本技术涉及地下电缆寿命预测，尤其涉及一种基于混合模型的地下电缆寿命预测方法及系统。
背景技术：
1、电缆使用寿命测试对于保障电网系统安全运行具有重要意义。目前主要的测试方法为耐压测试法、基于物理模型的寿命预测方法和基于数据驱动的寿命预测方法：(1)耐压测试法是基于电缆使用规程，对电缆进行耐压测试，认定通过耐压测试的电缆为还能继续工作的电缆。没通过测试的为寿命终止的电缆。(2)基于物理模型的寿命预测方法是通过实验，建立物理模型，通过数学公式拟合，建立老化参数和电缆寿命的关系式，表征电缆寿命。(3)基于数据驱动的寿命预测方法是通过大数据挖掘和统计分析方法，用基于机器学习或深度学习的方法，从大量的老化数据中不断训练，建立预测模型。
2、然而，(1)耐压测试法检测周期长，对电缆的检测过程为损耗性检测，且只能得到能继续运行或无法继续运行两种粗略的检测结果，对电缆寿命的评估不够深入，没有判断出一个比较准确的寿命，增加了运维难度。(2)基于物理模型的方法需要大量的现有系统知识，开发复杂设备成本昂贵且耗时。部分电缆使用在线监测装置来观测电缆运行状态，装置昂贵，在用基于物理模型的方法时，需要专家经验判断，搭建物理模型的过程需要通过专业知识来选择数据。(3)基于数据驱动的方法中基于深度学习的方法，能够对数据运用不同的数据分析方法进行分析和数据信息的深度挖掘，获取特征信息，再根据特征信息建立模型。
3、其中常用的是基于人工神经网络的寿命预测方法。目前存在着两个不足，一是算法的初始解是随机产生的，初始解的好坏对算法性能影响很大，因此算法存在着不稳定的因素；二是算法采用梯度下降法确定搜索方向，由于搜索空间存在平坦区域和多个极小值点，该算法极容易出现收敛速度很慢或者因陷入局部极小值而无法收敛的情况。
4、中国专利《电缆寿命预测方法、装置、和非易失性存储介质》，公开号：cn115495985a，公开日：2022年12月20日，具体公开了测量目标电缆的局部放电信号；将局部放电信号输入预先训练的老化时间预测模型，输出目标电缆的老化时间，其中，老化时间用于表征目标电缆当前的老化程度，老化时间预测模型包括卷积神经网络；获取目标电缆的第一使用寿命；根据第一使用寿命和老化时间，计算目标电缆的剩余寿命。该方案采用卷积神经网络预测电缆的剩余寿命，存在人工神经网络不稳定因素的问题，准确性以及稳定性较低。
5、中国专利《一种基于机器学习的隧道电缆剩余寿命预测方法及装置》，公开号：cn116861797a，公开日：2023年10月10日，具体公开了隧道电缆统计划分、隧道电缆电力传输性能监测、隧道电缆绝缘材料性能监测、合成特征组合构建分析和电缆剩余寿命预测，该方案通过机器学习对隧道电缆剩余寿命进行预测，能够从大量的历史数据中学习电缆寿命与各种特征之间的复杂关系，从而实现更准确的预测，能够更好地捕捉到电缆寿命的非线性关系和特征之间的相互作用，同时通过对电缆各部位损耗程度的监测，利用不同部位损耗程度结果进行维护优化和决策支持。然而仍然存在人工神经网络不稳定以及容易出现收敛慢的问题。
技术实现思路
1、本技术针对现有技术中大多采用人工神经网络对电缆寿命的预测，存在不稳定且容易出现收敛慢的问题，提供一种基于混合模型的地下电缆寿命预测方法及系统，通过分别构建基于物理模型的威布尔分布预测模型以及基于数据驱动的寿命预测模型，并根据概率分布函数计算两个模型的权重系数配比，构建融合模型，平衡物理模型对专业知识的高需求以及人工神经网络模型的不稳定性，在提高地下电缆寿命预测准确性以及稳定性的同时，降低构建模型对专业知识的需求，降低构建难度，从而实现适用范围的扩大。
2、为实现上述技术目的，本技术提供的一种技术方案是，一种基于混合模型的地下电缆寿命预测方法，包括如下步骤：s1：对地下电缆历史检测数据集进行预处理，获取关联特征集，将关联特征集划分为训练集以及测试集；s2：利用威布尔分布理论以及训练集构建威布尔分布预测模型，利用bp神经网络理论以及训练集构建寿命预测模型；s3：根据概率分布函数以及测试集计算威布尔分布预测模型以及寿命预测模型的权重系数配比；s4：根据威布尔分布预测模型、寿命预测模型以及权重系数配比构建融合模型，获取当前地下电缆检测数据，利用融合模型输出地下电缆寿命预测数据。
3、进一步的，所述s1中包括：利用皮尔逊相关系数获取地下电缆历史检测数据集中与寿命相关的关联特征；对关联特征对应的数值变量进行标准化处理，对关联特征对应的类型变量进行独热编码，以标准化处理后的数值变量以及独热编码后的类型变量作为关联特征集；将关联特征集划分为训练集以及测试集。
4、进一步的，所述对关联特征对应的数值变量进行标准化处理包括：根据数值变量的均值以及方差对数值变量进行标准化处理。
5、进一步的，所述利用威布尔分布理论以及训练集构建威布尔分布预测模型包括：根据威布尔分布理论中威布尔分布的概率密度函数构建威布尔分布预测模型初始结构；利用训练集对威布尔分布预测模型初始结构进行训练，获得威布尔分布预测模型。
6、进一步的，所述威布尔分布的概率密度函数为：
7、其中，x为电缆失效的时间，λ为尺度参数，代表失效概率为63.2％时对应的失效时间；k为形状参数，代表数据的分散性。
8、进一步的，所述利用bp神经网络理论以及训练集构建寿命预测模型包括：根据bp神经网络理论以至少包含输入层、隐含层、输出层的bp神经网络结构构建寿命预测模型初始结构；利用训练集对寿命预测模型初始结构进行训练，获得寿命预测模型。
9、进一步的，所述根据概率分布函数以及测试集计算威布尔分布预测模型以及寿命预测模型的权重系数配比包括：以威布尔分布预测模型以及概率分布函数构建第一剩余使用寿命，预设第一权重；以寿命预测模型以及概率分布函数构建第二剩余使用寿命，预设第二权重；以测试集以及概率分布函数构建第三剩余使用寿命；计算第一剩余使用寿命与第一权重乘积、第二剩余使用寿命与第二权重乘积之和，判断第三剩余使用寿命与和值的比值是否为1，若是，则以第一权重与第二权重的比值作为权重系数配比，若否，更新第一权重以及第二权重。
10、进一步的，所述s5还包括：以测试集验证融合模型，输出权重系数配比最优解，根据权重系数配比最优解更新融合模型。
11、进一步的，所述地下电缆历史检测数据集至少包括：电缆编号、运行年限、局部放电值、可视化缺陷、中性腐蚀值、过载条件、健康指数。
12、本技术提供的另一种技术方案是一种基于混合模型的地下电缆寿命预测系统，用于实现上述的方法，包括：数据采集处理模型，用于获取地下电缆检测数据并进行预处理；物理模型构建模块，用于根据数据采集处理模型输出的数据构建威布尔分布预测模型；数据驱动模型构建模块，用于根据数据采集处理模型输出的数据构建寿命预测模型；权重系数配比模块，用于根据概率分布函数计算威布尔分布预测模型、寿命预测模型的权重系数配比；融合构建模块，用于根据权重系数配比、威布尔分布预测模型、寿命预测模型输出融合模型；预测分析模块，利用融合模型以及当前地下电缆检测数据输出地下电缆寿命预测数据。
13、本技术的有益效果：利用威布尔分布理论构建为威布尔分布预测模型、利用bp神经网络理论构建寿命预测模型，并利用概率分布函数计算得到两个预测模型的权重系数配比，构建得到融合模型，结合基于威布尔分布的物理模型方法和基于bp神经网络的数据驱动方法对地下电缆进行寿命预测，既能够弥补人工神经网络模型中初始解随机产生造成的不稳定因素以及收敛出错的缺陷，又能补偿物理模型依赖于专家经验造成的误差，在提高预测结果准确性的同时减少模型构建要求，扩大模型的适用范围。
1.一种基于混合模型的地下电缆寿命预测方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
3.如权利要求2所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
4.如权利要求1所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
5.如权利要求4所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
6.如权利要求1所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：所述利用bp神经网络理论以及训练集构建寿命预测模型包括：
7.如权利要求1所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
8.如权利要求7所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
9.如权利要求1所述的一种基于混合模型的地下电缆寿命预测方法，其特征在于：
10.一种基于混合模型的地下电缆寿命预测系统，用于实现如权利要求1至权利要求9任意一项所述的方法，其特征在于：包括：
