李登淑，王 昕，吳健兒，趙 明，姚廣元

(1.上海電力大學(xué)電氣工程學(xué)院，上海 200090；2.上海交通大學(xué)電工與電子技術(shù)中心，上海 200240；3.國網(wǎng)浙江省杭州供電公司電纜運(yùn)檢室，浙江 杭州 310000)

與油紙絕緣及乙丙橡膠電纜相比，XLPE電纜具有性能優(yōu)良、敷設(shè)簡單、方便檢修等優(yōu)點，被廣泛應(yīng)用于10～220 kV的電網(wǎng)中[1-3]。而當(dāng)前許多現(xiàn)役XLPE電纜敷設(shè)已有十幾年，很容易發(fā)生絕緣老化甚至絕緣擊穿問題，引起不可預(yù)計的損失[4-5]。因此，對XLPE電纜絕緣狀態(tài)檢測量進(jìn)行相關(guān)測試，預(yù)測其絕緣老化剩余壽命具有重要的實際意義。

目前對電纜老化壽命的預(yù)測，大多采用電老化、熱老化等加速老化試驗，但這種方法周期長、成本高，不適用于快速及時地反饋絕緣壽命的需求[6]。文獻(xiàn)[7-8]分別提出基于電特性、基于等溫松弛電流法的XLPE電纜絕緣老化壽命評估，較充分地闡述了各性能對絕緣老化的影響，但由于是從理化微觀角度進(jìn)行研究，故其存在試驗操作復(fù)雜且數(shù)據(jù)不易獲取等問題；文獻(xiàn)[9-10]提出利用沖擊電壓下電纜的等效電阻或測量有功損耗來預(yù)測老化壽命，可以實現(xiàn)基本的預(yù)測參考，但預(yù)測標(biāo)準(zhǔn)過于簡單，導(dǎo)致預(yù)測結(jié)果可靠性差。近些年，隨著對數(shù)據(jù)信息挖掘領(lǐng)域的研究，文獻(xiàn)[11]利用RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測礦用電纜老化壽命，但常因為數(shù)據(jù)樣本小，使模型出現(xiàn)飽和過擬合的問題；文獻(xiàn)[12-13]分別建立了偏最小二乘(partial least squares, PLS)預(yù)測模型及最小二乘支持向量機(jī)(least squares support vector regression machine, LSSVR)預(yù)測模型；文獻(xiàn)[14]針對變壓器油紙絕緣建立了多輸出支持向量回歸模型，均取得了較好的預(yù)測結(jié)果。其中，PLS模型包含了主成分分析、典型相關(guān)分析等經(jīng)典算法，是一種實用且簡潔的數(shù)據(jù)處理手段，但由于其變量間的相關(guān)性或滯后變量的存在，使得模型出現(xiàn)多重共線性的問題，導(dǎo)致預(yù)測精度下降。

針對上述問題，本文對XLPE電纜絕緣狀態(tài)進(jìn)行檢測，并通過對各檢測數(shù)據(jù)的方差分析，選取了多個特征檢測量用于標(biāo)識電纜老化時間，提出了基于電纜絕緣老化特征檢測量的偏最小二乘預(yù)測方法?？紤]到運(yùn)檢數(shù)據(jù)樣本少以及現(xiàn)有的數(shù)據(jù)處理方法存在適應(yīng)性的問題，引入LSSVR來優(yōu)化PLS模型主成分得分向量，提高模型的非線性處理能力，建立了基于特征檢測量的XLPE電纜絕緣老化時間LSSVR-PLS預(yù)測模型。應(yīng)用表明：改進(jìn)后的模型在老化時間小樣本數(shù)據(jù)處理中有著較高的預(yù)測精度，模型的泛化能力和數(shù)據(jù)預(yù)測適應(yīng)性得到了很好的提高，對電網(wǎng)改造及電纜的運(yùn)維工作具有實際指導(dǎo)意義。

1 電纜絕緣老化特征檢測量的選取

影響電纜絕緣老化的因素很多，至今沒有統(tǒng)一的評判標(biāo)準(zhǔn)，也很難回答哪些具體的參量可以用來對絕緣老化進(jìn)行定量分析[15]。但現(xiàn)有的研究表明，電纜老化程度多取決于絕緣材料的電、熱以及物理等性能，因此本文設(shè)計了對XLPE電纜絕緣狀態(tài)的檢測項目，通過對狀態(tài)檢測量的統(tǒng)計分析來確定表征電纜絕緣老化的特征檢測量，以實現(xiàn)電纜絕緣壽命預(yù)測的目的。

