一种用于配电电缆线路的故障风险预警方法及系统与流程

1.本发明涉及配电电缆线路的故障风险预警技术领域，特别是涉及一种用于配电电缆线路的故障风险预警方法及系统。


背景技术：

2.如今，电力电缆在电网中的应用日益频繁，其在电网发展过程中扮演的角色也变得愈发重要。特别是在现代城市电网中，高压电缆相当于一个城市输电路口的大动脉，于是，保证电力电缆的安全可靠运作至关重要。考虑到电力电缆长期处于恶劣环境下，导致其发生故障的原因主要是由于繁杂的外部环境，因此，依据电力电缆外部环境状况对其故障进行迅速准确的诊断，就能及时实施针对性的处理手段，进而较大程度地降低潜在的故障风险。
3.近年来，由于电力信息产业的快速发展，使得电力后台监测系统收集了大量有利于检修电缆的状态数据。有学者利用基于k-means聚类的局部放电相位谱图自动模式识别技术克服了相位信息难以直接获取的缺点；有学者为检测电缆导体异常温度的情况，提出一种粒子群优化的bp神经网络方法；有学者基于神经网络技术提出了一套电缆智能检修框架，能实现检修的智能安排；有学者以大数据分析为研究手段，提出了一种输变电设备异常数据的检测方法，能避免参量间相关性难以分析的问题。有学者利用大数据技术对电缆的异常状态进行监测和分析。尽管以上大数据方法能对异常信息有更全面的分析，但较难解决多分类问题。针对这些问题，关联规则挖掘(association rule mining，arm)能够更加直观、灵活的分析电缆在多种输入特征或状态下的故障风险。有学者利用关联规则研究xlpe电缆的局部放电；有学者基于关联规则识别高压电缆的缺陷；还有学者通过关联规则的apriori算法建立了设备的缺陷模型，找到诱发薄弱环节的原因。尽管不少研究取得了较为满意的进展，但仍有一些方面需要改进。传统的arm模型通常未考虑出现次数较少的罕见元素和故障发生较少的季节时段，对数据进行分析时往往采用相同的诊断标准得分计算方式和阈值设定方式，这就导致了罕见元素和罕见时段中的故障信息都会被直接忽略不作任何分析。


技术实现要素：

4.本发明的目的在于，提出一种用于配电电缆线路的故障风险预警方法及系统，解决如何提高电力电缆故障风险的预测正确率以及可信性的技术问题。
5.一方面，提供一种用于配电电缆线路的故障风险预警方法，包括：
6.获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；其中，所述故障记录矩阵记录每条故障记录的编号向量、对应的所有环境特征的集合、故障记录所在季节的集合及对应的每次故障后的处理结果；
7.将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外
的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；
8.根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。
9.优选地，所述对所述配电电缆线路故障记录数据进行预处理包括：
10.将每条故障记录的编号输出为向量{l1,l2,...,lm}；
11.将每条故障对应的所有环境特征输出为集合k＝{k1,k2,...,km}；
12.在故障记录中将每次故障后的处理结果输出为集合y＝{y1,y2,...,ym}，其中，所述每次故障后的处理结果包括成功或失败；
13.将一个季度作为基准单位时段，将m个故障记录所在季节输出为集合p＝{p1,p2,...,pm}。
14.优选地，所述故障记录矩阵包括：
[0015][0016]
其中，a
ij
表示一个特征中的环境元素，ki表示第j列环境特征的编号，n表示环境特征的编号的最大值，li表示第i行故障记录的编号，m代表故障记录的编号的最大值，pi表示一次故障所在的季度，yi表示为每次故障后的处理结果。
[0017]
优选地，所述根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数包括：
[0018]
根据所述变量分类结果将任意一个环境元素的权重系数划分为包含常见变量的集合的影响权重系数与包含罕见变量的集合的影响权重系数之和；
[0019]
根据预设的重要度诊断评分模型结合重新划分后的环境元素的权重系数确定对应的任意环境元素的相对权重系数计算模型；
[0020]
根据所述任意环境元素的相对权重系数计算模型计算环境特征对应的权重系数。
[0021]
优选地，所述预设的重要度诊断评分模型包括：
[0022][0023]
