本發(fā)明涉及電纜接頭的預(yù)警，尤其涉及一種電纜接頭的預(yù)警方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、電纜接頭是電力系統(tǒng)中用于連接兩段電纜的重要部件，它確保電纜之間的電氣連接和機(jī)械強(qiáng)度，同時(shí)提供必要的絕緣和防護(hù)功能。電纜接頭的設(shè)計(jì)需要考慮多個(gè)因素，包括電壓等級(jí)、電流容量、環(huán)境條件等，以確保電力系統(tǒng)的可靠運(yùn)行。在現(xiàn)代電網(wǎng)中，電纜接頭廣泛應(yīng)用于地下電纜系統(tǒng)、海底電纜、高壓輸電線路等場(chǎng)景，是保障電力傳輸穩(wěn)定性和安全性的關(guān)鍵環(huán)節(jié)。

2、然而，電纜接頭在長(zhǎng)期運(yùn)行過程中容易出現(xiàn)溫度異常問題，這是由多種因素引起，如接觸電阻增大、絕緣老化、環(huán)境濕度變化等。溫度異常不僅會(huì)降低電纜接頭的使用壽命，嚴(yán)重時(shí)還可能導(dǎo)致電纜接頭故障，引發(fā)電力系統(tǒng)的中斷和安全事故。傳統(tǒng)的電纜接頭監(jiān)測(cè)方法往往依賴于定期檢查或簡(jiǎn)單的溫度閾值報(bào)警，難以及時(shí)、準(zhǔn)確地識(shí)別潛在的溫度異常狀況，也無法提供有效的預(yù)警和處理建議。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于解決現(xiàn)有的電纜接頭監(jiān)測(cè)方法難以及時(shí)、準(zhǔn)確地識(shí)別電纜接頭潛在的溫度異常狀況，也無法提供有效的預(yù)警和處理建議。

2、本發(fā)明第一方面提供了一種電纜接頭的預(yù)警方法，所述電纜接頭的預(yù)警方法包括：

3、采集電纜接頭的內(nèi)部溫度數(shù)據(jù)、表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，得到有效溫度數(shù)據(jù)集；

4、對(duì)所述有效溫度數(shù)據(jù)集進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集；

5、根據(jù)所述標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集，構(gòu)建表征電纜接頭內(nèi)部溫度、表面溫度和環(huán)境溫度關(guān)系的初始溫度關(guān)系模型；

6、持續(xù)采集所述電纜接頭的實(shí)時(shí)表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，利用所述初始溫度關(guān)系模型和實(shí)時(shí)采集的溫度數(shù)據(jù)，計(jì)算實(shí)時(shí)內(nèi)部溫度和溫度異常程度；

7、根據(jù)所述溫度異常程度及其變化趨勢(shì)，對(duì)異常狀況進(jìn)行多級(jí)劃分，生成包含異常程度和位置信息的溫度預(yù)警信息；

8、當(dāng)出現(xiàn)所述溫度預(yù)警信息時(shí)，檢索預(yù)先建立的歷史溫度異常案例庫，找出與當(dāng)前溫度異常狀況相似的歷史案例，根據(jù)檢索到的相似歷史案例和當(dāng)前電網(wǎng)運(yùn)行狀況，生成針對(duì)性的溫度異常處理建議。

9、可選的，所述采集電纜接頭的內(nèi)部溫度數(shù)據(jù)、表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，得到有效溫度數(shù)據(jù)集，包括：

10、在電纜接頭的核心位置植入內(nèi)部溫度傳感器，在電纜接頭表面沿周向均勻布置多個(gè)表面溫度傳感器，在電纜接頭周圍環(huán)境中設(shè)置環(huán)境溫度傳感器；

11、對(duì)所述內(nèi)部溫度傳感器、表面溫度傳感器和環(huán)境溫度傳感器進(jìn)行時(shí)間同步設(shè)置，得到統(tǒng)一的數(shù)據(jù)采集時(shí)間序列；

12、設(shè)定溫度數(shù)據(jù)采集頻率，根據(jù)所述統(tǒng)一的數(shù)據(jù)采集時(shí)間序列，同步采集所述內(nèi)部溫度傳感器的內(nèi)部溫度數(shù)據(jù)、表面溫度傳感器的表面溫度數(shù)據(jù)和環(huán)境溫度傳感器的環(huán)境溫度數(shù)據(jù)；

