[發(fā)明專利]一種電纜豎井火災狀態(tài)識別決策樹模型的生成方法

在審

• 申請?zhí)枺?/td>: 202011347416.2
• 申請日: 2020-11-26
• 公開（公告）號: CN112487714A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設計）人: 陽浩;李喆;李基民;黃湛華;徐啟源
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/00;G06K9/62;G06Q50/06;G01R19/00;G01R31/12;G06F113/16
• 代理公司: 深圳匯智容達專利商標事務所(普通合伙) 44238
• 代理人: 孫威

1.一種電纜豎井火災狀態(tài)識別決策樹模型的生成方法，其特征在于，包括以下步驟：

步驟S1，采集電纜豎井內電纜的剩余電流值、剩余電壓值，獲取所述剩余電壓值的電壓波形；并根據(jù)剩余電流值獲取剩余電流中的阻性剩余電流分量，根據(jù)剩余電壓值的電壓波形獲取剩余電壓的故障電弧特征；

步驟S2，采集電纜豎井內局部放電產生的超聲波信號，并根據(jù)超聲波信號進行定位確定局部放電的大小和位置，作為局部放電信息；

步驟S3，采集電纜豎井內環(huán)境溫度、檢測點溫度及煙霧濃度；

步驟S4，將采集的剩余電流值、剩余電壓值、阻性剩余電流分量、剩余電壓的故障電弧特征、局部放電信息、環(huán)境溫度、檢測點溫度及煙霧濃度作為特征項，通過預設規(guī)則對所述特征項進行評估，生成評估結果；并根據(jù)評估結果及輸入的相應特征作為訓練數(shù)據(jù)輸入預設模型進行訓練，生成決策樹模型。

2.如權利要求1所述的方法，其特征在于，所述步驟S1包括：

將采集的剩余電流值根據(jù)預設轉換規(guī)則進行轉換，生成剩余電流基波及相應的高次諧波的相位和幅值；

獲取電纜豎井內電纜的原始電壓，并將采集到的原始電壓根據(jù)預設轉換規(guī)則進行轉換，生成所述原始電壓的基波及相應的各高次諧波成份的幅值和相位；

根據(jù)剩余電流相應的高次諧波的相位和幅值、原始電壓相應的高次諧波成份的幅值和相位，對剩余電流進行阻性分量分離，獲得剩余電流中的阻性剩余電流。

3.如權利要求2所述的方法，其特征在于，所述步驟S1還包括：

根據(jù)剩余電壓的故障電弧特征通過小波基函數(shù)獲取各層的小波高頻分量能量比，通過小波高頻分量周期方差值辨識其中相似的波形；

統(tǒng)計所述剩余電壓的故障電弧特征值超過設定故障閾值的次數(shù)，若在0.6s內超過設定故障閾值的次數(shù)大于預設次數(shù)閾值，則判定檢測到故障電弧。

4.如權利要求3所述的方法，其特征在于，所述步驟S2包括：

獲取采集的超聲波信號的衰減特性，根據(jù)所述衰減特性中的峰值或有效值的對放電位置進行定位，其中，所述衰減特性中的峰值或有效值變大，則判定里信號源越近；

根據(jù)超聲波信號到達傳感器的時差，通過聯(lián)立球面方程或雙曲面方程組計算空間坐標，進行精確定位。

5.如權利要求4所述的方法，其特征在于，所述步驟S4包括：

將采集的剩余電流值、剩余電壓值、阻性剩余電流分量、剩余電壓的故障電弧特征、局部放電信息、環(huán)境溫度、檢測點溫度及煙霧濃度作為特征對電纜豎井的火災狀態(tài)進行評估，生成評估結果。

6.如權利要求5所述的方法，其特征在于，所述步驟S4還包括：

將評估結果及所有輸入的相應特征值作為訓練數(shù)據(jù)集，根據(jù)預設類別識別規(guī)則判斷訓練數(shù)據(jù)集中所有特征值的類別，若訓練數(shù)據(jù)集中的所有特征值的類別都屬于同一類別，則判定決策樹為單結點樹，并將特征值的類別作為決策樹的單結點的類，返回決策樹。

7.如權利要求6所述的方法，其特征在于，所述步驟S4還包括：

判斷訓練數(shù)據(jù)集中的特征集是否等于預設判定值，若特征集等于預設判定值，則判定決策樹為單節(jié)點樹，并將訓練數(shù)據(jù)集中包含特征值數(shù)量最多的類別作為決策樹的單結點的類，返回決策樹；

若特征集不等于預設判定值，則計算特征集中各特征對訓練數(shù)據(jù)集的信息增益比，并確定所述信息增益比數(shù)值最大的特征Ag。

8.如權利要求7所述的方法，其特征在于，所述步驟S4還包括：

判斷特征Ag的信息增益比的數(shù)值是否小于預設判定閾值，若特征Ag的信息增益比的數(shù)值小于預設判定閾值，則判定決策樹為單節(jié)點樹，并將訓練數(shù)據(jù)集中包含特征值數(shù)量最多的類別作為決策樹的單結點的類，返回決策樹；

若特征Ag的信息增益比的數(shù)值不小于預設判定閾值，則根據(jù)特征Ag的每一可能值ai，將訓練數(shù)據(jù)集分割為若干非空子集Di，將所述非空子集Di中含特征值數(shù)量最多的類別作為標記，將所述標記作為根節(jié)點及其子結點構成決策樹，返回決策樹。