[發(fā)明專利]一種基于電纜表皮溫度推斷場強(qiáng)分布識(shí)別故障類型的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211697195.0
• 申請(qǐng)日: 2022-12-28
• 公開（公告）號(hào): CN116244911A
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 李易之;彭靜;駱建;劉峰佚;段盼;張奔;何婭;時(shí)英橋;張連芳
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué);重慶舉宇科技有限公司
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G01R31/00;G01R31/58;G01R29/08;G01K13/00;G06F17/11;G06F18/213;G06F18/24;G06F18/241;G06N3/048;G06N3/09;G06N3/006;G06F113/16;G06F11
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 廖曦

1.一種基于電纜表皮溫度推斷場強(qiáng)分布識(shí)別故障類型的方法，其特征在于：該方法包括如下步驟：

S1：構(gòu)建基于電纜表面溫度推算纜芯溫度的反演公式；

S2：構(gòu)建纜芯溫度場及場強(qiáng)分布關(guān)系；

S3：基于廣義回歸神經(jīng)網(wǎng)絡(luò)和粒子群算法優(yōu)化，輸入場強(qiáng)分布圖特征值進(jìn)行故障類型識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于電纜表皮溫度推斷場強(qiáng)分布識(shí)別故障類型的方法，其特征在于：所述S1具體為：

針對(duì)某種類型電纜，根據(jù)其結(jié)構(gòu)參數(shù)﹑材料熱參數(shù)﹑電纜表面的邊界條件、負(fù)荷參數(shù)、初始條件，利用有限元法對(duì)電纜溫度場進(jìn)行計(jì)算，根據(jù)分析結(jié)果歸納出不同載荷、邊界條件下表面溫度與導(dǎo)體溫度值的對(duì)應(yīng)曲線，再結(jié)合外表皮溫度的監(jiān)測值反演出導(dǎo)體溫度；

對(duì)于單芯110kV高壓電力電纜，E(x₀，y₀)為測量點(diǎn)；電纜溫度場按二維溫度場進(jìn)行分析和計(jì)算；

電纜中，含內(nèi)部熱源區(qū)域的控制方程為：

式中，T為點(diǎn)(x，y)處的瞬態(tài)溫度(℃)；t為過程進(jìn)行的時(shí)間(s)；λ為導(dǎo)熱系數(shù)[W/(m²·℃)]；S為體積生熱率(W/m³；)；為材料的密度(kg/m³；)；c為材料的比熱[J/(kg·℃)]；

無熱源區(qū)域的溫度控制方程為：

電纜外邊界處為第三類邊界條件，邊界方程為：

式中，α指電覽的對(duì)流換熱系數(shù)[W/(m²·K^-1)]；，T_I指空氣溫度，單位為K；電覽的初始條件指傳熱過程開始時(shí)刻t＝0時(shí)，計(jì)算電纜內(nèi)部任一點(diǎn)的溫度，即

T(x,y,0)＝T₀(x,y)。

3.根據(jù)權(quán)利要求2所述的一種基于電纜表皮溫度推斷場強(qiáng)分布識(shí)別故障類型的方法，其特征在于：所述S2具體為：

地下電纜靜電場方程極其邊界條件為：

式中為電位；ρ為電荷密度，ε為介電常數(shù)，Ω為求解域；Γ_D為狄利克雷邊界；邊界條件為導(dǎo)體表面電位為15kV，土壤電位為0；

分析T與D之間的線性關(guān)系，對(duì)數(shù)據(jù)進(jìn)行分析，定義如下物理量：

k_i＝T_i/D_i

式中k_i為第i個(gè)點(diǎn)的比例系數(shù)；T_i為第i個(gè)點(diǎn)的溫度系數(shù)，D_i為第i個(gè)點(diǎn)的電場強(qiáng)度系數(shù)；

平均線性比為：

k為k_i的平均值，N為所取的點(diǎn)的個(gè)數(shù)；

結(jié)合溫度場和電場分布圖中的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析；得到外護(hù)層、絕緣層、電纜本體的T與D關(guān)系；

電纜溫度場與電場中電位移矢量分布在數(shù)值上有線性關(guān)系，兩者的比例系數(shù)k為23.4，即：

T＝23.4εE。

4.根據(jù)權(quán)利要求3所述的一種基于電纜表皮溫度推斷場強(qiáng)分布識(shí)別故障類型的方法，其特征在于：所述S3具體為：

電纜中間頭發(fā)生尖刺缺陷和氣隙缺陷時(shí)缺陷端產(chǎn)生的波形幅值有很大的不同，無論是波形的波峰代表的最大值還是整個(gè)取樣段波形的均值量化兩種故障類型；

表示信號(hào)平均值，X_i表示第i個(gè)信號(hào)值；

方差在時(shí)域中能代表信號(hào)波動(dòng)的強(qiáng)度，也能代表信號(hào)與平均值的偏離程度，是有量綱特征值；

X_Var表示方差，表示信號(hào)平均值，X_i表示第i個(gè)信號(hào)值；

峭度描述信號(hào)總體數(shù)據(jù)分布形態(tài)的陡緩程度，能表征分布圖波峰尖度，對(duì)應(yīng)到三種故障類型就是區(qū)分故障處電場強(qiáng)度分布尖頂程度；

式中：kur表示峭度，其它變量同上kur＝0是區(qū)分采樣波形形狀的依據(jù)，與正態(tài)分布曲線相比較，波形與其相似，kur＜0，波形曲線比其平緩，kur＞0，波形曲線比其陡嶇；

廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN的網(wǎng)絡(luò)輸出為：

式中，X為網(wǎng)絡(luò)輸入，X_i、Y_i為樣本觀測值；為網(wǎng)絡(luò)輸出；δ為高斯函數(shù)的寬度系數(shù)，即光滑因子；

粒子群算法基于生物群體和進(jìn)化的原理，通過個(gè)體相對(duì)群體的適應(yīng)度調(diào)整個(gè)體最優(yōu)解；粒子群算法根據(jù)個(gè)體最優(yōu)位置和群體最優(yōu)位置修正粒子自身位置，向整體最優(yōu)目標(biāo)函數(shù)改進(jìn)優(yōu)化；算法首先通過初始化隨機(jī)種群，個(gè)體粒子經(jīng)過多次迭代，尋找個(gè)體最優(yōu)解，比較群體歷史最優(yōu)位置，尋找全局最優(yōu)解，更新自身狀態(tài)；

v_id(t+1)＝w₁v_id(t)+η₁r₁(p_id(t)-x_id(t))+η₂r₂(p_gd(t)-x_id(t))

x_id(t+1)＝x_id(t)+v_id(t+1)

式中，x_id(t)為第i個(gè)粒子t次迭代在d維上的位置；v_id(t)為第i個(gè)粒子t次迭代在d維上的速度；p_id(t)為第i個(gè)粒子t次迭代中經(jīng)過的最優(yōu)位置；p_gd(t)為所有粒子t次迭代中經(jīng)過的最優(yōu)位置；w₁為初始慣性權(quán)值；η₁、η₂為加速常數(shù)，取2；r₁、r₂為0～1之間的隨機(jī)數(shù)；

在GRNN識(shí)別模型中，將訓(xùn)練樣本的輸出值與實(shí)際值的均方差作為適應(yīng)度函數(shù)尋找最優(yōu)光滑因子。