本发明涉及电力系统自动化技术领域，特别是涉及一种电缆竖井火灾状态识别决策树模型的生成方法。
背景技术：
电缆竖井是建筑内各类电线电缆等在楼层通行穿过的竖向井道(包括楼层配电小间)，井壁上架设着电力电线电缆和弱电线路及设备等,是楼宇的强电弱电输配枢纽。电缆井内的电线电缆和设备等大部分存在易燃可燃物品，带电运行，存在引发火灾的风险，电缆一旦出现火灾事故，火势发展迅速，并且蔓延很快，会造成严重的安全事故和经济损失。现有的针对电缆竖井的火灾预测系统的专利主要以探测竖井内的温度和烟雾来判断是否发生火灾。以烟雾和温度为判断依据的方法有一定局限性，烟雾与火光出现表明火灾已经发生，容易错过最佳扑灭时间。且通过分析气体的方法需要一定的时间，火灾预测实时性不足。又由于电缆竖井的特殊性，基本上处于封闭半封闭状态火灾不易扑灭，于是对竖井中的火灾快速准确监测就显得格外关键。现有的这些检测方法对设备精度要求很高、监测效果较差，响应速度慢。
技术实现要素：
本发明的目的在于，提出一种电缆竖井火灾状态识别决策树模型的生成方法，解决现有对设备精度要求很高、监测效果较差，响应速度慢的技术问题。
本发明的一方面，提供一种电缆竖井火灾状态识别决策树模型的生成方法，包括以下步骤：
步骤s1，采集电缆竖井内电缆的剩余电流值、剩余电压值，获取所述剩余电压值的电压波形；并根据剩余电流值获取剩余电流中的阻性剩余电流分量，根据剩余电压值的电压波形获取剩余电压的故障电弧特征；
步骤s2，采集电缆竖井内局部放电产生的超声波信号，并根据超声波信号进行定位确定局部放电的大小和位置，作为局部放电信息；
步骤s3，采集电缆竖井内环境温度、检测点温度及烟雾浓度；
步骤s4，将采集的剩余电流值、剩余电压值、阻性剩余电流分量、剩余电压的故障电弧特征、局部放电信息、环境温度、检测点温度及烟雾浓度作为特征项，通过预设规则对所述特征项进行评估，生成评估结果；根据评估结果及输入的相应特征作为训练数据输入预设模型进行训练，生成决策树模型。
优选地，所述步骤s1包括：将采集的剩余电流值根据预设转换规则进行转换，生成剩余电流基波及相应的高次谐波的相位和幅值；
获取电缆竖井内电缆的原始电压，并将采集到的原始电压根据预设转换规则进行转换，生成所述原始电压的基波及相应的各高次谐波成份的幅值和相位；
根据剩余电流相应的高次谐波的相位和幅值、原始电压相应的高次谐波成份的幅值和相位，对剩余电流进行阻性分量分离，获得剩余电流中的阻性剩余电流。
优选地，所述步骤s1还包括：根据剩余电压的故障电弧特征通过小波基函数获取各层的小波高频分量能量比，通过小波高频分量周期方差值辨识其中相似的波形；
统计所述剩余电压的故障电弧特征值超过设定故障阈值的次数，若在0.6s内超过设定故障阈值的次数大于预设次数阈值，则判定检测到故障电弧。
优选地，所述步骤s2包括：获取采集的超声波信号的衰减特性，根据所述衰减特性中的峰值或有效值的对放电位置进行定位，其中，所述衰减特性中的峰值或有效值变大，则判定里信号源越近；
根据超声波信号到达传感器的时差，通过联立球面方程或双曲面方程组计算空间坐标，进行精确定位。
优选地，所述步骤s4包括：将采集的剩余电流值、剩余电压值、阻性剩余电流分量、剩余电压的故障电弧特征、局部放电信息、环境温度、检测点温度及烟雾浓度作为特征对电缆竖井的火灾状态进行评估，生成评估结果。
优选地，所述步骤s4还包括：将评估结果及所有输入的相应特征值作为训练数据集，根据预设类别识别规则判断训练数据集中所有特征值的类别，若训练数据集中的所有特征值的类别都属于同一类别，则判定决策树为单结点树，并将特征值的类别作为决策树的单结点的类，返回决策树。