其中，suppj表示重要度诊断评分，count()代表同时满足括号里所有条件的故障记录计数和，sc表示从2到(n+1)的数值区间，li表示第i行故障记录的编号，g表示集合，xc表示包含常见变量的集合，xr表示包含罕见变量的集合，表示空集。
[0024]
优选地，还包括：
[0025]
通过一下公式表示任意一个环境元素的权重系数：
[0026][0027]
其中，表示任意一个环境元素的权重系数，表示包含常见变量的集合的
影响权重系数，表示包含罕见变量的集合的影响权重系数。
[0028]
优选地，所述任意环境元素的相对权重系数计算模型包括：
[0029][0030]
其中，表示环境特征对应的权重系数，表示总数据库中包含任意罕见环境元素的故障记录，sg表示总数据库中包含任意常见环境元素的故障记录，count()代表同时满足括号里所有条件的故障记录计数和，li表示第i行故障记录的编号，g表示集合，ki表示第j列环境特征的编号。
[0031]
另一方面，还提供一种用于配电电缆线路的故障风险预警系统，用以实现所述用于配电电缆线路的故障风险预警方法，包括：
[0032]
预处理模块，用于获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；其中，所述故障记录矩阵记录每条故障记录的编号向量、对应的所有环境特征的集合、故障记录所在季节的集合及对应的每次故障后的处理结果；
[0033]
变量分类模块，用于将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；
[0034]
风险评估模块，用于根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。
[0035]
优选地，所述预处理模块具体用于，将每条故障记录的编号输出为向量{l1,l2,...,lm}；
[0036]
将每条故障对应的所有环境特征输出为集合k＝{k1,k2,...,km}；
[0037]
在故障记录中将每次故障后的处理结果输出为集合y＝{y1,y2,...,ym}，其中，所述每次故障后的处理结果包括成功或失败；
[0038]
将一个季度作为基准单位时段，将m个故障记录所在季节输出为集合p＝{p1,p2,...,pm}；
[0039]
并根据以上集合组成所述故障记录矩阵包括：
[0040][0041]
其中，a
ij
表示一个特征中的环境元素，ki表示第j列环境特征的编号，n表示环境特征的编号的最大值，li表示第i行故障记录的编号，m代表故障记录的编号的最大值，pi表示一次故障所在的季度，yi表示为每次故障后的处理结果。
[0042]
优选地，所述风险评估模块具体用于，根据所述变量分类结果将任意一个环境元素的权重系数划分为包含常见变量的集合的影响权重系数与包含罕见变量的集合的影响权重系数之和；
[0043]
根据预设的重要度诊断评分模型结合重新划分后的环境元素的权重系数确定对应的任意环境元素的相对权重系数计算模型；
[0044]
根据所述任意环境元素的相对权重系数计算模型计算环境特征对应的权重系数；
[0045]
其中，所述预设的重要度诊断评分模型包括：
[0046][0047]
其中，suppj表示重要度诊断评分，count()代表同时满足括号里所有条件的故障记录计数和，sc表示从2到(n+1)的数值区间，li表示第i行故障记录的编号，g表示集合，xc表示包含常见变量的集合，xr表示包含罕见变量的集合，表示空集；
[0048]
通过一下公式表示任意一个环境元素的权重系数：
[0049][0050]
其中，表示任意一个环境元素的权重系数，表示包含常见变量的集合的影响权重系数，表示包含罕见变量的集合的影响权重系数；
[0051]
所述任意环境元素的相对权重系数计算模型包括：
[0052][0053]
其中，表示环境特征对应的权重系数，表示总数据库中包含任意罕见环境元素的故障记录，sg表示总数据库中包含任意常见环境元素的故障记录，count()代表同时满足括号里所有条件的故障记录计数和，li表示第i行故障记录的编号，g表示集合，ki表示
第j列环境特征的编号。
[0054]
综上，实施本发明的实施例，具有如下的有益效果：
[0055]
本发明提供的用于配电电缆线路的故障风险预警方法及系统，能针对性的对每个季节时段设置不同的阈值以考虑各个季节时段中故障分布的差异性，从而罕见时段中的故障信息影响也能被计及；将电缆线路周围环境特征的罕见元素纳入分析，对传统arm的重要度诊断标准计算方法进行改进，能够将极端的环境状况加以考虑以提高诊断的全面性。
