CN115754597A - 基于枝型光纤通信网监测的地下电缆故障预警方法及*** - Google Patents
基于枝型光纤通信网监测的地下电缆故障预警方法及*** Download PDFInfo
- Publication number
- CN115754597A CN115754597A CN202211325689.6A CN202211325689A CN115754597A CN 115754597 A CN115754597 A CN 115754597A CN 202211325689 A CN202211325689 A CN 202211325689A CN 115754597 A CN115754597 A CN 115754597A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- signal
- early warning
- information
- communication network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于枝型光纤通信网监测的地下电缆故障预警方法及***,该方法包括获取枝型光缆通信网监测范围内的地理地质信息;对地理地质信息进行处理得到各防区的地理关联信息;对光波信号进行截断式差异特征处理;并提取处理后的光波信号时域特征;将时域特征和地理关联信息组成时空信息共同输入到多模型融合分类神经网络中得到信号分类结果;基于信号分类结果生成故障预警信息。本申请通过对光波信号进行截断式差异特征处理,重构了时域特征,实现了第三方破坏事件和强干扰事件的初步的区别,为后续的模型识别提供了更优质的时序数据馈入。并进一步结合地理地质信息构成时空信息,助力实现全线路高准确率的防范光缆第三方破坏。
Description
技术领域
本发明涉及地下电缆管理技术领域,尤其涉及一种基于枝型光纤通信网监测的地下电缆故障预警方法及***。
背景技术
随着城市核心区电缆线路电缆化的全面实施,目前核心区电力线路入地率已经达到95%以上,数千公里的地下电缆对电缆的运行管理带来新的要求。而实际运行过程中,存在电力管线管理信息化水平不高、防外力破坏技术水平有限、故障线路故障点查找困难等诸多问题,对电缆运行管理带来较大压力。
目前,在防止外力破坏方面,一般采用施工单位申报、现场巡视、重点区域管控等方式,地下电缆受外力破坏无法实现预警和实时定位;在故障查找方面,通过故障线路逐段试送方式排查,效率低、停电次数多、排查困难,没有有效的技术手段迅速定位故障。
因此,本申请拟通过枝状光网接入方式,对区域内地面震动进行监测,并根据破坏作业设备的特征值判断,为运行人员提供精准位置和预警,同时可对光缆在线衰耗和断点检测,及时发现异常,预防城市地下配电线路因外力破坏引起的大面积停电等事故。
但是城市地下电缆沿线设施非常复杂,比如可能穿越人口密集的中心区域、车流量较大的高架桥、学校、工厂等。不同地理特性沿线的振动量存在着很大差异,如在干扰性行为较多的公路沿线,一般2000的波形强度可能都不是由外部破坏引发的,而在相对僻静的郊区段,500的波形强度已是一个破坏事件的施工行为。
因此如何进一步在长距离电缆枝状管网安全监测过程中,准确识别出光缆沿线发生的动作中哪些动作需要报警,哪些动作无需报警,也是城市电缆光缆预警检漏***的一大主要任务。
发明内容
本发明实施例的目的在于提供一种基于枝型光纤通信网监测的地下电缆故障预警方法及***,以解决目前地下电缆受外力破坏无法实现预警和实时定位以及排查效率低、预警准确率低等问题。具体技术方案如下:
第一方面,提供了一种基于枝型光纤通信网监测的地下电缆故障预警方法,所述枝型光纤通信网由一个中心节点出发引出若干条枝状光纤,在所述中心节点处设置有Φ-OTDR(Optical Time Domain Reflectometer,光时域反射仪)型分布式光纤扰动传感器和光开关,通过所述光开关将所述Φ-OTDR型分布式光纤扰动传感器切换至不同的光纤线路以采集对应的光波信号,其中,每条所述枝状光纤与一条电缆同沟平行铺设,以通过监测所述光波信号的变化预警电缆故障;所述预警方法包括如下步骤:
获取枝型光缆通信网监测范围内的地理地质信息;
对所述地理地质信息进行处理得到各防区的地理关联信息;
对所述光波信号进行截断式差异特征处理;
提取截断式差异特征处理后的光波信号时域特征;
