CN105717405B - 一种电缆归属判断方法 - Google Patents

Abstract

本发明公开了一种电缆归属判断方法，使用信号感应加载方式，在管线中传输特定信号，并利用不同频率信号加载、接收和处理来完成管线的归属定位工作，可以实现在不停电情况下，完成电缆的走向归属工作。其技术方案为：本发明通过特定信号的自适应滤波和模糊识别理论的双重机制，保证了现场电缆管线归属的高准确度判断。在滤波算法中强调的是自适应，同时在模糊识别中的重点是现场电缆的加载和接收信号的数据累积、判据累积。算法和识别都注重于自我修正和自主学习。基于自适应滤波算法和全新模糊识别理论，能非常有效的加载和接收高信噪比的有效信号并能高准确度的判断出电缆的走向归属。

Description

一种电缆归属判断方法

技术领域

本发明涉及一种电缆归属判断方法，尤其涉及基于自适应滤波算法和模糊识别理论的电缆归属判断方法。

背景技术

电力公司的电缆管线走向和归属定位是电力网络管理中的重要工作之一。但由于前期的管线网络基础数据庞大纷杂且管线年久失修，因而造成相当部分的管线走向和归属不清。如何在不停电情况下，完成电缆的走向归属是非常重要也是非常有挑战性的。

一方面，各类现场电缆走向繁杂，其归属判断缺乏标准和精准的依据。另一方面，不停电电缆管线归属判断没有有效方法，既无法取得有效信号，也无法根据信号来高准确度的判断缆线走向。为此，或是任由停电带来损失，或是长期让管线走向处于不可控状态，一旦事故发生，后果更坏。

因此，目前业界亟待可以在不停电的情况下完成电缆归属判断的方法。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种电缆归属判断方法，使用信号感应加载方式，在管线中传输特定信号，并利用不同频率信号加载、接收和处理来完成管线的归属定位工作，可以实现在不停电情况下，完成电缆的走向归属工作。

本发明的技术方案为：本发明揭示了一种电缆归属判断方法，包括：

步骤1：在发送端电缆上感应加载信号，基于自适应滤波算法滤除干扰信号，在剔除本底信号背景后得到N×M个相对强度信号，其中N为发送端电缆的数目，M为接收端电缆的数目；

步骤2：根据实际的N对M的归属关系来构造归属判断的依据；

步骤3：再次用N对M中的部分或全部在新的区域内进行实测，并依据根据原来实际的隶属度关系以及该区域内的电缆上实测的分立频率响应的相对强度信号，更新最新的隶属度函数，检查原来的N对M的对应关系是否正确，若正确则执行步骤4，若错误则执行步骤5；

步骤4：继续判断新的缆线或者去新的区域进行判断，同时将对应关系判断正确的缆线信号的相关数据加入到原缆线的归属判断数据库中，并当该数据库中的数据丰富到预设程度后，重新修正该缆线不同频率响应信号数据属性的典型期望值及其标准偏差，然后执行步骤6；

步骤5：分析错误原因并做频率归类分析，若某个频率响应数据造成了判断失误，在累计到预设量时重新修正参数，若参数修正后仍达不到预设的准确率则进一步修正模型本身，然后执行步骤6；

步骤6：得到修正后的新参数或新模型，重新回到步骤3中继续新区域判断或者新的缆线判断。

根据本发明的电缆归属判断方法的一实施例，步骤1中包括：

步骤1-1：在发送端电缆上感应加载信号，在待测电缆处以同样的感应方式接收信号；

步骤1-2：基于自适应滤波算法滤除干扰信号；

步骤1-3：对各个接收信号通过无加载而直接接收的方式剔除本底信号背景；

步骤1-4：在归一化处理后得到N×M个相对强度信号，其中每一个相对强度信号各有一系列分立频谱对应。

根据本发明的电缆归属判断方法的一实施例，在步骤1-1中，加载信号的方式为款频谱方式，即在低频、中频、高频和射频的各个频段加载信号。

根据本发明的电缆归属判断方法的一实施例，在步骤1-1中，在各个频段用不同的强度加载信号。

根据本发明的电缆归属判断方法的一实施例，在步骤1-2中，滤除的干扰信号包括偶然干扰、硬件设备的自身电子白噪声和特定噪声干扰。

根据本发明的电缆归属判断方法的一实施例，步骤2中包括：

根据实际归属关系和实测的频谱响应相关信号强度，基于模糊识别理论定义归属隶属度函数，同时为不同的N-M对应关系定义初始频谱属性值，从而构造出各个频率分量数据的隶属函数，得到最初的电缆归属判断模型。

