开云优惠体育网页版入口

专利名称：基于物联网的变电站光缆引下接地隐患识别方法及系统

专利类型：实用新型专利

专利申请号：CN202410896075.6

专利申请（专利权）人：国网甘肃省电力公司陇南供电公司
权利人地址：甘肃省陇南市武都区汉王新区长江大道以北,燕儿沟以西

专利发明（设计）人：彭磊,袁静,原昊峰,李君博,王肃朝,吴丫丫,祁琛峰,潘黎明,王敏,袁萍

专利摘要：本申请涉及电力物联网技术领域，尤其提供基于物联网的变电站光缆引下接地隐患识别方法及系统，提出了一种基于多维状态向量的变电站光缆接地隐患识别思路，通过综合运用传感技术、数据处理技术和机器学习算法，实现了对光缆状态的全面监测和精准预警，有效解决了传统方法中存在的监测不全面、预警不及时等问题，显著提升了变电站光缆运行的安全性和可靠性。

主权利要求：
1.基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，应用于隐患识别系统，所述方法包括：获取待进行隐患识别的变电站光缆传感监测记录，并确定所述变电站光缆传感监测记录中各个目标传感监测数据集的状态描述知识，所述状态描述知识包括温度状态向量、应力状态向量和振动状态向量，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值，所述振动状态向量表征目标传感监测数据集在不间断的变电站光缆传感监测记录中对应的振动跳变；
通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量进行潜在隐患识别，得到所述各个目标传感监测数据集的识别权重，其中所述完成调试的接地隐患识别网络是通过不存在隐患传感监测数据集的积极训练示例调试得到的；
将识别权重小于设定的权重门限的目标传感监测数据集确定为隐患传感监测数据集；
缓存包括所述隐患传感监测数据集的变电站光缆传感监测记录；
所述确定所述变电站光缆传感监测记录中各个目标传感监测数据集的状态描述知识，包括：
对所述变电站光缆传感监测记录进行数据预处理，得到完成预处理的变电站光缆传感监测记录，并将所述完成预处理的变电站光缆传感监测记录拆解成多个传感监测掩码数据集；
以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值；
确定所述各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，将所述接地状态评价变量确定为所述各个目标传感监测数据集的温度状态向量；
确定所述各个目标传感监测数据集对应的监测应力热图特征，将所述各个目标传感监测数据集对应的监测应力热图特征确定为所述各个目标传感监测数据集的应力状态向量；
确定所述各个目标传感监测数据集的振动跳变时空特征，将所述各个目标传感监测数据集的振动跳变时空特征确定为所述各个目标传感监测数据集的振动状态向量。
2.根据权利要求1所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集，包括：当第u个传感监测掩码数据集的关键监测数据段没有被确定为目标监测数据段，将所述第u个传感监测掩码数据集的关键监测数据段确定为目标监测数据段，u=1，2，…X，X为传感监测掩码数据集的总个数；
获取所述目标监测数据段的关联监测数据段，倘若所述目标监测数据段的关联监测数据段与所述目标监测数据段之间的接地状态评价变量之差小于设定阈值，将所述关联监测数据段确定为当前的目标监测数据段；
循环确定当前的目标监测数据段的关联监测数据段中与所述当前的目标监测数据段之间的接地状态评价变量之差小于设定阈值的目标监测数据段，直到无法确定出当前的目标监测数据段；
依据确定出的多个目标监测数据段确定目标传感监测数据集。
3.根据权利要求2所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述方法还包括：当第u个传感监测掩码数据集的关键监测数据段已被确定为目标监测数据段且u小于X，确定第u+1个传感监测掩码数据集的关键监测数据段是否确定为目标监测数据段；
当第u+1个传感监测掩码数据集的关键监测数据段没有被确定为目标监测数据段，将所述第u+1个传感监测掩码数据集的关键监测数据段确定为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集。
4.根据权利要求2所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述方法还包括：获取所述目标监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征；
获取所述关联监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征；
当所述目标监测数据段的第一多模监测要素特征和所述关联监测数据段的第一多模监测要素特征的第一特征距离的归一化值小于设定阈值，且所述目标监测数据段的第二多模监测要素特征和所述关联监测数据段的第二多模监测要素特征的第二特征距离的归一化值小于设定阈值，且所述目标监测数据段的第三多模监测要素特征和所述关联监测数据段的第三多模监测要素特征的第三特征距离的归一化值小于设定阈值时，确定所述目标监测数据段的关联监测数据段与所述目标监测数据段之间的接地状态评价变量之差小于设定阈值。
5.根据权利要求1所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述确定所述各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，包括：确定第v个目标传感监测数据集匹配的各个传感监测掩码数据集的掩码关键词，v=1，
2，…，Y，Y为所述变电站光缆传感监测记录中的目标传感监测数据集总数；
将各个掩码关键词中的目标关键词确定为所述目标传感监测数据集的参考传感监测掩码数据集；
将所述参考传感监测掩码数据集的关键监测数据段确定为所述第v个目标传感监测数据集的参考监测数据段；
获取所述第v个目标传感监测数据集的参考监测数据段的接地状态评价变量。
6.根据权利要求2所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述确定所述各个目标传感监测数据集对应的监测应力热图特征，包括：在设定周期内基于预设采样步长采样多个待处理传感监测记录，并确定各个待处理传感监测记录中的各个目标传感监测数据集；
当所述变电站光缆传感监测记录中第v个目标传感监测数据集出现在与所述变电站光缆传感监测记录相邻且连续Z个待处理传感监测记录中时，获取所述Z个待处理传感监测记录中第v个目标传感监测数据集包括的监测应力热图特征，Z为正整数；
获取所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征；
将所述Z个待处理传感监测记录中第v个目标传感监测数据集包括的监测应力热图特征和所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征的均值化结果，确定为所述第v个目标传感监测数据集对应的监测应力热图特征；
所述确定所述各个目标传感监测数据集对应的监测应力热图特征，包括：当所述变电站光缆传感监测记录中第v个目标传感监测数据集未出现在与所述变电站光缆传感监测记录相邻的待处理传感监测记录中时，将所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征确定为所述第v个目标传感监测数据集对应的监测应力热图特征；
所述确定所述各个目标传感监测数据集的振动跳变时空特征，包括：当所述变电站光缆传感监测记录中第v个目标传感监测数据集出现在与所述变电站光缆传感监测记录相邻且连续Z个待处理传感监测记录中时，基于所述预设采样步长确定所述变电站光缆传感监测记录和相邻的待处理传感监测记录的振幅时序向量；将所述振幅时序向量和Z的特征加权结果确定为所述第v个目标传感监测数据集的振动跳变时空特征。
7.根据权利要求1至6任一项所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述方法还包括：对所述变电站光缆传感监测记录中各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射，得到所述各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量；
对应地，所述通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量处理，得到所述各个目标传感监测数据集的识别权重，包括：通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别，得到所述各个目标传感监测数据集的识别权重。
8.根据权利要求1至6任一项所述的基于物联网的变电站光缆引下接地隐患识别方法，其特征在于，所述方法还包括：获取设定的接地隐患识别网络和多个过往传感监测记录，其中所述过往传感监测记录中不包括隐患传感监测数据集；
确定所述过往传感监测记录中各个目标传感监测数据集的状态描述知识，所述状态描述知识包括温度状态向量、应力状态向量和振动状态向量，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值；
对所述过往传感监测记录中各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射，得到所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量；
通过所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量，对所述设定的接地隐患识别网络进行调试，得到完成调试的接地隐患识别网络；
所述方法还包括：通过所述完成调试的接地隐患识别网络，对所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别，确定所述过往传感监测记录中各个目标传感监测数据集的调试误差系数；确定各个调试误差系数中的最小调试误差系数，并基于所述最小调试误差系数确定设定的误差门限。
9.一种隐患识别系统，其特征在于，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行权利要求1?8任一项所述的方法。 说明书 : 基于物联网的变电站光缆引下接地隐患识别方法及系统技术领域[0001] 本申请涉及电力物联网技术领域，尤其涉及基于物联网的变电站光缆引下接地隐患识别方法及系统。背景技术[0002] 在电力系统中，变电站光缆作为数据传输的重要通道，其安全性和稳定性对于整个电网的运行至关重要。然而，由于光缆长期暴露在复杂多变的环境中，加之受到温度变化、机械应力以及外部振动等多重因素的影响，使得光缆容易出现接地隐患，严重威胁电网的安全运行。[0003] 传统的光缆维护方法主要依赖定期的人工巡检和事后维修，这种方式不仅效率低下，而且难以及时发现和预防潜在的接地隐患。近年来，随着传感技术和数据分析技术的不断发展，实时监测和智能预警系统逐渐成为变电站光缆维护的新趋势。[0004] 然而，现有的监测系统往往只关注单一物理量的变化，缺乏对温度、应力和振动等多重因素的综合考量。同时，这些系统在隐患识别方面准确性和灵敏度有待提高，难以满足现代电网对安全性的高要求。发明内容[0005] 为了改善上述问题，本申请提供了基于物联网的变电站光缆引下接地隐患识别方法及系统。[0006] 本申请实施例提供基于物联网的变电站光缆引下接地隐患识别方法，应用于隐患识别系统，所述方法包括：[0007] 获取待进行隐患识别的变电站光缆传感监测记录，并确定所述变电站光缆传感监测记录中各个目标传感监测数据集的状态描述知识，所述状态描述知识包括温度状态向量、应力状态向量和振动状态向量，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值，所述振动状态向量表征目标传感监测数据集在不间断的变电站光缆传感监测记录中对应的振动跳变；[0008] 通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量进行潜在隐患识别，得到所述各个目标传感监测数据集的识别权重，其中所述完成调试的接地隐患识别网络是通过不存在隐患传感监测数据集的积极训练示例调试得到的；[0009] 将识别权重小于设定的权重门限的目标传感监测数据集确定为隐患传感监测数据集；[0010] 缓存包括所述隐患传感监测数据集的变电站光缆传感监测记录。[0011] 可选的，所述确定所述变电站光缆传感监测记录中各个目标传感监测数据集的状态描述知识，包括：[0012] 对所述变电站光缆传感监测记录进行数据预处理，得到完成预处理的变电站光缆传感监测记录，并将所述完成预处理的变电站光缆传感监测记录拆解成多个传感监测掩码数据集；[0013] 以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值；[0014] 确定所述各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，将所述接地状态评价变量确定为所述各个目标传感监测数据集的温度状态向量；[0015] 确定所述各个目标传感监测数据集对应的监测应力热图特征，将所述各个目标传感监测数据集对应的监测应力热图特征确定为所述各个目标传感监测数据集的应力状态向量；[0016] 确定所述各个目标传感监测数据集的振动跳变时空特征，将所述各个目标传感监测数据集的振动跳变时空特征确定为所述各个目标传感监测数据集的振动状态向量。[0017] 可选的，所述以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集，包括：[0018] 当第u个传感监测掩码数据集的关键监测数据段没有被确定为目标监测数据段，将所述第u个传感监测掩码数据集的关键监测数据段确定为目标监测数据段，u=1，2，…X，X为传感监测掩码数据集的总个数；[0019] 获取所述目标监测数据段的关联监测数据段，倘若所述目标监测数据段的关联监测数据段与所述目标监测数据段之间的接地状态评价变量之差小于设定阈值，将所述关联监测数据段确定为当前的目标监测数据段；[0020] 循环确定当前的目标监测数据段的关联监测数据段中与所述当前的目标监测数据段之间的接地状态评价变量之差小于设定阈值的目标监测数据段，直到无法确定出当前的目标监测数据段；[0021] 依据确定出的多个目标监测数据段确定目标传感监测数据集。[0022] 可选的，所述方法还包括：[0023] 当第u个传感监测掩码数据集的关键监测数据段已被确定为目标监测数据段且u小于X，确定第u+1个传感监测掩码数据集的关键监测数据段是否确定为目标监测数据段；[0024] 当第u+1个传感监测掩码数据集的关键监测数据段没有被确定为目标监测数据段，将所述第u+1个传感监测掩码数据集的关键监测数据段确定为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集。[0025] 可选的，所述方法还包括：[0026] 获取所述目标监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征；[0027] 获取所述关联监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征；[0028] 当所述目标监测数据段的第一多模监测要素特征和所述关联监测数据段的第一多模监测要素特征的第一特征距离的归一化值小于设定阈值，且所述目标监测数据段的第二多模监测要素特征和所述关联监测数据段的第二多模监测要素特征的第二特征距离的归一化值小于设定阈值，且所述目标监测数据段的第三多模监测要素特征和所述关联监测数据段的第三多模监测要素特征的第三特征距离的归一化值小于设定阈值时，确定所述目标监测数据段的关联监测数据段与所述目标监测数据段之间的接地状态评价变量之差小于设定阈值。[0029] 可选的，所述确定所述各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，包括：[0030] 确定第v个目标传感监测数据集匹配的各个传感监测掩码数据集的掩码关键词，v=1，2，…，Y，Y为所述变电站光缆传感监测记录中的目标传感监测数据集总数；[0031] 将各个掩码关键词中的目标关键词确定为所述目标传感监测数据集的参考传感监测掩码数据集；[0032] 将所述参考传感监测掩码数据集的关键监测数据段确定为所述第v个目标传感监测数据集的参考监测数据段；[0033] 获取所述第v个目标传感监测数据集的参考监测数据段的接地状态评价变量。[0034] 可选的，所述确定所述各个目标传感监测数据集对应的监测应力热图特征，包括：[0035] 在设定周期内基于预设采样步长采样多个待处理传感监测记录，并确定各个待处理传感监测记录中的各个目标传感监测数据集；[0036] 当所述变电站光缆传感监测记录中第v个目标传感监测数据集出现在与所述变电站光缆传感监测记录相邻且连续Z个待处理传感监测记录中时，获取所述Z个待处理传感监测记录中第v个目标传感监测数据集包括的监测应力热图特征，Z为正整数；[0037] 获取所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征；[0038] 将所述Z个待处理传感监测记录中第v个目标传感监测数据集包括的监测应力热图特征和所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征的均值化结果，确定为所述第v个目标传感监测数据集对应的监测应力热图特征。[0039] 可选的，所述确定所述各个目标传感监测数据集对应的监测应力热图特征，包括：[0040] 当所述变电站光缆传感监测记录中第v个目标传感监测数据集未出现在与所述变电站光缆传感监测记录相邻的待处理传感监测记录中时，将所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征确定为所述第v个目标传感监测数据集对应的监测应力热图特征。[0041] 可选的，所述确定所述各个目标传感监测数据集的振动跳变时空特征，包括：[0042] 当所述变电站光缆传感监测记录中第v个目标传感监测数据集出现在与所述变电站光缆传感监测记录相邻且连续Z个待处理传感监测记录中时，基于所述预设采样步长确定所述变电站光缆传感监测记录和相邻的待处理传感监测记录的振幅时序向量；[0043] 将所述振幅时序向量和Z的特征加权结果确定为所述第v个目标传感监测数据集的振动跳变时空特征。[0044] 可选的，所述方法还包括：[0045] 对所述变电站光缆传感监测记录中各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射，得到所述各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量；[0046] 对应地，所述通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量处理，得到所述各个目标传感监测数据集的识别权重，包括：[0047] 通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别，得到所述各个目标传感监测数据集的识别权重。[0048] 可选的，所述方法还包括：[0049] 获取设定的接地隐患识别网络和多个过往传感监测记录，其中所述过往传感监测记录中不包括隐患传感监测数据集；[0050] 确定所述过往传感监测记录中各个目标传感监测数据集的状态描述知识，所述状态描述知识包括温度状态向量、应力状态向量和振动状态向量，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值；[0051] 对所述过往传感监测记录中各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射，得到所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量；[0052] 通过所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量，对所述设定的接地隐患识别网络进行调试，得到完成调试的接地隐患识别网络。[0053] 可选的，所述方法还包括：[0054] 通过所述完成调试的接地隐患识别网络，对所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别，确定所述过往传感监测记录中各个目标传感监测数据集的调试误差系数；[0055] 确定各个调试误差系数中的最小调试误差系数，并基于所述最小调试误差系数确定设定的误差门限。[0056] 本申请实施例提供一种隐患识别系统，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行上述的方法。[0057] 本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。[0058] 在本申请实施例中，提出了一种基于多维状态向量的变电站光缆接地隐患识别思路，通过综合运用传感技术、数据处理技术和机器学习算法，实现了对光缆状态的全面监测和精准预警，有效解决了传统方法中存在的监测不全面、预警不及时等问题，显著提升了变电站光缆运行的安全性和可靠性。附图说明[0059] 图1为本申请实施例所提供的基于物联网的变电站光缆引下接地隐患识别方法的流程图。[0060] 图2为本申请实施例所提供的一种隐患识别系统的结构示意图。具体实施方式[0061] 为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。[0062] 图1示出基于物联网的变电站光缆引下接地隐患识别方法，应用于隐患识别系统，所述方法包括以下步骤110?步骤130。[0063] 在物联网技术的应用背景下，变电站光缆的隐患识别显得尤为重要。本申请实施例所提供的技术方案可以实时发现并预防潜在的安全风险。以下变电站光缆引下接地隐患识别的一个具体应用示例。[0064] 步骤110、获取待进行隐患识别的变电站光缆传感监测记录，并确定所述变电站光缆传感监测记录中各个目标传感监测数据集的状态描述知识。[0065] 其中，所述状态描述知识包括温度状态向量、应力状态向量和振动状态向量，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值，所述振动状态向量表征目标传感监测数据集在不间断的变电站光缆传感监测记录中对应的振动跳变。[0066] 首先，隐患识别系统自动获取待进行隐患识别的变电站光缆传感监测记录。这些记录中包含了大量的传感数据，如温度、应力和振动等。系统对这些数据进行预处理，提取出各个目标传感监测数据集的状态描述知识，主要包括温度状态向量、应力状态向量和振动状态向量。这些状态向量能够全面反映光缆在各种环境下的物理状态。特别是，系统关注那些监测数据段之间接地状态评价变量之差小于设定阈值的数据集，因为这些数据集更可能隐藏着潜在的接地隐患。同时，振动状态向量的变化也是系统关注的重点，因为它能表征目标传感监测数据集在连续监测记录中的振动跳变，这是识别接地隐患的重要线索。[0067] 详细地，待进行隐患识别的变电站光缆传感监测记录是指变电站光缆在运行过程中，通过各种传感器实时采集并记录下来的数据。这些数据包括但不限于光缆的温度、应力、振动等关键指标，用于评估光缆的工作状态和可能存在的隐患。这些记录是隐患识别系统进行分析和处理的基础。[0068] 在大量的传感监测记录中，系统选择一部分关键数据作为分析对象，这些数据集就是目标传感监测数据集。这些数据集可以包含了一系列连续时间内的传感数据，能够反映光缆在某一时段内的详细工作状态。[0069] 状态描述知识是对目标传感监测数据集中数据进行处理和分析后得到的结果，用于描述光缆的各种状态。它包括了温度、应力和振动等多个方面的信息，可以全面反映光缆的工作环境和性能状况。[0070] 温度状态向量用于量化描述光缆的温度状态。例如，它可以包含了光缆不同部位的温度值，以及温度变化的速率和趋势等信息。通过这些数值，可以判断光缆是否处于过热或过冷的状态，从而预测可能存在的隐患。应力状态向量用于描述光缆的应力状态。它可以包含了光缆各部分的应力分布、应力变化速率等数据。通过分析这些数据，可以判断光缆是否承受了过大的应力，从而预测其可能出现的断裂或损坏等隐患。振动状态向量用于描述光缆的振动状态。它记录了光缆在不同时间点的振动幅度、频率等信息。通过分析这些数据，可以判断光缆是否处于异常的振动状态，如过度振动或振动不稳定等，这可能意味着光缆存在松动、损坏或外部干扰等问题。[0071] 值得一提的是，温度状态向量可以是一个包含多维数据的向量，用于全面量化描述光缆的温度状态。例如：[0072] 温度状态向量示例：[T1，T2，T3，dT1，dT2，trend]；[0073] T1、T2、T3：分别代表光缆不同部位（如接头、中段、末端）的实时温度值，单位可以是摄氏度（°C）。例如，T1=25°C，T2=27°C，T3=24°C。[0074] dT1、dT2：分别表示T1和T2部位在过去一段时间（如1小时）内的温度变化率，单位可以是°C/小时。例如，dT1=0.5°C/h，dT2=?0.2°C/h。[0075] trend：表示整体温度变化的趋势，可以是一个枚举值，如0代表温度稳定，1代表温度升高，?1代表温度降低。例如，trend=1。[0076] 通过该温度状态向量，系统可以综合判断光缆的温度状态，及时发现过热或过冷等异常情况，从而采取相应的预防措施。[0077] 应力状态向量用于量化描述光缆的应力分布情况。例如：[0078] 应力状态向量示例：[S1，S2，S3，dS1，dS2，maxS]；[0079] S1、S2、S3：分别代表光缆不同位置的应力值，可以是以某种标准单位（如MPa）来衡量的。例如，S1=100MPa，S2=110MPa，S3=95MPa。[0080] dS1、dS2：分别表示S1和S2位置在过去一段时间内的应力变化率，单位可以是MPa/小时。例如，dS1=2MPa/h，dS2=?1MPa/h。[0081] maxS：表示光缆在监测期间记录到的最大应力值，用于评估光缆的应力承受能力。例如，maxS=120MPa。[0082] 通过分析该应力状态向量，可以及时发现光缆是否受到过大的应力，预防潜在的断裂或损坏风险。[0083] 振动状态向量记录了光缆的振动特征，用于分析光缆的稳定性。例如：[0084] 振动状态向量示例：[A1，A2，F1，F2，stability]；[0085] A1、A2：分别代表光缆在两个不同时间点或位置的振动幅度，可以是以某种物理单位（如微米）来衡量。例如，A1=10μm，A2=15μm。[0086] F1、F2：分别表示在两个时间点或位置检测到的振动频率，单位可以是赫兹（Hz）。例如，F1=50Hz，F2=55Hz。[0087] stability：是一个评估光缆振动稳定性的指标，可以是一个连续值或枚举值，用于描述振动是否稳定、是否有异常波动等。例如，stability=0.8（其中1表示非常稳定，0表示非常不稳定）。[0088] 通过该振动状态向量，可以及时发现光缆的振动异常情况，如过度振动或不稳定振动，从而采取相应的维护措施来确保光缆的安全运行。[0089] 监测数据段是指从连续的传感监测记录中划分出来的一段数据。每段数据都包含了特定时间范围内的传感信息，便于系统进行分段分析和处理。[0090] 接地状态评价变量是一个用于评估光缆接地状态的变量。通过比较不同监测数据段之间的该变量值，可以判断光缆的接地状态是否稳定。如果两个监测数据段之间的接地状态评价变量之差小于设定阈值，说明接地状态可能存在接地不良或接地故障等隐患；反之，则说明接地状态相对稳定。（详细地，如果两个监测数据段之间的接地状态评价变量之差小于设定阈值，这意味着在这两个数据段所对应的时间段内，光缆的接地状态没有发生显著的变化。在正常的运行状态下，光缆的接地状态应该是相对稳定的，接地状态评价变量不应该有明显的波动。如果接地状态评价变量之差较。赡鼙砻鞴饫碌慕拥刈刺谡舛问奔淠诓⑽创锏皆て诘奈榷ㄗ刺，可能存在接地不良或接地故障等隐患。这些隐患可能会导致光缆的性能下降，甚至引发更严重的故障。反之，如果两个监测数据段之间的接地状态评价变量之差大于或等于设定阈值，说明在这段时间内，光缆的接地状态发生了显著的变化。这种变化可能是正常的，比如由于环境因素（如土壤湿度、温度等）的变化导致的接地状态的自然波动。在这种情况下，由于接地状态评价变量的变化是显著的，且超过了预设的阈值，因此可以认为光缆的接地状态是相对稳定的，没有明显的接地不良或接地故障等隐患。综上所述，通过比较不同监测数据段之间的接地状态评价变量之差，可以有效地评估光缆的接地状态是否稳定，并及时发现可能存在的接地隐患。）[0091] 在本申请实施例中，步骤110是整个隐患识别流程的关键一步，它涉及到获取和处理原始的传感监测数据。首先，隐患识别系统自动从物联网平台或相关数据库中获取待进行隐患识别的变电站光缆传感监测记录。这些数据是实时采集的，包含了光缆在各种环境下的工作状态信息。接下来，系统对这些传感监测记录进行预处理和分析，以确定各个目标传感监测数据集的状态描述知识。这一过程中，系统提取出关键的温度、应力和振动数据，并将它们转化为相应的状态向量。其中，温度状态向量是通过分析光缆各部位的温度数据得到的。系统不仅会考虑当前的温度值，还会关注温度的变化趋势和速率，以全面评估光缆的温度状态。应力状态向量的生成则是基于光缆各部分的应力分布和变化情况。通过对应力数据的深入分析，系统可以判断光缆是否承受了过大的应力负荷，从而预测其可能出现的断裂风险。而振动状态向量则是通过捕捉和分析光缆的振动信号得到的。系统关注振动的幅度、频率以及稳定性等多个方面，以判断光缆是否存在异常的振动情况。在确定这些状态描述知识的过程中，系统还会特别关注那些监测数据段之间接地状态评价变量之差小于设定阈值的数据集。这些数据集可能隐藏着潜在的接地隐患，因此需要进行更深入的分析和处理。可见，步骤110是整个隐患识别系统的基础环节，它为后续的隐患识别和预警提供了准确且全面的数据支持。通过这一步的处理和分析，系统能够更准确地把握光缆的工作状态，及时发现并预防潜在的安全风险。[0092] 步骤120、通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量进行潜在隐患识别，得到所述各个目标传感监测数据集的识别权重，其中所述完成调试的接地隐患识别网络是通过不存在隐患传感监测数据集的积极训练示例调试得到的。[0093] 接下来，隐患识别系统利用已经调试完成的接地隐患识别网络，对提取出的温度状态向量、应力状态向量和振动状态向量进行潜在隐患识别。该接地隐患识别网络是通过大量不存在隐患的传感监测数据集进行积极训练得到的，具有高度的准确性和可靠性。通过网络处理，系统得到各个目标传感监测数据集的识别权重，该权重反映了数据集存在隐患的可能性。[0094] 详细地，完成调试的接地隐患识别网络是一个经过细致调试和优化后的深度学习网络模型，专门用于识别变电站光缆接地隐患。该网络模型通过大量的数据训练，学习到了从传感监测数据中识别出接地隐患的特征和模式。在调试过程中，模型的参数和结构被精细调整，以确保其在实际应用中能够达到最佳的识别效果。[0095] 潜在隐患识别是指利用特定的算法或模型，对传感监测数据进行深入分析，以发现其中可能隐藏的接地隐患。这种识别过程可以是自动化的，能够实时或准实时地提供隐患预警，从而帮助运维人员及时采取措施，防止潜在的安全事故发生。[0096] 在接地隐患识别过程中，每个目标传感监测数据集都会被赋予一个识别权重。该权重反映了该数据集存在接地隐患的可能性大小。可以理解，权重越低，表示该数据集存在隐患的可能性越大。识别权重是通过接地隐患识别网络计算得出的，是隐患识别结果的重要量化指标。在接地隐患识别过程中，识别权重被用作量化指标来反映目标传感监测数据集存在接地隐患的可能性大小。当识别权重越低时，表示该数据集存在隐患的可能性越大，这一逻辑主要基于以下几个方面的考虑：（1）权重与隐患概率的逆关系：在此识别体系中，权重被设计为与隐患概率呈逆相关。即权重越低，意味着数据集表现出的特征与已知的接地隐患特征越相似，因此存在隐患的概率也就越高；（2）隐患识别网络的输出解释：接地隐患识别网络是通过学习和分析大量历史数据来训练得到的。在训练过程中，网络学会了将不同的传感监测数据集与它们对应的隐患状态关联起来。因此，网络输出的识别权重实际上是对数据集隐患状态的一种量化评估。低权重表明网络认为该数据集更有可能存在隐患；（3）便于决策和后续处理：将低权重与高隐患可能性相对应，可以使得隐患识别系统的决策逻辑更加直观和易于理解。这样，运维人员可以更容易地根据权重来判断哪些数据集需要重点关注和进一步检查；（4）一致性与可解释性：在设计隐患识别系统时，保持识别结果的一致性和可解释性是非常重要的。通过将低权重与高隐患可能性相联系，系统可以提供一种清晰、一致的方式来解释和呈现识别结果，从而增强用户对系统的信任和理解。综上所述，识别权重越低表示该数据集存在隐患的可能性越大，这一设计是基于隐患识别网络的输出特性、便于决策和后续处理以及保持识别结果的一致性和可解释性等多方面的考虑。[0097] 不存在隐患传感监测数据集的积极训练示例是指在训练接地隐患识别网络时，使用的一组已知不存在接地隐患的传感监测数据集。通过这些数据集的训练，网络能够学习到正常状态下光缆的传感数据特征，从而更准确地识别出异常或隐患状态。这种训练方法是基于监督学习的，需要有标注好的训练数据来指导网络的学习过程。[0098] 在步骤120中，隐患识别系统的核心任务是利用已经完成调试的接地隐患识别网络，对各个目标传感监测数据集进行深入的隐患识别分析。这一步骤是整个识别流程中的关键环节，直接关系到隐患识别的准确性和效率。首先，系统将之前步骤中提取出的温度状态向量、应力状态向量和振动状态向量作为输入，送入接地隐患识别网络。这些状态向量是从原始的传感监测数据中提炼出的关键特征，能够全面反映光缆的物理状态和工作情况。接着，接地隐患识别网络会对这些状态向量进行深入的处理和分析。网络内部通过复杂的计算过程，提取出与接地隐患相关的更深层次的特征信息。这一过程是基于网络在训练阶段学习到的知识和经验进行的，因此具有高度的智能化和自动化特点。然后，网络会输出每个目标传感监测数据集的识别权重。识别权重是网络根据输入数据的特征和信息，经过内部计算后得出的结果，用于量化表示该数据集存在接地隐患的可能性。识别权重越低，意味着该数据集存在隐患的风险越大，需要运维人员给予更多的关注和检查（换言之，高识别权重意味着数据集的状态是良好的，或者至少是在预期范围内的，因此不应该被视为隐患）。值得注意的是，该接地隐患识别网络是通过大量不存在隐患的传感监测数据集进行积极训练得到的。这种训练方法使得网络能够更准确地识别出正常与异常状态之间的差异，从而提高了隐患识别的精度和可靠性。同时，由于网络已经经过了细致的调试和优化过程，因此在实际应用中能够表现出色，为变电站的安全运行提供有力保障。[0099] 步骤130、将识别权重小于设定的权重门限的目标传感监测数据集确定为隐患传感监测数据集，并缓存包括所述隐患传感监测数据集的变电站光缆传感监测记录。[0100] 最后，隐患识别系统根据设定的权重门限，将识别权重小于该门限的目标传感监测数据集确定为隐患传感监测数据集。这些隐患传感监测数据集将被系统缓存，并附上相应的变电站光缆传感监测记录。通过这种方式，系统能够迅速定位并标记出可能存在接地隐患的数据集，为后续的维护工作提供了有力的数据支持。[0101] 可见，隐患识别系统通过智能分析和处理大量的传感数据，实现了对变电站光缆接地隐患的精准识别，大大提高了变电站运行的安全性和稳定性。[0102] 在步骤130中，隐患识别系统进入到了隐患判定和记录缓存的阶段。这一步骤是整个识别流程中的决策环节，它直接关系到隐患数据的最终确定和后续处理。首先，系统根据之前步骤120中计算出的各个目标传感监测数据集的识别权重，进行隐患的判定。在该过程中，系统设定一个权重门限，该门限是一个临界值，用于区分数据集是否存在隐患。当某个数据集的识别权重小于该设定的权重门限时，系统就会将该数据集判定为存在隐患的传感监测数据集。该权重门限的设定是经过精心计算的，它基于历史数据、专家经验和实际需求等多方面因素综合考虑。门限值既不能过高，以免漏报隐患；也不能过低，以免造成误报。通过合理的门限设定，系统能够在保证识别准确性的同时，最大限度地减少误报和漏报的情况。一旦确定了存在隐患的传感监测数据集，系统就会进行下一步操作：缓存这些隐患数据集及其对应的变电站光缆传感监测记录。缓存的目的是为了方便后续的数据分析和隐患处理。通过将隐患数据集进行专门存储，系统可以快速地定位到问题所在，为运维人员提供准确的数据支持。在缓存过程中，系统还会对这些隐患数据集进行必要的标注和分类，以便于后续的数据检索和分析。例如，系统可以根据隐患的类型、严重程度、发生时间等信息进行标注，从而形成一个完整、有序的隐患数据库。如此，步骤130是隐患识别系统中的关键环节，它通过权重门限的设定和隐患数据集的缓存，实现了对变电站光缆接地隐患的准确判定和有效管理。这一步骤不仅提高了隐患识别的准确性，还为后续的隐患处理提供了有力的数据支持，从而大大提升了变电站运行的安全性和稳定性。[0103] 需要说明的是，在隐患识别系统中，限定一个设定的权重门限并将识别权重小于该门限的目标传感监测数据集确定为隐患传感监测数据集，主要是基于以下几个方面的考虑。[0104] （1）区分隐患与非隐患数据集：权重门限作为一个临界值，可以帮助系统区分哪些数据集是存在隐患的，哪些是正常的。通过比较数据集的识别权重与门限值，系统可以迅速做出判断，实现隐患数据的快速筛选和定位。[0105] （2）减少误报和漏报：合理设定权重门限可以在保证识别准确性的同时，最大限度地减少误报和漏报的情况。如果门限设置过高，可能会导致一些实际存在隐患的数据集被误判为正常，造成漏报；而如果门限设置过低，则可能将一些正常数据集误判为存在隐患，造成误报。因此，通过精心计算并设定一个合理的门限值，可以在误报和漏报之间找到一个平衡点。[0106] （3）提高处理效率：通过设定权重门限，系统可以迅速筛选出可能存在隐患的数据集，并将其缓存以供后续处理。这样可以大大提高处理效率，避免对大量正常数据集进行无谓的分析和处理，从而节省系统资源和时间。[0107] （4）便于运维人员关注和检查：将识别权重小于权重门限的数据集确定为隐患传感监测数据集，可以使得运维人员更加关注这些可能存在隐患的数据集。这样，运维人员可以更有针对性地进行检查和维护工作，确保变电站光缆的安全稳定运行。[0108] 综上所述，限定一个设定的权重门限并将识别权重小于该门限的目标传感监测数据集确定为隐患传感监测数据集，是隐患识别系统中的一个重要环节。它可以帮助系统快速、准确地识别出可能存在隐患的数据集，为后续的维护工作提供有力的数据支持，从而提高变电站运行的安全性和稳定性。[0109] 本申请实施例通过智能分析和处理变电站光缆传感监测记录，实现了对潜在接地隐患的精准识别与预警。具体而言，本申请实施例先通过获取并分析光缆传感监测数据，提炼出关键的状态描述知识，包括温度、应力和振动三个维度的状态向量。这些状态向量能够细致入微地反映光缆在各种工作环境下的实时物理状态，为隐患识别提供了丰富的数据基础。[0110] 特别是，本申请实施例关注监测数据段之间接地状态评价变量的微小差异，并捕捉振动状态的突变，这些都可能是接地隐患的先兆。通过运用经过精心调试的接地隐患识别网络，对这些多维状态向量进行深入分析，能够精确地评估出各个传感监测数据集的隐患风险。[0111] 此外，本申请实施例通过设置合理的识别权重门限，能够自动筛选出高风险的数据集，即时发现并标记潜在的接地隐患。这一机制大大提升了变电站光缆维护的效率和准确性，为运维人员提供了宝贵的预警时间和精确的问题定位，从而能够采取及时有效的应对措施。[0112] 综上所述，本申请实施例的技术方案显著提高了变电站光缆运行的安全性和可靠性，降低了因接地隐患导致的故障风险，为电力系统的稳定运行提供了强有力的技术保障。[0113] 在一些优选的实施例中，所述确定所述变电站光缆传感监测记录中各个目标传感监测数据集的状态描述知识，包括：对所述变电站光缆传感监测记录进行数据预处理，得到完成预处理的变电站光缆传感监测记录，并将所述完成预处理的变电站光缆传感监测记录拆解成多个传感监测掩码数据集；以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值；确定所述各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，将所述接地状态评价变量确定为所述各个目标传感监测数据集的温度状态向量；确定所述各个目标传感监测数据集对应的监测应力热图特征，将所述各个目标传感监测数据集对应的监测应力热图特征确定为所述各个目标传感监测数据集的应力状态向量；确定所述各个目标传感监测数据集的振动跳变时空特征，将所述各个目标传感监测数据集的振动跳变时空特征确定为所述各个目标传感监测数据集的振动状态向量。[0114] 基于该实施例，隐患识别系统首先获取了待进行隐患识别的变电站光缆传感监测记录。这些记录可以包含了大量的原始数据，需要进行一系列的处理才能提取出有用的信息。[0115] 首先，隐患识别系统对这些原始的变电站光缆传感监测记录进行数据预处理。预处理的目的是清洗数据，去除噪声和异常值，填补缺失数据，以及进行数据的标准化或归一化等，从而得到完成预处理的变电站光缆传感监测记录。这一步骤至关重要，因为它能够确：笮治龅淖既沸院涂煽啃。[0116] 接下来，隐患识别系统将完成预处理的变电站光缆传感监测记录拆解成多个传感监测掩码数据集。每一个传感监测掩码数据集都包含了特定时间段或特定位置的光缆传感数据。这种拆解有助于系统更细致地分析数据，发现隐藏在其中的模式和趋势。[0117] 随后，隐患识别系统以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定出完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集。这些目标传感监测数据集的特点是，其中包含的各个监测数据段之间的接地状态评价变量之差小于一个设定的阈值。这意味着这些数据集在接地状态上表现出一定的稳定性和一致性，适合用于后续的隐患识别分析。[0118] 在确定了目标传感监测数据集后，隐患识别系统进一步确定各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，并将该变量确定为各个目标传感监测数据集的温度状态向量。温度状态向量是描述光缆温度状态的重要参数，它能够反映光缆在不同部位的温度分布以及温度变化的趋势。[0119] 紧接着，隐患识别系统确定各个目标传感监测数据集对应的监测应力热图特征，并将这些特征确定为各个目标传感监测数据集的应力状态向量。应力状态向量描述了光缆各部分的应力分布情况，是评估光缆是否承受过大应力的关键指标。[0120] 最后，隐患识别系统确定各个目标传感监测数据集的振动跳变时空特征，并将这些特征确定为各个目标传感监测数据集的振动状态向量。振动状态向量记录了光缆在不同时间点的振动情况，包括振动幅度、频率等关键信息，是判断光缆是否处于异常振动状态的重要依据。[0121] 通过上述一系列步骤，隐患识别系统能够全面而准确地提取出变电站光缆传感监测记录中的关键状态描述知识，包括温度状态向量、应力状态向量和振动状态向量。这些知识为后续的隐患识别提供了坚实的基础。隐患识别系统能够实现对变电站光缆传感监测记录的深入分析和处理，精确提取出反映光缆状态的关键向量。这些向量不仅细致刻画了光缆的温度、应力和振动状态，还为后续的隐患识别提供了准确的数据支持。因此，本实施例的技术方案能够显著提升隐患识别的精确度和效率，帮助运维人员及时发现并处理潜在的接地隐患，从而确保变电站光缆的安全稳定运行，降低故障风险，提高电力系统的可靠性。[0122] 值得一提的是，振动跳变时空特征是本申请实施例中的核心发明点，它对于精准识别光缆的隐患具有至关重要的作用。[0123] 振动跳变时空特征，指的是光缆在不同时间点和空间位置上振动状态的突变情况。通过捕捉这些振动状态的变化，可以精准地识别出光缆可能存在的隐患，如外部干扰、结构松动或损坏等。这一特征不仅反映了光缆的动态行为，更是评估其健康状态和安全性能的重要依据。[0124] 为了获取准确的振动跳变时空特征，首先需要高精度的传感器对光缆的振动数据进行持续、实时的采集。随后，通过专业的数据处理技术，对这些原始数据进行滤波、去噪和增强等处理，以提取出清晰、有效的振动信号。[0125] 在获取到处理后的振动数据后，进一步利用先进的信号处理技术，如时频分析、小波变换等，提取出振动跳变的特征。这些特征包括但不限于振动幅度的突变、振动频率的变化以及振动模式的异常等。通过对这些特征的综合分析，可以准确地判断出光缆是否存在隐患以及隐患的具体位置和性质。[0126] 振动跳变时空特征的实时监测和预警系统可以及时发现光缆的异常振动情况。一旦检测到异常，系统立即发出预警信号，通知运维人员进行进一步的检查和处理。这种实时的监测和预警机制大大提高了光缆维护的效率和响应速度。[0127] 振动跳变时空特征在光缆隐患识别中具有极高的应用价值。它不仅可以帮助运维人员准确、快速地定位隐患位置，还可以为光缆的维护和管理提供有力的数据支持。此外，通过对振动跳变时空特征的长期监测和分析，还可以为光缆的设计和优化提供宝贵的参考信息。[0128] 综上所述，振动跳变时空特征作为本申请实施例的核心发明点，通过精准捕捉光缆的振动状态变化，为光缆的隐患识别和维护管理提供了全新的解决方案。[0129] 在接下来的步骤中，所述以各个传感监测掩码数据集的关键监测数据段为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集，包括：当第u个传感监测掩码数据集的关键监测数据段没有被确定为目标监测数据段，将所述第u个传感监测掩码数据集的关键监测数据段确定为目标监测数据段，u=1，2，…X，X为传感监测掩码数据集的总个数；获取所述目标监测数据段的关联监测数据段，倘若所述目标监测数据段的关联监测数据段与所述目标监测数据段之间的接地状态评价变量之差小于设定阈值，将所述关联监测数据段确定为当前的目标监测数据段；循环确定当前的目标监测数据段的关联监测数据段中与所述当前的目标监测数据段之间的接地状态评价变量之差小于设定阈值的目标监测数据段，直到无法确定出当前的目标监测数据段；依据确定出的多个目标监测数据段确定目标传感监测数据集。[0130] 基于该实施例，隐患识别系统将对完成预处理的变电站光缆传感监测记录进行进一步的分析，以确定各个目标传感监测数据集。[0131] 首先，隐患识别系统遍历每一个传感监测掩码数据集。对于第u个传感监测掩码数据集（其中u从1开始，一直到X，X是传感监测掩码数据集的总个数），系统检查其关键监测数据段是否已经被确定为目标监测数据段。如果尚未被确定，那么系统就会将该关键监测数据段设定为目标监测数据段。[0132] 接下来，隐患识别系统获取该目标监测数据段的关联监测数据段。所谓关联监测数据段，指的是在时间上或空间上与目标监测数据段相邻或相近的数据段。系统检查这些关联监测数据段与目标监测数据段之间的接地状态评价变量之差。如果该差值小于一个预设的阈值，那么说明这些关联监测数据段在接地状态上与目标监测数据段具有高度的相似性，因此，这些关联监测数据段也会被确定为当前的目标监测数据段。[0133] 然后，系统进入一个循环过程。在该过程中，系统不断地寻找当前目标监测数据段的关联监测数据段，并检查它们之间的接地状态评价变量之差是否小于设定阈值。如果是，则这些关联监测数据段也会被纳入目标监测数据段的范畴。该过程会一直持续，直到无法再找到符合条件的关联监测数据段为止。[0134] 最后，根据该过程中确定出的所有目标监测数据段，隐患识别系统综合它们形成一个完整的目标传感监测数据集。该数据集不仅包含了最初的关键监测数据段，还包含了所有与之在接地状态上高度相似的关联监测数据段。[0135] 通过上述实施例的详细操作，隐患识别系统能够精确地确定出变电站光缆传感监测记录中的目标传感监测数据集。这种方法不仅考虑了关键监测数据段本身，还通过关联分析，将与之在接地状态上高度相似的其他监测数据段也纳入考虑范围，从而更全面地反映了光缆的实际工作状态。这种全面而精准的数据集确定方法，为后续的隐患识别提供了更为可靠的数据基。兄谔岣咭患识别的准确性和效率。因此，本实施例的技术方案能够显著提升变电站光缆隐患识别的性能，为电力系统的安全稳定运行提供有力保障。[0136] 在又一些实施例中，所述方法还包括：当第u个传感监测掩码数据集的关键监测数据段已被确定为目标监测数据段且u小于X，确定第u+1个传感监测掩码数据集的关键监测数据段是否确定为目标监测数据段；当第u+1个传感监测掩码数据集的关键监测数据段没有被确定为目标监测数据段，将所述第u+1个传感监测掩码数据集的关键监测数据段确定为目标监测数据段，确定所述完成预处理的变电站光缆传感监测记录中的各个目标传感监测数据集。[0137] 基于该实施例，隐患识别系统继续对完成预处理的变电站光缆传感监测记录进行深度分析，以确定所有目标传感监测数据集。[0138] 隐患识别系统首先检查第u个传感监测掩码数据集的关键监测数据段是否已经被确定为目标监测数据段。如果已经被确定，并且u还小于传感监测掩码数据集的总个数X，那么系统转向下一个传感监测掩码数据集，即第u+1个数据集。[0139] 对于第u+1个传感监测掩码数据集，系统检查其关键监测数据段是否已被确定为目标监测数据段。如果尚未被确定，隐患识别系统就会将这个关键监测数据段标记为目标监测数据段。这个步骤是关键的，因为它确保了系统能够有序地、不遗漏地遍历每一个传感监测掩码数据集的关键监测数据段。[0140] 随后，系统继续按照之前描述的方法，通过关联分析来确定与目标监测数据段在接地状态上高度相似的其他监测数据段，从而构建出完整的目标传感监测数据集。这个过程包括获取目标监测数据段的关联监测数据段，检查它们之间的接地状态评价变量之差是否小于设定阈值，如果小于阈值，则将这些关联监测数据段也确定为目标监测数据段。这个过程会不断循环，直到无法再找到符合条件的关联监测数据段。[0141] 通过这种方式，隐患识别系统能够全面地分析完成预处理的变电站光缆传感监测记录，确保每一个关键监测数据段都被考虑在内，并且基于它们构建出准确的目标传感监测数据集。[0142] 如此，隐患识别系统在确定目标传感监测数据集时，不仅考虑了每一个传感监测掩码数据集的关键监测数据段，还通过一种有序、系统的方法确保了数据的全面性和准确性。这种方法能够避免因遗漏或重复处理数据而导致的错误，从而提高了隐患识别的精确性和可靠性。此外，通过关联分析确定与目标监测数据段相似的其他数据段，隐患识别系统能够更全面地反映变电站光缆的实际工作状态，为后续的隐患识别提供了更为坚实的基础。这种细致且全面的数据集确定方法，不仅提升了隐患识别的性能，还为电力系统的稳定运行提供了强有力的数据支持，有助于及时发现并处理潜在的隐患，确保电力系统的安全。[0143] 在另一些优选的实施例中，所述方法还包括：获取所述目标监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征；获取所述关联监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征；当所述目标监测数据段的第一多模监测要素特征和所述关联监测数据段的第一多模监测要素特征的第一特征距离的归一化值小于设定阈值，且所述目标监测数据段的第二多模监测要素特征和所述关联监测数据段的第二多模监测要素特征的第二特征距离的归一化值小于设定阈值，且所述目标监测数据段的第三多模监测要素特征和所述关联监测数据段的第三多模监测要素特征的第三特征距离的归一化值小于设定阈值时，确定所述目标监测数据段的关联监测数据段与所述目标监测数据段之间的接地状态评价变量之差小于设定阈值。[0144] 在该实施例中，隐患识别系统进一步细化了对接地状态评价变量的判断过程，通过引入多模监测要素特征来增强判断的准确性和可靠性。[0145] 首先，隐患识别系统获取目标监测数据段和关联监测数据段的第一多模监测要素特征、第二多模监测要素特征和第三多模监测要素特征。这些多模监测要素特征可能是反映光缆状态的不同维度信息，比如振动频率、温度变化和电信号强度等。每个特征都从不同的角度揭示了光缆的工作状态。[0146] 接下来，系统计算目标监测数据段和关联监测数据段在每种多模监测要素特征上的特征距离。例如，计算第一多模监测要素特征的特征距离，然后对这个距离进行归一化处理，得到一个归一化值。同样的步骤也会应用于第二和第三多模监测要素特征。[0147] 归一化处理是将特征距离转换到0到1的范围内，这样做的好处是可以消除不同特征量纲和取值范围的影响，使得不同特征之间的距离可以直接比较。[0148] 然后，隐患识别系统检查这些归一化后的特征距离是否都小于一个设定的阈值。只有当目标监测数据段和关联监测数据段在所有三个多模监测要素特征上的特征距离的归一化值都小于设定阈值时，系统才会确定这两个数据段在接地状态上具有高度的相似性。可见，上述技术方案是利用归一化值来确定接地状态评价变量之差，因此在确定接地状态评价变量之差小于设定阈值时，可以理解为基于相应的归一化值来比较分析。基于此，可以清楚知晓设定阈值在全文中的概念是一致的，均为同一个值。在上位概念中阐述的是接地状态评价变量之差小于设定阈值，而进一步的下位概念涉及“归一化值小于设定阈值”，本质上归一化值是接地状态评价变量之差的下位概念，因此对于设定阈值，也应当理解为是全文一致的一个值。[0149] 最后，基于这种多特征的相似性判断，隐患识别系统可以确定目标监测数据段的关联监测数据段与目标监测数据段之间的接地状态评价变量之差小于设定阈值，从而将这些关联监测数据段也纳入目标监测数据集的范畴。[0150] 通过引入多模监测要素特征进行接地状态的细致评估，隐患识别系统能够更精确地判断不同监测数据段之间的相似性。这种方法不仅依赖于单一的特征，而是综合考虑了多个维度的信息，从而提高了判断的准确性和鲁棒性。这种多维度、多特征的分析方法，使得隐患识别系统在面对复杂多变的光缆状态时，能够做出更为可靠的判断，进而提升了对光缆隐患的识别能力。此外，通过归一化处理特征距离，系统消除了不同特征之间的量纲差异，使得判断过程更加科学和公正。这种技术方案显著增强了隐患识别系统的性能，为电力系统的安全稳定运行提供了更为坚实的保障。[0151] 在一种可替换的技术思路下，所述确定所述各个目标传感监测数据集中的参考监测数据段的接地状态评价变量，包括：确定第v个目标传感监测数据集匹配的各个传感监测掩码数据集的掩码关键词，v=1，2，…，Y，Y为所述变电站光缆传感监测记录中的目标传感监测数据集总数；将各个掩码关键词中的目标关键词确定为所述目标传感监测数据集的参考传感监测掩码数据集；将所述参考传感监测掩码数据集的关键监测数据段确定为所述第v个目标传感监测数据集的参考监测数据段；获取所述第v个目标传感监测数据集的参考监测数据段的接地状态评价变量。[0152] 在该技术思路下，隐患识别系统采用了另一种方法来确定各个目标传感监测数据集中的参考监测数据段的接地状态评价变量。[0153] 首先，隐患识别系统针对每一个目标传感监测数据集进行操作。假设当前正在处理的是第v个目标传感监测数据集（其中v从1开始，一直到Y，Y是变电站光缆传感监测记录中的目标传感监测数据集的总数）。[0154] 对于第v个目标传感监测数据集，系统首先确定与其匹配的各个传感监测掩码数据集的掩码关键词。这些掩码关键词是预先设定的，用于标识和分类不同的传感监测数据。[0155] 接下来，系统从这些掩码关键词中挑选出目标关键词。目标关键词是系统关注的重点，它代表了与当前目标传感监测数据集最为相关或最具代表性的监测数据特征。一旦确定了目标关键词，系统就会将这些目标关键词对应的传感监测掩码数据集确定为参考传感监测掩码数据集。[0156] 随后，隐患识别系统将这个参考传感监测掩码数据集的关键监测数据段确定为第v个目标传感监测数据集的参考监测数据段。这个参考监测数据段在后续的分析中将被用作基准，用于评估其他监测数据段的状态。[0157] 最后，系统获取这个参考监测数据段的接地状态评价变量。这个变量是反映光缆接地状态的重要指标，通过对其进行分析，可以了解光缆的接地情况是否正常，是否存在隐患。[0158] 如此，隐患识别系统能够更灵活地确定目标传感监测数据集中的参考监测数据段及其接地状态评价变量。这种方法不仅提高了系统对不同监测场景的适应性，还使得接地状态的评估更加准确和有针对性。通过精确挑选与目标传感监测数据集最为匹配的参考传感监测掩码数据集，并以其关键监测数据段作为参考，系统能够更准确地评估光缆的接地状态，及时发现并处理潜在的隐患，从而确保电力系统的安全稳定运行。[0159] 在其他可能的技术思路下，所述确定所述各个目标传感监测数据集对应的监测应力热图特征，包括：在设定周期内基于预设采样步长采样多个待处理传感监测记录，并确定各个待处理传感监测记录中的各个目标传感监测数据集；当所述变电站光缆传感监测记录中第v个目标传感监测数据集出现在与所述变电站光缆传感监测记录相邻且连续Z个待处理传感监测记录中时，获取所述Z个待处理传感监测记录中第v个目标传感监测数据集包括的监测应力热图特征，Z为正整数；获取所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征；将所述Z个待处理传感监测记录中第v个目标传感监测数据集包括的监测应力热图特征和所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征的均值化结果，确定为所述第v个目标传感监测数据集对应的监测应力热图特征。[0160] 基于该技术思路，隐患识别系统采用了一种特殊的方法来确定各个目标传感监测数据集对应的监测应力热图特征。这一步骤对于准确识别光缆的隐患至关重要，因为它可以帮助系统更全面地了解光缆在不同时间段的应力分布情况。[0161] 首先，隐患识别系统在一个设定的周期内，基于预设的采样步长，采集多个待处理传感监测记录。这些待处理传感监测记录是系统分析的基础数据，它们包含了光缆在不同时间点的状态信息。[0162] 接下来，系统确定各个待处理传感监测记录中的目标传感监测数据集。这些目标传感监测数据集是系统关注的重点，因为它们可能包含了与光缆隐患相关的信息。[0163] 然后，系统检查变电站光缆传感监测记录中的第v个目标传感监测数据集是否出现在与变电站光缆传感监测记录相邻且连续的Z个待处理传感监测记录中。如果是，系统获取这Z个待处理传感监测记录中第v个目标传感监测数据集所包括的监测应力热图特征。这里的Z是一个正整数，它决定了系统要考虑多少个连续的待处理传感监测记录。[0164] 同时，系统也会获取变电站光缆传感监测记录中第v个目标传感监测数据集所包括的监测应力热图特征。这样，系统就拥有了两部分数据：一部分是来自连续Z个待处理传感监测记录的监测应力热图特征，另一部分是来自变电站光缆传感监测记录的监测应力热图特征。[0165] 最后，系统将这两部分数据的均值化结果确定为第v个目标传感监测数据集对应的监测应力热图特征。通过这种方法，系统能够综合考虑多个时间段内的应力分布情况，从而得到更加准确和全面的监测应力热图特征。[0166] 通过这种技术思路，隐患识别系统能够更准确地确定目标传感监测数据集对应的监测应力热图特征。通过综合考虑多个连续时间段内的数据，系统能够捕捉到光缆应力分布的细微变化，从而提高隐患识别的准确性和可靠性。此外，这种方法还能够有效地平滑掉数据中的噪声和异常值，使得分析结果更加稳健。总的来说，这种技术思路为隐患识别系统提供了一种更加全面和准确的监测应力热图特征确定方法，有助于系统更好地识别和处理光缆中的隐患。[0167] 值得一提的是，监测应力热图特征作为核心发明点，在工程技术和科学研究中具有重要意义。下面将结合具体的数值特征向量示例来详细介绍这一特征。[0168] 应力热图是一种可视化工具，用于直观展示物体内部或结构上的应力分布情况。通过不同颜色的深浅或冷暖来表示应力的大小和方向，从而帮助工程师或研究人员快速识别出应力集中或异常的区域。[0169] 为了生成应力热图，首先需要收集一系列与应力相关的数值数据。这些数据可以是通过实验测量、数值模拟或其他方式获得的。每个数据点都包含了一个具体的应力值和一个对应的位置坐标。[0170] 例如，在一个二维平面上对某个结构进行应力分析，可以沿x和y轴方向等间距地取点，并测量每个点上的应力值。这些测量值可以构成一个二维数组，即应力矩阵。[0171] 例如有以下4x4的应力矩阵作为示例：[[10，20，30，25]，[15，25，35，30]，[5，10，15，10]，[0，5，10，5]]；每个数字代表对应位置上的应力值。在实际应用中，这些数值可能是通过复杂的计算和测量得到的。[0172] 根据这个应力矩阵，可以使用专门的软件或算法来生成应力热图。在热图中，较高的应力值可以用较暖的颜色（如红色）表示，而较低的应力值则用较冷的颜色（如蓝色）表示。[0173] 对于上面的示例矩阵，热图将在左上角显示较高的应力值（红色区域），而在右下角显示较低的应力值（蓝色区域）。这样的可视化有助于快速识别出结构中应力较大的区域，从而进行针对性的优化或加固。[0174] 监测应力热图特征在工程设计和安全评估中至关重要。它不仅可以帮助工程师直观地了解结构在不同条件下的应力分布情况，还可以用于预测潜在的故障点或优化结构设计。此外，在实时监测系统中，应力热图还可以提供即时的结构健康状态反。繁＝峁沟陌踩院涂煽啃。[0175] 在一些可选的实施例中，所述确定所述各个目标传感监测数据集对应的监测应力热图特征，包括：当所述变电站光缆传感监测记录中第v个目标传感监测数据集未出现在与所述变电站光缆传感监测记录相邻的待处理传感监测记录中时，将所述变电站光缆传感监测记录中所述第v个目标传感监测数据集包括的监测应力热图特征确定为所述第v个目标传感监测数据集对应的监测应力热图特征。[0176] 基于该实施例，隐患识别系统在确定各个目标传感监测数据集对应的监测应力热图特征时，采用了一种特定的处理策略。这种策略主要针对那些未在与变电站光缆传感监测记录相邻的待处理传感监测记录中出现的目标传感监测数据集。[0177] 具体来说，当隐患识别系统在分析过程中发现，变电站光缆传感监测记录中的第v个目标传感监测数据集并未出现在与该记录相邻的待处理传感监测记录中时，系统采取一种简化的处理方式。在这种情况下，由于缺乏相邻记录中的对应数据来进行比较或平均，系统将直接采用变电站光缆传感监测记录中第v个目标传感监测数据集所包括的监测应力热图特征，作为该目标传感监测数据集对应的监测应力热图特征。[0178] 这种处理方式的优势在于其简洁性和直接性。它避免了在没有足够数据支持的情况下进行复杂的计算或推测，从而确保了分析结果的准确性和可靠性。同时，这也提高了系统的处理效率，因为无需进行额外的数据搜索或匹配操作。[0179] 在实际应用中，这种情况可能发生在多种场景下。例如，当某个目标传感监测数据集是孤立存在的，或者由于某种原因（如设备故障、数据传输中断等）导致相邻记录中缺少对应数据时，这种处理方式就显得尤为重要。它确保了即使在这种情况下，隐患识别系统仍然能够继续进行有效的分析和评估工作。[0180] 通过上述实施例中的处理方式，隐患识别系统能够在面对不完整或缺失数据时，依然能够准确地确定目标传感监测数据集的监测应力热图特征。这不仅提高了系统的鲁棒性和适应性，使其能够在各种复杂环境下稳定运行，而且确保了监测数据的连续性和有效性。此外，这种处理方式还简化了系统的运算流程，提高了处理效率，为实时监测和预警提供了有力支持。[0181] 在另一些可选的实施例中，所述确定所述各个目标传感监测数据集的振动跳变时空特征，包括：当所述变电站光缆传感监测记录中第v个目标传感监测数据集出现在与所述变电站光缆传感监测记录相邻且连续Z个待处理传感监测记录中时，基于所述预设采样步长确定所述变电站光缆传感监测记录和相邻的待处理传感监测记录的振幅时序向量；将所述振幅时序向量和Z的特征加权结果确定为所述第v个目标传感监测数据集的振动跳变时空特征。[0182] 详细地，隐患识别系统在确定各个目标传感监测数据集的振动跳变时空特征时，遵循了一套特定的分析流程。这一流程特别适用于那些在与变电站光缆传感监测记录相邻且连续的多个待处理传感监测记录中出现的目标传感监测数据集。[0183] 具体来说，当隐患识别系统检测到变电站光缆传感监测记录中的第v个目标传感监测数据集同时出现在与该记录相邻且连续的Z个待处理传感监测记录中时，系统首先基于预设的采样步长来确定这些记录的振幅时序向量。这里的“振幅时序向量”是指在不同时间点记录下的振幅值构成的一系列数据，它能够反映出光缆在特定时间段内的振动情况。[0184] 接下来，隐患识别系统将这些振幅时序向量与Z进行特征加权处理。特征加权是一种数据处理技术，它根据数据的重要性或其他相关因素，给不同的数据赋予不同的权重，以便在后续分析中更准确地反映数据的实际影响。在这个过程中，系统可能会考虑到各种因素，如时间间隔、振幅变化的剧烈程度等，来确定每个时序向量的权重。[0185] 最终，系统将振幅时序向量与Z的特征加权结果确定为第v个目标传感监测数据集的振动跳变时空特征。这个特征不仅反映了光缆在特定时间段内的振动情况，还通过加权处理突出了重要信息，有助于系统更准确地识别出潜在的隐患。[0186] 如此，隐患识别系统能够精确地捕捉到变电站光缆的振动跳变情况，并据此生成具有时空特性的特征数据。这种处理方式不仅提高了系统对光缆振动状态监测的灵敏度和准确性，还有助于及时发现和预防因振动异常而可能引发的安全隐患。此外，通过特征加权处理，系统能够更有效地筛选出对隐患识别至关重要的信息，从而提升了整体的分析效率和预警能力。这种技术方案的实施，为变电站光缆的安全运行提供了强有力的保障。[0187] 在一些示例性实施例中，所述方法还包括：对所述变电站光缆传感监测记录中各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射，得到所述各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量。则所述通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量处理，得到所述各个目标传感监测数据集的识别权重，包括：通过完成调试的接地隐患识别网络对所述各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别，得到所述各个目标传感监测数据集的识别权重。[0188] 基于该实施例，隐患识别系统的方法进一步包括了对变电站光缆传感监测记录中的各个目标传感监测数据集进行特征映射的步骤。特征映射是一种数据处理技术，其目的是将原始数据转换为一种更易于分析和处理的形式，同时保留或强调数据中的关键信息。[0189] 具体来说，隐患识别系统对每个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射。这里的“状态向量”是指能够反映光缆各种状态的一组数据，如温度、应力和振动等。通过特征映射，系统可以得到这些状态向量的“特征映射后”版本，即特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量。[0190] 接下来，隐患识别系统利用已经完成调试的接地隐患识别网络来处理这些特征映射后的状态向量。接地隐患识别网络是一种专门训练用于识别接地隐患的神经网络模型。它通过学习大量历史数据中的模式和规律，能够对接地系统可能存在的隐患进行预测和识别。[0191] 在处理过程中，接地隐患识别网络会对每个目标传感监测数据集的特征映射后的温度状态向量、应力状态向量和振动状态向量进行潜在隐患识别。这意味着网络会分析这些数据，并根据其学习到的知识和经验，判断哪些数据集更可能包含接地隐患的信息。[0192] 最终，接地隐患识别网络会为每个目标传感监测数据集输出一个识别权重。这个权重反映了该数据集在识别接地隐患时的重要性或可信度。权重越低，说明该数据集包含的隐患信息越丰富，反之则说明其信息价值相对较低。[0193] 如此，隐患识别系统能够更有效地利用变电站光缆传感监测记录中的数据。特征映射技术使得原始数据中的关键信息得以凸显，同时降低了数据的复杂性和冗余性。而接地隐患识别网络的应用，则进一步提高了系统对接地隐患的识别能力和准确性。这种综合处理方法不仅提升了隐患识别的效率，还为预防和解决接地隐患提供了更为可靠的数据支持，从而增强了整个变电站系统的安全性和稳定性。[0194] 在另一些示例性实施例中，所述方法还包括：获取设定的接地隐患识别网络和多个过往传感监测记录，其中所述过往传感监测记录中不包括隐患传感监测数据集；确定所述过往传感监测记录中各个目标传感监测数据集的状态描述知识，所述状态描述知识包括温度状态向量、应力状态向量和振动状态向量，所述目标传感监测数据集中包括的各个监测数据段之间的接地状态评价变量之差小于设定阈值；对所述过往传感监测记录中各个目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量分别进行特征映射，得到所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量；通过所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量，对所述设定的接地隐患识别网络进行调试，得到完成调试的接地隐患识别网络。[0195] 基于该实施例，隐患识别系统采用了一种更为细致和全面的方法来对接地隐患识别网络进行调试。这一过程的目的是确保网络在实际应用中能够准确识别接地隐患，提高系统的可靠性和安全性。[0196] 首先，隐患识别系统获取设定的接地隐患识别网络和多个过往传感监测记录。这些过往传感监测记录是之前收集的数据，用于训练和优化接地隐患识别网络。重要的是，这些过往记录中并不包含已知的隐患传感监测数据集，这样可以确保网络在学习过程中不会受到隐患数据的影响，从而更准确地识别正常状态下的数据特征。[0197] 接下来，系统确定过往传感监测记录中各个目标传感监测数据集的状态描述知识。这些知识包括温度状态向量、应力状态向量和振动状态向量，它们共同描述了光缆在不同时间点的状态。此外，系统还会筛选出那些接地状态评价变量之差小于设定阈值的目标传感监测数据集，这意味着这些数据集在接地状态上表现出较小的变化，更有可能代表正常状态，有助于网络学习正常状态下的数据特征。[0198] 随后，隐患识别系统对这些目标传感监测数据集的温度状态向量、应力状态向量和振动状态向量进行特征映射。特征映射的目的是提取数据中的关键信息，将其转换为网络更易理解和处理的格式。通过特征映射，系统得到了特征映射后的温度状态向量、应力状态向量和振动状态向量。[0199] 最后，系统利用这些特征映射后的状态向量对设定的接地隐患识别网络进行调试。调试过程中，网络会学习并识别正常状态下的数据特征，从而能够在未来的实际应用中准确区分正常状态和隐患状态。经过调试的网络将更具针对性和准确性，能够有效提高隐患识别的效率和可靠性。[0200] 如此，隐患识别系统能够对接地隐患识别网络进行更为精细和全面的调试。这种调试方法不仅确保了网络在学习过程中不会受到隐患数据的影响，还通过特征映射技术提取了数据中的关键信息，使得网络能够更准确地识别正常状态下的数据特征。因此，经过这种方法调试的接地隐患识别网络在实际应用中将具有更高的识别准确率和可靠性，为变电站的安全运行提供了强有力的保障。[0201] 在又一些示例性实施例中，所述方法还包括：通过所述完成调试的接地隐患识别网络，对所述过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别，确定所述过往传感监测记录中各个目标传感监测数据集的调试误差系数；确定各个调试误差系数中的最小调试误差系数，并基于所述最小调试误差系数确定设定的误差门限。[0202] 基于该实施例，隐患识别系统进一步利用了调试完成的接地隐患识别网络，对过往传感监测记录中的目标传感监测数据集进行了更为深入的分析。这一步骤旨在验证网络的准确性，并通过实际数据来优化系统的性能。[0203] 首先，隐患识别系统通过已经完成调试的接地隐患识别网络，对过往传感监测记录中的各个目标传感监测数据集的特征映射后的温度状态向量、特征映射后的应力状态向量和特征映射后的振动状态向量进行潜在隐患识别。这个过程中，网络会分析这些数据集，尝试识别出其中可能存在的潜在隐患。[0204] 接着，系统会确定过往传感监测记录中各个目标传感监测数据集的调试误差系数。调试误差系数是衡量接地隐患识别网络在处理特定数据集时准确性的一个重要指标。它反映了网络预测结果与实际结果之间的差异程度。通过计算调试误差系数，系统可以了解网络在不同数据集上的表现，从而找出可能存在的问题和改进的方向。[0205] 然后，隐患识别系统会确定各个调试误差系数中的最小调试误差系数。这个最小调试误差系数代表了网络在处理过往传感监测记录中的目标传感监测数据集时所能达到的最佳性能。系统会以这个最小调试误差系数为基准，来评估网络的整体性能。[0206] 最后，基于这个最小调试误差系数，隐患识别系统会确定一个设定的误差门限。这个误差门限是一个重要的阈值，用于在实际应用中判断网络识别结果的可靠性。当网络的识别结果的误差低于这个门限时，系统认为识别结果是可靠的；反之，如果误差高于门限，则可能需要进一步的检查或验证。[0207] 如此，隐患识别系统不仅验证了接地隐患识别网络的准确性，还通过计算调试误差系数和设定误差门限，为实际应用中网络的性能评估提供了可靠的依据。这种方法有助于提高系统在实际运行中的稳定性和可靠性，确保网络能够在各种情况下准确识别接地隐患，从而保障变电站的安全运行。同时，通过不断优化和调整网络参数，隐患识别系统可以进一步提高接地隐患识别的准确性和效率，为电力系统的稳定运行提供更有力的保障。[0208] 在一些可独立的实施例中，在缓存包括所述隐患传感监测数据集的变电站光缆传感监测记录之后，所述方法还包括：响应于隐患检修指令，基于包括所述隐患传感监测数据集的变电站光缆传感监测记录，生成针对目标变电站光缆区域的隐患检修方案。[0209] 详细地，隐患识别系统在缓存了包含隐患传感监测数据集的变电站光缆传感监测记录后，会进一步响应隐患检修指令，以生成针对特定光缆区域的隐患检修方案。具体来说，当系统接收到隐患检修指令时，这一指令可以是由变电站运维人员或自动化管理系统发出的，目的是对检测到的隐患进行及时处理。隐患识别系统会首先访问缓存中存储的包含隐患传感监测数据集的变电站光缆传感监测记录。这些记录中包含了关于光缆温度、应力、振动等状态的详细信息，以及之前通过接地隐患识别网络分析得出的隐患识别结果。接下来，系统会根据这些传感监测记录和隐患识别结果，对目标变电站光缆区域进行详细的分析。这一分析过程可能涉及对隐患类型、严重程度、可能影响的范围等多个方面的评估。例如，如果识别到的隐患是光缆温度过高，系统可能会分析温度数据的变化趋势，以判断是否存在持续升温的风险。在完成了对隐患的详细分析后，隐患识别系统会生成一份针对目标变电站光缆区域的隐患检修方案。这份方案会明确指出隐患的具体位置、类型、严重程度，以及建议的检修措施和步骤。例如，对于温度过高的问题，方案可能会建议增加散热设备、调整光缆布局或进行其他必要的维护工作。最后，这份隐患检修方案会被输出给运维人员或自动化管理系统，以供他们根据实际情况进行执行和调整。通过这种方式，隐患识别系统不仅能够帮助及时发现变电站光缆的潜在问题，还能提供具体的解决方案，从而大大提高了变电站运维的效率和安全性。[0210] 如此，隐患识别系统能够在缓存隐患传感监测数据集后，迅速响应隐患检修指令，并生成针对性的隐患检修方案。这一功能显著提升了变电站光缆运维的响应速度和准确性，确保了隐患能够得到及时有效的处理。同时，通过提供具体的检修措施和步骤，隐患识别系统降低了运维人员的决策难度，提高了检修工作的效率和成功率，从而有助于保障变电站光缆的安全稳定运行。[0211] 值得一提的是，响应于隐患检修指令，基于包括所述隐患传感监测数据集的变电站光缆传感监测记录，生成针对目标变电站光缆区域的隐患检修方案，包括：接收并分析隐患检修指令，确定检修的优先级和紧急程度；从缓存中提取与指令相关的隐患传感监测数据集，以及对应的变电站光缆传感监测记录；利用预设的隐患分析模型，对提取的数据集和记录进行深度分析，识别隐患的具体类型、位置、发展趋势及对光缆性能的影响；根据分析结果，结合历史检修数据和专家系统建议，生成包含详细检修步骤、所需工具、预计完成时间和风险评估的隐患检修方案；将生成的隐患检修方案通过用户界面展示给运维人员，并提供方案执行过程中的实时监控与反馈机制，确保检修工作的高效与安全。[0212] 详细地，隐患识别系统在接收到隐患检修指令后，会启动一个复杂而精细的流程，以生成针对目标变电站光缆区域的隐患检修方案。这个流程的设计旨在确保检修工作的准确性、高效性和安全性。首先，系统会接收并分析隐患检修指令。这一步骤至关重要，因为它帮助系统理解检修的具体需求和重点。通过分析指令，系统能够确定检修的优先级和紧急程度，从而合理安排后续的工作流程。接下来，系统会从缓存中提取与指令相关的隐患传感监测数据集，以及对应的变电站光缆传感监测记录。这些数据是生成检修方案的基。翘峁┝斯赜诠饫伦刺、隐患类型、发生时间等关键信息。提取数据后，系统会利用预设的隐患分析模型对这些数据集和记录进行深度分析。这个分析过程涉及多个方面，包括隐患的具体类型识别、隐患位置的精确定位、隐患发展趋势的预测，以及隐患对光缆性能可能产生的影响评估。通过这些分析，系统能够更全面地了解隐患的状况，为后续的检修方案制定提供有力支持。在分析完成后，系统会根据分析结果，结合历史检修数据和专家系统的建议，生成一个详细的隐患检修方案。这个方案不仅包含了检修的具体步骤，还列出了所需的工具、预计的完成时间，以及对检修过程中可能遇到的风险进行的评估。这样的设计使得检修工作更加有计划性和针对性，提高了工作效率和安全性。最后，系统会将生成的隐患检修方案通过用户界面展示给运维人员。这样，运维人员可以清晰地了解检修方案的内容和要求，从而更好地执行检修工作。同时，系统还提供方案执行过程中的实时监控与反馈机制。这意味着在检修过程中，系统会持续监控检修的进度和效果，并及时向运维人员提供反馈。这种机制有助于确保检修工作的高效进行，并能在出现问题时及时调整方案，保障检修的安全性。[0213] 如此，隐患识别系统能够响应隐患检修指令，基于包括隐患传感监测数据集的变电站光缆传感监测记录，生成针对目标变电站光缆区域的隐患检修方案。这一方案不仅全面考虑了隐患的各个方面，还结合了历史数据和专家建议，确保了检修方案的准确性和可行性。同时，通过用户界面展示和实时监控反馈机制，系统有效提高了检修工作的透明度和效率，降低了运维人员的决策难度和操作风险，从而显著提升了变电站光缆运维的整体水平和安全性。[0214] 进一步地，图2为本申请实施例提供的一种隐患识别系统200的结构示意图。如图2所示的隐患识别系统200包括处理器210，处理器210可以从存储器中调用并运行计算机程序，以实现本申请实施例中的方法。[0215] 可选地，如图2所示，隐患识别系统200还可以包括存储器230。其中，处理器210可以从存储器230中调用并运行计算机程序，以实现本申请实施例中的方法。[0216] 其中，存储器230可以是独立于处理器210的一个单独的器件，也可以集成在处理器210中。[0217] 可选地，如图2所示，隐患识别系统200还可以包括收发器220，处理器210可以控制该收发器220与其他设备进行交互，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。[0218] 可选地，该隐患识别系统200可以实现本申请实施例的各个方法中存储引擎或存储引擎中的部件（如处理模块）或者部署有存储引擎的设备对应的相应流程，为了简洁，在此不再赘述。[0219] 应理解，本申请实施例的处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器（DigitalSignalProcessor，DSP）、专用集成电路（ApplicationSpecificIntegratedCircuit，ASIC）、现成可编程门阵列（FieldProgrammableGateArray，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。[0220] 可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（Read?OnlyMemory，ROM）、可编程只读存储器（ProgrammableROM，PROM）、可擦除可编程只读存储器（ErasablePROM，EPROM）、电可擦除可编程只读存储器（ElectricallyEPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（RandomAccessMemory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（StaticRAM，SRAM）、动态随机存取存储器（DynamicRAM，DRAM）、同步动态随机存取存储器（SynchronousDRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（DoubleDataRateSDRAM，DDRSDRAM）、增强型同步动态随机存取存储器（EnhancedSDRAM，ESDRAM）、同步连接动态随机存取存储器（SynchlinkDRAM，SLDRAM）和直接内存总线随机存取存储器（DirectRambusRAM，DRRAM）。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。[0221] 应理解，上述存储器为示例性但不是限制性说明，例如，本申请实施例中的存储器还可以是静态随机存取存储器（staticRAM，SRAM）、动态随机存取存储器（dynamicRAM，DRAM）、同步动态随机存取存储器（synchronousDRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（doubledatarateSDRAM，DDRSDRAM）、增强型同步动态随机存取存储器（enhancedSDRAM，ESDRAM）、同步连接动态随机存取存储器（synchlinkDRAM，SLDRAM）以及直接内存总线随机存取存储器（DirectRambusRAM，DRRAM）等等。也就是说，本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。[0222] 在上述基础上，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。[0223] 以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。

专利地区：甘肃

专利申请日期：2024-07-05

专利公开日期：2024-10-01

专利公告号：2024-10-01