一种高压电缆接地系统的缺陷自动识别方法及装置

摘要

本申请公开了一种高压电缆接地系统的缺陷自动识别方法及装置，包括：采集多个电缆线路护层电流构造样本数据；将样本数据划分成训练集和测试集；采用训练集训练构建好的高压电缆接地系统缺陷自动识别模型；将测试集中的测试样本输入到训练好的模型，将模型输出的状态编号与测试样本实际状态编号进行比对，判断缺陷自动识别模型的性能；获取待测电缆线路护层电流；将待测电缆线路护层电流输入至训练好的缺陷自动识别模型中，得到待测电缆线路护层电流对应的状态编号识别结果。本申请解决了现有高压电缆接地系统的缺陷识别诊断过程高度依赖巡检人员的经验，尚未实现电缆接地系统缺陷的自动识别的技术问题。

说明书

技术领域

本申请涉及高压电缆接地系统的缺陷识别技术领域，尤其涉及一种高压电缆接地系统的缺陷自动识别方法及装置。

背景技术

高压电力电缆因既满足城市电网大容量的电能传输要求，同时又避免了对原有城市面貌的破坏而被广泛应用于市内输电系统中。虽然电缆线路发生故障的概率远低于传统的城市架空输电线路，但由于电力电缆多敷设于沟道内，故障发生后定位难度大、恢复供电时间长，往往会对社会经济造成较大影响。

接地系统是电缆线路的重要组成部分，能在电缆发生故障时提供导流通道。工程经验表明，高压电缆线路在发生故障前往往会出现护层电流增大的现象。高压电缆已经出现异常但还未发展至迫使线路停运的状态是运维人员排查消除故障隐患的黄金时期。护层电流能在一定程度上反映电缆的运行状态，且能在线路不停电的情况下较为便利地获取，因此成为巡检过程中运维人员重点关注的状态量之一。

目前高压电缆接地系统状态主要通过运维人员将采集到的护层电流幅值与相关标准进行比较来判断。该方法人为因素较大，护层电流特征与电缆缺陷之间尚未建立联系，相关标准的识别准确率不足以满足日常运维巡检的需要。针对电缆线路的护层电流诊断方案急需实现智能化。

发明内容

本申请提供了一种高压电缆接地系统的缺陷自动识别方法及装置，解决了现有高压电缆接地系统的缺陷识别诊断过程高度依赖巡检人员的经验，尚未实现电缆接地系统缺陷的自动识别。

有鉴于此，本申请第一方面提供了一种高压电缆接地系统的缺陷自动识别方法，所述方法包括：

采集多个电缆线路护层电流构造样本数据；

将所述样本数据划分成训练集和测试集；

采用所述训练集训练构建好的高压电缆接地系统缺陷自动识别模型；

将所述测试集中的测试样本输入到训练好的所述高压电缆接地系统缺陷自动识别模型，将所述高压电缆接地系统缺陷自动识别模型输出的状态编号与所述测试样本实际状态编号进行比对，判断所述高压电缆接地系统缺陷自动识别模型的性能；

获取待测电缆线路护层电流；

将所述待测电缆线路护层电流输入至训练好的所述高压电缆接地系统缺陷自动识别模型中，得到所述待测电缆线路护层电流对应的状态编号识别结果。

可选的，所述采集多个电缆线路护层电流构造样本数据，包括：

获取接地系统多个护层小段的护层电流，获取任意两个护层电流之间的幅值比和相角差，由得到的多个所述幅值比和相角差构成护层电流特征向量；

将所述接地系统的护层电流对应的电缆线路接地系统状态编号加入到所述护层电流特征向量中构成样本数据。

可选的，所述高压电缆接地系统缺陷自动识别模型包括：

模型输入接口，用于为所述样本数据提供输入端口；

多项式特征构造器，用于将输入的所述样本数据扩展为高维特征向量；

数据归一化处理器，用于对所述高维特征向量进行缩放处理，使得处理后的所述高维特征向量中各特征值均服从标准正态分布；

逻辑回归分类器，用于对缩放处理后的所述高维特征向量根据预置第一公式进行计算得到状态编号的输出结果；

多分类结果决策器，用于将多个所述逻辑回归分类器的输出结果中出现次数最多的所述状态编号作为最终输出结果；

模型输出接口，用于与外部显示设备相连，提供所述最终输出结果的可视化结果。

可选的，所述对缩放处理后的所述高维特征向量根据预置第一公式进行计算得到状态编号的输出结果，包括：

将所述高维特征向量的每个元素乘一个权重，以累加求和的形式表征线性回归模型的输出值为：

将所述线性回归模型的输出结果转换至区间0-1内以概率的形式表达：

当计算得到的概率大于等于0.5时，预测接地系统处于正常状态，模型输出1，则输出训练样本对应的所述状态编号；若计算得到的概率小于0.5，模型预测接地系统状态不正常，输出值为0；式中，y

可选的，所述采用所述训练集训练构建好的高压电缆接地系统缺陷自动识别模型，包括：

将所述训练集特征预测的类别与样本真实类别之间的差距用损失函数L表示，当损失函数L取最小值时，所述高压电缆接地系统缺陷自动识别模型完成了参数调节；

损失函数为：

式中，m为样本数，y

本申请第二方面提供一种高压电缆接地系统的缺陷自动识别装置，所述装置包括：

样本数据获取单元，用于采集多个电缆线路护层电流构造样本数据；

划分单元，用于将所述样本数据划分成训练集和测试集；

训练单元，用于采用所述训练集训练构建好的高压电缆接地系统缺陷自动识别模型；

比对单元，用于将所述测试集中的测试样本输入到训练好的所述高压电缆接地系统缺陷自动识别模型，将所述高压电缆接地系统缺陷自动识别模型输出的状态编号与所述测试样本实际状态编号进行比对，判断所述高压电缆接地系统缺陷自动识别模型的性能；

待测样本获取单元，用于获取待测电缆线路护层电流；

识别单元，用于将所述待测电缆线路护层电流输入至训练好的所述高压电缆接地系统缺陷自动识别模型中，得到所述待测电缆线路护层电流对应的状态编号识别结果。

可选的，所述样本数据获取单元具体用于获取接地系统多个护层小段的护层电流，获取任意两个护层电流之间的幅值比和相角差，由得到的多个所述幅值比和相角差构成护层电流特征向量；

将所述接地系统的护层电流对应的电缆线路接地系统状态编号加入到所述护层电流特征向量中构成样本数据。

可选的，所述训练单元具体用于将所述训练集特征预测的类别与样本真实类别之间的差距用损失函数L表示，当损失函数L取最小值时，所述高压电缆接地系统缺陷自动识别模型完成了参数调节；

损失函数为：

式中，m为样本数，y

本申请第三方面提供一种高压电缆接地系统的缺陷自动识别设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的高压电缆接地系统的缺陷自动识别方法的步骤。

本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的方法。

从以上技术方案可以看出，本申请具有以下优点：

本申请实施例中，提供了一种高压电缆接地系统的缺陷自动识别方法，采集多个电缆线路护层电流构造样本数据；将样本数据划分成训练集和测试集；采用训练集训练构建好的高压电缆接地系统缺陷自动识别模型；将测试集中的测试样本输入到训练好的高压电缆接地系统缺陷自动识别模型，将高压电缆接地系统缺陷自动识别模型输出的状态编号与测试样本实际状态编号进行比对，判断高压电缆接地系统缺陷自动识别模型的性能；获取待测电缆线路护层电流；将待测电缆线路护层电流输入至训练好的缺陷自动识别模型中，得到待测电缆线路护层电流对应的状态编号识别结果。

本申请通过提取高压电缆接地系统中多个小段的电流，即将高压电缆接地系统的缺陷进行多段的分类、同时将获取的多段护层电流按照预置方式进行电流特征向量的提取、并将构造好的电流特征向量以及对应的状态编号输入至构造好的自动识别模型中得到高压电缆接地系统缺陷自动识别模型，用于自动识别高压电缆接地系统的缺陷。与现有的诊断方法相比，本方法能够有效减少诊断结果对人工经验的依赖，并同时提高电缆接地系统状态诊断的效率和准确性。

附图说明

图1为本申请一种高压电缆接地系统的缺陷自动识别方法的一个实施例的方法流程图；

图2为本申请一种高压电缆接地系统的缺陷自动识别装置的一个实施例的装置结构图；

图3为本申请实施例中电缆线路划分后的护层电流采集示意图；

图4为本申请实施例中高压电缆接地系统缺陷自动识别模型的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请一种高压电缆接地系统的缺陷自动识别方法的一个实施例的方法流程图，如图1所示，图1中包括：

