CN105261135A - 一种电网地下管线设施的入侵定位方法 - Google Patents

Abstract

本发明公开了一种电网地下管线设施的入侵定位方法，该方法包括：通过感知神经网实时采集电网地下管线设施附近的振动信号；判断振动信号是否超出预设门限阈值，若是，将振动信号转换为数字信号；通过遍历算法将数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比；依据遍历和对比的结果判定振动信号为入侵事件的振动信号还是干扰事件的振动信号；若振动信号为入侵事件的振动信号，在入侵事件的仿真模型库中获取与振动信号对应的仿真模型并进行分析，得到振动信号的入侵类型和位置信息。该方法实现提高定位的准确性。

Description

一种电网地下管线设施的入侵定位方法

技术领域

本发明涉及电力电能技术领域，特别是涉及一种电网地下管线设施的入侵定位方法。

背景技术

目前，电网地下管线设施在城市建设中应用非常广泛，但是由于电网地下管线设施敷设路径长、范围广，管理人员很难全方位对电网地下管线设施进行管理；同时城市改造不断加快，土建施工很容易对电网地下管线设施造成外力入侵破坏，电力电网地下管线设施在防止外力入侵破坏方面管理难度非常大。视频技术不能全面实施准确定位，并且一些干扰性振动，例如人、动物或者汽车路过，这并不是入侵事件，视频技术也会将这些干扰性振动进行定位，造成错误定位，并且受多种介质、环境恶劣、地埋复杂等因素影响，采用视频技术很难解决城市建设施工中的遮挡问题，由于遮挡，让视频技术不能精确定位电网地下管线设施受到外力破坏的破坏地点，定位准确性较低。

发明内容

本发明的目的是提供一种电网地下管线设施的入侵定位方法，以实现提高定位的准确性。

为解决上述技术问题，本发明提供一种电网地下管线设施的入侵定位方法，该方法包括：

通过感知神经网实时采集电网地下管线设施附近的振动信号；

判断所述振动信号是否超出预设门限阈值，若是，将所述振动信号转换为数字信号；

通过遍历算法将所述数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比；

依据遍历和对比的结果判定所述振动信号为入侵事件的振动信号还是干扰事件的振动信号；

若所述振动信号为入侵事件的振动信号，在入侵事件的仿真模型库中获取与所述振动信号对应的仿真模型并进行分析，得到所述振动信号的入侵类型和位置信息。

优选的，所述通过感知神经网实时采集电网地下管线设施附近的振动信号之前，还包括：

分别建立电网地下管线设施的入侵事件的仿真模型库和电网地下管线设施的干扰事件的仿真模型库。

优选的，所述将所述振动信号转换为数字信号，包括：

通过传输感知光缆将所述振动信号转换为光波信号；

利用智能采集终端将所述光波信号转换为电流信号，并将所述电流信号解析成数字信号。

优选的，所述通过遍历算法将所述数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比，包括：

通过所述数字信号分析得到同一时刻、同一地点的振动波形数据、振动发光数据和振动收光数据并存储；

根据存储的振动波形数据、振动发光数据和振动收光数据，通过遍历算法将所述数字信号与电网地下管线设施的入侵事件的仿真模型库和干扰事件的仿真模型库进行遍历和对比。

优选的，所述分别建立电网地下管线设施的入侵事件的仿真模型库和电网地下管线设施的干扰事件的仿真模型库包括：

通过感知神经网实时采集电网地下管线设施附近的噪声振动信号和入侵振动信号；

将所述噪声振动信号转换为噪声数字信号，将所述入侵振动信号转换为入侵数字信号；

利用所述噪声数字信号分析得到同一时刻、同一地点的噪声振动波形数据、噪声振动发光数据和噪声振动收光数据并存储，利用所述入侵数字信号分析得到同一时刻、同一地点的入侵振动波形数据、入侵振动发光数据和入侵振动收光数据并存储；

