一种基于概率神经网络算法的电缆状态评估方法技术

本发明专利技术公开了一种基于概率神经网络算法的电缆状态评估方法，根据电缆设备基本信息、运行信息、运检信息、家族缺陷等多类别的信息源，构建多源信息数据库；运用因子分析法对不完备信息下的数据库进行预处理，提出基于概率神经网络的多源信息融合算法，对不完备信息条件下对电缆整体状态进行综合评估。本发明专利技术能够及时发现和准确判断电缆故障，并能全面反映电缆运行状态。

A method of cable condition evaluation based on probabilistic neural network

The invention discloses an evaluation method of cable state probability based on neural network algorithm, according to the basic information, operation information, cable equipment operation and maintenance information, family defect and many other categories of information sources, the construction of multi-source information database; incomplete information database was pretreated by the method of factor analysis, put forward the multi-source information fusion algorithm probabilistic neural network based on the incomplete information under the conditions of a comprehensive assessment of overall state of cable. The invention can detect and judge the cable fault in time, and can fully reflect the running state of the cable.

【技术实现步骤摘要】

本专利技术属于电力系统
，涉及一种电缆状态评估方法，特别涉及一种基于概率神经网络算法的电缆状态评估方法。技术背景电力电缆是电力系统中非常重要的设备，一旦发生故障，小则造成用户长时间停电，大则可能导致电缆线路关联设备发生连锁反应而发生故障，甚至导致配电系统部分的瘫痪。因此，及时发现电缆故障并对其检修显得尤为重要，但传统的计划检修已经不适应现代电力系统高可靠性的要求，目前正在发展的是以状态监测和故障诊断为基础的状态维修。状态维修是基于设备的状态评价的，而状态评价是根据检测或监测的设备的特征参数，根据一定的规则，评估设备所处的状态。我们有必要对电缆进行状态评估，一旦发现电缆的潜在隐患并作出及时的处理，减小由于电缆故障造成的损失，提高供电的可靠性。在配电网的实际运行中，电缆监测设备的故障、信息记录的丢失等将导致部分状态量信息缺失，出现多源信息数据库信息不完备的情况，使得电缆综合状态评估结果的准确性和有效性都大大降低，甚至不能进行正常评估。因此，在研究电缆状态评估方法时，应将信息不完备的情况考虑在内。目前，对输电电缆的状态评估方法和系统仍不够完善，缺乏表征电缆运行的多源信息数据库，对于不完备的信息系统，没有合适的信息融合技术对多源信息进行融合，缺乏完整的电缆状态评估体系，无法客观准确的对电缆的运行状态经行评估。神经网络是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信息处理理论，它通过大量成为神经元的简单处理单元构成非线性动力学系统。神经网络的高速并行处理、分布存储信息等特性，具有很强的自学习型、自组织性、容错性、高度非线性、联想记忆功能和推理意识功能强等特点。其特色在于信息的分布存储和并行协同处理，十分适用于基于多源信息融合的状态评估问题。概率神经网络(Probabilistic Neutral Networks，PNN)由D.F.Specht博士首先提出，是一种常用于模式分类的神经网络。概率神经网络可以视为一种径向基神经网络(RBF)，在RBF网络的基础上，融合了密度函数估计和贝叶斯决策理论，构造出能够计算非线性判别边界的概率神经网络，该判定边界接近于贝叶斯最佳判定面。它训练时间短、不易产生局部最优，而且它的分类正确率较高。无论分类问题多么复杂只要有足够多的训练数据，可以保证获得贝叶斯准则下的最优解。概率神经网络模型拓扑结构包括输入层(input layer)、隐含层(hide layer)、求和层(summation layer)和输出层(output layer)。
技术实现思路
本专利技术的目的在于提供一种基于概率神经网络对不完备信息下的电缆状态评估方法。本专利技术所以采用的技术方案是：一种基于概率神经网络算法的电缆状态评估方法，其特征在于，包括以下步骤：步骤1：利用电缆状态评价因素集建立电缆状态多源信息数据库，该数据库中包含M个状态量，及N组电缆状态历史数据构成的样本；将电缆的状态分为四种状态：正常状态、注意状态、异常状态和严重状态；步骤2：根据所建立的电缆状态多源信息数据库，判断本次状态评估的状态量是否完备；对于完备信息的状态量，即不缺失任何状态量时，直接将众多的状态量提取为表征电缆状态信息的主因子；对不完备的信息的状态量，则先从多源息数据库中剔除所缺失的状态量，再将剩余的状态量提取为表征电缆状态信息的主因子；步骤3：求因子得分；步骤4：创建概率神经网络；所述概率神经网络由输入层、隐含层、求和层和输出层组成，其中隐含层是径向基层，每一个隐含层的神经元节点拥有一个中心，该层接收输入层的样本输入，计算输入向量与中心的距离，最后返回一个标量值，神经元个数与输入训练样本个数相同；步骤5：训练概率神经网络；将步骤3所得的因子得分样本输入步骤4建立的概率神经网络，训练该网络，直到该网络收敛；步骤6：在步骤5训练好的概率神经网络中输入本次状态评估的各状态量的具体值，输出本次评估结果。作为优选，步骤1中所述电缆状态评价因素集，其中状态信息类别包括设备基本信息、运行信息、运检信息和家族缺陷信息；所述设备基本信息的状态参量包括额定电压信息、额定电流信息、线路长度信息和电力截面信息；所述运行信息的状态参量包括运行电压信息、运行电流信息、负荷信息和运行年限信息；所述运检信息的状态参量包括局部放电量信息、介质损耗信息、电缆线芯温度信息、主绝缘绝缘电阻信息、外护层绝缘电阻信息、电缆外观信息、中间接头温度信息、直接接地电流信息、护层保护侧电流信息、两端接地后护层循环电流信息、环境温度信息和环境湿度信息；所述家族缺陷信息的状态参量包括同类电缆的故障情况信息和生产厂家的产品质量统计信息。作为优选，步骤2中所述将剩余的状态量提取为表征电缆状态信息的主因子，是采用因子分析法分析提取主因子；每一个状态量都能表示成主因子的线性函数与特殊因子之和，即Xi＝ai1F1+ai2F2+…+aimFm+εi,(i＝1,2,…,p) (1)式中，F1,F2,…,Fm称为主因子，εi称为Xi的特殊因子，A＝(aij):p×m称为因子载荷矩阵；则式(1)能用矩阵表示为：X＝AF+ε (2)式中设： m ≤ p E ( F ) = 0 E ( ϵ ) = 0 V ( F ) = I V ( ϵ ) = D = d i a g ( σ 1 2 本文档来自技高网...