附图说明
[0056]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
[0057]
图1为本发明实施例中一种用于配电电缆线路的故障风险预警方法的主流程示意图。
[0058]
图2为本发明实施例中一种用于配电电缆线路的故障风险预警方法arm模型的roc曲线对比示意图。
[0059]
图3为本发明实施例中一种用于配电电缆线路的故障风险预警方法arm模型的pr曲线对比示意图。
[0060]
图4为本发明实施例中一种用于配电电缆线路的故障风险预警系统的示意图。
具体实施方式
[0061]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
[0062]
如图1，为本发明提供的一种用于配电电缆线路的故障风险预警方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：
[0063]
步骤s1，获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；其中，所述故障记录矩阵记录每条故障记录的编号向量、对应的所有环境特征的集合、故障记录所在季节的集合及对应的每次故障后的处理结果；也就是，考虑到中压配电电缆线路故障记录数据中含有多种环境特征，为了实现对输入数据的充分挖掘，须将数据进行预处理并整合。
[0064]
具体实施例中，将每条故障记录的编号输出为向量{l1,l2,...,lm}；将每条故障对应的所有环境特征输出为集合k＝{k1,k2,...,km}；在故障记录中将每次故障后的处理结果输出为集合y＝{y1,y2,...,ym}，其中，所述每次故障后的处理结果包括成功或失败；将一个季度作为基准单位时段，将m个故障记录所在季节输出为集合p＝{p1,p2,...,pm}。可理解的，令{l1,l2,...,lm}为数据集h中每条故障记录的编号向量，k＝{k1,k2,...,km}为所有环境特征的集合，y＝{y1,y2,...,ym}代表所有目标变量的集合，在故障记录中，yi则为每次故障后的处理结果，即成功和失败。此外，由于本实施例选择一个季度作为基准单位时段，于是令p＝{p1,p2,...,pm}为m个故障记录所在季节的结合，可知pi代表四个季节中的任意一个。综上假设，所构建故障记录数据库的整合矩阵，即所述故障记录矩阵表示如下：
[0065][0066]
其中，从第二行开始的每一行代表所收集的一条故障记录。a
ij
表示一个特征中的环境元素，ki表示第j列环境特征的编号，n表示环境特征的编号的最大值，li表示第i行故障记录的编号，m代表故障记录的编号的最大值，pi表示一次故障所在的季度，yi表示为每次故障后的处理结果。
[0067]
步骤s2，将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；也就是，基于每个季节时段的故障发生情况来设置不同的阈值，从而使罕见季节时段中的故障也能够被充分分析，基于传统arm支持度的阈值设置的数学表达式如下式所示。式中，count()代表同时满足括号里所有条件的故障记录计数和；p(o
p
)代表发生在春夏秋冬中的一个季节时段，代表一个年度中故障发生次数最高的一个季节。
[0068][0069]
由于传统arm算法对所有元素采取相同的重要度评分手段，使得故障记录中的罕见数据得分相对较低，容易在数据挖掘过程中被直接排除在外。考虑到这一点，对传统的arm支持度计算公式进行改进，即设置基于罕见变量的支持度评估计算公式。通过这一改进的计算式，各个特征中罕见元素的支持度得分可以被单独提出，并再与所设置的阈值进行比较。首先，将一条关联规则重新定义为xc+xr→
y，其中，xc、xr分别代表包含常见变量的集合和包含罕见变量的集合。
[0070]
步骤s3，根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。也就是，结合所收集的数据库以及罕见和常见数据集的划分，任意环境元素的相对权重系数。
[0071]
具体实施例中，根据所述变量分类结果将任意一个环境元素的权重系数划分为包含常见变量的集合的影响权重系数与包含罕见变量的集合的影响权重系数之和；根据预设的重要度诊断评分模型结合重新划分后的环境元素的权重系数确定对应的任意环境元素的相对权重系数计算模型；根据所述任意环境元素的相对权重系数计算模型计算环境特征对应的权重系数。