依据所述噪声振动波形数据、噪声振动发光数据和噪声振动收光数据构建电网地下管线设施的干扰事件的仿真模型库，依据入侵振动波形数据、入侵振动发光数据和入侵振动收光数据构建电网地下管线设施的入侵事件的仿真模型库。

优选的，所述噪声振动信号为干扰事件的振动信号，所述入侵振动信号为入侵事件的振动信号。

优选的，所述将所述噪声振动信号转换为噪声数字信号，将所述入侵振动信号转换为入侵数字信号，包括：

通过传输感知光缆将所述噪声振动信号转换为噪声光波信号，利用智能采集终端将所述噪声光波信号转换为噪声电流信号，并将所述噪声电流信号解析成噪声数字信号；

通过传输感知光缆将所述入侵振动信号转换为入侵光波信号，利用智能采集终端将所述入侵光波信号转换为入侵电流信号，并将所述入侵电流信号解析成入侵数字信号。

优选的，所述振动信号包括入侵事件的振动信号或者干扰事件的振动信号。

本发明所提供的一种电网地下管线设施的入侵定位方法，该方法利用接触神经网实时采集电网地下管道设施的振动信号，即使在往道路改造、地铁施工和各种市政工程建设施工现场的情况下，能够全面检测到振动信号，不会出现遗漏的振动信号，即在往道路改造、地铁施工和各种市政工程建设施工现场的情况下，也能进行定位，提升入侵定位的准确性，并且通过遍历算法将由振动信号转换成的数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比，依据遍历和对比的结果判定所述振动信号为入侵事件的振动信号还是干扰事件的振动信号，能够避免干扰性事件的振动信号造成的错误定位，更加提高入侵定位的准确性。

附图说明

为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明所提供的一种电网地下管线设施的入侵定位方法的流程图。

具体实施方式

本发明的核心是提供一种电网地下管线设施的入侵定位方法，以实现提高定位的准确性。

为了使本技术领域的人员更好地理解本发明方案，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。

请参考图1，图1为本发明所提供的一种电网地下管线设施的入侵定位方法的流程图，该方法包括：

S11：通过感知神经网实时采集电网地下管线设施附近的振动信号；

其中，振动信号包括入侵事件的振动信号或者干扰事件的振动信号。

S12：判断振动信号是否超出预设门限阈值，若是，将振动信号转换为数字信号；

其中，将振动信号转换为数字信号的具体过程为：通过传输感知光缆将振动信号转换为光波信号；利用智能采集终端将光波信号转换为电流信号，并将电流信号解析成数字信号。

S13：通过遍历算法将数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比；

其中，通过遍历算法将数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比，包括：通过数字信号分析得到同一时刻、同一地点的振动波形数据、振动发光数据和振动收光数据并存储；根据存储的振动波形数据、振动发光数据和振动收光数据，通过遍历算法将数字信号与电网地下管线设施的入侵事件的仿真模型库和干扰事件的仿真模型库进行遍历和对比。

S14：依据遍历和对比的结果判定振动信号为入侵事件的振动信号还是干扰事件的振动信号；

S15：若振动信号为入侵事件的振动信号，在入侵事件的仿真模型库中获取与振动信号对应的仿真模型并进行分析，得到振动信号的入侵类型和位置信息。

具体的，通过感知神经网实时采集电网地下管线设施附近的振动信号之前，还包括：分别建立电网地下管线设施的入侵事件的仿真模型库和电网地下管线设施的干扰事件的仿真模型库。

其中，通过感知神经网实时采集电网地下管线设施附近的噪声振动信号和入侵振动信号；将噪声振动信号转换为噪声数字信号，将入侵振动信号转换为入侵数字信号；利用噪声数字信号分析得到同一时刻、同一地点的噪声振动波形数据、噪声振动发光数据和噪声振动收光数据并存储，利用入侵数字信号分析得到同一时刻、同一地点的入侵振动波形数据、入侵振动发光数据和入侵振动收光数据并存储；依据噪声振动波形数据、噪声振动发光数据和噪声振动收光数据构建电网地下管线设施的干扰事件的仿真模型库，依据入侵振动波形数据、入侵振动发光数据和入侵振动收光数据构建电网地下管线设施的入侵事件的仿真模型库。其中，噪声振动信号为干扰事件的振动信号，入侵振动信号为入侵事件的振动信号。

