本發(fā)明涉及電纜接頭的預警，尤其涉及一種電纜接頭的預警方法、裝置、設(shè)備及存儲介質(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械強度，同時提供必要的絕緣和防護功能。電纜接頭的設(shè)計需要考慮多個因素，包括電壓等級、電流容量、環(huán)境條件等，以確保電力系統(tǒng)的可靠運行。在現(xiàn)代電網(wǎng)中，電纜接頭廣泛應用于地下電纜系統(tǒng)、海底電纜、高壓輸電線路等場景，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，電纜接頭在長期運行過程中容易出現(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。溫度異常不僅會降低電纜接頭的使用壽命，嚴重時還可能導致電纜接頭故障，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)測方法往往依賴于定期檢查或簡單的溫度閾值報警，難以及時、準確地識別潛在的溫度異常狀況，也無法提供有效的預警和處理建議。

技術(shù)實現(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)測方法難以及時、準確地識別電纜接頭潛在的溫度異常狀況，也無法提供有效的預警和處理建議。

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

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、對所述有效溫度數(shù)據(jù)集進行預處理，得到標準化歷史溫度數(shù)據(jù)集；

5、根據(jù)所述標準化歷史溫度數(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時表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，利用所述初始溫度關(guān)系模型和實時采集的溫度數(shù)據(jù)，計算實時內(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，對異常狀況進行多級劃分，生成包含異常程度和位置信息的溫度預警信息；

8、當出現(xiàn)所述溫度預警信息時，檢索預先建立的歷史溫度異常案例庫，找出與當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前電網(wǎng)運行狀況，生成針對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)境溫度傳感器進行時間同步設(shè)置，得到統(tǒng)一的數(shù)據(jù)采集時間序列；

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、對采集的溫度數(shù)據(jù)進行初步驗證，剔除明顯異常值，得到有效溫度數(shù)據(jù)集。

14、可選的，所述對所述有效溫度數(shù)據(jù)集進行預處理，得到標準化歷史溫度數(shù)據(jù)集，包括：

15、對所述有效溫度數(shù)據(jù)集進行時間序列分段，將連續(xù)的溫度數(shù)據(jù)劃分為固定時長的數(shù)據(jù)段；

16、對每個所述數(shù)據(jù)段內(nèi)的溫度數(shù)據(jù)進行統(tǒng)計分析，計算出溫度的均值、標準差、最大值和最小值，得到溫度統(tǒng)計特征；

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

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

19、將所述溫度統(tǒng)計特征與所述標準化的溫度數(shù)據(jù)結(jié)合，形成包含統(tǒng)計信息和時序信息的標準化歷史溫度數(shù)據(jù)集。

20、可選的，所述根據(jù)所述標準化歷史溫度數(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、對所述標準化歷史溫度數(shù)據(jù)集進行特征提取，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所述特征向量集進行降維處理，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，訓練得到支持向量回歸模型；

24、使用遺傳算法對所述支持向量回歸模型的超參數(shù)進行優(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時表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，利用所述初始溫度關(guān)系模型和實時采集的溫度數(shù)據(jù)，計算實時內(nèi)部溫度和溫度異常程度，包括：

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

28、對所述實時溫度數(shù)據(jù)流進行滑動窗口處理，將連續(xù)的實時溫度數(shù)據(jù)劃分為固定時長的數(shù)據(jù)窗口；

29、對每個所述數(shù)據(jù)窗口內(nèi)的實時溫度數(shù)據(jù)進行特征提取和標準化處理，得到與所述初始溫度關(guān)系模型輸入格式一致的實時特征向量；

30、將所述實時特征向量輸入所述初始溫度關(guān)系模型，計算得到預測的實時內(nèi)部溫度；

31、計算所述預測的實時內(nèi)部溫度與預設(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。

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

33、對所述溫度異常程度進行時間序列分析，計算溫度異常程度的變化率和加速度，得到溫度異常趨勢特征；

34、根據(jù)所述溫度異常程度和所述溫度異常趨勢特征，利用模糊邏輯算法對異常狀況進行評估，得到模糊異常評分；

35、基于預設(shè)的多級閾值，將所述模糊異常評分劃分為不同的異常等級，所述異常等級包括正常、輕微異常、中度異常和嚴重異常；

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關(guān)聯(lián)；

37、根據(jù)所述異常等級、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特征，生成包含異常程度和位置信息的結(jié)構(gòu)化溫度預警信息；

