一种电缆设备状态预测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种电缆设备状态预测方法、装置及存储介质，其中方法包括：获取多种电缆设备状态监测数据并对状态量进行分类，划分为多种状态；对状态量进行数据预处理；计算每一状态下的状态量之间的相关性，确定状态量权重；针对每一种状态分别构建基于LSTM网络的状态预测模型，以对应状态下时序状态量和状态量权重作为输入，输出状态预测结果；根据状态预测结果，计算状态之间的相关性，确定状态权重；构建基于LSTM网络的电缆设备状态预测模型，以每一状态预测模型预测得到的状态序列数据和状态权重作为输入，输出电缆设备状态预测结果。与现有技术相比，本发明专利技术通过计算多个序列的相关性和多个状态的协同对设备状态进行预测，预测准确。测准确。测准确。

【技术实现步骤摘要】
一种电缆设备状态预测方法、装置及存储介质


[0001]本专利技术涉及电缆设备状态预测领域，尤其是涉及一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法、装置及存储介质。

技术介绍

[0002]在电缆设备运行的过程中，带电检测、在线监测和周期性试验将会不断产生新的状态数据。由于电缆设备铺设空间巨大，状态特征检测测点数量多，直接从海量的原始状态数据中获取电缆设备的实际运行状态情况的实现难度大，因此需要对监测数据进行识别、分析、提取和归纳，结合电缆设备的实际运行状态进行预测，对其所处状态进行评价，从而确保其安全、可持续运行。
[0003]电缆设备的运行状态的常见状态监测量异常声音、局部放电、发热缺陷，电流和电阻，状态监测数据可以反映电缆设备的运行状态。例如，CN112070322A公开了一种基于长短期记忆网络的高压电缆线路运行状态预测方法，利用深度学习实现对单一节点的多状态量联合预测，提高电缆状态预测的准确度，保障高压输电电缆的运行可靠性。但是，该申请并未考虑状态量之间的相关性。每种状态监测数据的时间序列规律反映对应状态的变化趋势，而不同的状态监测数据之间的相关关系可以反映设备不同状态之间的相互影响关系。例如电缆设备中间接头出现绝缘破损之后，局放状态相关的数据出现明显突变，温度数据和声音数据也可能出现变化。目前，这些状态量之间的相关关系还没有明确的规律性，现有技术中也未有考虑状态量相关性的电缆设备状态预测方法。