将所述时域特征和所述地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果;
基于所述信号分类结果生成故障预警信息。
可选地,所述Φ-OTDR型分布式光纤扰动传感器包括光源模块、隔离器、光电探测模块、放大电路和数据采集模块,其中,采集光波信号包括如下步骤:
利用所述光源模块产生超窄线宽光信号;
将所述超窄线宽光信号通过隔离器向枝状光纤发射探测光波;
所述探测光波通过枝状光纤传输产生后向瑞利散射信号;
所述后向瑞利散射信号沿光纤向光传输的反方向传递至光电探测模块;
所述光电探测模块将所述后向瑞利散射光信号转换为电信号;
所述放大电路将所述电信号进行放大后传输至所述数据采集模块;
所述数据采集模块对所述电信号进行A/D转换完成光信号采集。
可选地,所述对所述地理地质信息进行处理得到各防区的地理关联信息包括:
将所述地理地质信息经过图嵌入学习得到各防区的地理关联信息。
可选地,所述对所述光波信号进行截断式差异特征处理包括:
将所述光波信号的波形第10大值作为上限值,超过部分统一削弱为上限值;
并为所述光波信号设定基础底噪,将低于基础底噪部分进行虚弱,统一设定为零值。
可选地,所述提取截断式差异特征处理后的光波信号时域特征包括:
选取截断改进后波形的能量值、最大值、方差值、序列和特征作为时域特征。
可选地,在对所述光波信号进行截断式差异特征处理之前,所述方法还包括:
对光波信号进行初步分类。
可选地,所述Φ-OTDR型分布式光纤扰动传感器与各枝状光纤连接处安装一段引导光纤。
第二方面,本申请提供一种基于枝型光纤通信网监测的地下电缆故障预警***,所述***包括:
光纤信号采集单元,用于采集不同的光纤线路的光波信号;
获取单元,用于获取枝型光缆通信网监测范围内的地理地质信息;
第一处理单元,用于对所述地理地质信息进行处理得到各防区的地理关联信息;
第二处理单元,用于对所述光波信号进行截断式差异特征处理;
提取单元,用于提取截断式差异特征处理后的光波信号时域特征;
分类单元,用于将所述时域特征和所述地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果;
预警单元,用于基于所述信号分类结果生成故障预警信息。
第三方面,本申请提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一所述的方法步骤。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的基于枝型光纤通信网监测的地下电缆故障预警方法。
本申请实施例有益效果:
本申请实施例提供了一种基于枝型光纤通信网监测的地下电缆故障预警方法及***,本申请方法通过获取枝型光缆通信网监测范围内的地理地质信息;对地理地质信息进行处理得到各防区的地理关联信息;对光波信号进行截断式差异特征处理;提取截断式差异特征处理后的光波信号时域特征;将时域特征和地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果;基于信号分类结果生成故障预警信息。本申请通过地下枝型光纤通信网采集由外部第三方破坏事件或强干扰事件产生的振动光波信号,并进行截断式差异特征处理后得到光波时域特征,重构了时域特征,以排除和避免偶发性尖峰干扰,实现了第三方破坏事件和强干扰事件的初步的区别,为后续的模型识别提供了更优质的时序数据馈入,提供了多干扰事件下第三方破坏事件识别的辨析数据支撑。并进一步结合枝型光缆通信网监测范围内的地理地质信息构成时空信息,合理利用地下电缆沿线的地理信息,助力实现全线路高准确率的防范光缆第三方破坏。通过多模型融合分类神经网络进行分类,提高了分类预测结果的准确性。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为Φ-OTDR型分布式光纤扰动传感器的结构示意图;
图2为本申请实施例提供的一种基于枝型光纤通信网监测的地下电缆故障预警方法的流程图;
图3为第三方破坏事件与公路沿线干扰事件偶发性尖峰的细化波形对比图;
