基于电力线通信技术在线监测电缆热老化的方法

1.本发明属于电缆热老化在线监测技术领域，具体为基于电力线通信技术在线监测电缆热老化的方法。


背景技术：

2.电力线通信技术是实现智能电网信息传输的重要技术之一。当前，随着城市负荷的不断增长，对供电可靠性的要求越来越高，对城市建设美观的要求也越来越高，电缆线路也随之增加。热老化是导致电缆绝缘性能下降的重要原因之一，实现热老化的在线监测对电网的安全稳定运行具有重要意义。采用无需额外投资的电力线通信技术实现对电缆热老化的在线监测不仅可以提高供电可靠性，还具有良好的经济性。
3.当前研究较成熟并且可应用于现场电缆老化诊断的技术较少，主要以取样分析技术和0.1hz超低频介损检测法为代表。取样分析技术可用于识别电缆的水树老化、热老化等，后者则更易于识别电缆中的水树老化。同时，取样分析技术具有破坏性，只适用于取样成本相对较低、整体为均匀老化配电电缆的老化诊断；0.1hz超低频介损检测技术虽然已被列为电缆现场试验内容之一，但其是否能与工频介损检测完全等效并反映工频情况下运行电缆的绝缘状态仍需进一步研究，且其施加的电压可能会给电缆造成二次破坏。
4.在此情况下，亟需找到一种新的电缆热老化监测方法，有利于加快解决我国存在的大规模电缆老化问题。


技术实现要素：

5.本发明的目的是提供基于电力线通信技术在线监测电缆热老化的方法，不仅能够识别电缆是否发生热老化，同时可以预测电缆的老化程度。
6.本发明所采用的技术方案是，基于电力线通信技术在线监测电缆热老化的方法，具体按照以下步骤实施：
7.步骤1、根据高频中单位长度的电缆分布参数模型得到电缆的特征阻抗和传播常数；建立电力线信道模型，获得高频情况下的宽带信道频率响应；
8.步骤2、根据不同热老化类型、不同热老化程度情况下电缆的分布参数不同，得到电缆发生热老化后的电力线信道模型，获得热老化情况下的宽带信道频率响应；
9.步骤3、采用随机森林分类算法，将步骤2中获得的信道频率响应作为输入，电缆的老化类型作为输出，进行电缆老化分类,得到电缆的老化类型；
10.步骤4、利用随机森林回归预测算法将步骤3中得到的发生整体热老化和局部热老化的电缆组别进行训练，预测出电缆发生热老化的老化程度。
11.本发明的特征还在于，
12.步骤1的具体实施方式如下：
13.步骤1.1，首先，将实际中电缆分布错综复杂的网络拓扑结构划分成n个独立的基本单元；
14.然后，计算电缆的分布参数：电阻r、电感l、电导g及电容c；
15.其中，电阻r如式(1)所示：
[0016][0017]
式中(1)中的rs如式(2)所示：
[0018][0019]
式(2)中，μ0为真空磁导率，且μ0＝4π
×
10-7v·
s/(a
·
m)，f为频率，σc为导体的电导率，rc为缆芯半径；
[0020]
式(1)中，αr是修正系数，如式(3)所示：
[0021][0022]
式中，ne为电缆外圈多股线的数量，rz为构成电缆外圈多股线的半径，δ为趋肤深度，其中：
[0023][0024][0025]
式(4)中，ns为组成导体芯线的总股数；
[0026]
电感l如式(6)所示：
[0027][0028]
式(6)中，ls为导体的自感，lm为导体的互感，如式(7)所示：
[0029][0030]
式(7)中，d为两导体之间的距离，为16mm；
[0031]
电容c如式(8)所示：
[0032]
c＝μ0ε0ε
t
l-1
ꢀꢀ
(8)
[0033]
式(8)中，ε0为真空中的介电常数且ε0＝8.8
×
10-12
f/m，ε
t
为电缆老化部分的相对介电常数；
[0034]
电导g如式(9)所示：
[0035]
g＝2πfμ0ε0ε
t
l-1
ꢀꢀ
(9)
[0036]
在分布参数模型中，每段线路的特征阻抗为：
[0037][0038]