其中，通过传输感知光缆将噪声振动信号转换为噪声光波信号，利用智能采集终端将噪声光波信号转换为噪声电流信号，并将噪声电流信号解析成噪声数字信号；通过传输感知光缆将入侵振动信号转换为入侵光波信号，利用智能采集终端将入侵光波信号转换为入侵电流信号，并将入侵电流信号解析成入侵数字信号。

详细的，建立电网地下管线设施的入侵事件和干扰事件的模型库，入侵事件的模型库即仿真模型库包含不同阶质、不同距离、不同入侵数据，例如挖掘机、打桩机、碎石机等，干扰事件的模型库即仿真模型库包括干扰数据，例如汽车路过、动物路过等的现场数据。这些数据都是采集同一时刻、同一地点的感知神经网上的噪声振动和入侵振动的数据源来分别进行构建现场干扰事件和入侵事件，并进行分析和存储进行模型构建，噪声振动表示干扰事件的振动。

在前置智能采集终端中设定电网地下管线设施噪声振动或入侵振动门限，通过感知神经网实时采集电网地下管线设施附近的噪声振动或入侵振动数据，当数据超出这一门限后开启持续数据采集和存储，将存储的数据通过遍历算法与电网地下管线设施的入侵事件和干扰事件的模型库进行匹配，从而得到入侵事件的类型与位置。

具体的，建立电网地下管线设施入侵事件和干扰事件的模型库的实施流程如下：

101、通过感知神经网实时采集电网地下管线设施附近的噪声振动或入侵振动数据；

102、通过感知神经网和传输感知光缆交换，将振动信号转换成光波信号；

103、通过传输感知光缆传送回前端智能采集终端光波信号，前端智能采集终端将光波信号转换成电流信号。

104、前端智能采集终端将电流信号解析成数字信号。

105、存储并分析同一时刻、同一地点振动波形、振动发光和收光的时间等数据，并进行比对分析；

106、跟据感知神经网在不同介质(水泥地面、沙土、泥土等)、不同地点(铺设路径的不同点)、不同入侵事件等情况，建立完整的电网地下管线设施外入侵事件和干扰事件的模型；

107、建立并形成电网地下管线设施入侵事件、干扰事件的仿真模型库。

具体的，电网地下管线设施的入侵定位方法的实施流程如下：

201：通过设置前端智能采集终端数据采集的门限阀值来判定对电网地下管线设施入侵事件进行持续采集并存储的一个开关；

202、通过感知神经网实时采集电网地下管线设施附近的噪声振动数据或入侵振动数据；

203、通过感知神经网和传输感知光缆交换，将振动信号转换成光波信号；

204、通过传输感知光缆传送回前端智能采集终端光波信号，前端智能采集终端将光波信号转换成电流信号。

205、前端智能采集终端将电流信号解析成数字信号。

206、存储并分析同一时刻、同一地点振动波形、振动发光和收光的时间等数据，并进行比对分析；

207：从201步骤中设定的门限值来判定是否进行206步骤采集的噪声振动或入侵振动数据进行存储；

208：启动数据采集与存储功能，对电网地下管线设施入侵事件进行持续的采集并存储；

209：根据存储的数据通过遍历算法对步骤107建立的电网地下管线设施入侵事件、干扰事件的仿真模型库进行遍历和比对。

210、通过209步骤的结果来判定是电网地下管线设施入侵事件，还是干扰事件，如果是入侵事件就进行211步骤，是干扰事件就转到202步骤继续进行监测；

211、将得到的电网地下管线设施外力入侵事件的类型和产生事件的位置结果进行显示。

综上，本发明所提供的一种电网地下管线设施的入侵定位方法，该方法利用接触神经网实时采集电网地下管道设施的振动信号，即使在往道路改造、地铁施工和各种市政工程建设施工现场的情况下，能够全面检测到振动信号，不会出现遗漏的振动信号，即在往道路改造、地铁施工和各种市政工程建设施工现场的情况下，也能进行定位，提升入侵定位的准确性，并且通过遍历算法将由振动信号转换成的数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比，依据遍历和对比的结果判定振动信号为入侵事件的振动信号还是干扰事件的振动信号，能够避免干扰性事件的振动信号造成的错误定位，更加提高入侵定位的准确性。

