山东津成电线电缆销售中心:津成电缆,电线电缆,津成电缆销售中心等产品,欢迎来电咨询!

13001722958

联系人:秦经理

手机:13001722958

电话:0531-88602000

传真:0531-88603000

邮箱:405933217@qq.com

网址:www.sdjcdxdl.com

地址:济南市天桥区北园大街213-2号

新闻详情您当前的位置:首页 >>  新闻信息 >> 详细内容

电缆故障类型判别

发布时间:2014-10-23

  测试脉冲产生模块(信号源)将产生的脉冲信号加载在电缆上,信号行至电缆末端必定会产生一个反射波。理想情况下,我们根据反射波波形即可判断电缆故障类型及故障点位置,即可求出电缆长度。但是在实际实验当中,由于电子仪器本身材料及电路结构等因素,发射脉冲中会伴有一定的随机信号,另外也不可能具备完全没有噪声干扰的环境,测试环境中的电磁噪声作为一个随机干扰的主要来源,严重影响测量数据。也就是说,这些因素都将作为反射波形的随机特征。
  再加上试验中,信号的入射脉冲与反射脉冲的幅度与相位会有不同程度的畸变,就会使得脉冲波形的拐点或峰值点的判别不能够很精确,而需要加入人为判断的因素。
  为解决这个问题,系统引入了聚类分析的算法。聚类分析算法可以很好的解决故障性质人工判断带来的误差,依据测试人员在实际测试中对故障波形与数据详尽的记录,建立参考波形数据库,并按照规范的数据格式存储参考波形。根据大量的实际诊断,确定故障判断的最优经验阈值,在这个过程中,利用聚类分析的算法可以方便的得到理想的结果。
  聚类分析算法可以通过数学建模很好的进行数据简化,一直以来都是众多数据挖掘研究者广泛研究的课题。传统的统计聚类分析方法有很多,比如分解法、系统聚类法、有序样品的聚类、动态聚类法、模糊聚类法和有重叠聚类法等。这种分类过程将一个没有类别标记的样本集按某种准则划分成若干个子集(类),使相似的样本尽可能归为一类,而不相似的样本尽量划分到不同的类中。这样,在同一簇中的对象之间具有较高的相似度,而簇间的对象差别较大。而聚类的实质在于在数据中发现其结构,如何确定分类准则是聚类研究中的一个关键问题。聚类与分类的不同之处在于,聚类所研究的类是提前未知的。聚类分析算法不以先验数据类型为依据,对于已标定类型的数据训练的样本集也不参考,它是一种在观察总结基础上的学习方法。
  而对于电缆故障数据采集的过程中,种种因素会造成试验数据被干扰,但是电缆开路、短路、低阻等现象针对的各类波形不管受何影响都存在一定的相似性。
  针对这一点儿,可以对电缆用TDR法进行多次测量,获取故障信息,利用故障信息构建电缆故障数据的样本矩阵。基于多次测量数据之间存在相似性的特点,可以将多次测量获得的数据构建矩阵,同时用这个矩阵内的数据和用参考波形数据构建的数据矩阵以一定的相似度原则按照聚类分析原理进行聚类分析,将具有一定相似度的数据集合在一起,用来判断故障的性质,以达到快速准确识别故障的目的。
  利用聚类分析算法对电缆故障类型进行聚类分析,首先需要保证系统中本身就存储有完整的低阻、高阻、开路等方式的标准波形,以便于进行分析。通过将得到的最新的测量数据矩阵进行聚类分析获得模糊等价关系矩阵,并将所得数据与标准波形数据进行分析比对。实际操作中,一般将矩阵的第一行和第一列的数据标定为1,还需要设定一个科学的聚类分析阈值,然后对上一步中形成的样本矩阵进行聚类分析,并从中选取标准数据和测量数据组成的类。
  一般来讲,标准波形的数据所对应的数值和第一列的数据是最接近的,从而可以将故障波形数据和它对应的短路、开路或者低阻标准数据归在一类。通过这个聚类分析的过程,就可以方便判断故障类型。
  确定出电缆故障类型之后,就可以利用一般数学原理对电缆故障点进行测算。

上一条: 电力电缆的长度测量方式介绍

下一条: 电线电缆的脉冲电流法