一种电缆老化无伤测试方法及系统与流程

本发明涉及电缆无损检测及寿命评估，尤其涉及一种电缆老化无伤测试方法及系统。

背景技术：

1、电力电缆以其供电安全、可靠、有利于美化城市等优点，获得了越来越广泛的应用。电力电缆多埋于地下，一旦发生故障，寻找起来十分困难，往往要花费数小时，甚至几天的时间，浪费了大量的人力、物力，而且会造成难以估量的停电损失。所以如何准确、迅速的查寻电缆故障便成了供电部门日益关注的问题电缆故障情况及埋设环境比较复杂，变化多，测试人员应熟悉电缆的埋设走向与环境，确切地判断出故障性质，选择合适的仪器与测量方法，按照一定的程序工作，才能顺利地测出电缆故障点。

2、目前，申请号为cn201210370265.1的中国发明专利公开了一种电力系统xlpe电缆水树老化状态测试系统，虽然测试系统能够对xlpe电缆水树老化情况进行离线的检测，实现被测电缆绝缘电流在高压侧的测量采样以及容性电流的补偿，这样在获得损耗电流波形信息的同时，也获得损耗因数和被测电缆等效电容值，为水树老化状态的诊断提供更多的信息，同时也提高了损耗电流的测试精度。相关技术中电流识别的方式难以快速筛选老化电缆，对查找电缆线路老化的速度较慢，没有对异常值和不稳定因素干扰的优化消除，预测模型中对电缆老化程度预测的鲁棒性与准确性都不够高。

技术实现思路

1、本发明解决的技术问题是：相关技术中电流识别的方式难以快速筛选老化电缆，对查找电缆线路老化的速度较慢，没有对异常值和不稳定因素干扰的优化消除，预测模型中对电缆老化程度预测的鲁棒性与准确性都不够高。

2、为解决上述技术问题，本发明提供如下技术方案：一种电缆老化无伤测试方法，包括：获取待测电缆的应力锥根部的界面压力数值，基于所述界面压力数值，判断电缆是否老化；若所述电缆老化，利用红外光谱测量仪对所述电缆的碳碳双键官能团进行测量，获取红外光谱图；对所述红外光谱图进行去噪和归一化处理，得到归一化处理后的红外光谱图；提取归一化处理后的红外光谱图中代表不同碳碳双键官能团的吸收峰，并对识别出的吸收峰进行峰积分；根据吸收峰强度计算碳碳双键官能团浓度数据，对所述碳碳双键官能团浓度数据进行标准化处理，并将标准化处理后的所述碳碳双键官能团浓度利用傅里叶变换转换为张量格式，得到数据集；将转换后的所述数据集划分为训练集、验证集和测试集，构建深度学习模型，并利用所述训练集进行训练并评估；利用训练后的深度学习模型对所述电缆老化程度预测。

3、在本发明的一个实施例中，基于所述界面压力数值，判断电缆老化，具体包括：

4、若所述界面压力数值小于预设压力阈值，表示所述待测电缆为老化状态；

5、若所述界面压力数值大于预设压力阈值，表示所述待测电缆未达到老化状态。

6、在本发明的一个实施例中，对所述红外光谱图进行去噪和归一化处理，得到归一化处理后的红外光谱图包括：

7、采用将低频段小波系数置零的办法实现基线校正，采用平移不变法进行噪声去除，其数学表达式为：

8、normalized_x＝(x-min_val)/(max_val-min_val)

9、其中，normalized_x表示归一化数据，max_val表示红外光谱数据中吸收峰的最大值，min_val表示红外光谱数据中吸收峰的最小值；

10、得到所述归一化后的红外光谱数据中的吸收峰强度归一化到0到1之间，其中最大值的吸收峰对应1，其他吸收峰的强度按比例进行缩放。

11、在本发明的一个实施例中，提取归一化处理后的红外光谱图中代表不同碳碳双键官能团的吸收峰，并对识别出的吸收峰进行峰积分包括：

12、提取各个碳碳双键官能团的特征峰通过比较样品的光谱与已知碳碳双键官能团的光谱库，得到老化后新出现的碳碳双键官能团的峰值。

13、在本发明的一个实施例中，所述峰积分通过对提取出的所述吸收峰进行面积积分运算，以获取所述碳碳双键官能团的相对浓度；

14、所述计算碳碳双键官能团浓度数据，其计算表达式为：

15、浓度(mg/ml)＝峰面积/(相应因子×载量)

16、在本发明的一个实施例中，对所述浓度数据进行标准化处理，得到标准化处理后的浓度数据值位于[-1，1]区间，其计算表达式为：

17、

18、其中，x表示特征数据，xnew表示标准化后的浓度数据值，xmean表示标准化前浓度数据平均值，xstd表示方差。

19、在本发明的一个实施例中，转换后的所述数据集划分为训练集、验证集和测试集，其中转换后的所述数据集的70％为训练集、15％为验证集、15％为测试集；

20、所述深度学习模型包括改进后的所述指数平滑模型和lstm模型，以及决策树模型：

21、所述指数平滑模型用于静态线性预测官能团浓度随时间的变化，所述lstm模型用于动态非线性预测官能团浓度随时间的变化，所述决策树模型用于预测电缆的老化程度；

22、对所述指数平滑模型和lstm模型进行改进包括：

23、所述改进指数平滑模型通过孤立森林算法识别输入的浓度数据值中的异常数据，利用移动平均的平滑方法对异常数据所在的区域进行平滑处理，对所述异常数据进行平滑处理后，重新拟合指数平滑模型，根据验证集在重新拟合后的指数平滑模型上的预测误差值，对指数平滑模型的参数进行调整，直到所述预测误差值不再变化，此时指数平滑模型的参数为最优参数；

24、在lstm模型上加入全连接层和注意力层得到改进lstm模型，根据注意力分数通过softmax函数生成注意力权重，对输入的浓度数据值加权求和，所述注意力权重决定了注意力层的每个时间步的重要性权重，将lstm模型的输出与注意力层生成的所述注意力权重相乘，得到加权后的注意力层，将加权后的注意力层输出所述全连接层中，得到改进lstm模型的输出结果。

25、在本发明的一个实施例中，将改进后的指数平滑模型和lstm模型进行组合，形成一个基于碳碳双键官能团浓度随时间变化的电缆老化程度预测模型；

26、使用改进后的所述指数平滑模型预测训练集和验证集的残差，将残差作为第一新特征；

27、使用改进后的所述lstm模型对训练集和验证集进行预测，将预测结果作为第二新特征；

28、将指数平滑模型和lstm模型进行堆叠处理，包括：

29、将所述第一新特征和第二新特征加权分配到训练集、验证集和测试集中，形成更新后的训练集、验证集和测试集。

30、在本发明的一个实施例中，使用更新后的训练集、验证集和测试集训练所述决策树模型，对所述训练后的决策树模型进行交叉验证，调整决策树模型的参数，利用调整后的决策树模型对所述电缆老化程度进行预测；所述电缆老化程度的评估标准分为l1-l6级，l1为老化最轻程度，l2-l6为老化程度依次加重。

31、在本发明的一个实施例中，一种电缆老化无伤测试系统，包括界面压力测试仪、红外光谱测量仪、数据处理模块、机器学习模块和电缆老化程度预测模块；

32、所述界面压力测试仪用于测试待测电缆锥根部的界面压力数值，基于所述界面压力数值快速筛选老化电缆，使电缆老化测试的工作时间大大减少；

33、所述红外光谱测量仪用于对所述老化电缆对比于未老化电缆新生成的碳碳双键官能团进行测量，获取红外光谱图；

34、所述数据处理模块用于对所述红外光谱图进行去噪和归一化处理，得到归一化处理后的红外光谱图，提取归一化处理后的红外光谱图中代表不同碳碳双键官能团的吸收峰，并对识别出的吸收峰进行峰积分，根据吸收峰强度计算碳碳双键官能团浓度数据，对所述碳碳双键官能团浓度数据进行标准化处理，并将标准化处理后的所述碳碳双键官能团浓度数据利用傅里叶变换转换为张量格式，得到数据集，将转换后的所述数据集划分为训练集、验证集和测试集；

35、所述机器学习模块用于构建深度学习模型，并利用所述数据集对所述深度学习模型进行训练；

36、所述电缆老化程度预测模块通过深度学习模型预测电缆老化程度随时间的变化而变化的数据集，并将所述数据集绘成趋势图输出。

37、本发明的有益效果：本发明通过检测电缆应力锥界面压力筛选老化电缆，提高老化电缆的查找速度，使用红外光谱仪测电缆碳碳双键官能团浓度的变化，并建立机器学习模型，达到准确预测电缆老化程度随时间的变化，提高预测电缆老化的准确性和鲁棒性，降低预测风险。