以上对本发明所提供的一种电网地下管线设施的入侵定位方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (8)

1.一种电网地下管线设施的入侵定位方法，其特征在于，包括：

通过感知神经网实时采集电网地下管线设施附近的振动信号；

判断所述振动信号是否超出预设门限阈值，若是，将所述振动信号转换为数字信号；

通过遍历算法将所述数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比；

依据遍历和对比的结果判定所述振动信号为入侵事件的振动信号还是干扰事件的振动信号；

若所述振动信号为入侵事件的振动信号，在入侵事件的仿真模型库中获取与所述振动信号对应的仿真模型并进行分析，得到所述振动信号的入侵类型和位置信息。

2.如权利要求1所述的方法，其特征在于，所述通过感知神经网实时采集电网地下管线设施附近的振动信号之前，还包括：

分别建立电网地下管线设施的入侵事件的仿真模型库和电网地下管线设施的干扰事件的仿真模型库。

3.如权利要求1所述的方法，其特征在于，所述将所述振动信号转换为数字信号，包括：

通过传输感知光缆将所述振动信号转换为光波信号；

利用智能采集终端将所述光波信号转换为电流信号，并将所述电流信号解析成数字信号。

4.如权利要求1所述的方法，其特征在于，所述通过遍历算法将所述数字信号与电网地下管线设施的入侵事件的仿真模型库及干扰事件的仿真模型库进行遍历和对比，包括：

通过所述数字信号分析得到同一时刻、同一地点的振动波形数据、振动发光数据和振动收光数据并存储；

根据存储的振动波形数据、振动发光数据和振动收光数据，通过遍历算法将所述数字信号与电网地下管线设施的入侵事件的仿真模型库和干扰事件的仿真模型库进行遍历和对比。

5.如权利要求2所述的方法，其特征在于，所述分别建立电网地下管线设施的入侵事件的仿真模型库和电网地下管线设施的干扰事件的仿真模型库包括：

通过感知神经网实时采集电网地下管线设施附近的噪声振动信号和入侵振动信号；

将所述噪声振动信号转换为噪声数字信号，将所述入侵振动信号转换为入侵数字信号；

利用所述噪声数字信号分析得到同一时刻、同一地点的噪声振动波形数据、噪声振动发光数据和噪声振动收光数据并存储，利用所述入侵数字信号分析得到同一时刻、同一地点的入侵振动波形数据、入侵振动发光数据和入侵振动收光数据并存储；

依据所述噪声振动波形数据、噪声振动发光数据和噪声振动收光数据构建电网地下管线设施的干扰事件的仿真模型库，依据入侵振动波形数据、入侵振动发光数据和入侵振动收光数据构建电网地下管线设施的入侵事件的仿真模型库。

6.如权利要求5所述的方法，其特征在于，所述噪声振动信号为干扰事件的振动信号，所述入侵振动信号为入侵事件的振动信号。

7.如权利要求5所述的方法，其特征在于，所述将所述噪声振动信号转换为噪声数字信号，将所述入侵振动信号转换为入侵数字信号，包括：

通过传输感知光缆将所述噪声振动信号转换为噪声光波信号，利用智能采集终端将所述噪声光波信号转换为噪声电流信号，并将所述噪声电流信号解析成噪声数字信号；

通过传输感知光缆将所述入侵振动信号转换为入侵光波信号，利用智能采集终端将所述入侵光波信号转换为入侵电流信号，并将所述入侵电流信号解析成入侵数字信号。

8.如权利要求1至7中任意一项所述的方法，其特征在于，所述振动信号包括入侵事件的振动信号或者干扰事件的振动信号。