技术实现思路

[0004]本专利技术的目的是为了提供一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法、装置及存储介质，通过分析多个相关状态量的时间序列数据，预测监测数值，经过分析多个状态量之间的相关性或相似性，利用多个状态数据序列协同对设备状态进行预测和评价，提高电缆设备整个运行状态的预测精度。
[0005]本专利技术的目的可以通过以下技术方案来实现：一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，包括以下步骤：获取多种电缆设备状态监测数据并对状态量进行分类，划分为多种状态；对电缆设备状态监测数据的多种状态量进行数据预处理；计算每一状态下的状态量之间的相关性，确定状态量权重；针对每一种状态分别构建基于LSTM网络的状态预测模型，以对应状态下经过预处理的时序状态量和状态量权重作为输入，输出状态预测结果；根据状态预测结果，计算状态之间的相关性，确定状态权重；构建基于LSTM网络的电缆设备状态预测模型，以每一状态预测模型预测得到的状态序列数据和状态权重作为输入，输出电缆设备状态预测结果。
[0006]所述状态包括局放状态、机械状态、温度状态、环境状态。
[0007]所述对电缆设备状态监测数据的多种状态量进行数据预处理包括以下步骤：对时间序列状态量中的非连续性数据采用分段线性插值法进行缺失值补充；基于标准差对每种状态量时间序列进行归一化处理。
[0008]所述计算每一状态下的状态量之间的相关性的方法为：对每种状态量的时间序列数据进行分段，计算每段数据的特征均值，则状态量f
i
和状态量f
j
相关性计算公式如下：，其中，状态量的时间序列共分为n1段，corr(f
ik
,f
jk
)是状态量f
i
和状态量f
j
在同一个时间段k内的特征均值相似性的度量，相似性的度量采用余弦相似度。
[0009]所述状态量权重的确定方法为：对每种状态下不同的状态量计算权重，同属于一个状态的状态量的权重和为1；将每个状态量的初始权重值记为1，如果计算得到的该状态量和其他状态量的相关性大于预设阈值，则判定二者之间具有相关性，该状态量的权重值累加1；状态量权重的计算公式为：，其中，t
i
是状态量i的最终累加权重值，i=（1,...,n）表示第i个状态量，n为状态量个数。
[0010]所述计算状态之间的相关性的方法为：对预测得到的状态时间序列数据进行分段，则状态F
i
和状态F
j
的相关性计算公式如下：，其中，状态时间序列共分为n2段，count(F
ik
,F
jk
)是状态F
i
和状态F
j
在同一个时间段k内同时出现的次数。
[0011]所述状态权重的确定方法为：对每一状态计算权重，所有状态权重和为1；将每个状态的初始权重值记为1，如果计算得到的该状态和其他状态的相关性大于预设阈值，则判定二者之间具有相关性，该状态的权重值累加1；状态权重的计算公式为：，其中，T
i
是状态i的最终累加权重值，i=（1,...,m）表示第i个状态，m为状态个数。
[0012]所述LSTM网络的基本单元是记忆模块，其中包含记忆单元和三个控制记忆单元状态的门结构：忘记门、输入门和输出门，忘记门决定从记忆单元状态中忘记无用的历史信息，输入门决定当前输入数据对记忆单元状态的影响，输出门决定输出信息；设X
t
表示t时刻的输入向量，h
t
‑1表示t
‑
1时刻的输出，w
f
、w
i
、w
c
、w
o
、u
f
、u
i
、u
c
、u
o
表示权重矩阵，b
f
、b
i
、b
c
、b
o
表示偏置向量，则记忆模块进行状态更新和信息输出的过程如下：
1）忘记门忘记无用的历史信息：，2）输入门根据输入数据和历史信息进行状态更新：，，，3）输出门输出当前时刻的信息：，，其中，σ是logistic sigmoid函数，f
t
、i
t
和o
t
分别表示t时刻忘记门、输入门和输出门的输出状态，C
t
表示t时刻的记忆单元状态。
[0013]一种基于数据相关性和双重LSTM网络的电缆设备状态预测装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述所述的方法。
[0014]一种存储介质，其上存储有程序，所述程序被执行时实现如上述所述的方法。
[0015]与现有技术相比，本专利技术具有以下有益效果：1、本专利技术可以提高预测结果的准确性。在实际应用中，状态监测数据往往表现出非平滑、不稳定、存在噪声值和缺失值等特点，从而会影响设备状态评判准确性，本专利技术通过利用多个相关状态量的数据序列协同对设备单状态和设备状态进行预测和评价，有利于提高电缆设备状态评价预测结果准确性。
[0016]2、本专利技术具有更高的实时性。本专利技术引入实时监测数据和非实时检测数据，可以通过调整LSTM的预测步长及时地发现电缆设备状态不良的情况，避免了潜在的设备损坏和电力系统的不稳定。
[0017]3、适用场景更广。本专利技术适用于不同的电力设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，其特征在于，包括以下步骤：获取多种电缆设备状态监测数据并对状态量进行分类，划分为多种状态；对电缆设备状态监测数据的多种状态量进行数据预处理；计算每一状态下的状态量之间的相关性，确定状态量权重；针对每一种状态分别构建基于LSTM网络的状态预测模型，以对应状态下经过预处理的时序状态量和状态量权重作为输入，输出状态预测结果；根据状态预测结果，计算状态之间的相关性，确定状态权重；构建基于LSTM网络的电缆设备状态预测模型，以每一状态预测模型预测得到的状态序列数据和状态权重作为输入，输出电缆设备状态预测结果。2.根据权利要求1所述的一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，其特征在于，所述状态包括局放状态、机械状态、温度状态、环境状态。3.根据权利要求1所述的一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，其特征在于，所述对电缆设备状态监测数据的多种状态量进行数据预处理包括以下步骤：对时间序列状态量中的非连续性数据采用分段线性插值法进行缺失值补充；基于标准差对每种状态量时间序列进行归一化处理。4.根据权利要求1所述的一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，其特征在于，所述计算每一状态下的状态量之间的相关性的方法为：对每种状态量的时间序列数据进行分段，计算每段数据的特征均值，则状态量f
i
和状态量f
j
相关性计算公式如下：，其中，状态量的时间序列共分为n1段，corr(f
ik
,f
jk
)是状态量f
i
和状态量f
j
在同一个时间段k内的特征均值相似性的度量，相似性的度量采用余弦相似度。5.根据权利要求1所述的一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，其特征在于，所述状态量权重的确定方法为：对每种状态下不同的状态量计算权重，同属于一个状态的状态量的权重和为1；将每个状态量的初始权重值记为1，如果计算得到的该状态量和其他状态量的相关性大于预设阈值，则判定二者之间具有相关性，该状态量的权重值累加1；状态量权重的计算公式为：，其中，t
i
是状态量i的最终累加权重值，i=（1,...,n）表示第i个状态量，n为状态量个数。6.根据权利要求1所述的一种基于数据相关性和双重LSTM网络的电缆设备状态预测方法，其特征在于，所述计算状态之间的相关性的方法为：对预测得到的状态时间序列数据进行分段，则状态F
i
和状态F
j
的相关性计算公式如下：
...

【专利技术属性】
技术研发人员：纪航，许强，杜习周，张圣甫，叶頲，司文荣，雷兴，周婕，周韫捷，姚周飞，陈琰，李春辉，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：