[0072]
其中，所述预设的重要度诊断评分模型包括：
[0073]
[0074]
其中，suppj表示重要度诊断评分，count()代表同时满足括号里所有条件的故障记录计数和，sc表示从2到(n+1)的数值区间，li表示第i行故障记录的编号，g表示集合，xc表示包含常见变量的集合，xr表示包含罕见变量的集合，表示空集。
[0075]
所述任意环境元素的相对权重系数计算模型包括：
[0076][0077]
其中，表示环境特征对应的权重系数，表示总数据库中包含任意罕见环境元素的故障记录，sg表示总数据库中包含任意常见环境元素的故障记录，count()代表同时满足括号里所有条件的故障记录计数和，li表示第i行故障记录的编号，g表示集合，ki表示第j列环境特征的编号。
[0078]
具体地，通过一下公式表示任意一个环境元素的权重系数：
[0079][0080]
其中，表示任意一个环境元素的权重系数，表示包含常见变量的集合的影响权重系数，表示包含罕见变量的集合的影响权重系数。
[0081]
可理解的，若一个特征中kj含有任意罕见元素，其重要度诊断评分计算式为：
[0082][0083]
式中，sc代表从2到(n+1)的数值区间；
[0084]
由于不同的环境要素与配电电缆线路故障之间的相关性都不一致，于是须计算每个环境元素的权重系数，从而表征每个元素对故障的重要与相关程度。本方法将任意一个环境元素的权重系数划分为两部分，其表达式为：
[0085][0086]
式中，表示来自于常见变量集的影响权重系数，表示来自于罕见变量集的影响权重系数。
[0087]
结合所收集的数据库以及罕见和常见数据集的划分，任意环境元素的相对权重系数λ
aj,k
可最终写为上述的任意环境元素的相对权重系数计算模型。
[0088]
具体实施例中，针对故障在不同季节时段的分布，对传统arm算法的重要度诊断标准阈值设定进行改进，从而罕见季节时段中的风险元素也能够被挖掘；其次，根据罕见元素在不同环境特征下的分布，对传统形式的重要度诊断标准计算方法进行改进，从而能有效
应对来自于罕见环境元素的影响。最后，将所提出的方法与传统arm算法进行预测效果对比，结果表明所提方法具有更好的准确性和可行性。
[0089]
建立基于carm配电电缆线路故障风险预警方法有如下步骤：1、对于采集数据库中的某个环境特征kj，通过改进的重要度诊断标准阈值计算式区分出相应的常见和罕见元素；2、将此环境特征中包含罕见元素的故障记录归类至子数据集中，并利用改进的重要度诊断标准计算公式挖掘出高频元素集；3、对于采集数据库中的每个环境特征依次重复进行第1-2步；4、分别求解各个罕见和常见元素的权重系数；5、依据每个元素的权重系数，计算出测试数据集中包含各个特征的每条故障记录的故障风险指数；6、将预测的故障风险指数与真是故障记录的结果进行对比，如图2和图3所示。
[0090]
如图4所示，本发明的实施中还提供一种用于配电电缆线路的故障风险预警系统，用以实现所述的用于配电电缆线路的故障风险预警方法，包括：
[0091]
预处理模块，用于获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；其中，所述故障记录矩阵记录每条故障记录的编号向量、对应的所有环境特征的集合、故障记录所在季节的集合及对应的每次故障后的处理结果；
[0092]
变量分类模块，用于将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；
[0093]
风险评估模块，用于根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。
[0094]
本实施例中，所述预处理模块具体用于，将每条故障记录的编号输出为向量{l1,l2,...,lm}；
[0095]
将每条故障对应的所有环境特征输出为集合k＝{k1,k2,...,km}；
[0096]
在故障记录中将每次故障后的处理结果输出为集合y＝{y1,y2,...,ym}，其中，所述每次故障后的处理结果包括成功或失败；
[0097]
将一个季度作为基准单位时段，将m个故障记录所在季节输出为集合p＝{p1,p2,...,pm}；
[0098]
并根据以上集合组成所述故障记录矩阵包括：
[0099][0100]
其中，a
ij
表示一个特征中的环境元素，ki表示第j列环境特征的编号，n表示环境特征的编号的最大值，li表示第i行故障记录的编号，m代表故障记录的编号的最大值，pi表示一次故障所在的季度，yi表示为每次故障后的处理结果。