图4为本申请实施例提供的一种基于枝型光纤通信网监测的地下电缆故障预警***的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供了一种基于枝型光纤通信网监测的地下电缆故障预警方法,下面将结合具体实施方式,对本申请实施例提供的一种基于枝型光纤通信网监测的地下电缆故障预警方法进行详细的说明,所述枝型光纤通信网由一个中心节点出发引出若干条枝状光纤,在所述中心节点处设置有Φ-OTDR型分布式光纤扰动传感器和光开关,通过所述光开关将所述Φ-OTDR型分布式光纤扰动传感器切换至不同的光纤线路以采集对应的光波信号,其中,每条所述枝状光纤与一条电缆同沟平行铺设,以通过监测所述光波信号的变化预警电缆故障。
其中,Φ-OTDR型分布式光纤扰动传感器旨在利用窄线宽、频率稳定的激光源,在窄脉冲内实现干涉效应,由Taylor在1993年首次提出。相比于OTDR,Φ-OTDR除光源采用高度相干的激光外,其余部分与OTDR基本一致。Φ-OTDR型分布式光纤扰动传感器对环境的干扰更为敏感。
如图1所示,所述Φ-OTDR型分布式光纤扰动传感器包括光源模块、隔离器、光电探测模块、放大电路和数据采集模块,其中,采集光波信号包括如下步骤:
利用所述光源模块产生超窄线宽光信号,保证整个Φ-OTDR型分布式光纤扰动传感器能够正常工作。
在一个示例中,光源模块由激光光源、光源驱动电路和保护电路组成,其中,激光光源的中心波长为1550nm,线宽约3kHz。光源驱动电路将激光光源发出的连续激光调制成脉冲宽度约为486ns的脉冲信号。
将所述超窄线宽光信号通过隔离器向枝状光纤发射探测光波。
在本申请实施例中,每条枝状光纤均由三芯单模光纤构成,利用光缆中的两条光纤构成两个测试光纤,而第三条光纤用于信号传输。两条测试光纤中光波汇合后形成的干涉信号传输到光电探测模块,将光信号转换成电信号。
所述探测光波通过枝状光纤传输产生后向瑞利散射信号;
所述后向瑞利散射信号沿光纤向光传输的反方向传递至光电探测模块;
所述光电探测模块将所述后向瑞利散射光信号转换为电信号;
所述放大电路将所述电信号进行放大后传输至所述数据采集模块;放大电路使电信号大小与数据采集模块信号采集范围相匹配。
所述数据采集模块对所述电信号进行A/D转换完成光信号采集。
在一个示例中,数据采集模块可以通过LabVIEW虚拟仪器平台完成数据采集任务的触发、设备控制、数据缓冲和数据保存等功能。
在本申请实施例中,Φ-OTDR型分布式光纤扰动传感器通过探测后向瑞利散射光的干涉信号的变化而获取扰动信息。瑞利散射是光学现象的一种,也被称为“分子散射”,是指尺度远小于入射光波长(小于波长的十分之一)的粒子对光波的散射现象。瑞利散射是一种弹性散射,散射过程中光波的频率与入射光一致,光子的能量不会损失。瑞利光散射的散射光强度与入射光波长的四次方成反比。当光纤从其熔融状态拉制时,在材料冷却时会出现微小变化,这又导致光纤折射率的变化,这导致的后向瑞利散射是光纤的主要损耗机制。
另外,要提高Φ-OTDR型分布式光纤扰动传感器的测试性能,首先要对光发射和光探测进行优化,减小发射光脉冲宽度可以提高距离分辨率,减小Φ-OTDR型分布式光纤扰动传感器测试的事件盲区;优化光探测器,减少光探测器饱和后的恢复时间可以有效减小Φ-OTDR型分布式光纤扰动传感器测试的衰减盲区。一般情况下,待测光纤与Φ-OTDR型分布式光纤扰动传感器之间的连接器引起的盲区较大。
因此,本申请实施例在所述Φ-OTDR型分布式光纤扰动传感器与各枝状光纤连接处安装一段引导光纤。这样前端盲区落在引导光纤内,有效避免了各枝状光纤测量受前端盲区的干扰。
在本申请实施例中,如图2所示,预警方法的具体步骤如下:
步骤S201:获取枝型光缆通信网监测范围内的地理地质信息。
在本申请实施例中,地理地质信息可以是通过摄像装置或GPS装置获取的多张地理信息图片。
在城市地下配电线路预警中,关键环节之一是通过提取信号特征向量进行分类识别,因此特征提取的准确性和精确性关系整个预警的准确性。现有技术中,大多数光纤波形的特征抽取基本是从波形自身出发,从时频域的角度出发,基于统计特征和频谱特性对外部破坏和各类干扰事件进行区分判别。例如提取时域特征包括波形的最大值、最小值、波形平均值、方差、短时能量等,频域特征包括振幅最大值、最小值、中位数、平均数以及振幅峰差等,这些传统性的特征提取方案都难以刻画在复杂干扰环境下第三方破坏和重型车辆、车流鸣笛、工厂轰鸣等强干扰事件的差异性。
因此,本申请实施例通过合理利用地下电缆沿线的地理信息,助力实现全线路高准确率的防范光缆第三方破坏。防区的地理信息其实蕴含着诸多的有用数据,如一般活动较少的郊区和学校段,其第三方破坏事件的入侵波形较为明朗,而在公路、十字路口沿线的则附带很大的干扰。
