[发明专利]一种基于对比学习和度量学习的接地网不开挖腐蚀预测模型

说明书

本发明提供了一种基于对比学习和度量学习的接地网不开挖腐蚀预测模型，其包括以下步骤，（1）选择用于预测模型的数据采样区域及其数据采样点，建立采样点样本库；（2）通过将对比学习和度量学习相结合建立神经网络，形成预测模型；（3）对步骤（2）形成的预测模型进行验证。本发明显著减小了拟合函数的压力与复杂性，提高预测精度。

技术领域

本发明涉及电力系统技术领域，特别涉及一种基于对比学习和度量学习的接地网不开挖腐蚀预测模型。

背景技术

随着我国电力系统向更高压和更大容量发展，对系统运行的安全性和可靠性提出了越来越高的要求。接地网是电网为了保障人身和设备安全而必须设置的装置，目前我国普遍采用镀锌钢和碳钢作为接地网导体。随着我国生态环境的恶化和线路电压等级的提升，接地网材料表面的腐蚀程度不断加剧甚至发生断裂，严重影响着电网的安全运行。

由于接地网常年埋在地下，因此会因为地下复杂的土壤环境常对其产生腐蚀，导致其接地性能劣化，进而影响整个电网的正常运行。由此，探究接地网的腐蚀规律非常重要。

专利号为201510170082.9，名称为“一种接地网腐蚀状态诊断及预防方法”的专利，提出了对接地网水质信息、相对湿度信息和接地网材质并进行数据处理，但未提出明确的数据处理方法。

专利号为201610053843.7，名称为“变电站Q235镀锌钢接地网的腐蚀率预测方法”，采用神经网络对接地网的腐蚀率进行预测，但是由于腐蚀是一个长期和渐变的过程，对实际电站接地网进行动态监测时通常样本数量很少，而在样本情况过少的情况下，直接采用神经网络或拟合的方法，极易产生过拟合的问题。

发明内容

本发明所要解决的技术问题在于提供一种基于对比学习和度量学习的接地网不开挖腐蚀预测模型，显著减小了拟合函数的压力与复杂性，提高预测精度。为实现上述目的，本发明的技术方案包括以下步骤：

其包括以下步骤，

(1)选择用于预测模型的数据采样区域及其数据采样点，建立采样点样本库；

(2)通过将对比学习和度量学习相结合建立神经网络，形成预测模型；

(3)对步骤(2)形成的预测模型进行验证。

进一步地，步骤(1)中数据采样区域为选择接地网中2-4个腐蚀支路，将该腐蚀支路所在区域作为数据采样区域；所述数据采样点为在所述数据采样区域内的接地网腐蚀样本点。

进一步地，步骤(2)包括以下步骤，

(2-1)确定输入数据和输出数据：

输入数据为步骤(1)中数据采样区域对应土壤理化性质；

输出数据为数据采样区域对应的接地导体的腐蚀速率；

(2-2)通过度量学习和对比学习对步骤(2-1)的输入输出数据进行拟合。

进一步地，步骤(2-1)中，接地导体的腐蚀速率为将数据采样区域的接地网腐蚀样本点处截取腐蚀支路对应的部分接地导体作为样本，利用失重法计算出对应接地导体的腐蚀速率。

进一步地，步骤(2-1)中，土壤理化性质包括土壤电阻率、含水率、孔隙率、 SO₄^2-和Cl^-的含量；

所述土壤电阻率的获得方法为：在数据采样区域内，垂直等距埋入地下4支金属探针，互相之间相隔为a，金属探针的埋入深度不超过a的5％；

土壤电阻率计算公式为：

ρ＝2πaR (1)；

式中ρ为土壤电阻率，a为两个相邻金属探针之间的距离，R为接地电阻测量仪读数。