101、采集多个电缆线路护层电流构造样本数据；

需要说明的是，本申请可以采集多个的高压电缆接地系统的护层电流构成样本数据，用于对后续的模型进行训练。

在一种具体的实施方式中，样本数据的采集包括：

1011、获取接地系统多个护层小段的护层电流，获取任意两个护层电流之间的幅值比和相角差，由得到的多个幅值比和相角差构成护层电流特征向量；

需要说明的是，本申请可以将高压电缆接地系统划分为多个交叉互联接地主段(每个主段对应一个样本数据)，本申请为了识别出主段中不同区域的故障，可以将每个主段划分成多个小段，获取的每个小段的护层电流(每个小段的护层电流与该小段区域出现的故障直接相关)，因此，可以获取划分后的每个护层小段的护层电流，并计算任意两个小段护层电流之间的幅值比和相角差，由得到的多个幅值比和相角差构成护层电流特征向量。

获取护层电流特征向量的过程具体包括：

由于长距离电缆输电线路一般选用交叉互联的接地方式。在线路设计规划时，一般会依据线路的长度将高压电缆接地系统划分为多个交叉互联接地主段，每个主段的接地系统由9节电缆金属护层小段(A1,A2…C3)、12个中间接头(JA0,JB0…JC3)、首尾2个直接接地箱(GB1,GB2)和中间2个交叉互联箱(CB1,CB2)组成，如图3所示。每节电缆金属护层小段两端在接头内通过连接线至交叉互联箱或直接接地箱，在交叉互联箱内实现电缆金属护层换位连接，在直接接地箱内实现电缆金属护层对地连接。

由于常见的交叉互联高压电缆接地系统缺陷包括护层回路开路、交叉互联箱进水、接头环氧预制件击穿、外护套破损、保护器击穿等，按电路拓扑可分为护层回路开路、护层回路间新增支路、护层回路新增对地支路3大类，如表1所示。本申请将3大类接地系统缺陷根据缺陷发生的位置不同可以进一步划分为27个小类，记为“0”至“3Q”共27个状态编号。

表1高压电缆接地系统状态分类

在缺陷划分后，为获取电缆接地系统主段中不同位置的电流状态，本申请可以选用如图3中的A1、B1、C1小段末端护层电流I

1012、将接地系统的护层电流对应的电缆线路接地系统状态编号加入到护层电流特征向量中构成样本数据。

需要说明的是，将每个主段采集到的样本数据所属的电缆线路接地系统状态编号记为y，状态编号即对应该主段的故障类别。样本数据集由表征护层电流特征的多维向量与表征接地系统状态编号构成。具体的，若护层电流特征向量是8维向量时，每一条样本数据为1个9维数组[x

102、将样本数据划分成训练集和测试集；

需要说明的是，本申请可以将样本数据集按4:1随机切分为训练集和测试集两大类。

103、采用训练集训练构建好的高压电缆接地系统缺陷自动识别模型；

需要说明的是，高压电缆接地系统缺陷自动识别模型由6个部分构成，依次包括模型输入接口，多项式特征构造器，数据归一化处理器，逻辑回归分类器，多分类结果决策器以及模型输出接口。

在一种具体的实施方式中，高压电缆接地系统缺陷自动识别模型如图4所示。本申请可以采用scikit-learn数据库里的函数为例构造缺陷自动识别模型，包括：

(1)模型输入接口

模型输入接口用于为上样本集中的特征向量提供输入端口。

(2)多项式特征构造器

本申请可以采用多项式特征构造器将8维护层电流特征向量扩展为阶数更多的高维特征向量。本申请通过构造多项式特征的方式提高模型复杂度，使得模型能挖掘样本之间更为隐性的关系。

(3)数据归一化处理器

数据归一化处理器能对由多项式特征构造器输出的数据进行缩放处理，处理后的特征向量各特征值均服从标准正态分布，以防止某类特征值由于所涉及的物理量不同、计量单位不同等原因导致的取值偏大，而对其他取值较小特征值的影响。

(4)逻辑回归分类器

逻辑回归分类器由线性回归模型和Sigmoid函数组成。线性回归模型的作用是通过将电流特征向量的每个元素乘一个权重，以累加求和的形式表征接地系统处于正常状态的程度，具体为：

Sigmoid函数的作用则是将线性回归模型表征的结果转换至区间(0,1)内以概率的形式呈现。当计算得到的概率大于等于0.5时，模型预测接地系统处于正常状态，模型输出1。若计算得到的概率小于0.5，模型预测接地系统状态不正常，输出值为0，具体为：

式中：y

由于本模型涉及到“0”至“3Q”共27个缺陷类别，因此，可以每两个状态编号(类别)之间构造一个逻辑回归分类器，则一共可以构造351个逻辑回归分类器。

(5)多分类结果决策器

对于351个逻辑回归分类器产生的结果，多分类结果决策器选取351个结果中出现最多的状态编号y作为最后的输出结果。

(6)模型输出接口

用于与外部显示设备相连，提供输出结果的可视化。

本申请对高压电缆接地系统缺陷自动识别模型的具体训练过程包括；

在模型建立之后，需要根据样本集调节模型参数。对于逻辑回归模型来讲，模型的参数就是特征量对应的权重。模型由样本集特征预测的类别与样本真实类别之间的差距用损失函数L表示，损失函数为：

式中m为样本数，y

104、将测试集中的测试样本输入到训练好的高压电缆接地系统缺陷自动识别模型，将高压电缆接地系统缺陷自动识别模型输出的状态编号与测试样本实际状态编号进行比对，判断高压电缆接地系统缺陷自动识别模型的性能；

需要说明的是，本申请可以采用测试集中的测试样本输入到训练好的高压电缆接地系统缺陷自动识别模型，将高压电缆接地系统缺陷自动识别模型输出的状态编号与测试样本实际状态编号进行比对，判断高压电缆接地系统缺陷自动识别模型的性能。

105、获取待测电缆线路护层电流；

需要说明的是，对于训练好的高压电缆接地系统缺陷自动识别模型，本申请可以采用现场采集的电流数据或者是远程采集的高压电缆接地系统的电流数据，输入到训练好的高压电缆接地系统缺陷自动识别模型中输出缺陷类型，从而实现对高压电缆接地系统的缺陷类型进行自动识别。

106、将待测电缆线路护层电流输入至训练好的高压电缆接地系统缺陷自动识别模型中，得到待测电缆线路护层电流对应的状态编号识别结果。

本申请通过提取高压电缆接地系统中多个小段的电流，即将高压电缆接地系统的缺陷进行多段的分类、同时将获取的多段护层电流按照预置方式进行电流特征向量的提取、并将构造好的电流特征向量以及对应的状态编号输入至构造好的自动识别模型中得到高压电缆接地系统缺陷自动识别模型，用于自动识别高压电缆接地系统的缺陷。与现有的诊断方法相比，本方法能够有效减少诊断结果对人工经验的依赖，并同时提高电缆接地系统状态诊断的效率和准确性。

本申请还提供了一种高压电缆接地系统的缺陷自动识别装置的实施例，如图2所示，图2中包括：

样本数据获取单元201，用于采集多个电缆线路护层电流构造样本数据；

划分单元202，用于将样本数据划分成训练集和测试集；

训练单元203，用于采用训练集训练构建好的高压电缆接地系统缺陷自动识别模型；

比对单元204，用于将测试集中的测试样本输入到训练好的高压电缆接地系统缺陷自动识别模型，将高压电缆接地系统缺陷自动识别模型输出的状态编号与测试样本实际状态编号进行比对，判断高压电缆接地系统缺陷自动识别模型的性能；

待测样本获取单元205，用于获取待测电缆线路护层电流；

识别单元206，用于将待测电缆线路护层电流输入至训练好的高压电缆接地系统缺陷自动识别模型中，得到待测电缆线路护层电流对应的状态编号识别结果。

在一种具体的实施方式中，样本数据获取单元201具体用于获取接地系统多个护层小段的护层电流，获取任意两个护层电流之间的幅值比和相角差，由得到的多个幅值比和相角差构成护层电流特征向量；将接地系统的护层电流对应的电缆线路接地系统状态编号加入到护层电流特征向量中构成样本数据。

在一种具体的实施方式中，训练单元203具体用于将训练集特征预测的类别与样本真实类别之间的差距用损失函数L表示，当损失函数L取最小值时，高压电缆接地系统缺陷自动识别模型完成了参数调节；

损失函数为：

式中，m为样本数，y

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：RandomAccess Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。