优选地，所述步骤s4还包括：判断训练数据集中的特征集是否等于预设判定值，若特征集等于预设判定值，则判定决策树为单节点树，并将训练数据集中包含特征值数量最多的类别作为决策树的单结点的类，返回决策树；
若特征集不等于预设判定值，则计算特征集中各特征对训练数据集的信息增益比，并确定所述信息增益比数值最大的特征ag。
优选地，所述步骤s4还包括：判断特征ag的信息增益比的数值是否小于预设判定阈值，若特征ag的信息增益比的数值小于预设判定阈值，则判定决策树为单节点树，并将训练数据集中包含特征值数量最多的类别作为决策树的单结点的类，返回决策树；
若特征ag的信息增益比的数值不小于预设判定阈值，则根据特征ag的每一可能值ai，将训练数据集分割为若干非空子集di，将所述非空子集di中含特征值数量最多的类别作为标记，将所述标记作为根节点及其子结点构成决策树，返回决策树。
优选地，所述步骤s4还包括：对于所述标记的子节点，以所述非空子集di为训练集，以特征ag为特征集，递归调用预设模型进行训练，得到子决策树。
优选地，该方法还包括：将生成的决策树更新入预设模型，通过更新后的预设模型对电缆竖井的状态进行识别，生成识别结果；其中，所述识别结果包括正常、预警、报警。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的电缆竖井火灾状态识别决策树模型的生成方法，通过剩余电流检测、故障电弧检测、局部放电检测基于现有的电缆竖井实例训练得到决策树模型，加以完善模型，通过此决策树模型对电缆竖井的状态做出识别有效降低了监测设备的精度要求，实时性强，监测效果高，响应速度快。
附图说明
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。
图1为本发明实施例中一种电缆竖井火灾状态识别决策树模型的生成方法的主流程示意图。
图2为本发明实施例中决策树的示意图。
具体实施方式
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。
如图1所示，为本发明提供的一种电缆竖井火灾状态识别决策树模型的生成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：
步骤s1，采集电缆竖井内电缆的剩余电流值、剩余电压值，获取所述剩余电压值的电压波形；并根据剩余电流值获取剩余电流中的阻性剩余电流分量，根据剩余电压值的电压波形获取剩余电压的故障电弧特征；
可以理解的是，通过剩余电流传感器采集电缆中的剩余电流值，同时采集电缆中的电压值，获取电压波形，形成原始电压的采样数据，对剩余电流与电压进行预处理，对剩余电流进行阻性分量分离计算，获得剩余电流中的阻性剩余电流分量并实时传输至云端。
具体实施例中，配电系统中的漏电电流是由各种阻抗形成的，一般是由漏电电阻及电容引起的，电线及电缆芯线为铝线或铜线，金属物体对地都存在分布电容，分布电容的存在必然产生电流，这种电流称为容性电流或泄漏电流，这就是绝缘良好的电缆也能检测到泄漏电流的原因。因为，i_0并不是真正的绝缘劣化产生的漏电电流，它是容性分量泄漏电流i_oc(即使电网没有接地故障，由于配电线路及设备对地分布电容的存在而引起的泄漏电流)与阻性分量电流i_or(由于电网因绝缘破坏而产生接地故障引起的漏电电流，它是引起各种事故及诱发电气火灾的真正元凶)的合成。本实施例中，对于剩余电流的检测，具体为将采集的剩余电流值根据预设转换规则进行转换，生成剩余电流基波及相应的高次谐波的相位和幅值；获取电缆竖井内电缆的原始电压，并将采集到的原始电压根据预设转换规则进行转换，生成所述原始电压的基波及相应的各高次谐波成份的幅值和相位；根据剩余电流相应的高次谐波的相位和幅值、原始电压相应的高次谐波成份的幅值和相位，对剩余电流进行阻性分量分离，获得剩余电流中的阻性剩余电流。