38、對所述結(jié)構(gòu)化溫度預警信息進行優(yōu)先級排序，確定預警信息的發(fā)布順序和通知范圍。

39、可選的，所述當出現(xiàn)所述溫度預警信息時，檢索預先建立的歷史溫度異常案例庫，找出與當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前電網(wǎng)運行狀況，生成針對性的溫度異常處理建議，包括：

40、當出現(xiàn)所述溫度預警信息時，對所述溫度預警信息進行特征提取，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，對預先建立的歷史溫度異常案例庫進行檢索，初步篩選出潛在相似案例；

42、計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，得到相似度評分；

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

44、獲取當前電網(wǎng)運行狀況，包括負載水平、電網(wǎng)拓撲結(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行比對；

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

46、對所述初步的溫度異常處理建議進行可行性評估，考慮實施難度、所需資源和潛在風險，形成最終的針對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警裝置，所述電纜接頭的預警裝置包括：

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)預處理單元，用于對所述有效溫度數(shù)據(jù)集進行預處理，得到標準化歷史溫度數(shù)據(jù)集；

50、模型構(gòu)建單元，用于根據(jù)所述標準化歷史溫度數(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、實時監(jiān)測單元，用于持續(xù)采集所述電纜接頭的實時表面溫度數(shù)據(jù)和環(huán)境溫度數(shù)據(jù)，利用所述初始溫度關(guān)系模型和實時采集的溫度數(shù)據(jù)，計算實時內(nèi)部溫度和溫度異常程度；

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

53、決策支持單元，用于當出現(xiàn)所述溫度預警信息時，檢索預先建立的歷史溫度異常案例庫，找出與當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前電網(wǎng)運行狀況，生成針對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警設(shè)備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令，所述存儲器和所述至少一個處理器通過線路互連；所述至少一個處理器調(diào)用所述存儲器中的所述指令，以使得所述電纜接頭的預警設(shè)備執(zhí)行上述的電纜接頭的預警方法的步驟。

55、本發(fā)明的第四方面提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述的電纜接頭的預警方法的步驟。

56、本發(fā)明提出的電纜接頭預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)測方法難以及時、準確識別溫度異常的問題。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，為異常檢測提供了豐富的信息基礎(chǔ)。通過對這些數(shù)據(jù)進行預處理和標準化，方法消除了數(shù)據(jù)噪聲和不一致性，提高了后續(xù)分析的準確性?；跇藴驶臍v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雜關(guān)系，為實時內(nèi)部溫度估算和異常檢測提供了可靠的理論基礎(chǔ)。通過持續(xù)采集實時溫度數(shù)據(jù)并利用建立的模型進行分析，方法能夠快速計算實時內(nèi)部溫度和溫度異常程度，大大提高了異常檢測的實時性和準確性。

57、此外，本方法的多級劃分和智能預警機制進一步增強了預警的精確性和可操作性。通過對溫度異常程度及其變化趨勢進行分析，方法能夠?qū)Ξ惓顩r進行細致的多級劃分，并生成包含異常程度和位置信息的結(jié)構(gòu)化預警信息。這種精細化的預警機制不僅能夠準確反映異常的嚴重程度，還能為運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，當出現(xiàn)預警信息時，方法能夠自動檢索歷史溫度異常案例庫，找出相似案例，并結(jié)合當前電網(wǎng)運行狀況，生成針對性的溫度異常處理建議。這一功能充分利用了歷史經(jīng)驗和當前情境，為運維人員提供了科學、有效的決策支持，顯著提升了異常處理的效率和準確性?？偟膩碚f，本方法通過數(shù)據(jù)驅(qū)動和智能分析，實現(xiàn)了電纜接頭溫度異常的精準預警和智能處理，為電力系統(tǒng)的安全穩(wěn)定運行提供了強有力的技術(shù)保障。