传播常数为：
[0039][0040]
式中，r为分布参数模型中单位长度的电阻，g为分布参数模型中单位长度的电导，l为分布参数模型中单位长度的电感，c为分布参数模型中单位长度的电容；
[0041]
步骤1.2，根据第n个基本单元接收端和发射端之间各频点的电压比，得到第n个基本单元的信道频率响应h
(n)
(f)，如式(12)所示：
[0042][0043]
式(12)中，v
r(n)
为第n个基本单元接收端的电压，v
t(n)
为第n个基本单元发射端的电压，v
p(n)
为第n个基本单元分支点的电压；
[0044]
其中，如式(13)所示，如式(14)所示，即：
[0045][0046][0047]
式(13)中，γ
2(n)
为第n个基本单元接收侧线路的传播常数，l
2(n)
为第n个基本单元接收侧的线路长度，γ
l(n)
为第n个基本单元接收端的反射系数，由式(15)表示，即：
[0048][0049]
式(15)中，z
l(n)
为第n个基本单元的等效负载阻抗，z
c2(n)
为接收侧线路的特征阻抗；
[0050]
式(14)中，γ
1(n)
为第n个基本单元发射侧线路的传播常数，l
1(n)
为第n个基本单元发射侧的线路长度，γ
p(n)
为第n个基本单元分支点的反射系数，由式(16)表示，即：
[0051][0052]
式(16)中，z
p(n)
表示第n个基本单元分支点的等效负载阻抗，z
c1(n)
为发射侧线路的特征阻抗；
[0053]
步骤1.3，利用步骤1.2得到复杂网络中每个基本单元的宽带信道频率响应，进而得到整个网络拓扑结构的信道频率响应，如式(17)所示：
[0054][0055]
步骤2的具体实施方式如下：
[0056]
步骤2.1，根据不同热老化程度下电缆的绝缘部分的复介电常数在高频范围内变化不同这一特点，分别拟合出1mhz-100mhz频率范围内电缆整体热老化中未老化、轻微老化、严重老化情况下绝缘部分的复介电常数以及局部热老化中未老化、轻微老化、严重老化情况下绝缘部分的复介电常数，如式(18)所示，即：
[0057][0058]
式(18)中，ε'为复介电常数的实部，ε”为复介电常数的虚部，ε0为真空中的介电常数，w角频率,m、n，p均为拟合系数；
[0059]
步骤2.2，根据复介电常数ε(w)与分布参数中电容c、电导g之间的关系，得到电缆发生热老化后的分布参数模型，进而根据式(12)分别得到整段电缆均发生老化的电缆整体热老化和局部电缆发生老化的局部热老化后的电力线信道模型；
[0060]
步骤2.3，对于整体热老化和局部热老化，其不同热老化程度下第n个基本单元的信道频率响应h
1(n)
(f)如式(19)所示；
[0061][0062]
式(19)中，v
r1(n)
为电缆老化后第n个基本单元接收端的电压，v
t1(n)
为电缆老化后第n个基本单元发射端的电压，v
p1(n)
为电缆老化后第n个基本单元分支点的电压；
[0063]
步骤2.4，设置每个基本单元的主干线路总长度，并将其分别设置为整体热老化或局部发生老化的局部热老化，其中，两种老化类型的老化程度均分别随机设置为未老化、轻微热老化和严重热老化，设置分支部分的线路长度，设置分支末端负载，进而得到不同老化类型对应的不同老化程度下的信道频率响应。
[0064]
步骤3的具体实施方式如下：
[0065]
步骤3.1，使用麻雀算法优化的随机森林分类算法，设置优化算法中的种群数量，设定最大迭代次数，将优化算法中得到最优参数赋予网络；
[0066]
步骤3.2，将步骤2中获得的老化后的信道频率响应h
1(n)
(f)作为输入，电缆热老化类型作为输出进行分类预测。
[0067]
步骤4的具体实施方式如下：
[0068]
步骤4.1，采用随机森林回归预测算法，设置随机森林中决策树的个数，设置最大特征数，不限制子树的最大深度，设置内部节点再划分所需的最小样本数，设置叶子节点最小样本数；
[0069]
步骤4.2，将步骤3中得到的分类为整体热老化和分类为局部热老化的电缆组别的信道频率响应作为输入，对机器进行训练后，得到电缆的老化程度。
[0070]
本发明的有益效果是：
[0071]
本发明方法基于传输线理论，利用电力系统中已经存在的载波装置实时监测电缆中的信道频率响应，不需要额外设备，进而实现了在线监测电缆是否发生热老化以及热老化的程度，电缆热老化类型预测的准确率达到了100％，电缆热老化程度的预测精度达到了99％，解决了电缆老化引起的相关电气参数的变化不易测量和测量成本较高的问题。
附图说明
[0072]
图1是本发明基于电力线通信技术在线监测电缆热老化的方法中的典型拓扑网络结构图；
[0073]
图2是本发明基于电力线通信技术在线监测电缆热老化的方法中的第n个基本单
元的等效电路图；
[0074]
图3是本发明基于电力线通信技术在线监测电缆热老化的方法中的简单网络拓扑结构图；
[0075]
图4是本发明基于电力线通信技术在线监测电缆热老化的方法中电缆热老化的识别效果图；
[0076]
图5是本发明基于电力线通信技术在线监测电缆热老化的方法中的电缆热老化识别混淆矩阵图；
[0077]
图6是本发明基于电力线通信技术在线监测电缆热老化的方法中电缆整体热老化程度的预测效果图；
[0078]
图7是本发明基于电力线通信技术在线监测电缆热老化的方法中电缆整体热老化程度的预测误差图；
[0079]
图8是本发明基于电力线通信技术在线监测电缆热老化的方法中电缆局部热老化程度的预测效果图；
[0080]
图9是本发明基于电力线通信技术在线监测电缆热老化的方法中电缆局部热老化程度的预测误差图。
具体实施方式
[0081]
下面结合附图和具体实施方式对本发明进行详细说明。
[0082]
本发明基于电力线通信技术在线监测电缆热老化的方法，利用电力线通信技术，具体按照以下步骤实施：
[0083]
步骤1，根据高频(1mhz-100mhz)中单位长度的电缆分布参数模型(电阻r、电感l、电导g、电容c)得到电缆的特征阻抗和传播常数，利用接收端和发射端之间各频点的电压比得到每个基本单元的传输特性，建立电力线信道模型，获得高频情况下的宽带信道频率响应；
[0084]
步骤1.1，首先，将实际中电缆分布错综复杂的网络拓扑结构划分成n个独立的基本单元，如图1所示。每个基本单元的结构包括主干和分支(分支可以不存在)，分支可以仅有一级分支，也可以存在多级分支，每级分支的个数既可以为单个也可以为多个。对于包括多级分支的基本单元，利用分支等效阻抗与主干并联来简化计算，对于无分支的基本单元，其分支长度设置为0，不需进行简化计算；
[0085]
然后，计算电缆的分布参数：电阻r、电感l、电导g及电容c；
[0086]
其中，电阻r如式(1)所示：
[0087][0088]
式中(1)中的rs如式(2)所示：
[0089][0090]
式(2)中，μ0为真空磁导率，且μ0＝4π
×
10-7v·
s/(a
·
m)，f为频率，σc为导体的电导率，取σc＝5.7
×
107s/m，rc为缆芯半径，为4mm；
[0091]
式(1)中，αr是修正系数，如式(3)所示：
[0092][0093]
式中，ne为电缆外圈多股线的数量，rz为构成电缆外圈多股线的半径，δ为趋肤深度，其中：
[0094][0095][0096]
式(4)中，ns为组成导体芯线的总股数；
[0097]
电感l如式(6)所示：
[0098][0099]
式(6)中，ls为导体的自感，lm为导体的互感，如式(7)所示：
[0100][0101]
式(7)中，d为两导体之间的距离，为16mm；
[0102]
电容c如式(8)所示：
[0103]
c＝μ0ε0ε
t
l-1
ꢀꢀ
(8)
[0104]
式(8)中，ε0为真空中的介电常数且ε0＝8.8
×
10
*12
f/m，ε
t
为电缆老化部分的相对介电常数；
[0105]
电导g如式(9)所示：
[0106]
g＝2πfμ0ε0ε
t
l-1
ꢀꢀ
(9)
[0107]
第n个基本单元的等效电路图如图2所示，在分布参数模型中，每段线路的特征阻抗为：
[0108][0109]
传播常数为：
[0110][0111]
式中，r为分布参数模型中单位长度的电阻，g为分布参数模型中单位长度的电导，l为分布参数模型中单位长度的电感，c为分布参数模型中单位长度的电容；
[0112]
步骤1.2，根据第n个基本单元接收端和发射端之间各频点的电压比，得到第n个基本单元的信道频率响应h
(n)
(f)，如式(12)所示：
[0113][0114]
式(12)中，v
r(n)
为第n个基本单元接收端的电压，v
t(n)
为第n个基本单元发射端的电压，v
p(n)
为第n个基本单元分支点的电压；
[0115]
其中，如式(13)所示，如式(14)所示，即：
[0116][0117][0118]
式(13)中，γ
2(n)
为第n个基本单元接收侧线路的传播常数，l
2(n)
为第n个基本单元接收侧的线路长度，γ
l(n)
为第n个基本单元接收端的反射系数，由式(15)表示，即：
[0119][0120]
式(15)中，z
l(n)
为第n个基本单元的等效负载阻抗，z
c2(n)
为接收侧线路的特征阻抗；
[0121]
式(14)中，γ
1(n)
为第n个基本单元发射侧线路的传播常数，l
1(n)
为第n个基本单元发射侧的线路长度，γ
p(n)
为第n个基本单元分支点的反射系数，由式(16)表示，即：
[0122][0123]
式(16)中，z
p(n)
表示第n个基本单元分支点的等效负载阻抗，z
c1(n)
为发射侧线路的特征阻抗；
[0124]
步骤1.3，利用步骤1.2得到复杂网络中每个基本单元的宽带信道频率响应，进而得到整个网络拓扑结构的信道频率响应，如式(17)所示：
[0125][0126]
步骤2，根据不同热老化类型、不同热老化程度情况下电缆的分布参数不同，得到电缆发生热老化后的电力线信道模型，获得热老化情况下的宽带信道频率响应；
[0127]
步骤2.1，根据不同热老化程度下电缆的绝缘部分的复介电常数在高频范围内变化不同这一特点，分别拟合出1mhz-100mhz频率范围内电缆整体热老化中未老化、轻微老化、严重老化情况下绝缘部分的复介电常数以及局部热老化中未老化、轻微老化、严重老化情况下绝缘部分的复介电常数，如式(18)所示，即：
[0128][0129]
式(18)中，ε'为复介电常数的实部，ε”为复介电常数的虚部，ε0为真空中的介电常数，w角频率,m、n，p均为拟合系数，如表1所示；
[0130]
表1不同程度热老化情况下的拟合参数值
[0131][0132]
步骤2.2，根据复介电常数ε(w)与分布参数中电容c、电导g之间的关系，得到电缆发生热老化后的分布参数模型，进而根据式(12)分别得到整段电缆均发生老化的电缆整体热老化和局部电缆(长度为1-2m的局部电缆)发生老化的局部热老化后的电力线信道模型；
[0133]
其中，选用通过分支等效阻抗传递回主干节点这一简化过程后的基本单元，如图3所示，具体结构为：一个基本单元同时包含主干部分和一个分支，当在该简单网络中发生整体热老化或在电缆局部发生局部热老化时，由于信道频率响应是从最后一个基本单元通过迭代回溯得到的，因此，当一个简单网络发生热老化时，总的信道频率响应也就会随之发生变化，且不同热老化情况下的信道频率响应振荡衰减不同。
[0134]