步骤S202:对所述地理地质信息进行处理得到各防区的地理关联信息。
可选地,所述对所述地理地质信息进行处理得到各防区的地理关联信息包括:
将所述地理地质信息经过图嵌入学习得到各防区的地理关联信息。
在枝型光缆通信网监测范围内包括多个电缆防区,通过图嵌入学习能够得到各个防区之间的地理关联性,使整个枝型光缆通信网监测区域构成完成的地理地质信息。
另外,由于诸多的电缆都是沿着道路、甚至是沿着高架、高速公路铺设的,道路上川流的车流会给引发很大的振动干扰,导致枝状光纤时常收到一些偶发性尖峰的干扰波形。例如发生堵车时的汽车怠速振动、多车鸣笛等会给光纤传感带来诸多的尖峰性干扰;在乡镇沿线,一些鞭炮、烟花燃放同样会带来阵阵的偶发性尖峰波形;在泥泞路段或是工厂附近,一些重型货车的装载货物、车流启停或者道路打滑时,其偶发性尖峰现象也是十分明显。如图3所示,即为第三方破坏事件与各类偶发性尖峰的细化波形对比。
本申请实施例通过研究了定向钻等第三方破坏事件振动信号与高速公路车流、鸣笛等偶发性尖峰事件时序特征量规律,发现强干扰事件的偶发性尖峰在120个内其尖峰数一般都在5-10个,其具有较为鲜明的自身特点,因此对所述光波信号进行截断式差异特征提取,有效避免冲击性干扰事件。如下步骤S203和步骤S204。
步骤S203:对所述光波信号进行截断式差异特征处理。
可选地,所述对所述光波信号进行截断式差异特征处理包括:
将所述光波信号的波形第10大值作为上限值,超过部分统一削弱为上限值;
并为所述光波信号设定基础底噪,将低于基础底噪部分进行虚弱,统一设定为零值。
步骤S204:提取截断式差异特征处理后的光波信号时域特征。例如选取截断改进后波形的能量值、最大值、方差值、序列和特征作为时域特征。
本申请实施例通过将所述光波信号的波形第10大值作为上限值,超过部分统一削弱为上限值;并为所述光波信号设定基础底噪,将低于基础底噪部分进行虚弱,统一设定为零值,重构了时域特征,实现了第三方破坏事件和强干扰事件的初步的区别,为后续的模型识别提供了更优质的时序数据馈入,提供了多干扰事件下第三方破坏事件识别的辨析数据支撑。
现有技术一般采用单一模型进行识别,单一的模型往往会出现对一些类别的数据特征较为敏感,可以实现相对较好的分类,而对某一类的数据难以分类,此时这类数据在模型预测中不具有区分度,其可能会呈现出随机分类的结果,即判断分类结果为三者任意者,预测结果准确性低。因此,本申请采用多模型融合分类。具体如下:
步骤S205:将所述时域特征和所述地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果。
多模型融合分类神经网络采用多种不同原理的机器学习方法,可有效的减少识别盲区,可尽可能的对各类特征进行全面学习,有效的解决上述问题,实现更可靠的准确预测。
步骤S206:基于所述信号分类结果生成故障预警信息。
在本申请实施例中,例如信号分类结果为挖掘机等设备破坏信号,则生成第三方破坏事件预警,信号分类结果为人员行走信号,则生成强干扰事件预警。
可选地,在对所述光波信号进行截断式差异特征处理之前,所述方法还包括:
对光波信号进行初步分类。
由于光波信号数据本身即带有扰动信号的特性信息,但数据中也夹杂着很多具有共性、对分类没有价值的信息,因而很难直接使用原始信号数据进行分类。因此,提取有效的特征作为分类的目标样本有助于提高判别模型的可靠性。
例如,原始光波信号经过差分算法得到信号的振幅阈值范围,利用振幅阈值范围进行初步分类预判。具体地,如汽车行驶的振动信号和挖掘机挖掘振动信号的振幅要比人员行走和人工铁锹挖掘的振幅大,人员行走信号的振幅凸变较为连续,顺应在行走在光纤上落脚时的步伐,且随时间变换振幅逐渐增强;汽车行驶在逐渐接近光纤埋设位置的过程中光纤可以通过地面的传播感触到汽车行驶的振动信号,生成部分汽车振动信号,但振幅相对较低,而通过地埋光纤时时间短、速度较快,从波形图可观察到留下的信号瞬时波动较大,有冲击信号、振幅高;铁锹挖掘信号包络变换快,振幅变化呈现规律性,顺应人工挖掘的频率;挖掘机挖掘因振动范围广,挖掘机启动便有了振动信号,到挖掘机开始挖掘所产生的振幅都相对较大,时域波形变化清晰;而噪声信号的幅值较小,波形无明显包络变化,相邻信号点的极大、极小值无凸变现象,始终处于平稳状态。因此可通过波形变化特点及幅值能量区分不同光波振动信号。
基于同样的发明构思,本申请提供一种基于枝型光纤通信网监测的地下电缆故障预警***,如图4所示,所述***包括:
光纤信号采集单元401,用于采集不同的光纤线路的光波信号;
获取单元402,用于获取枝型光缆通信网监测范围内的地理地质信息;
第一处理单元403,用于对所述地理地质信息进行处理得到各防区的地理关联信息;
第二处理单元404,用于对所述光波信号进行截断式差异特征处理;
提取单元405,用于提取截断式差异特征处理后的光波信号时域特征;
分类单元406,用于将所述时域特征和所述地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果;
预警单元407,用于基于所述信号分类结果生成故障预警信息。
基于相同的技术构思,本发明实施例还提供了一种电子设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信,存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现基于枝型光纤通信网监测的地下电缆故障预警方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一基于枝型光纤通信网监测的地下电缆故障预警方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一基于枝型光纤通信网监测的地下电缆故障预警方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,所述枝型光纤通信网由一个中心节点出发引出若干条枝状光纤,在所述中心节点处设置有Φ-OTDR型分布式光纤扰动传感器和光开关,通过所述光开关将所述Φ-OTDR型分布式光纤扰动传感器切换至不同的光纤线路以采集对应的光波信号,其中,每条所述枝状光纤与一条电缆同沟平行铺设,以通过监测所述光波信号的变化预警电缆故障;所述预警方法包括如下步骤:
获取枝型光缆通信网监测范围内的地理地质信息;
对所述地理地质信息进行处理得到各防区的地理关联信息;
对所述光波信号进行截断式差异特征处理;
提取截断式差异特征处理后的光波信号时域特征;
将所述时域特征和所述地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果;
基于所述信号分类结果生成故障预警信息。
2.根据权利要求1所述的基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,所述Φ-OTDR型分布式光纤扰动传感器包括光源模块、隔离器、光电探测模块、放大电路和数据采集模块,其中,采集光波信号包括如下步骤:
利用所述光源模块产生超窄线宽光信号;
将所述超窄线宽光信号通过隔离器向枝状光纤发射探测光波;
所述探测光波通过枝状光纤传输产生后向瑞利散射信号;
所述后向瑞利散射信号沿光纤向光传输的反方向传递至光电探测模块;
所述光电探测模块将所述后向瑞利散射光信号转换为电信号;
所述放大电路将所述电信号进行放大后传输至所述数据采集模块;
所述数据采集模块对所述电信号进行A/D转换完成光信号采集。
3.根据权利要求1所述的基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,所述对所述地理地质信息进行处理得到各防区的地理关联信息包括:
将所述地理地质信息经过图嵌入学习得到各防区的地理关联信息。
4.根据权利要求1所述的基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,所述对所述光波信号进行截断式差异特征处理包括:
将所述光波信号的波形第10大值作为上限值,超过部分统一削弱为上限值;
并为所述光波信号设定基础底噪,将低于基础底噪部分进行虚弱,统一设定为零值。
5.根据权利要求1所述的基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,所述提取截断式差异特征处理后的光波信号时域特征包括:
选取截断改进后波形的能量值、最大值、方差值、序列和特征作为时域特征。
6.根据权利要求1所述的基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,在对所述光波信号进行截断式差异特征处理之前,所述方法还包括:
对光波信号进行初步分类。