【技术保护点】
一种基于概率神经网络算法的电缆状态评估方法，其特征在于，包括以下步骤：步骤1：利用电缆状态评价因素集建立电缆状态多源信息数据库，该数据库中包含M个状态量，及N组电缆状态历史数据构成的样本；将电缆的状态分为四种状态：正常状态、注意状态、异常状态和严重状态；步骤2：根据所建立的电缆状态多源信息数据库，判断本次状态评估的状态量是否完备；对于完备信息的状态量，即不缺失任何状态量时，直接将众多的状态量提取为表征电缆状态信息的主因子；对不完备的信息的状态量，则先从多源息数据库中剔除所缺失的状态量，再将剩余的状态量提取为表征电缆状态信息的主因子；步骤3：求因子得分；步骤4：创建概率神经网络；所述概率神经网络由输入层、隐含层、求和层和输出层组成，其中隐含层是径向基层，每一个隐含层的神经元节点拥有一个中心，该层接收输入层的样本输入，计算输入向量与中心的距离，最后返回一个标量值，神经元个数与输入训练样本个数相同；步骤5：训练概率神经网络；将步骤3所得的因子得分样本输入步骤4建立的概率神经网络，训练该网络，直到该网络收敛；步骤6：在步骤5训练好的概率神经网络中输入本次状态评估的各状态量的具体值，输出本次评估结果。...

【技术特征摘要】
1.一种基于概率神经网络算法的电缆状态评估方法，其特征在于，包括以下步骤：步骤1：利用电缆状态评价因素集建立电缆状态多源信息数据库，该数据库中包含M个状态量，及N组电缆状态历史数据构成的样本；将电缆的状态分为四种状态：正常状态、注意状态、异常状态和严重状态；步骤2：根据所建立的电缆状态多源信息数据库，判断本次状态评估的状态量是否完备；对于完备信息的状态量，即不缺失任何状态量时，直接将众多的状态量提取为表征电缆状态信息的主因子；对不完备的信息的状态量，则先从多源息数据库中剔除所缺失的状态量，再将剩余的状态量提取为表征电缆状态信息的主因子；步骤3：求因子得分；步骤4：创建概率神经网络；所述概率神经网络由输入层、隐含层、求和层和输出层组成，其中隐含层是径向基层，每一个隐含层的神经元节点拥有一个中心，该层接收输入层的样本输入，计算输入向量与中心的距离，最后返回一个标量值，神经元个数与输入训练样本个数相同；步骤5：训练概率神经网络；将步骤3所得的因子得分样本输入步骤4建立的概率神经网络，训练该网络，直到该网络收敛；步骤6：在步骤5训练好的概率神经网络中输入本次状态评估的各状态量的具体值，输出本次评估结果。2.根据权利要求1所述的基于概率神经网络算法的电缆状态评估方法，其特征在于：步骤1中所述电缆状态评价因素集，其中状态信息类别包括设备基本信息、运行信息、运检信息和家族缺陷信息；所述设备基本信息的状态参量包括额定电压信息、额定电流信息、线路长度信息和电力截面信息；所述运行信息的状态参量包括运行电压信息、运行电流信息、负荷信息和运行年限信息；所述运检信息的状态参量包括局部放电量信息、介质损耗信息、电缆线芯温度信息、主绝缘绝缘电阻信息、外护层绝缘电阻信息、电缆外观信息、中间接头温度信息、直接接地电流信息、护层保护侧电流信息、两端接地后护层循环电流信息、环境温度信息和环境湿度信息；所述家族缺陷信息的状态参量包括同类电缆的故障情况信息和生产厂家的产品质量统计信息。3.根据权利要求1所述的基于概率神经网络算法的电缆状态评估方法，其特征在于：步骤2中所述将剩余的状态量提取为表征电缆状态信息的主因子，是采用因子分析法分析提取主因子；每一个状态量都能表示成主因子的线性函数与特殊因子之和，即Xi＝ai1F1+ai2F2+…+aimFm+εi,(i＝1,2,…,p) (1)式中，F1,F2,…,Fm称为主因子，εi称为Xi的特殊因子，A＝(aij):p×m称为因子载荷矩阵；则式(1)能用矩阵表示为：X＝AF+ε (2)式中设： m ≤ p E ( F ) = 0 E ( ϵ ) = 0 V ( F ) = I V ( ϵ ) = D = d i a g ( σ 1 2 , σ 2 2 , ... , σ p 2 ) ...

【专利技术属性】
技术研发人员：李玉凌，李二霞，樊勇华，亢超群，史常凯，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网北京市电力公司，
类型：发明
国别省市：北京;11