电缆状态评估方法及其装置、电子设备及存储介质与流程

本发明涉及智能电网领域，具体而言，涉及一种电缆状态评估方法及其装置、电子设备及存储介质。

背景技术：

1、近年来，随着国民经济的高速发展与科学技术的突飞猛进，对电力需求越来越大，城市电网的开发与改造也在不断加深，电能已经成为生产、发展以及生活中不可或缺的能源之一。电能的运用离不开相应的电能传输，而电力电缆是电能传输过程中最重要的设备之一，输配电电缆的运行情况对保证输电质量，维护电力系统的可靠性具有重要的作用。配电电缆在长期运行过程中，受到多种因素的影响，其绝缘性能逐渐降低，老化进程逐渐加深。由电缆导致的故障屡见不鲜，对电网的安全、稳定与可靠运行造成了严重的影响。

2、开展电力电缆在线检测工作，可以更加准确、快速、便捷地掌握电力电缆运行状态，实现对配电电缆缺陷的感知与预警，便于现场维修人员对电缆的失效时间做出预测并提前制定好维修维保计划，避免电缆故障造成的停电现象，降低维修成本，提高供电可靠性，为用户提供持续可靠的电力，相关技术中，通过电缆在线检测模型对电缆状态进行检测，但现有的电缆在线检测模型存在特征数据单一的局限性，难以全面有效的对电缆实际状态进行检测和评估。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种电缆状态评估方法及其装置、电子设备及存储介质，以至少解决相关技术中，现有的电缆检测模型存在特征数据相对单一的局限性，无法对电缆状态进行全面评估，导致评估结果不准确的技术问题。

2、根据本发明实施例的一个方面，提供了一种电缆状态评估方法，包括：采集目标电缆的电流信号；基于粒子群算法和预设信号分解算法对所述电流信号进行处理，得到所述目标电缆的谐波序列，其中，所述谐波序列中包括n个谐波特征，n为正整数；对所述谐波序列进行多维特征提取，得到初始多维特征和所述初始多维特征对应的特征参数，并对所述初始多维特征进行筛选，得到特征集合，其中，所述特征集合包括：筛选后的多维特征和所述筛选后的多维特征对应的特征参数；基于主成分分析算法对所述特征集合中的特征参数进行融合，得到融合特征参数；将所述融合特征参数输入至电缆状态评估模型，输出目标电缆的状态评估结果，其中，所述电缆状态评估模型是预先构建的用于评估电缆状态的模型。

3、可选地，对所述多维特征进行筛选，得到特征集合的步骤包括：基于所述特征参数对所述多维特征构建箱线图；基于所述箱线图对所述多维特征进行筛选，得到所述特征集合。

4、可选地，基于所述箱线图和预设筛选策略对所述多维特征进行筛选的步骤包括：分析所述多维特征中每个维度对应的箱线图，在所述箱线图中的特征参数的分布范围完全重合的情况下，将该特征参数对应的多维特征标记为无效特征，并对所述无效特征进行过滤。

5、可选地，基于粒子群算法和预设信号分解算法对所述电流信号进行处理，得到所述目标电缆的谐波序列的步骤包括：步骤一，基于所述电流信号的信号序列采集时间点对所述电流信号进行预处理，得到粒子群；步骤二，初始化粒子群参数，其中，所述粒子群参数至少包括：粒子群参数组、粒子初始位置、粒子初始速度，粒子群参数组包括：模态数、二次收敛因子，所述模态数用于限定基于预设信号分解算法进行信号分解处理得到的imf个数，所述二次收敛因子用于确定基于预设信号分解算法进行信号分解处理的抗噪声干扰性能；步骤三，对所述粒子群中的各个粒子进行信号分解处理，计算每个粒子的适应度值；步骤四，基于所述粒子群算法更新每个粒子的粒子速度和粒子位置；重复步骤三至步骤四，基于每个粒子的所述粒子速度和所述粒子位置进行迭代计算，直至迭代次数等于预设迭代次数阈值，得到目标适应度值和所述目标适应度值对应的目标粒子群参数组；基于所述目标适应度值和所述目标粒子群参数组对所述目标电缆的电流信号进行信号分解处理，得到所述目标电缆的谐波序列。

6、可选地，对所述粒子群中的各个粒子进行信号分解处理，计算每个粒子的适应度值的步骤包括：获取信号分解处理产生的一组imf模糊熵，并计算所述imf模糊熵的标准差；基于所述标准差计算每个粒子的适应度值。

7、可选地，所述电缆状态评估模型是预先构建的，构建所述电缆状态评估模型的步骤包括：采集历史时间段内的历史融合特征参数集合和历史电缆状态集合，得到源数据集合；对所述源数据集合进行预处理和向量化处理，得到样本数据集合；基于预设比例对所述样本数据集合进行划分，得到训练集和测试集；基于训练集对初始模型进行训练，得到初始电缆状态评估模型；基于所述测试集对所述初始电缆状态评估模型进行测试，得到测试结果，在所述测试结果指示测试正确率大与预设正确率的情况下，确定模型训练完成，得到所述电缆状态评估模型。