7.根据权利要求1所述的基于枝型光纤通信网监测的地下电缆故障预警方法,其特征在于,所述Φ-OTDR型分布式光纤扰动传感器与各枝状光纤连接处安装一段引导光纤。
8.基于枝型光纤通信网监测的地下电缆故障预警***,其特征在于,所述***包括:
光纤信号采集单元,用于采集不同的光纤线路的光波信号;
获取单元,用于获取枝型光缆通信网监测范围内的地理地质信息;
第一处理单元,用于对所述地理地质信息进行处理得到各防区的地理关联信息;
第二处理单元,用于对所述光波信号进行截断式差异特征处理;
提取单元,用于提取截断式差异特征处理后的光波信号时域特征;
分类单元,用于将所述时域特征和所述地理关联信息组成时空信息共同输入到预构建的多模型融合分类神经网络中得到信号分类结果;
预警单元,用于基于所述信号分类结果生成故障预警信息。
9.电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325689.6A CN115754597A (zh) | 2022-10-27 | 2022-10-27 | 基于枝型光纤通信网监测的地下电缆故障预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325689.6A CN115754597A (zh) | 2022-10-27 | 2022-10-27 | 基于枝型光纤通信网监测的地下电缆故障预警方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115754597A true CN115754597A (zh) | 2023-03-07 |
Family
ID=85353695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325689.6A Pending CN115754597A (zh) | 2022-10-27 | 2022-10-27 | 基于枝型光纤通信网监测的地下电缆故障预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115754597A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186642A (zh) * | 2023-04-27 | 2023-05-30 | 山东汇英信息科技有限公司 | 一种基于多维特征融合的分布式光纤传感事件预警方法 |
CN117035468A (zh) * | 2023-10-08 | 2023-11-10 | 国网浙江省电力有限公司宁波供电公司 | 一种电缆管理分析方法、装置、设备及存储介质 |
CN118040904A (zh) * | 2024-04-09 | 2024-05-14 | 宁波市电力设计院有限公司 | 一种电缆沟运维状态监测方法及监测分析云平台 |
-
2022
- 2022-10-27 CN CN202211325689.6A patent/CN115754597A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186642A (zh) * | 2023-04-27 | 2023-05-30 | 山东汇英信息科技有限公司 | 一种基于多维特征融合的分布式光纤传感事件预警方法 |
CN116186642B (zh) * | 2023-04-27 | 2023-09-08 | 山东汇英光电科技有限公司 | 一种基于多维特征融合的分布式光纤传感事件预警方法 |
CN117035468A (zh) * | 2023-10-08 | 2023-11-10 | 国网浙江省电力有限公司宁波供电公司 | 一种电缆管理分析方法、装置、设备及存储介质 |
CN117035468B (zh) * | 2023-10-08 | 2024-01-12 | 国网浙江省电力有限公司宁波供电公司 | 一种电缆管理分析方法、装置、设备及存储介质 |
CN118040904A (zh) * | 2024-04-09 | 2024-05-14 | 宁波市电力设计院有限公司 | 一种电缆沟运维状态监测方法及监测分析云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115754597A (zh) | 基于枝型光纤通信网监测的地下电缆故障预警方法及*** | |
