李文彬，王勇，冯砚厅，王庆，徐雪霞，范孝良，王鹏

基于改进CL-ML方法的接地网不开挖腐蚀速率预测模型

李文彬1，王勇1，冯砚厅1，王庆1，徐雪霞1，范孝良2，王鹏2

（1. 国网河北省电力公司科学研究院，河北 石家庄 050021； 2. 华北电力大学 能源动力与机械工程学院，河北 保定 071003）

接地网是保障电网完全运行的重要部件，但接地网材料易被腐蚀，甚至发生断裂。鉴于接地网腐蚀存在样本数目少、非线性强的特点，在引入对比学习（contrastive learning，CL）和度量学习（metric learning，ML）的基础上，将对比学习和度量学习进行了组合优化，使输出结果变为参与拟合锚点的腐蚀速率系数，在此基础上提出了基于改进CL-ML方法的接地网不开挖腐蚀速率预测模型。该方法把已经采样的珍贵样本作为锚点，显著减小了拟合函数的压力与复杂性，并充分挖掘了稀有样本的内在相关性。试验结果表明，采用该模型的预测结果比采用广义回归神经网络和BP神经网络具有更高的精度。

接地网；腐蚀；比较学习；度量学习；预测

0 引言

随着我国电力系统向高压和大容量的发展，对系统运行的安全性和可靠性提出了更高的要求[1,2]。接地网是电网为了保障人身和设备安全而必备的装置，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，严重影响电网的安全运行[3]。传统的开挖检测接地网腐蚀状态方法虽然准确，但存在需要停机检查、浪费时间的缺点[4]。……