1.1 絕緣狀態(tài)檢測項目

基于杭州供電公司送檢的近20年內(nèi)的45根110 kV XLPE電纜樣品為檢測對象，所有電纜的現(xiàn)場運(yùn)行環(huán)境相近。選取老化時間不同其余條件均相同的5個電纜樣品進(jìn)行檢測項目分析，電纜樣品的采樣區(qū)段均為不受外力破壞的正常運(yùn)行老化區(qū)段，其中所選取的樣品基本信息如表1所示。

表1 取樣電纜樣品信息Table 1 Sample cable sample information

考慮到電纜絕緣存在徑向不均勻性，因此采取環(huán)切取樣方式，環(huán)切后的待測試樣如圖1所示。每個樣品制備10份試樣，以便多次取樣求取檢測結(jié)果平均值。

圖1 環(huán)切后的電纜試樣Figure 1 Cable sample after circumcision

1)拉伸測試。取環(huán)切電纜絕緣中層試樣，厚度為1 mm，再進(jìn)一步加工成標(biāo)準(zhǔn)啞鈴狀樣條，如圖2所示。采用型號為5KNCMT-4503拉力機(jī)，依照國標(biāo)GB/T 1040—2006對XLPE試樣進(jìn)行拉伸試驗，拉伸試驗速率為100 mm/min，獲取試樣的拉伸強(qiáng)度和斷裂伸長率。

圖2 標(biāo)準(zhǔn)拉伸樣條Figure 2 standard tendon spline

2)熱重分析(thermal gravimetric analyze, TG)。采用AG 135型光電天平稱量6 mg電纜試樣，使用TG/SDTA 851e型熱重分析儀測試XLPE的熱分解行為。升溫范圍為50～600 ℃，升溫速率為10 ℃/min，分析所得試樣質(zhì)量隨溫度的變化規(guī)即為TG曲線，從TG曲線中可提取熱分解溫度等參數(shù)。

3)差式掃描量熱測試。采用Mettler DSC 822e型差式掃描量熱儀測量XLPE電纜絕緣的熔融、結(jié)晶參數(shù)。在N2氣氛中，將6 mg的XLPE試樣從30 ℃加熱至150 ℃，再將試樣從150 ℃降溫至30 ℃，升降溫速率為10 ℃/min。為消除XLPE試樣經(jīng)歷的熱歷史及試樣中內(nèi)應(yīng)力等因素對測量結(jié)果的影響，對XLPE試樣進(jìn)行2次掃描，2次掃描時升溫曲線的熔融峰對應(yīng)的峰值溫度即為熔融溫度。

4)FTIR光譜測試。采用Nicolet iN10型傅里葉紅外(FTIR)光譜儀對XLPE試樣進(jìn)行化學(xué)結(jié)構(gòu)分析，測試模式為衰減全反射模式，測量的波數(shù)范圍為4 000～500 cm-1，掃描次數(shù)為32次。波數(shù)在1 700～1 800 cm-1的吸收峰面積與1 460 cm-1的吸收峰面積比定義為羰基指數(shù)，并以此來定量分析電纜絕緣的氧化程度。

5)交流擊穿場強(qiáng)測試。采用國產(chǎn)HJC-100 kV型電壓擊穿儀對XLPE試樣進(jìn)行工頻擊穿實驗，擊穿電極采用球—球電極，電極直徑為25 mm，試樣厚度為0.5 mm，測試溫度為室溫，升壓速率為2 kV/s，同時將試樣浸沒在變壓器油中以避免放電的產(chǎn)生。研究表明擊穿電壓的概率以及相關(guān)的數(shù)據(jù)，可采用二維威布爾(Weibull)分布進(jìn)行處理分析，即

(1)

式中Eb為交流擊穿場強(qiáng)，kV/mm；F為材料在場強(qiáng)E下的擊穿概率；α為尺寸參數(shù)，kV/mm，其值反映擊穿概率為63.2 %時的擊穿場強(qiáng)；β為形狀參數(shù)，其大小反映分散程度，β越小擊穿場強(qiáng)分散性越大。

將式(1)變換為

(2)

由式(2)可知，若試驗數(shù)據(jù)服從兩參數(shù)Weibull分布，則等式的左邊與lnEb為線性關(guān)系，斜率為β，截距為-βlnα。為得到較科學(xué)的計算結(jié)果，擊穿概率F采用Ross分布函數(shù)，即

(3)

式中i為擊穿測試數(shù)據(jù)排列的序號，i=1,2,…,n；n為擊穿測試樣本總數(shù)。

擊穿場強(qiáng)由小到大進(jìn)行編號，通過式(3)可求得相應(yīng)編號下試樣的擊穿概率F，將F代入式(2)求得尺寸參數(shù)α，其數(shù)值即為計算所得擊穿場強(qiáng)。

6)XRD掃描測試。根據(jù)XLPE試樣其結(jié)晶相會在X射線衍射圖譜中產(chǎn)生2個較尖銳的結(jié)晶峰，無定形相會產(chǎn)生一個較彌散的非晶峰的特點，采用D8 ADVANCE型XRD衍射儀對XLPE電纜絕緣試樣進(jìn)行XRD掃描，掃描速率為10°/min，步長為0.02°，掃描范圍為15～30°，采用Cu靶輻射，工作電壓40 kV，以此可獲取結(jié)晶度的測試值。

基于上述XLPE電纜樣品絕緣狀態(tài)檢測項目，對應(yīng)提取了拉伸強(qiáng)度、斷裂伸長率、熱分解溫度、熔融溫度、羰基指數(shù)、交流擊穿場強(qiáng)以及結(jié)晶度共7個參量，這些參量從不同層面反映了電纜絕緣老化狀態(tài)的特性。

1.2 選取特征檢測量

利用數(shù)理統(tǒng)計方法對上述老化電纜樣品的各檢測數(shù)據(jù)平均值進(jìn)行單因素方差分析，取顯著性差異水平α=0.05，則Fα=4.28，計算得到不同樣品同一參量的檢驗統(tǒng)計量F0分別為103.97、69.31、76.29、265.34、99.87、121.44、85.21。均存在F0>Fα，說明對于不同老化時間，上述每一個參量均是顯著不同的。因此，可選取這些參量作為特征檢測量對不同老化程度的電纜進(jìn)行標(biāo)識，如圖3所示。

圖3 不同特征檢測量指標(biāo)Figure 3 Different feature detection indicators

根據(jù)所測試的特征檢測量，為實現(xiàn)電纜絕緣老化時間的綜合性預(yù)測，使模型中同時包含所有的特征檢測量，本文建立了老化時間關(guān)于特征檢測量的多元線性PLS預(yù)測模型。但考慮到變量之間的相關(guān)性或滯后變量的存在均會使模型產(chǎn)生多重共線性問題，在數(shù)據(jù)樣本有限的情況下，為增強(qiáng)模型的有效性，本文引入了學(xué)習(xí)能力強(qiáng)、泛化性高的LSSVR，其具有解決非線性對應(yīng)關(guān)系的優(yōu)點，并以此建立LSSVR-PLS電纜絕緣老化時間預(yù)測模型。

2 XLPE電纜絕緣老化時間預(yù)測模型

2.1 PLS算法

PLS回歸分析是一種實用且簡潔的統(tǒng)計數(shù)據(jù)處理方法，其算法內(nèi)容包含有主成分分析、典型相關(guān)分析和多元線性回歸分析。其基本的算法原理可參考文獻(xiàn)[13]。

2.2 LSSVR算法

LSSVR支持向量回歸機(jī)是對SVR的一種改進(jìn)，主要區(qū)別是把原支持向量機(jī)中的不等式約束變成了等式約束，簡化了Lagrange的求解過程，使最終的求解變?yōu)橐粋€解線性方程組的問題。同時，相較于PLS算法在小樣本應(yīng)用時存在的多重共線性問題，LSSVR算法可對PLS內(nèi)部主成分得分向量進(jìn)行優(yōu)化，以提取變量有用信息降低或消除變量與因變量之間的非線性對應(yīng)關(guān)系。

設(shè)給定的k個樣本數(shù)據(jù){ti,yi}(i=1,2,…,k)，其中ti為輸入，yi為輸出，則利用LSSVR進(jìn)行成分優(yōu)化模型如下。

目標(biāo)函數(shù)為

(4)

等式約束條件為

yk=wTφ(tk)+b+ek

(5)