13、對(duì)采集的溫度數(shù)據(jù)進(jìn)行初步驗(yàn)證，剔除明顯異常值，得到有效溫度數(shù)據(jù)集。

14、可選的，所述對(duì)所述有效溫度數(shù)據(jù)集進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集，包括：

15、對(duì)所述有效溫度數(shù)據(jù)集進(jìn)行時(shí)間序列分段，將連續(xù)的溫度數(shù)據(jù)劃分為固定時(shí)長(zhǎng)的數(shù)據(jù)段；

16、對(duì)每個(gè)所述數(shù)據(jù)段內(nèi)的溫度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，計(jì)算出溫度的均值、標(biāo)準(zhǔn)差、最大值和最小值，得到溫度統(tǒng)計(jì)特征；

17、利用移動(dòng)平均濾波法對(duì)所述數(shù)據(jù)段內(nèi)的溫度數(shù)據(jù)進(jìn)行平滑處理，消除短期波動(dòng)，得到平滑后的溫度曲線；

18、對(duì)所述平滑后的溫度曲線進(jìn)行歸一化處理，將不同量綱的溫度數(shù)據(jù)映射到統(tǒng)一的區(qū)間內(nèi)，得到標(biāo)準(zhǔn)化的溫度數(shù)據(jù)；

19、將所述溫度統(tǒng)計(jì)特征與所述標(biāo)準(zhǔn)化的溫度數(shù)據(jù)結(jié)合，形成包含統(tǒng)計(jì)信息和時(shí)序信息的標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集。

20、可選的，所述根據(jù)所述標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集，構(gòu)建表征電纜接頭內(nèi)部溫度、表面溫度和環(huán)境溫度關(guān)系的初始溫度關(guān)系模型，包括：

21、對(duì)所述標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集進(jìn)行特征提取，選擇與溫度關(guān)系密切相關(guān)的特征參數(shù)，構(gòu)建特征向量集；

22、利用主成分分析方法對(duì)所述特征向量集進(jìn)行降維處理，得到降維后的特征數(shù)據(jù)集；

23、采用支持向量回歸算法，以所述降維后的特征數(shù)據(jù)集為輸入，以內(nèi)部溫度為輸出，訓(xùn)練得到支持向量回歸模型；

24、使用遺傳算法對(duì)所述支持向量回歸模型的超參數(shù)進(jìn)行優(yōu)化，得到優(yōu)化后的支持向量回歸模型；

25、將所述優(yōu)化后的支持向量回歸模型作為初始溫度關(guān)系模型。

26、可選的，所述持續(xù)采集所述電纜接頭的實(shí)時(shí)表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，利用所述初始溫度關(guān)系模型和實(shí)時(shí)采集的溫度數(shù)據(jù)，計(jì)算實(shí)時(shí)內(nèi)部溫度和溫度異常程度，包括：

27、按照預(yù)設(shè)的采樣頻率，持續(xù)采集所述電纜接頭的實(shí)時(shí)表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，形成實(shí)時(shí)溫度數(shù)據(jù)流；

28、對(duì)所述實(shí)時(shí)溫度數(shù)據(jù)流進(jìn)行滑動(dòng)窗口處理，將連續(xù)的實(shí)時(shí)溫度數(shù)據(jù)劃分為固定時(shí)長(zhǎng)的數(shù)據(jù)窗口；

29、對(duì)每個(gè)所述數(shù)據(jù)窗口內(nèi)的實(shí)時(shí)溫度數(shù)據(jù)進(jìn)行特征提取和標(biāo)準(zhǔn)化處理，得到與所述初始溫度關(guān)系模型輸入格式一致的實(shí)時(shí)特征向量；

30、將所述實(shí)時(shí)特征向量輸入所述初始溫度關(guān)系模型，計(jì)算得到預(yù)測(cè)的實(shí)時(shí)內(nèi)部溫度；

31、計(jì)算所述預(yù)測(cè)的實(shí)時(shí)內(nèi)部溫度與預(yù)設(shè)的正常溫度范圍之間的偏差，將該偏差作為溫度異常程度的量化指標(biāo)。

