申请/专利权人：山东电工电气集团数字科技有限公司;山东电工电气集团有限公司

申请日：2021-08-13

公开（公告）日：2024-04-12

公开（公告）号：CN113641959B

主分类号：G06F18/27

分类号：G06F18/27;G06Q50/06;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.26#专利申请权的转移;2021.11.30#实质审查的生效;2021.11.12#公开

摘要：本发明公开一种高压电缆接头温度趋势预测方法，本方法确定某一电缆接头作为预测对象，将该电缆接头三十天的温度数据作为时间序列，以自相关分析为基础，用ARIMA模型描述这个时间序列，模型建立可以预测未来电缆接头的温度值。本方法基于ARIMA模型可以预测48小时的温度值，而且得到的电缆接头温度预测精度最高，实现高效、准确的判断电缆接头的发热情况。通过ARIMA模型预测方法，能对电缆接头温度升高异常时及时告警，通知运维人员对出现的安全运行隐患及时处置，可有效减少巡检人员的劳动强度，提高管理水平和提高工作效率，保障电缆隧道安全稳定运行。

主权项：1.一种高压电缆接头温度趋势预测方法，其特征在于：包括以下步骤；S01、选取D天的电缆接头温度数据，并将每天等分成24个小时，得到D天24小时的24*D组电缆接头温度数据，作为训练集Xt, 其中xit表示第i天t时刻的电缆接头温度值i＝1,2…D，t＝1,2…24；将训练集Xt表示为时间序列形式:Yt＝[T1,T2,...Tn]，n＝24*D；S02、将季节因素从电缆接头温度数据中剔除；S03、观察电缆接头温度数据的趋势图和相关图，判断其是否随着时间的变化呈现周期性因素，如果呈现线性周期，采用差分法或者移动平均法将电缆接头温度数据序列中的长期趋势与周期变动去掉，如果呈现非线性周期，采用分解的方法将电缆接头温度数据序列中的长期趋势与周期变动去掉；S04、采用单位根检验方法验证电缆接头温度数据的平稳性，如果平稳，执行步骤S05，如果不平稳，进行d阶差分，再进行单位根检验，直到平稳；S05、检验电缆接头温度数据序列是否为白噪声序列，如果是白噪声序列，即电缆接头温度历史值对现在的值以及将来的值都没有影响，则本方法结束，如果不是，执行下一步骤；S06、根据自相关系数和偏自相关系数选定预测模型，自相关系数ACF表示历史序列{x1,…,xk}与当前时间序列{xk+1,…,xn}之间的相关性，自相关系数为： 其中xt表示t时刻温度值，μX表示时间序列{x1,…,xn}的平均值，xt+k表示t+k时刻的温度值；偏自相关系数PACF是计算时间序列xt变量对xt+k变量的相关影响，需要排除k-1个{xt+1,…,xt+k-1}中间变量的影响，偏自相关系数PACF为： 其中xt表示t时刻温度值，xt+k表示t+k时刻温度值，μX表示{x1,…,xn}时间序列的平均值，μXk+1,n表示{xk+1,…,xn}时间序列的平均值，μX1,k表示{x1,…,xk}时间序列的平均值；观察自相关系数和偏自相关系数图的截尾数和拖尾数进行模型选择，选择依据为：若自相关系数ACF具有拖尾性，则ACFk不会在k大于某个常数后就恒等于0，若偏自相关系数PACF具有截尾性，则PACFk在kp时变为0；根据上述依据确定p、q值，基于步骤S04确定差分阶数d；基于上述得到的d、p、q值，建立ARIMAp,d,q模型： 其中：是自相关系数，θ1,θ1,...θq是偏自相关系数，εt是误差序列，p为自回归阶数，q为滑动平均阶数；S07、根据时间序列的自相关函数ACF和偏自相关函数PACF进行ARIMAp，d，q的p、q参数估计值，设置95％置信区间，得到自相关和偏自相关系数；结合贝叶斯信息判断模型BIC准则，通过最小化BIC指标得到模型的最优阶数p和q；S08、使用最小二乘估计来计算模型的参数，建立电缆接头温度的ARIMAp,d,q模型，利用模型进行电缆接头温度趋势预测。

全文数据：

权利要求：

百度查询： 山东电工电气集团数字科技有限公司;山东电工电气集团有限公司 一种高压电缆接头温度趋势预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD