[发明专利]电缆状态监测方法及存储介质

权利要求书

1.一种电缆状态监测方法，其特征在于，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。

2.如权利要求1所述的电缆状态监测方法，其特征在于，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。

3.如权利要求2所述的电缆状态监测方法，其特征在于，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，

4.如权利要求3所述的电缆状态监测方法，其特征在于，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。

5.如权利要求4所述的电缆状态监测方法，其特征在于，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，

6.如权利要求4所述的电缆状态监测方法，其特征在于，在构建所述电缆监测数据的每一个分量对应的LSTM预测神经模型之后，所述方法还包括：

计算所述LSTM预测神经模型的预测误差；

将所述预测误差与预设阈值进行比较，若所述预测误差在所述预设阈值范围内时，无需进行矫正，否则对所述LSTM预测神经模型进行自我矫正；

其中，所述预测误差的计算公式如下：

e_i表示预测误差，x_it表示LSTM预测神经模型在t时刻的预测值，y_it表示分量在t时刻采集到的真实值，i＝1、2、……、l，l表示电缆监测数据的分量个数。

7.如权利要求6所述的电缆状态监测方法，其特征在于，所述对所述LSTM预测神经模型进行自我矫正包括：

获取t-11时刻到t时刻的电缆监测数据作为LSTM预测神经模型的训练数据；

采用强化学习粒子群算法优化所述LSTM预测神经模型的全连接层的参数，对于隐含层神经元的参数不做更新，得到自我校正之后的LSTM预测神经模型；

其中，所述强化学习粒子群算法QLPSO的优化目标函数为：

其中x_i为t-11时刻到t时刻的电缆监测数据；f_i为t-11时刻到t时刻的LSTM预测神经模型的输出值。