基于Cox比例风险模型的电力电缆故障影响因素分析

被引：11

作者：

王航 ^{[1
]}

付光攀 ^{[1
,2
]}

杨斌 ^{[3
]}

姜伟 ^{[3
]}

周文俊 ^{[1
]}

田智 ^{[3
]}

唐泽洋 ^{[4
]}

周承科 ^{[1
]}

机构：

[1] 武汉大学电气工程学院

[2] 广州供电局有限公司

[3] 国网湖北省电力公司武汉供电公司

[4] 国网湖北省电力公司电力科学研究院

来源：

高电压技术 | 2016年 / 42卷 / 08期

关键词：

电力电缆; 故障影响因素; 样本; Cox比例风险模型; Logistic回归模型; 电缆故障率;

D O I：

10.13336/j.1003-6520.hve.20160812028

中图分类号：

TM75 [线路及杆塔];

学科分类号：

080802 ;

摘要：

电力电缆故障信息的深层次挖掘可提高对电缆故障影响因素的分析。因此,针对某供电公司10 k V电力电缆故障数据,运用统计学模型—Cox比例风险模型,定量分析了电缆故障影响因素,用以指导电缆采购、施工、运行和维护。为确保数据分析的准确性,提出了电缆数据预处理原则,探讨了合适的样本量大小。运用Cox比例风险模型对电缆故障影响因素进行单因素分析;运用Logistic回归模型确定了电缆故障影响因素类别,并统计计算了各电缆故障影响因素对应的电缆故障率,确定了各影响因素组成元素的相对危险程度,最终证明了Cox比例风险模型分析结果的正确性。结果表明:本体生产厂家M1、附件生产厂家N1、施工单位I3对应的电缆故障率最高分别为0.33、0.29、0.218,企业在进行电缆采购、施工、维护时应着重关注这3家单位。

引用

页码：2442 / 2450

页数：9

共 19 条

[1]

Logistic回归模型分析综述及应用研究.[D].尹建杰.黑龙江大学.2011, 06

[2]

基于Cox比例风险模型的上市公司财务预警研究.[D].何文.湖南大学.2010, 04

[3]

生存分析log-rank检验和Cox回归样本含量估计研究.[D].陈芊.山西医科大学.2009, 03

[4]

因子分析方法及其在教学管理中的应用.[D].仲生仁.兰州大学.2007, 04