[0101]
本实施例中，所述风险评估模块具体用于，根据所述变量分类结果将任意一个环境元素的权重系数划分为包含常见变量的集合的影响权重系数与包含罕见变量的集合的影响权重系数之和；
[0102]
根据预设的重要度诊断评分模型结合重新划分后的环境元素的权重系数确定对应的任意环境元素的相对权重系数计算模型；
[0103]
根据所述任意环境元素的相对权重系数计算模型计算环境特征对应的权重系数；
[0104]
其中，所述预设的重要度诊断评分模型包括：
[0105][0106]
其中，suppj表示重要度诊断评分，count()代表同时满足括号里所有条件的故障记录计数和，sc表示从2到(n+1)的数值区间，li表示第i行故障记录的编号，g表示集合，xc表示包含常见变量的集合，xr表示包含罕见变量的集合，表示空集；
[0107]
通过一下公式表示任意一个环境元素的权重系数：
[0108][0109]
其中，表示任意一个环境元素的权重系数，表示包含常见变量的集合的影响权重系数，表示包含罕见变量的集合的影响权重系数；
[0110]
所述任意环境元素的相对权重系数计算模型包括：
[0111][0112]
其中，表示环境特征对应的权重系数，表示总数据库中包含任意罕见环境元素的故障记录，sg表示总数据库中包含任意常见环境元素的故障记录，count()代表同时满足括号里所有条件的故障记录计数和，li表示第i行故障记录的编号，g表示集合，ki表示第j列环境特征的编号。
[0113]
综上，实施本发明的实施例，具有如下的有益效果：
[0114]
本发明提供的用于配电电缆线路的故障风险预警方法及系统，能针对性的对每个季节时段设置不同的阈值以考虑各个季节时段中故障分布的差异性，从而罕见时段中的故障信息影响也能被计及；将电缆线路周围环境特征的罕见元素纳入分析，对传统arm的重要度诊断标准计算方法进行改进，能够将极端的环境状况加以考虑以提高诊断的全面性。
[0115]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

技术特征：
1.一种用于配电电缆线路的故障风险预警方法，其特征在于，包括：获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；其中，所述故障记录矩阵记录每条故障记录的编号向量、对应的所有环境特征的集合、故障记录所在季节的集合及对应的每次故障后的处理结果；将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。2.如权利要求1所述的方法，其特征在于，所述对所述配电电缆线路故障记录数据进行预处理包括：将每条故障记录的编号输出为向量{l1,l2,...,l
m
}；将每条故障对应的所有环境特征输出为集合k＝{k1,k2,...,k
m
}；在故障记录中将每次故障后的处理结果输出为集合y＝{y1,y2,...,y
m
}，其中，所述每次故障后的处理结果包括成功或失败；将一个季度作为基准单位时段，将m个故障记录所在季节输出为集合p＝{p1,p2,...,p
m
}。3.如权利要求2所述的方法，其特征在于，所述故障记录矩阵包括：其中，a
ij
表示一个特征中的环境元素，k
i
表示第j列环境特征的编号，n表示环境特征的编号的最大值，l
i
表示第i行故障记录的编号，m代表故障记录的编号的最大值，p
i
表示一次故障所在的季度，y
i
表示为每次故障后的处理结果。4.如权利要求3所述的方法，其特征在于，所述根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数包括：根据所述变量分类结果将任意一个环境元素的权重系数划分为包含常见变量的集合的影响权重系数与包含罕见变量的集合的影响权重系数之和；根据预设的重要度诊断评分模型结合重新划分后的环境元素的权重系数确定对应的任意环境元素的相对权重系数计算模型；根据所述任意环境元素的相对权重系数计算模型计算环境特征对应的权重系数。5.如权利要求4所述的方法，其特征在于，所述预设的重要度诊断评分模型包括：其中，supp
j
表示重要度诊断评分，count()代表同时满足括号里所有条件的故障记录
计数和，s
c
表示从2到(n+1)的数值区间，l
i
表示第i行故障记录的编号，g表示集合，x
c
表示包含常见变量的集合，x
r
