[發(fā)明專利]基于多維特征參量神經網(wǎng)絡-模糊聚類分析的XLPE絕緣老化狀態(tài)評估方法

在審

• 申請?zhí)枺?/td>: 202210275005.X
• 申請日: 2022-03-21
• 公開（公告）號: CN114859184A
• 公開（公告）日: 2022-08-05
• 發(fā)明（設計）人: 李忠磊;王赫宇;黃友聰;鄭鐘楠;許軍;姚羽霏;王曉杰;謝文炳;方超穎;張瑩;陳少康;韓濤
• 申請（專利權）人: 天津大學;國網(wǎng)福建省電力有限公司電力科學研究院
• 主分類號: G01R31/12
• 分類號: G01R31/12;G01R31/00;G01N25/00;G06K9/62;G06N3/08
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 霍慧慧

本發(fā)明涉及一種基于多維特征參量神經網(wǎng)絡?模糊聚類分析的XLPE絕緣老化狀態(tài)評估方法，首先，優(yōu)選對材料化學、機械、熱、介電性能具有顯著表征性的特征參量，如羰基指數(shù)、交流擊穿強度、斷裂伸長率、低頻0.1Hz介電損耗角正切值；然后，利用BP神經網(wǎng)絡處理非線性映射問題的強大功能對參數(shù)進行特征提取；最后，通過模糊C均值聚類(FCM)方法進行絕緣狀態(tài)分類和判定，實現(xiàn)了未知性能狀態(tài)XLPE材料的性能劣化狀態(tài)評估。

技術領域

本發(fā)明屬于電氣工程學科高電壓與絕緣技術領域，涉及XLPE絕緣介質性能老化狀態(tài)評估方法，具體涉及一種基于多維特征參量神經網(wǎng)絡-模糊聚類分析的XLPE絕緣老化狀態(tài)評估方法。

背景技術

高壓電纜輸電具有輸送容量大、距離遠、效率高、損耗低等優(yōu)勢，是滿足大容量、遠距離跨區(qū)輸電需求的可靠技術手段，也是解決城市電網(wǎng)增容、新能源并網(wǎng)和海上孤島供電等問題的最佳手段。高壓交流輸電電纜交聯(lián)聚乙烯絕緣在運行過程中，受到電、熱、機械等外部因素和絕緣缺陷等內部因素的影響，發(fā)生電熱老化或電樹枝劣化，進而引發(fā)電纜擊穿事故。

交聯(lián)聚乙烯(Cross-linked Polyethylene，XLPE)廣泛高壓電力電纜的主絕緣材料，具有重量輕、耐熱性好和電氣性能優(yōu)異等優(yōu)勢。交聯(lián)聚乙烯電纜的設計壽命一般為20到30年，然而，電纜易受到不良散熱條件、密集敷設、載流量過高等不利因素影響而引起溫度升高，從而加速電纜絕緣層的老化，電纜事故隨之呈現(xiàn)多發(fā)勢態(tài)。相比于架空輸電線路故障，電力電纜的發(fā)熱、燃燒、爆炸等引起的火災事故火勢蔓延快，易引發(fā)次生電氣火災爆炸，造成大規(guī)模停電，供電恢復時間長，所導致的經濟損失巨大。

針對上述問題，研究交聯(lián)聚乙烯絕緣的老化狀態(tài)評估具有極大的現(xiàn)實意義。無論是國標規(guī)定的機械特性、目前廣泛討論的熱特性和介電響應參數(shù)，這些方法均通過單一特性參數(shù)對交聯(lián)聚乙烯的老化狀態(tài)進行快速測量與評估，參數(shù)僅側重于某一方面的特性，無法全面反映材料的絕緣材料的老化狀態(tài)。通過神經網(wǎng)絡-模糊聚類分析方法，優(yōu)選交聯(lián)聚乙烯絕緣材料的多維特征參量進行分析，實現(xiàn)了對于XLPE絕緣介質性能老化狀態(tài)的全面評估。

發(fā)明內容

本發(fā)明目的在于克服現(xiàn)有技術不足，提出一種基于多維特征參量神經網(wǎng)絡-模糊聚類分析的XLPE絕緣老化狀態(tài)評估方法。

為實現(xiàn)上述目標，本發(fā)明提供以下技術方案：

一種基于多維特征參量神經網(wǎng)絡-模糊聚類分析的XLPE絕緣老化狀態(tài)評估方法，其特征在于：所述方法的步驟為：

S1、對交聯(lián)聚乙烯絕緣試樣進行熱老化試驗，測量羰基指數(shù)、交流擊穿強度、斷裂伸長率、低頻(0.1Hz)介電損耗角正切值，進行歸一化處理后打亂數(shù)據(jù)，劃分訓練集和測試集；

S2、在有熱老化時間標簽的訓練集上搭建BP神經網(wǎng)絡進行有監(jiān)督的學習，通過微調網(wǎng)絡結構提高神經網(wǎng)絡的準確率，并保存好權重和偏置矩陣；

S3、采取BP神經網(wǎng)絡最后一層隱藏層的數(shù)據(jù)作為樣本的特征值，即FCM模糊聚類的輸入，同時確定模糊聚類的隸屬度因子和聚類簇數(shù)；

S4、不斷迭代計算聚類中心和隸屬度矩陣，直到隸屬度矩陣的變化量小于設定值或者迭代次數(shù)達到最大設定值；

S5、輸出最終的聚類中心和隸屬度矩陣，根據(jù)最大隸屬度將其分類為不同老化狀態(tài)。

而且，所述步驟S3中，F(xiàn)CM模糊聚類的具體操作為：

模糊C均值聚類(FCM)相對每個樣本賦予一個權值即隸屬度矩陣指明該樣本屬于某簇的程度，對于這樣一個目標函數(shù)：

其中：m是聚類的簇數(shù)；

i表示第i個樣本；

x是具有d維特征的一個樣本；