8、可选地，所述多维特征提取至少包括：时域特征提取、频域特征提取、能量特征提取。

9、根据本发明实施例的另一方面，还提供了一种电缆状态评估装置，包括：采集单元，用于采集目标电缆的电流信号；处理单元，用于基于粒子群算法和预设信号分解算法对所述电流信号进行处理，得到所述目标电缆的谐波序列，其中，所述谐波序列中包括n个谐波特征，n为正整数；提取单元，用于对所述谐波序列进行多维特征提取，得到初始多维特征和所述初始多维特征对应的特征参数，并对所述初始多维特征进行筛选，得到特征集合，其中，所述特征集合包括：筛选后的多维特征和所述筛选后的多维特征对应的特征参数；融合单元，用于基于主成分分析算法对所述特征集合中的特征参数进行融合，得到融合特征参数；输出单元，用于将所述融合特征参数输入至电缆状态评估模型，输出目标电缆的状态评估结果，其中，所述电缆状态评估模型是预先构建的用于评估电缆状态的模型。

10、可选地，所述提取单元包括：第一构建模块，用于基于所述特征参数对所述多维特征构建箱线图；第一筛选模块，用于基于所述箱线图对所述多维特征进行筛选，得到所述特征集合。

11、可选地，所述第一筛选模块包括：第一过滤子模块，用于分析所述多维特征中每个维度对应的箱线图，在所述箱线图中的特征参数的分布范围完全重合的情况下，将该特征参数对应的多维特征标记为无效特征，并对所述无效特征进行过滤。

12、可选地，所述处理单元包括：第一预处理模块，用于步骤一，基于所述电流信号的信号序列采集时间点对所述电流信号进行预处理，得到粒子群；第一初始化模块，用于步骤二，初始化粒子群参数，其中，所述粒子群参数至少包括：粒子群参数组、粒子初始位置、粒子初始速度，粒子群参数组包括：模态数、二次收敛因子，所述模态数用于限定基于预设信号分解算法进行信号分解处理得到的imf个数，所述二次收敛因子用于确定基于预设信号分解算法进行信号分解处理的抗噪声干扰性能；第一计算模块，用于步骤三，对所述粒子群中的各个粒子进行信号分解处理，计算每个粒子的适应度值；第一更新模块，用于步骤四，基于所述粒子群算法更新每个粒子的粒子速度和粒子位置；第一重复模块，用于重复步骤三至步骤四，基于每个粒子的所述粒子速度和所述粒子位置进行迭代计算，直至迭代次数等于预设迭代次数阈值，得到目标适应度值和所述目标适应度值对应的目标粒子群参数组；第一分解模块，用于基于所述目标适应度值和所述目标粒子群参数组对所述目标电缆的电流信号进行信号分解处理，得到所述目标电缆的谐波序列。

13、可选地，所述第一计算模块包括：第一计算子模块，用于获取信号分解处理产生的一组imf模糊熵，并计算所述imf模糊熵的标准差；第二计算子模块，用于基于所述标准差计算每个粒子的适应度值。

14、可选地，所述电缆状态评估装置还包括：第一采集模块，用于采集历史时间段内的历史融合特征参数集合和历史电缆状态集合，得到源数据集合；第一处理模块，用于对所述源数据集合进行预处理和向量化处理，得到样本数据集合；第一划分模块，用于基于预设比例对所述样本数据集合进行划分，得到训练集和测试集；第一训练模块，用于基于训练集对初始模型进行训练，得到初始电缆状态评估模型；第一测试模块，用于基于所述测试集对所述初始电缆状态评估模型进行测试，得到测试结果，在所述测试结果指示测试正确率大与预设正确率的情况下，确定模型训练完成，得到所述电缆状态评估模型。

15、可选地，所述多维特征提取至少包括：时域特征提取、频域特征提取、能量特征提取。

16、根据本发明实施例的另一方面，还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项电缆状态评估方法。

17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项电缆状态评估方法。

18、在本公开中，通过以下步骤：先采集目标电缆的电流信号，并基于粒子群算法和预设信号分解算法对电流信号进行处理，得到目标电缆的谐波序列，其中，谐波序列中包括n个谐波特征，n为正整数，再对所述谐波序列进行多维特征提取，得到初始多维特征和初始多维特征对应的特征参数，并对初始多维特征进行筛选，得到特征集合，其中，特征集合包括：筛选后的多维特征和筛选后的多维特征对应的特征参数，然后基于主成分分析算法对特征集合中的特征参数进行融合，得到融合特征参数，最后将融合特征参数输入至电缆状态评估模型，输出目标电缆的状态评估结果，其中，电缆状态评估模型是预先构建的用于评估电缆状态的模型。

19、在本公开中，在进行电缆状态评估时，基于粒子群算法和信号分解算法对采集的电流序列进行处理，获取完整的谐波序列，并通过多维特征提取、筛选和融合等多个步骤对谐波序列进行处理，完善了模型数据基础，保证了模型的可靠性，大大提高了电缆状态评估的准确率，同时采用主成分分析算法对特征参数进行融合，在精炼特征信息的同时减少了数据量，完成了数据的降维，大大减少了电缆状态评估模型的计算负担，提高了电缆评估效率，进而解决了相关技术中，现有的电缆检测模型存在特征数据相对单一的局限性，无法对电缆状态进行全面评估，导致评估结果不准确的技术问题。