表示包含罕见变量的集合，表示空集。6.如权利要求4所述的方法，其特征在于，还包括：通过一下公式表示任意一个环境元素的权重系数：其中，表示任意一个环境元素的权重系数，表示包含常见变量的集合的影响权重系数，表示包含罕见变量的集合的影响权重系数。7.如权利要求4所述的方法，其特征在于，所述任意环境元素的相对权重系数计算模型包括：其中，表示环境特征对应的权重系数，表示总数据库中包含任意罕见环境元素的故障记录，s
g
表示总数据库中包含任意常见环境元素的故障记录，count()代表同时满足括号里所有条件的故障记录计数和，l
i
表示第i行故障记录的编号，g表示集合，k
i
表示第j列环境特征的编号。8.一种用于配电电缆线路的故障风险预警系统，用以实现如权利要求1-7任一项所述的方法，其特征在于，包括：预处理模块，用于获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；其中，所述故障记录矩阵记录每条故障记录的编号向量、对应的所有环境特征的集合、故障记录所在季节的集合及对应的每次故障后的处理结果；变量分类模块，用于将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；风险评估模块，用于根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。9.如权利要求8所述的系统，其特征在于，所述预处理模块具体用于，将每条故障记录的编号输出为向量{l1,l2,...,l
m
}；将每条故障对应的所有环境特征输出为集合k＝{k1,k2,...,k
m
}；在故障记录中将每次故障后的处理结果输出为集合y＝{y1,y2,...,y
m
}，其中，所述每次故障后的处理结果包括成功或失败；将一个季度作为基准单位时段，将m个故障记录所在季节输出为集合p＝{p1,p2,...,
p
m
}；并根据以上集合组成所述故障记录矩阵包括：其中，a
ij
表示一个特征中的环境元素，k
i
表示第j列环境特征的编号，n表示环境特征的编号的最大值，l
i
表示第i行故障记录的编号，m代表故障记录的编号的最大值，p
i
表示一次故障所在的季度，y
i
表示为每次故障后的处理结果。10.如权利要求9所述的系统，其特征在于，所述风险评估模块具体用于，根据所述变量分类结果将任意一个环境元素的权重系数划分为包含常见变量的集合的影响权重系数与包含罕见变量的集合的影响权重系数之和；根据预设的重要度诊断评分模型结合重新划分后的环境元素的权重系数确定对应的任意环境元素的相对权重系数计算模型；根据所述任意环境元素的相对权重系数计算模型计算环境特征对应的权重系数；其中，所述预设的重要度诊断评分模型包括：其中，supp
j
表示重要度诊断评分，count()代表同时满足括号里所有条件的故障记录计数和，s
c
表示从2到(n+1)的数值区间，l
i
表示第i行故障记录的编号，g表示集合，x
c
表示包含常见变量的集合，x
r
表示包含罕见变量的集合，表示空集；通过一下公式表示任意一个环境元素的权重系数：其中，表示任意一个环境元素的权重系数，表示包含常见变量的集合的影响权重系数，表示包含罕见变量的集合的影响权重系数；所述任意环境元素的相对权重系数计算模型包括：其中，表示环境特征对应的权重系数，表示总数据库中包含任意罕见环境元素
的故障记录，s
g
表示总数据库中包含任意常见环境元素的故障记录，count()代表同时满足括号里所有条件的故障记录计数和，l
i
表示第i行故障记录的编号，g表示集合，k
i
表示第j列环境特征的编号。

技术总结
本发明提供一种用于配电电缆线路的故障风险预警方法及系统，包括，获取配电电缆线路故障记录数据，并对所述配电电缆线路故障记录数据进行预处理，得到对应的故障记录矩阵；将所述故障记录矩阵中所述故障记录发生在预设的罕见季节时段内的所述每次故障后的处理结果输出为包含常见变量，并将所述故障记录发生在预设的罕见季节时段外的所述每次故障后的处理结果输出为包含罕见变量，得到变量分类结果；根据所述变量分类结果计算所述故障记录矩阵中环境特征对应的权重系数，并根据所述权重系数确定最终的故障风险结果。本发明将电缆线路周围环境特征的罕见元素纳入分析，能够将极端的环境状况加以考虑以提高诊断的全面性。端的环境状况加以考虑以提高诊断的全面性。端的环境状况加以考虑以提高诊断的全面性。


技术研发人员：李思尧 董章 张斌 陈雅旎 刘惠 杨兴驰 何明 李俊潼 陈春 李政洋 阳汉琨
受保护的技术使用者：深圳供电局有限公司
技术研发日：2023.05.24
技术公布日：2023/8/14