32、可選的，所述根據(jù)所述溫度異常程度及其變化趨勢(shì)，對(duì)異常狀況進(jìn)行多級(jí)劃分，生成包含異常程度和位置信息的溫度預(yù)警信息，包括：

33、對(duì)所述溫度異常程度進(jìn)行時(shí)間序列分析，計(jì)算溫度異常程度的變化率和加速度，得到溫度異常趨勢(shì)特征；

34、根據(jù)所述溫度異常程度和所述溫度異常趨勢(shì)特征，利用模糊邏輯算法對(duì)異常狀況進(jìn)行評(píng)估，得到模糊異常評(píng)分；

35、基于預(yù)設(shè)的多級(jí)閾值，將所述模糊異常評(píng)分劃分為不同的異常等級(jí)，所述異常等級(jí)包括正常、輕微異常、中度異常和嚴(yán)重異常；

36、獲取所述電纜接頭的全局位置信息和異常發(fā)生的局部位置信息，將所述全局位置信息和局部位置信息與所述異常等級(jí)關(guān)聯(lián)；

37、根據(jù)所述異常等級(jí)、所述全局位置信息、所述局部位置信息和所述溫度異常趨勢(shì)特征，生成包含異常程度和位置信息的結(jié)構(gòu)化溫度預(yù)警信息；

38、對(duì)所述結(jié)構(gòu)化溫度預(yù)警信息進(jìn)行優(yōu)先級(jí)排序，確定預(yù)警信息的發(fā)布順序和通知范圍。

39、可選的，所述當(dāng)出現(xiàn)所述溫度預(yù)警信息時(shí)，檢索預(yù)先建立的歷史溫度異常案例庫，找出與當(dāng)前溫度異常狀況相似的歷史案例，根據(jù)檢索到的相似歷史案例和當(dāng)前電網(wǎng)運(yùn)行狀況，生成針對(duì)性的溫度異常處理建議，包括：

40、當(dāng)出現(xiàn)所述溫度預(yù)警信息時(shí)，對(duì)所述溫度預(yù)警信息進(jìn)行特征提取，構(gòu)建包含異常程度、異常位置、異常發(fā)展趨勢(shì)和環(huán)境條件的多維特征向量；

41、利用所述多維特征向量作為查詢條件，對(duì)預(yù)先建立的歷史溫度異常案例庫進(jìn)行檢索，初步篩選出潛在相似案例；

42、計(jì)算所述多維特征向量與所述潛在相似案例的特征向量之間的相似度，采用加權(quán)歐氏距離方法，得到相似度評(píng)分；

43、根據(jù)所述相似度評(píng)分，選取相似度最高的前n個(gè)歷史案例，形成候選案例集；

44、獲取當(dāng)前電網(wǎng)運(yùn)行狀況，包括負(fù)載水平、電網(wǎng)拓?fù)浣Y(jié)構(gòu)和可用資源情況，將其與所述候選案例集中的歷史案例進(jìn)行比對(duì)；

45、基于所述候選案例集中的處理方法和所述當(dāng)前電網(wǎng)運(yùn)行狀況的比對(duì)結(jié)果，生成初步的溫度異常處理建議；

46、對(duì)所述初步的溫度異常處理建議進(jìn)行可行性評(píng)估，考慮實(shí)施難度、所需資源和潛在風(fēng)險(xiǎn)，形成最終的針對(duì)性溫度異常處理建議。

47、本發(fā)明第二方面提供了一種電纜接頭的預(yù)警裝置，所述電纜接頭的預(yù)警裝置包括：

48、數(shù)據(jù)采集單元，用于采集電纜接頭的內(nèi)部溫度數(shù)據(jù)、表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，得到有效溫度數(shù)據(jù)集；

49、數(shù)據(jù)預(yù)處理單元，用于對(duì)所述有效溫度數(shù)據(jù)集進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集；

50、模型構(gòu)建單元，用于根據(jù)所述標(biāo)準(zhǔn)化歷史溫度數(shù)據(jù)集，構(gòu)建表征電纜接頭內(nèi)部溫度、表面溫度和環(huán)境溫度關(guān)系的初始溫度關(guān)系模型；

51、實(shí)時(shí)監(jiān)測(cè)單元，用于持續(xù)采集所述電纜接頭的實(shí)時(shí)表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，利用所述初始溫度關(guān)系模型和實(shí)時(shí)采集的溫度數(shù)據(jù)，計(jì)算實(shí)時(shí)內(nèi)部溫度和溫度異常程度；