式(4)、(5)中e為松弛因子；γ為懲罰因子；b為偏置項；w為特征權(quán)向量；yk為樣本輸出；φ(tk)為非線性映射函數(shù)；k=1，2，…，N。

采用Lagrange乘數(shù)法求解，即

L(w,b,e;α)=

(6)

進(jìn)一步推導(dǎo)有：

(7)

最后化簡為

(8)

其中，Ωkl=φ(tk)Tφ(tl)=K(tk,tl)，k、l=1,2,…,N，被稱作核矩陣。

由上述線性方程組可求得LSSVR優(yōu)化模型為

(9)

2.3 基于LSSVR優(yōu)化的PLS算法模型

設(shè)p個變量y1,y2,…,yp為因變量集，m個自變量x1,x2,…,xm為自變量集。為了表達(dá)方便和減少變量之間的運(yùn)算誤差，首先對因變量集和自變量集進(jìn)行標(biāo)準(zhǔn)化處理。F0與E0分別為二者的n次標(biāo)準(zhǔn)化觀測數(shù)據(jù)陣，即

(10)

(11)

考慮到本文基于老化時間的XLPE電纜絕緣老化壽命預(yù)測問題，因變量集為單一變量即老化時間，而自變量集為不同的特征檢測量，因此只對自變量集進(jìn)行處理分析，即直接在E0,E1,…,Er-1矩陣中提取成分t1,t2,…,tr(r≤m)。要求th(滿足有效性檢驗要求的主成分，h≤r)盡可能多地攜帶E0中的信息，同時對因變量系統(tǒng)F0有最大的解釋能力。建模步驟如下。

4)根據(jù)交叉有效性，提取到h個滿足要求的主成分得分向量，改變以往偏最小二乘直接建立F0與τh回歸方程的方式，建立文2.2節(jié)中提到的LSSVR優(yōu)化的主成分模型，即

(12)

式中y0(τh)為樣本標(biāo)準(zhǔn)化輸出；K(τh,τk)為核函數(shù)，其參數(shù)由樣本數(shù)據(jù)訓(xùn)練得出。

5)采用原始數(shù)據(jù)表示，首先計算訓(xùn)練樣本成分的得分向量為

(13)

然后，根據(jù)因變量集Y計算回歸模型中的參數(shù)向量ch=YTτh/‖τh‖2，并將式(12)記為y0=fLSSVR(τh)。最后得到原始數(shù)據(jù)的LSSVR-PLS預(yù)測模型為

(14)

2.4 相關(guān)參數(shù)的確定

模型中包含的參數(shù)[α,b]，即拉格朗日乘數(shù)和偏置項可由式(7)進(jìn)行求解。其次，由于PLS模型存在多重共線性問題，故核函數(shù)選擇有利于弱化非線性對應(yīng)關(guān)系的RBF徑向基核函數(shù)為

(15)

式中σ為核寬度大小。懲罰因子γ和核寬σ對LSSVR模型精度有較大的影響。γ越小，模型泛化能力越強(qiáng)，但誤差相對增大；σ越小，模型學(xué)習(xí)能力越強(qiáng)，但復(fù)雜度增高。

因此，本文將實驗所得的老化特征檢測量數(shù)據(jù)分為訓(xùn)練樣本和測試樣本，在VS2013環(huán)境下利用Matlab R2013a中的支持向量分類工具箱對訓(xùn)練樣本進(jìn)行迭代分析，并根據(jù)誤差RMSE來確定γ和σ值。經(jīng)過反復(fù)迭代對比，二者與誤差RMSE對應(yīng)變化趨勢如圖4、5所示。

圖4 參數(shù)γ與RMSE的對應(yīng)變化趨勢Figure 4 Corresponding trends of γ and RMSE

圖5 參數(shù)σ與RMSE的對應(yīng)變化趨勢Figure 5 Corresponding trends of σ and RMSE

根據(jù)圖4、5中RMSE存在的極小值點選擇正則化參數(shù)懲罰因子γ=20，核寬σ=10。

3 算例分析

3.1 試驗數(shù)據(jù)

將相同的電纜樣品，根據(jù)老化時間的不同分為15組，相同的采樣區(qū)段下每組制備5份試樣(忽略外力破壞、同一區(qū)域環(huán)境差異大的因素)。每組特征檢測量數(shù)據(jù)均取為5份試樣的平均值，選用前2/3數(shù)據(jù)為訓(xùn)練樣本，后1/3數(shù)據(jù)為測試樣本。按老化時間從小到大排列，各組特征檢測量的平均測試數(shù)據(jù)如表2所示，其中帶“*”的用于模型測試。

表2 各組電纜樣品特征檢測量數(shù)據(jù)Table 2 Data test data of each group of cable samples

3.2 相關(guān)性分析

將表2的各檢測量依次記為：C1、C2、C3、C4、C5、C6、C7以及老化時間Y，利用逐步回歸分析對特征檢測量與老化時間之間的線性相關(guān)性進(jìn)行檢驗，所得的殘差如圖6所示。

圖6 殘差杠桿Figure 6 Residual lever diagram

由圖6可知，第2、7組線性擬合較差，其余線性擬合良好。整體的線性擬合度R2=0.994 3，在F檢驗中，統(tǒng)計量F=131.897 8>0.000 0，符合檢驗要求。但根據(jù)圖6所求得的與顯著性概率相關(guān)的P值為0.443 4>0.05，說明變量系統(tǒng)中存在著多重共線性問題，若直接采用PLS建立多元線性電纜絕緣老化時間預(yù)測模型，精度可能會大大地降低。

3.3 建立LSSVR-PLS老化時間預(yù)測模型

首先，利用訓(xùn)練樣本進(jìn)行PLS線性回歸分析，根據(jù)交叉有效性檢驗提取到2個主成分。

第1個提取成分得分向量為

τ1=

[-3.643 -1.951 -2.235 -1.643 -0.356 0.168 1.180 1.459 2.864 4.158]

第2個提取成分得分向量為

τ2=

[0.572 0.666 -0.005 -0.244 -0.757

-0.657 -0.151 -0.212 -0.017 0.805]

建立電纜絕緣老化壽命PLS預(yù)測模型，即

Y=

141-0.274 1x1-0.003 0x2+0.057 8x3-

0.845 4x4-3.352 0x5-0.246 8x6-1.294 1x7

(16)

利用LSSVR對上述2個主成分得分向量行優(yōu)化，由式(12)可得優(yōu)化后的成分向量為

τ′1=

[3.635 1.938 2.239 1.653 0.369 -0.157

-1.179 -1.454 -2.865 -4.177]

τ′2=

[0.590 0.626 0.032 -0.141 -0.835

-0.738 -0.203 -0.167 0.005 0.831]

則由式(13)、(14)可得LSSVR-PLS老化時間預(yù)測模型為

Y′=

117-0.475 0x1-0.003 3x2+0.010 5x3-

0.569 1x4+1.920 0x5-0.223 2x6-0.799 5x7

(17)

3.4 模型檢驗及訓(xùn)練結(jié)果

采用回歸參數(shù)T檢驗法分別對式(16)PLS和式(17)LSSVR-PLS老化時間預(yù)測模型進(jìn)行多重共線性檢驗。變量系數(shù)檢驗為T檢驗值，線性回歸效果檢驗為F檢驗值，檢驗結(jié)果分別如表3、4所示。

表3 PLS模型多重共線性檢驗結(jié)果Table 3 PLS model multi-collinearity test results

由表3、4可知，2種模型均滿足F檢驗，模型的線性擬合度較好。由表3可知PLS模型中特征檢測量C1和C6系數(shù)的T檢驗值PT>0.1，不滿足檢驗顯著性要求；而由表4可知，LSSVR-PLS模型中系數(shù)的T檢驗值PT<0.1，滿足檢驗顯著性要求。此時可認(rèn)為后者基本消除了數(shù)據(jù)間的多重共線性問題，其訓(xùn)練樣本的結(jié)果輸出曲線及相對誤差分別如圖7、8所示。

表4 LSSVR-PLS模型多重共線性檢驗結(jié)果Table 4 LSSVR-PLS model multicollinearity test

圖7 LSSVR-PLS模型訓(xùn)練結(jié)果Figure 7 LSSVR-PLS model training results

圖8 LSSVR-PLS模型訓(xùn)練結(jié)果誤差Figure 8 LSSVR-PLS model training result error

從圖7、8模型訓(xùn)練結(jié)果上看，預(yù)測輸出與原始輸出誤差較小且相對穩(wěn)定，說明改進(jìn)后的預(yù)測模型效果好、精度高，同時也說明了LSSVR-PLS模型預(yù)測電纜老化時間具有較強(qiáng)的適應(yīng)性。

3.5 預(yù)測精度分析

現(xiàn)以表2中帶有“*”的各檢測量數(shù)據(jù)進(jìn)行測試，本文分別采用LSSVR-PLS模型、PLS模型、LS-SVM分類模型以及RBF神經(jīng)網(wǎng)絡(luò)模型對測試樣本數(shù)據(jù)進(jìn)行預(yù)測，預(yù)測結(jié)果如圖9和表5所示。

圖9 4種模型預(yù)測結(jié)果對比Figure 9 Comparison of prediction results of four models

表5 4種模型預(yù)測值與實際值的比較Table 5 Comparison of predicted and actual values of four models

根據(jù)上述預(yù)測結(jié)果可得4種模型之間的相對誤差如圖10所示；各模型相對誤差絕對值的平均百分?jǐn)?shù)以及方差情況如表6所示。

圖10 測試樣本老化時間相對誤差Figure 10 Relative error of aging time of test sample

表6 相對誤差絕對值平均百分?jǐn)?shù)及方差Table 6 Average percentage and variance of relative error absolute value

根據(jù)上述計算可得，相比于在解決小樣本問題容易過飽和的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測，PLS和LS-SVM模型在電纜絕緣老化時間上誤差更小、預(yù)測精度更高，而LSSVR-PLS預(yù)測精度要優(yōu)于PLS和LS-SVM模型。其次從預(yù)測誤差及誤差穩(wěn)定性來看，雖然RBF神經(jīng)網(wǎng)絡(luò)誤差最大，但其誤差穩(wěn)定性較LS-SVM模型好，這與選取適于處理非線性的RBF徑向基核函數(shù)有關(guān)。從整體對比來看，LSSVR-PLS模型解決了RBF神經(jīng)網(wǎng)絡(luò)小樣本容易過擬合的問題，同時避免了LS-SVM分類模型過于依賴經(jīng)驗的盲目性以及PLS模型中存在的多重共線性問題，證明了其在電纜絕緣老化時間小樣本預(yù)測問題上具有更強(qiáng)的泛化能力和數(shù)據(jù)預(yù)測適應(yīng)性。

3.6 剩余壽命預(yù)測

為進(jìn)一步預(yù)測剩余壽命，將上述建立的電纜絕緣老化時間LSSVR-PLS預(yù)測模型記為LSVR-PLS，那么將失效狀態(tài)下的特征檢測量帶入LSVR-PLS中，可得電纜整體的老化壽命Lend，參考文獻(xiàn)[16]建立電纜絕緣老化時間關(guān)系模型的思想，則電纜的剩余壽命Lremain=Lend-LSVR-PLS。表7為從絕緣失效電纜區(qū)段采樣所測得的各特征檢測量平均值。

表7 失效電纜的絕緣特征檢測值Table 7 Insulation characteristics of the failed cable

將失效數(shù)據(jù)帶入LSVR-PLS中，計算Lend≈29.7 a，得到測試樣本絕緣老化剩余壽命，如表8所示。

表8 基于LSSVR-PLS的電纜絕緣老化壽命Table 8 LSSVR-PLS based on-site aging cable insulation remaining life a

4 結(jié)語

1)本文對不同老化時間的電纜樣品進(jìn)行了一系列絕緣狀態(tài)檢測項目，提出了多個特征檢測量用于標(biāo)識絕緣老化程度，并對相應(yīng)的檢測數(shù)據(jù)進(jìn)行方差分析，檢驗了各特征檢測量的適應(yīng)性。

2)根據(jù)所提出的特征檢測量建立了電纜老化時間的LSSVR-PLS預(yù)測模型，該模型在小樣本電纜數(shù)據(jù)處理過程中，具有適應(yīng)好、泛化能力強(qiáng)和預(yù)測精度高的特點。并且避免了數(shù)據(jù)過擬合以及多重共線性問題，能夠較快準(zhǔn)確地實現(xiàn)XLPE電纜絕緣老化壽命的預(yù)測，對電纜的運(yùn)維檢修具有一定的指導(dǎo)意義。

3)由于實驗條件及設(shè)備的限制存在有一定的局限性，電纜絕緣老化特征檢測量的選取不能面面俱到，模型中忽略了環(huán)境差異性的影響等，這些方面也是今后要研究的方向，所需研究的內(nèi)容將進(jìn)一步提高模型對現(xiàn)場老化數(shù)據(jù)的解釋能力。