CN119416148A 基于多维度数据融合的电缆接头健康状态评估方法及系统 （国网湖北省电力有限公司襄阳供电公司）

基于多维度数据融合的电缆接头健康状态本发明公开了基于多维度数据融合的电缆成分和噪声特性的效果，通过应用多级小波分以根据实时采集的数据动态更新电缆的健康状22.如权利要求1所述的基于多维度数据融合的电缆接头健康状态评估方法，其特征在根据采集的运行参数进行数据清洗和归一化处理，并统一时间序列进行时间同步记将基于不同传感器的运行参数组成二维矩阵，二维矩阵中每一行3.如权利要求2所述的基于多维度数据融合的电缆接头健康状态评估方法，其特征在;基于将时间域运行参数转换为频率域信号，得到信号的频谱;;基于运行参数的二维矩阵，使用滤波器应用多级小波分解，将二维;3变化中代表滤波器系数的索引，W(x-2;基于历史数据计算的历史均值和标准差，并将历史均值和标准值θ,若计算的Ea大于等于θ则判定监测的能量总和异常，若计算的Eaw小于θ则判定监4.如权利要求3所述的基于多维度数据融合的电缆接头健康状态评估方法，其特征在点包括特征节点和状态节点，分别为基于小波变换得到基于每个节点创建条件概率表CPT，基于历史数据或专家知识，描述在给定节点状态;其中pur)表示给定能量特征时健康状态的后验概率，rrw)表示在特定健康状态下观测到能量特征的概率，r(H)表示电缆健康状态的先验概基于轻微损伤健康状态和严重损伤健康状态的历史数据，计算各能根据更新的概率分布，得到不同电缆健康状态的计算概率5.如权利要求4所述的基于多维度数据融合的电缆接头健康状态评估方法，其特征在4;规则层实现模糊规则的应用，并通过归一化层对每条规则;通过Adam优化器并通过梯度下降法进行模型参数迭代优化，当在连续6.如权利要求5所述的基于多维度数据融合的电缆接头健康状态评估方法，其特征在基于Python的Pandas库，对ANFIS自适应网络模糊推理模型输出的预测数据进行清洗7.如权利要求6所述的基于多维度数据融合的电缆接头健康状态评估方法，其特征在通过加密TLS/SSL协议，对从ANFIS模型输出的预测数据进行加密传8.一种基于权利要求1_7任一所述的基于多维度数据融合的电缆接头健康状态评估方信号处理模块，对运行参数进行分析和特征提取，使用数据存储与通知模块，确保数据的安全传输和存储，生成并发5被处理器执行时实现权利要求1至7中任一项所述的基于多维度数据融合的电缆接头健康6[0004]鉴于上述现有的基于多维度数据融合的电缆接头健康状态评估方法及系统中存[0011]作为本发明所述基于多维度数据融合的电缆接头健康状态评估方法的一种优选7[0015]作为本发明所述基于多维度数据融合的电缆接头健康状态评估方法的一种优选[0028]其中表示第j+1层的位置(x,y)的小波系数子带，h(k,I)表示滤波器的系在小波变化中代表滤波器系数的索引，W(x-2k,y-21)表示位置(x-2k,y-21)的小波系8量阈值θ,若计算的Ea大于等于θ则判定监测的能量总和异常，若计算的Ea小于θ则判[0033]作为本发明所述基于多维度数据融合的电缆接头健康状态评估方法的一种优选中节点包括特征节点和状态节点，分别为基于小波变换得到的每个子带能量Ea和对应电[0038]其中表示给定能量特征时健康状态的后验概率，rrn)表示在特定健康状态下观测到能量特征的概率，P(H)表示电缆健康状态的先验概率，P(F)表示观测到的[0041]作为本发明所述基于多维度数据融合的电缆接头健康状态评估方法的一种优选[0047]规则层实现模糊规则的应用，并通过归一化层对每条规则的输出进行归一化处9模型的损失不再明显下降则停止迭代输出模型参数[0053]作为本发明所述基于多维度数据融合的电缆接头健康状态评估方法的一种优选[0054]基于Python的Pandas库，对ANFIS自适应网络模糊推理模型输出的预测数据进行[0055]作为本发明所述基于多维度数据融合的电缆接头健康状态评估方法的一种优选[0057]本发明的另外一个目的是提供基于多维度数据融合的电缆接头健康状态评估方理器执行所述计算机程序时实现上述基于多维度数据融合的电缆接头健康状态评估方法行时实现上述基于多维度数据融合的电缆接头健康状态评估方[0093]该公式的推导基于运行参数信号的Nyquist采样定理，确保分解后的最低频率成[0096]其中表示第j+1层的位置(x,y)的小波系数子带，h(k,I)表示滤波器的系在小波变化中代表滤波器系数的索引，W(x-2k,y-21)表示位置(x-2k,y-21)的小波系量阈值θ,若计算的Ea大于等于θ则判定监测的能量总和异常，若计算的Ea小于θ则判Nyquist采样定理和信噪比计算确定的分解级别，确保了分解后的最低频率成分能够捕捉中节点包括特征节点和状态节点，分别为基于小波变换得到的每个子带能量Ea和对应电[0113]其中表示第n个传感器数据的低频能量特征，表示第n个传感器数据的中[0116]其中表示给定能量特征时健康状态的后验概率，rrn)表示在特定健康[0126]规则层实现模糊规则的应用，并通过归一化层对每条规则的输出进行归一化处模型的损失不再明显下降则停止迭代输出模型参数性，使用均方误差MSE函数评估模型的损失，并通过Adam优化器和梯度下降法进行参数更[0135]基于Python的Pandas库，对ANFIS自适应网络模糊推理模型输出的预测数据进行[0139]通过TLS/SSL协议对预测数据进行加密传输，有效