US11308774B2 (en) | Method and system for distributed acoustic sensing | |
Bai et al. | Detection and identification of external intrusion signals from 33 km optical fiber sensing system based on deep learning | |
CN104021638B (zh) | 一种高速公路沿线电缆预警防盗的方法及装置 | |
Hill | Distributed acoustic sensing (das): Theory and applications | |
US20120130930A1 (en) | Method for detection of tunnel excavation by brillouin optical time domain reflectometry | |
CN103278271A (zh) | 一种分布式光纤监测***及其监测方法 | |
CN114623922A (zh) | 分布式光纤传感预警***及其控制方法、设备、存储介质 | |
CN109995426B (zh) | 光缆皮长定位方法及光纤震动检测*** | |
Giunta et al. | Third party interference and leak detection on buried pipelines for reliable transportation of fluids | |
CN111192424A (zh) | 一种基于光纤传感技术的光缆入侵监测***及方法 | |
JP2023550091A (ja) | 分散型光ファイバセンシングによる振動の垂直距離予測 | |
Jiang et al. | Real-time monitoring method for unauthorized working activities above the subway tunnel based on ultra-weak fiber Bragg grating vibration sensing array | |
Ravet et al. | Mitigation of geohazard risk along transportation infrastructures with optical fiber distributed sensing | |
CN111239842A (zh) | 一种基于分布式光纤传感技术的雨水入侵光缆监测***及方法 | |
CN209676237U (zh) | 断点检测与振动检测结合的埋地光缆故障点定位*** | |
CN108320420B (zh) | 一种双参量otdr周界安全监测*** | |
Wang et al. | Employing fiber sensing and on-premise AI solutions for cable safety protection over telecom infrastructure | |
Jeong et al. | A decision tool for the selection of imaging technologies to detect underground infrastructure | |
Yurchenko et al. | Passive perimeter security systems based on optical fibers of G 652 standard | |
US20230027287A1 (en) | Fiber sensing using supervisory path of submarine cables | |
CN103439630A (zh) | 电力电缆故障点定位方法与*** | |
CN104482858B (zh) | 一种高灵敏度和高精度的光纤识别标定方法及*** | |
CN207909272U (zh) | 一种双参量otdr周界安全监测*** | |
CN101403473B (zh) | 一种光纤安全预警相位控制*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |