数据传输。
26.可选的，所述提取待测电缆绝缘介质的相对介电常数的方法包括：
27.根据所述电荷量动态变化参数，通过拟合初始电荷量q0与电压之间的直线，得到直线的斜率就是电缆试样的电容cs，电缆的电容与介电常数之间的关系如下式所示：
[0028][0029]
其中，a和b分别为电缆的内径与外径；ε0为真空条件下的介电常数；ε
r
为xlpe电缆的相对介电常数；l为电缆的长度。
[0030]
可选的，所述提取待测电缆绝缘介质的电导率的方法包括：
[0031]
根据所述电荷量动态变化参数，通过分析不同电压加压瞬间的电荷量q0，以及不同电压下的电流结果，计算出待测电缆的介电常数ε
γ
，绝缘测试获得的电荷量之比k表征空间电荷的注入与积聚情况，电荷量之比k用以下公式表示：
[0032][0033][0034]
其中，t
m
为加压时间，γ为电导率，介质的松弛时间τ与被测样(薄片试样或电缆)的介电常数与直流电导率有关。
[0035]
可选的，所述建立动态电荷参数分布的神经网络模型的方法包括：
[0036]
对所述动态电荷量及参数进行对比，分析对比结果的相关性。
[0037]
可选的，所述建立动态电荷参数分布的神经网络模型的方法包括：
[0038]
根据所述电荷量动态变化参数的相关性建立神经网络中各层次参数间的映射关系，根据所述神经网络中各层次参数间的映射关系，将所述动态电荷量及参数输入到所述bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型中。
[0039]
可选的，根据所述权重、偏差矩阵和确定的激活函数前向传递计算输出和误差函数完成前向传播过程，并通过随机梯度下降法更新网络参数完成反向传播过程。
[0040]
本技术公开了一种xlpe电缆绝缘状态评估方法，步骤为采用dcic
‑
q(t)技术测试出待测电缆的电荷量动态变化参数，根据所述电荷量动态变化参数，提取待测电缆的绝缘介质电导率，建立动态电荷参数分布的神经网络模型，获得待测电缆的绝缘状态，建立bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型，并将所述电荷量动态变化参数输入到所述bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型中。本技术可以提取电荷量动态变化参数，然后通过模糊c均值聚类(fcm)方法进行绝缘状态分类和判定，提出的评估模型可提高电缆绝缘老化状态评估的准确率。
附图说明
[0041]
为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
[0042]
图1为本技术示出的一种xlpe电缆绝缘状态评估方法步骤示意图；
[0043]
图2为dcic
‑
q(t)测试整体电缆接线图；
[0044]
图3为bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型。
具体实施方式
[0045]
下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
[0046]
参考图1，本技术提供一种xlpe电缆绝缘状态评估方法，主要是针对目前现有的整体电缆绝缘的诊断和评估主要包括直流电流法、温度测量法、tan法和局部放电法等，而这些方法往往侧重单一变量的影响，难以准确全面反映电缆绝缘的状态，所述方法包括：
[0047]
s10,采用dcic
‑
q(t)技术测试出待测电缆的电荷量动态变化参数；
[0048]
其中电荷量动态变化参数包括电荷变化量、电导率、温度、介电常数、变化率k、电压；
[0049]
s20,根据所述电荷量动态变化参数，提取待测电缆的绝缘介质电导率；
[0050]
根据所述电荷量动态变化参数，通过分析不同电压加压瞬间的电荷量q0，以及不同电压下的电流结果，计算出待测电缆的介电常数εγ，绝缘测试获得的电荷量之比k表征空间电荷的注入与积聚情况，电荷量之比k用以下公式表示：
[0051][0052][0053]
其中，t
m
为加压时间，γ为电导率，介质的松弛时间τ与被测样(薄片试样或电缆)
的介电常数与直流电导率有关。
[0054]
s30,建立动态电荷参数分布的神经网络模型，获得能表述电荷量、介电、电导等多参量与电缆热老化时间映射关系的网络参数；
[0055]
分析得出电荷变化率k和电导率与温度关系较强；
[0056]
s40,归一化处理所述电荷量动态变化参数，设置并初始化bp神经网络层数、每层神经元个数、权重和偏差矩阵、学习率和迭代次数t1；
[0057]
s50,根据所述权重、偏差矩阵和确定的激活函数前向传递计算输出和误差函数，计算所述误差函数对所述各个权重和偏差的梯度，根据所述学习率更新所述权重和偏差；
[0058]
判断是否到达所述迭代次数t1；
[0059]
若没到达所述迭代次数t1，则重新进行s50；
[0060]
s60,建立bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型，并将所述电荷量动态变化参数输入到所述bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型中；
[0061]
bp网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。bp网络能学习和存贮大量的输入
‑
输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程；
[0062]
s70,提取所述bp神经网络最后一层隐藏层的数据作为样本特征值，初始化隶属度矩阵u、迭代次数t2和提前结束迭代条件值e，确定隶属度因子和聚类簇数；
[0063]
s80,计算新的所述聚类中心和所述隶属度矩阵u
t
；
[0064]
判断u
t
‑
u
t
‑1的运算结果是否大于所述迭代条件值e；
[0065]
若所述u
t
‑
u
t
‑1的运算结果大于所述迭代条件值e，则判断t是否小于所述迭代次数t2；
[0066]
若t小于所述迭代次数t2，则t＝t+1，然后重新计算新的所述聚类中心和所述隶属度矩阵u
t
；
[0067]
s90,若t大于或等于所述迭代次数t2或所述ut
‑
ut
‑
1的运算结果小于或等于所述迭代条件值e，则输出最终的聚类中心和隶属度矩阵u，将所述隶属度矩阵u转化为绝缘评估状态标签。
[0068]
参考图2为dcic
‑
q(t)测试整体电缆接线图。
[0069]
可选的，所述dcic
‑
q(t)技术测试的方法包括：
[0070]
通过终端对高压直流源进行电压控制；
[0071]
通过电容端计算所述高压直流源的输出电压与待测电缆的电荷量的差值，并形成信号波传输至zigbee接收器；
[0072]
zigbee接收器接收所述信号波，并分析处理将处理结果数据传输。
[0073]
zigbee技术主要用于距离短、功耗低且传输速率不高的各种电子设备之间进行数据传输以及典型的有周期性数据、间歇性数据和低反应时间数据传输的应用。
[0074]
本技术旨在对电缆的绝缘状态进行评估，因此使用近距离、低复杂度、低功耗、低速率、低成本的双向无线通讯技术。
[0075]
参考图3为bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型。
[0076]
可选的，所述建立动态电荷参数分布的神经网络模型的方法包括：
[0077]
对所述动态电荷量及参数进行对比，分析对比结果的相关性。
[0078]
可选的，所述建立动态电荷参数分布的神经网络模型的方法包括：
[0079]
根据所述电荷量动态变化参数的相关性建立神经网络中各层次参数间的映射关系，根据所述神经网络中各层次参数间的映射关系，将所述动态电荷量及参数输入到所述bp神经网络和fcm的xlpe电缆绝缘老化状态评估模型中。
[0080]
在众多模糊聚类算法中，模糊c
‑
均值算法(fcm)应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。
[0081]
可选的，根据所述权重、偏差矩阵和确定的激活函数前向传递计算输出和误差函数包括：前向传播过程和反向传播过程。
[0082]
前向传播过程，即网络如何根据输入得到输出的，由输入得到输出值，并算出loss；反向传播是从loss出发，优化参数w和b。
[0083]
以上显示和描述了本技术的基本原理和主要特征以及本技术的优点，对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术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技术。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，本技术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囊括在本技术内。