[发明专利]电缆状态监测方法及存储介质

说明书

本发明公开了一种电缆状态监测方法，包括：通过传感器获取电缆监测数据；构建电缆监测数据中每一个分量对应的第一SVM分类器；根据第一SVM分类器的分类精度的比值得到所述各分量的权重信息；根据电缆监测数据和权重信息计算第二SVM分类器的训练数据，对所述第二SVM分类器进行训练；构建所述电缆监测数据的每一个分量对应的LSTM预测神经模型，得到所述电缆监测数据对应的预测信息；根据所述预测信息和所述权重信息计算电缆监测预测数据；将所述电缆监测预测数据输入至训练好的第二SVM分类器，获取所述第二SVM分类器的输出结果作为电缆状态信息。本发明实现对电缆监测数据的预测和电缆运行状态的评估，有利于解决现技术对输电电缆进行监测时存在的故障定位不准确的问题。

技术领域

本发明涉及信息技术领域，尤其涉及一种电缆状态监测方法及存储介质。

背景技术

输电电缆的状态监测及评估对于电缆输电系统的稳定运行具有重要的意义。然而现有技术在实时监控输电电缆的运行状态得到电缆监测数据之后，未对数据进行预测以及电缆的运行状况进行评估，无法有效判断当前电缆是否存在异常，难以保证输电系统的稳定运行。

发明内容

本发明实施例提供了一种电缆状态监测方法及存储介质，以实现对电缆监测数据的预测和电缆运行状态的评估，有利于解决现技术对输电电缆进行监测时存在的故障定位不准确的问题。

一种电缆状态监测方法，包括：

通过传感器获取电缆监测数据；

构建电缆监测数据中每一个分量对应的第一SVM分类器；

计算每一个分量对应的第一SVM分类器的分类精度，根据所述分类精度的比值得到所述电缆监测数据各分量的权重信息；

根据所述电缆监测数据和所述权重信息计算第二SVM分类器的训练数据；

采用所述训练数据对所述第二SVM分类器进行训练；

构建所述电缆监测数据的每一个分量对应的LSTM预测神经模型，并根据每一分量对应的LSTM预测神经模型得到分量对应的预测值，组合每一个分量对应的预测值得到所述电缆监测数据对应的预测信息；

根据所述预测信息和所述权重信息计算电缆监测预测数据；

将所述电缆监测预测数据输入至训练好的第二SVM分类器，获取所述第二SVM分类器的输出结果作为电缆状态信息。

可选地，所述电缆监测数据包括至少一个电缆温度监测点的温度信息和电缆监测仪器的监测压力数据、监测震动数据。

可选地，所述第二SVM分类器的训练数据的计算公式为：

其中，X表示电缆监测数据，包括l个分量，X＝[x₁,x₂……x_l]，W表示电缆监测数据的权重信息，W＝[w₁,w₂,……w_l]，表示训练数据，

可选地，所述LSTM预测神经模型中的隐含层层数为2，每一层隐含层的LSTM神经元个数为12个，隐含层之后连接3层全连接层FCL1、FCL2和FCL3，最后一层全连接层的输出值为预测值。

可选地，所述电缆监测预测数据的计算公式为：

其中，X_f表示电缆监测数据的预测信息，X_f＝[x_f1,x_f2……x_fl]，W表示电缆监测数据的权重信息，W＝[w₁,w₂,……w_l]，表示电缆监测预测数据，