对于剩余电压的检测，具体为根据剩余电压的故障电弧特征通过小波基函数获取各层的小波高频分量能量比，通过小波高频分量周期方差值辨识其中相似的波形；统计所述剩余电压的故障电弧特征值超过设定故障阈值的次数，当超过设定故障阈值的次数在0.6s内超过阈值8次以上时，则判定检测到故障电弧。
步骤s2，采集电缆竖井内局部放电产生的超声波信号，并根据超声波信号进行定位确定局部放电的大小和位置，作为局部放电信息；
可以理解的是，电力设备在放电过程中会产生声波。放电产生的声波的频谱很宽，可以从几十hz到几mhz，其中频率低于20khz的信号能够被人耳听到，而高于这一频率的超声波信号必须用超声波传感器才能接收到。根据放电释放的能量与声能之间的关系，用超声波信号声压的变化代表局部放电所释放能量的变化，通过测量超声波信号的声压，可以推测出放电的强弱。
具体实施例中，获取采集的超声波信号的衰减特性，根据所述衰减特性中的峰值或有效值的对放电位置进行定位，其中，所述衰减特性中的峰值或有效值变大，则判定里信号源越近；根据超声波信号到达传感器的时差，通过联立球面方程或双曲面方程组计算空间坐标，进行精确定位。可以理解的是，超声波法局部放电定位有幅值定位和时差定位两种。幅值定位是根据超声信号的衰减特性，利用峰值或有效值的大小定位，一般离信号源越近，信号越大；时差定位是根据超声波信号达到传感器的时差，通过联立球面方程或双曲面方程组计算空间坐标，进行精确定位，精度可达10cm。可采用幅值方法进行初步定位，随后根据现场需要决定是否需要进行进一步的精确定位；此外，由于设备内部的结构不同，超声波信号传播存在一定的复杂性，也可采取声电联合等定位方法。在电力设备检测到超声波局部放电信号异常时，应进行短期的在线监测或其他方法的检测。具体地，超声波异常信号分析宜采用典型波形的比较法、横向分析法和趋势分析法。典型波形比较法是综合考虑现场干扰因素后，获得真正代表目标内部异常的超声波信号与典型波形图库进行比较；横向分析法即为目标部位的信号和相邻区域信号或另相相同部位信号进行比较；趋势分析法为目标部位的信号与历史数据相比较是否有明确的增长发展趋势；异常信号分析时应综合考虑工况因素的影响。
步骤s3，采集电缆竖井内环境温度、检测点温度及烟雾浓度；可以理解的是，采用温度传感器采集环境温度和检测点温度，采用烟雾传感器探测竖井内的烟雾浓度。
步骤s4，将采集的剩余电流值、剩余电压值、阻性剩余电流分量、剩余电压的故障电弧特征、局部放电信息、环境温度、检测点温度及烟雾浓度作为特征项，通过预设规则对所述特征项进行评估，生成评估结果；根据评估结果及输入的相应特征作为训练数据输入预设模型进行训练，生成决策树模型。
可以理解的是，根据不同特征的信息增益比(信息增益比：特征a对训练数据集d的信息增益比定义为其信息增益与训练数据集关于特征a的值的熵之比)，比较它们的大小，选择信息增益比最大的特征作为根节点，直到每一个实例都被一条路径或一条规则所覆盖，而且只被一条路径或一条规则所覆盖，将收集到的多组数据作为输入特征结合实际情况对线缆竖井的火灾状态进行评估，将上述输入特征值与输出判断结果作为训练数据，应用c4.5算法生成决策树模型，决策树生成示意图如图2所示。在测试集中验证决策树判别的准确度并不断调整决策树模型参数如剪枝、结合属性关联度产生新属性等措施直至效果满意。
具体实施例中，将采集的剩余电流值、剩余电压值、阻性剩余电流分量、剩余电压的故障电弧特征、局部放电信息、环境温度、检测点温度及烟雾浓度作为特征对电缆竖井的火灾状态进行评估，生成评估结果。可以理解的是，将收集到的监测线路中的剩余电流大小、电压、电流、局放幅值(如超声波法用声波大小反映该物理量)、环境温度、检测点温度等多个指标数据作为输入特征，结合实际情况对线缆竖井的火灾状态进行评估，将上述输入特征值与输出判断结果作为训练数据。
具体地，由训练集生成决策树模型，其中，输入：训练数据集d，特征集a阈值ε；输出：决策树t。将评估结果及所有输入的相应特征值作为训练数据集，根据预设类别识别规则判断训练数据集中所有特征值的类别，若训练数据集中的所有特征值的类别都属于同一类别，则判定决策树为单结点树，并将特征值的类别作为决策树的单结点的类，返回决策树。可以理解的是，如果d中的所有实例都属于同一类ck，则决策树为单结点树，并将ck作为该结点的类，返回t。
判断训练数据集中的特征集是否等于预设判定值，若特征集等于预设判定值，则判定决策树为单节点树，并将训练数据集中包含特征值数量最多的类别作为决策树的单结点的类，返回决策树；可以理解的是，如果
若特征集不等于预设判定值，则计算特征集中各特征对训练数据集的信息增益比，并确定所述信息增益比数值最大的特征ag。可以理解的是，计算a中各特征对d的信息增益比，选择信息增益比最大的特征ag。
再具体地，判断特征ag的信息增益比的数值是否小于预设判定阈值，若特征ag的信息增益比的数值小于预设判定阈值，则判定决策树为单节点树，并将训练数据集中包含特征值数量最多的类别作为决策树的单结点的类，返回决策树；若特征ag的信息增益比的数值不小于预设判定阈值，则根据特征ag的每一可能值ai，将训练数据集分割为若干非空子集di，将所述非空子集di中含特征值数量最多的类别作为标记，将所述标记作为根节点及其子结点构成决策树，返回决策树。可以理解的是，如果ag的信息增益比小于阈值ε，则置t为单节点树，并将d中实例数最大的类ck作为该结点的类，返回t；否则，对ag的每一可能值ai，依ag＝ai将d分割为子集若干非空di，将di中实例数最大的类作为标记，构建子结点，由结点及其子结点构成树t，返回t。
对于所述标记的子节点，以所述非空子集di为训练集，以特征ag为特征集，递归调用预设模型进行训练，得到子决策树。可以理解的是，对结点i，以di为训练集，以a-{ag}为特征集，递归调用步骤四，得到子树ti，返回ti。
步骤s5，将生成的决策树更新入预设模型，通过更新后的预设模型对电缆竖井的状态进行识别，生成识别结果；其中，所述识别结果包括正常、预警、报警。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的电缆竖井火灾状态识别决策树模型的生成方法，通过剩余电流检测、故障电弧检测、局部放电检测基于现有的电缆竖井实例训练得到决策树，加以完善模型，通过此决策树对电缆竖井的状态做出识别有效降低了监测设备的精度要求，实时性强，监测效果高，响应速度快。
以上所揭露的仅为本发明一种较佳实施例而已，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。
1.一种电缆竖井火灾状态识别决策树模型的生成方法，其特征在于，包括以下步骤：
步骤s1，采集电缆竖井内电缆的剩余电流值、剩余电压值，获取所述剩余电压值的电压波形；并根据剩余电流值获取剩余电流中的阻性剩余电流分量，根据剩余电压值的电压波形获取剩余电压的故障电弧特征；
步骤s2，采集电缆竖井内局部放电产生的超声波信号，并根据超声波信号进行定位确定局部放电的大小和位置，作为局部放电信息；
步骤s3，采集电缆竖井内环境温度、检测点温度及烟雾浓度；
步骤s4，将采集的剩余电流值、剩余电压值、阻性剩余电流分量、剩余电压的故障电弧特征、局部放电信息、环境温度、检测点温度及烟雾浓度作为特征项，通过预设规则对所述特征项进行评估，生成评估结果；并根据评估结果及输入的相应特征作为训练数据输入预设模型进行训练，生成决策树模型。
2.如权利要求1所述的方法，其特征在于，所述步骤s1包括：
将采集的剩余电流值根据预设转换规则进行转换，生成剩余电流基波及相应的高次谐波的相位和幅值；
获取电缆竖井内电缆的原始电压，并将采集到的原始电压根据预设转换规则进行转换，生成所述原始电压的基波及相应的各高次谐波成份的幅值和相位；
根据剩余电流相应的高次谐波的相位和幅值、原始电压相应的高次谐波成份的幅值和相位，对剩余电流进行阻性分量分离，获得剩余电流中的阻性剩余电流。
3.如权利要求2所述的方法，其特征在于，所述步骤s1还包括：
根据剩余电压的故障电弧特征通过小波基函数获取各层的小波高频分量能量比，通过小波高频分量周期方差值辨识其中相似的波形；
统计所述剩余电压的故障电弧特征值超过设定故障阈值的次数，若在0.6s内超过设定故障阈值的次数大于预设次数阈值，则判定检测到故障电弧。
4.如权利要求3所述的方法，其特征在于，所述步骤s2包括：
获取采集的超声波信号的衰减特性，根据所述衰减特性中的峰值或有效值的对放电位置进行定位，其中，所述衰减特性中的峰值或有效值变大，则判定里信号源越近；
根据超声波信号到达传感器的时差，通过联立球面方程或双曲面方程组计算空间坐标，进行精确定位。
5.如权利要求4所述的方法，其特征在于，所述步骤s4包括：
将采集的剩余电流值、剩余电压值、阻性剩余电流分量、剩余电压的故障电弧特征、局部放电信息、环境温度、检测点温度及烟雾浓度作为特征对电缆竖井的火灾状态进行评估，生成评估结果。
6.如权利要求5所述的方法，其特征在于，所述步骤s4还包括：
将评估结果及所有输入的相应特征值作为训练数据集，根据预设类别识别规则判断训练数据集中所有特征值的类别，若训练数据集中的所有特征值的类别都属于同一类别，则判定决策树为单结点树，并将特征值的类别作为决策树的单结点的类，返回决策树。
7.如权利要求6所述的方法，其特征在于，所述步骤s4还包括：
判断训练数据集中的特征集是否等于预设判定值，若特征集等于预设判定值，则判定决策树为单节点树，并将训练数据集中包含特征值数量最多的类别作为决策树的单结点的类，返回决策树；
若特征集不等于预设判定值，则计算特征集中各特征对训练数据集的信息增益比，并确定所述信息增益比数值最大的特征ag。
8.如权利要求7所述的方法，其特征在于，所述步骤s4还包括：
判断特征ag的信息增益比的数值是否小于预设判定阈值，若特征ag的信息增益比的数值小于预设判定阈值，则判定决策树为单节点树，并将训练数据集中包含特征值数量最多的类别作为决策树的单结点的类，返回决策树；
若特征ag的信息增益比的数值不小于预设判定阈值，则根据特征ag的每一可能值ai，将训练数据集分割为若干非空子集di，将所述非空子集di中含特征值数量最多的类别作为标记，将所述标记作为根节点及其子结点构成决策树，返回决策树。
9.如权利要求8所述的方法，其特征在于，所述步骤s4还包括：
对于所述标记的子节点，以所述非空子集di为训练集，以特征ag为特征集，递归调用预设模型进行训练，得到子决策树。
10.如权利要求1所述的方法，其特征在于，该方法还包括：将生成的决策树更新入预设模型，通过更新后的预设模型对电缆竖井的状态进行识别，生成识别结果；其中，所述识别结果包括正常、预警、报警。
技术总结