52、預(yù)警生成單元，用于根據(jù)所述溫度異常程度及其變化趨勢(shì)，對(duì)異常狀況進(jìn)行多級(jí)劃分，生成包含異常程度和位置信息的溫度預(yù)警信息；

53、決策支持單元，用于當(dāng)出現(xiàn)所述溫度預(yù)警信息時(shí)，檢索預(yù)先建立的歷史溫度異常案例庫，找出與當(dāng)前溫度異常狀況相似的歷史案例，根據(jù)檢索到的相似歷史案例和當(dāng)前電網(wǎng)運(yùn)行狀況，生成針對(duì)性的溫度異常處理建議。

54、本發(fā)明第三方面提供了一種電纜接頭的預(yù)警設(shè)備，包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令，所述存儲(chǔ)器和所述至少一個(gè)處理器通過線路互連；所述至少一個(gè)處理器調(diào)用所述存儲(chǔ)器中的所述指令，以使得所述電纜接頭的預(yù)警設(shè)備執(zhí)行上述的電纜接頭的預(yù)警方法的步驟。

55、本發(fā)明的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述的電纜接頭的預(yù)警方法的步驟。

56、本發(fā)明提出的電纜接頭預(yù)警方法通過多維度數(shù)據(jù)采集和深度分析，有效解決了傳統(tǒng)監(jiān)測(cè)方法難以及時(shí)、準(zhǔn)確識(shí)別溫度異常的問題。首先，該方法采集電纜接頭的內(nèi)部溫度、表面溫度和環(huán)境溫度數(shù)據(jù)，構(gòu)建全面的溫度數(shù)據(jù)集，為異常檢測(cè)提供了豐富的信息基礎(chǔ)。通過對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理和標(biāo)準(zhǔn)化，方法消除了數(shù)據(jù)噪聲和不一致性，提高了后續(xù)分析的準(zhǔn)確性?；跇?biāo)準(zhǔn)化的歷史溫度數(shù)據(jù)集，方法構(gòu)建了表征電纜接頭內(nèi)部溫度、表面溫度和環(huán)境溫度關(guān)系的初始溫度關(guān)系模型。這一模型能夠捕捉溫度變化的復(fù)雜關(guān)系，為實(shí)時(shí)內(nèi)部溫度估算和異常檢測(cè)提供了可靠的理論基礎(chǔ)。通過持續(xù)采集實(shí)時(shí)溫度數(shù)據(jù)并利用建立的模型進(jìn)行分析，方法能夠快速計(jì)算實(shí)時(shí)內(nèi)部溫度和溫度異常程度，大大提高了異常檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性。

57、此外，本方法的多級(jí)劃分和智能預(yù)警機(jī)制進(jìn)一步增強(qiáng)了預(yù)警的精確性和可操作性。通過對(duì)溫度異常程度及其變化趨勢(shì)進(jìn)行分析，方法能夠?qū)Ξ惓顩r進(jìn)行細(xì)致的多級(jí)劃分，并生成包含異常程度和位置信息的結(jié)構(gòu)化預(yù)警信息。這種精細(xì)化的預(yù)警機(jī)制不僅能夠準(zhǔn)確反映異常的嚴(yán)重程度，還能為運(yùn)維人員提供明確的位置指引，大大提高了故障定位和處理的效率。更重要的是，當(dāng)出現(xiàn)預(yù)警信息時(shí)，方法能夠自動(dòng)檢索歷史溫度異常案例庫，找出相似案例，并結(jié)合當(dāng)前電網(wǎng)運(yùn)行狀況，生成針對(duì)性的溫度異常處理建議。這一功能充分利用了歷史經(jīng)驗(yàn)和當(dāng)前情境，為運(yùn)維人員提供了科學(xué)、有效的決策支持，顯著提升了異常處理的效率和準(zhǔn)確性?？偟膩碚f，本方法通過數(shù)據(jù)驅(qū)動(dòng)和智能分析，實(shí)現(xiàn)了電纜接頭溫度異常的精準(zhǔn)預(yù)警和智能處理，為電力系統(tǒng)的安全穩(wěn)定運(yùn)行提供了強(qiáng)有力的技術(shù)保障。