步骤2.3，当电缆发生不同程度的热老化时，其线路的特性阻抗和传播常数也会相应地发生改变，进而影响线路中发射端、接收端以及分支点电压，因此，对于整体热老化和局部热老化，其不同热老化程度下第n个基本单元的信道频率响应h
1(n)
(f)如式(19)所示；
[0135][0136]
式(19)中，v
r1(n)
为电缆老化后第n个基本单元接收端的电压，v
t1(n)
为电缆老化后第n个基本单元发射端的电压，v
p1(n)
为电缆老化后第n个基本单元分支点的电压；
[0137]
步骤2.4，将每个基本单元的主干线路总长度设置为100m，并将其分别设置为整体热老化或局部发生老化的局部热老化，其中，两种老化类型的老化程度均分别随机设置为未老化、轻微热老化和严重热老化，分支部分的线路长度设置为20m，分支末端负载设置为50ω，进而得到不同老化类型对应的不同老化程度下的900组信道频率响应。
[0138]
步骤3，采用随机森林分类算法，将步骤2中获得的信道频率响应h
1(n)
(f)作为输入，电缆的老化类型作为输出，进行电缆老化分类,得到电缆的老化类型；
[0139]
步骤3.1，使用麻雀算法优化的随机森林分类算法，将优化算法中的种群数量设置为5，设定最大迭代次数为100，将优化算法中得到最优参数赋予网络；
[0140]
步骤3.2，将步骤2中获得的老化后的信道频率响应h
1(n)
(f)作为输入，电缆热老化类型作为输出进行分类预测，识别效果如图4、图5所示，图4中类别0代表电缆未老化，类别1代表电缆发生了整体热老化，类别2代表电缆发生了局部热老化，图5表明了分类为未老化、整体热老化和局部热老化的组别分别为311、309和280组。从图4中可以看出，分类准确率达到了100％，当电缆发生不同类型的热老化时，会不同程度地影响信道频率响应的衰减，所以能够通过随机森林分类算法识别是否发生了热老化，如果发生了，预测出是均匀热老化还是局部热老化；
[0141]
随机森林就是通过集成学习的bagging思想将多棵树集成的一种算法，它的基本单元就是决策树，它能够处理具有高维特征的输入样本，而且不需要降维，能够评估各个特征在分类问题上的重要性，在生成过程中，能够获取到内部生成误差的一种无偏估计，常被
用于分类问题和回归预测问题，在随机森林算法中，将一个输入样本进行分类，就需要将它输入到每棵树中进行分类，若干个弱分类器的分类结果进行投票选择，从而组成一个强分类器，最终实现对电缆老化类型的分类；
[0142]
步骤4，利用随机森林回归预测算法将步骤3中得到的发生整体热老化和局部热老化的电缆组别进行训练，预测出电缆发生热老化的老化程度；
[0143]
步骤4.1，采用随机森林回归预测算法，将随机森林中决策树的个数设置为100(取值范围为80-100)，最大特征数设置为32(取值范围为9-32)，不限制子树的最大深度，内部节点再划分所需的最小样本数设置为2，叶子节点最小样本数设置为1；
[0144]
步骤4.2，将步骤3中得到的309组分类为整体热老化和280组分类为局部热老化的电缆组别的信道频率响应作为输入，对机器进行训练后，得到电缆的老化程度。其中，电缆老化程度的预测精度a如式(20)所示，预测误差pa如式(21)所示；
[0145][0146]
式中，t1为预测结果正确的组别个数，n1为总的组别个数；
[0147][0148]
式中，y
predict
为随机森林回归预测算法预测出的老化程度，y
real
表示实际的老化程度。
[0149]
整体热老化的老化程度预测效果如图6所示，预测精度达到了99％，预测误差率如图7所示，最大预测误差不超过1.2％，局部热老化的老化程度预测效果如图8所示，预测精度同样达到了99％，预测误差率如图9所示，最大预测误差不超过0.4％。综上所述，无论是整体热老化还是局部热老化，预测精度均达到了99％以上，最大误差均小于1.2％，因此，本方法可以很好地实现对电缆热老化的在线监测。