本发明对比现有技术有如下的有益效果：本发明通过特定信号的自适应滤波和模糊识别理论的双重机制，保证了现场电缆管线归属的高准确度判断。在滤波算法中强调的是自适应，同时在模糊识别中的重点是现场电缆的加载和接收信号的数据累积、判据累积。算法和识别都注重于自我修正和自主学习。基于自适应滤波算法和全新模糊识别理论，能非常有效的加载和接收高信噪比的有效信号并能高准确度的判断出电缆的走向归属。随着电网系统的建设和城市发展，网线管理的重要性日益突出。本发明的方法可以带来突破性的技术手段，并且以此为基础的相关装置已成功地在复杂管线实地测试成功，效果良好。同时随着方法及其装置的逐步推广到运用，相关环境参数和管线信号数据会由迅猛的增加，这就为今后进一步的提高技术和判断依据的丰富打下了坚实的基础。

附图说明

图1示出了本发明的电缆归属判断方法的较佳实施例的流程图。

具体实施方式

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

在描述本发明的具体实施例之前，先对本发明做如下的定义：假定实际电缆归属问题是1对N、N对1，以及N对M的问题(发送端电缆数N，接收端电缆数M)。首先在N个发送端感电缆上应加载信号，然后由自适应滤波算法(实际是基于此算法的相关硬件设备)在接收端得到了M个相关数据(信号)。随后根据特殊的模糊识别算法，来识别各个电缆的归属情况。1对多的情况，就是从N或M各中选出那个对应的1来。而N对M的情形，就是从M中选出N个来(假设M大于N)。在接收端可获得数据是滤波信号(已经扣除了本底信号背景)，这里先假定这些信号数据为强度信号(相对输出感应电流大小)。如此就可以根据本地N对M的实际对应情况，来定义并建立起N与M的归属对应判断依据，这样就可以以此归属判断依据来判断在不同背景环境下的N与M的对应归属关系。如此方式不断的在其它缆线上测试测量，就可以完成区域内的电缆归属判断与管理。

图1示出了本发明的电缆归属判断方法的较佳实施例的流程，请参见图1，本实施例的详细步骤描述如下。

步骤S1：在发送端电缆上感应加载信号，基于自适应滤波算法滤除干扰信号，在剔除本底信号背景后得到N×M个相对强度信号，其中N为发送端电缆的数目，M为接收端电缆的数目。

在这一步骤S1中，又可细分为如下的步骤来执行。

步骤1-1：在发送端电缆上感应加载信号，然后在待测电缆处以同样的感应方式接收信号。加载信号的方式为款频谱方式，即在低频、中频、高频和射频各个波段进行信号加载。信号加载在各个频段都采用不同的强度(功率)，以便获得更多的信号数据。

步骤1-2：基于自适应滤波算法滤除干扰信号。干扰信号包括偶然干扰、硬件设备仪器的自身电子白噪声和特定噪声干扰等。

管线现场对于必须感应才能加载接收的信号由诸多干扰，包括来自设备自身的、现场缆线特性的以及现场环境情况的。只有采用自适应的滤波方式才能排除偶然的干扰、现场环境的干扰以及设备自身的干扰，而将高信噪比的特定加载信号接收后交由后续手段处理。普通滤波和固定的滤波算法都不足以完成此项复杂的前置处理。

自适应滤波算法主要体现在前端的信号感应加载后传输后的接收端，由于信号是感应加载和接收的，所以原始数据信噪比太小，必须经过高级的滤波处理。而且信号在加载、传输与接收过程中还受到设备自身的电子干扰(包括白噪声和特定信号干扰)，以及环境的噪声(接地、大地)与缆线频率响应噪声等的干扰。所以小心和精细的信号处理非常重要，而自适应滤波算法恰好可以很好的去除这些噪声，从而可以在接收端得到高信噪比的感应信号。这为下一步的数据分析打下了决定性的基础。

步骤1-3：对各个接收信号通过无加载而直接接收的方式剔除本底信号背景。

步骤1-4：在归一化处理后得到N×M个相对强度信号，其中每一个相对强度信号各有一系列分立频谱对应。归一化处理就是剔除感应信号加载强度因素。

步骤S2：根据实际的N对M的归属关系来构造归属判断的依据。

在步骤S2中，就是根据实际归属关系和实测的频谱响应相关信号强度来定义归属隶属度函数，同时为不同的N-M对应关系定义初始频谱属性值，从而构造出各个频率分量数据的隶属函数，从而得到最初的电缆归属判断模型。

下面用一个具体的例子来说明如何构造初始的隶属度函数。

先根据最初的N-M对应关系以及现场缆线的感应信号实测数据(这里指已经经过类似步骤S1的方式处理的可比信号)，来建立最简单的缆线隶属度函数：

μAij(x)＝0，当x<Xij (公式一)；

μAij(x)＝1-EXP[-(x-Xij)/Aij]，当Xij≤x (公式二)；

其中x表示信号加载与接收的频率(可以为底、中、高、射频或其他典型频率中等的任一个)，i表示进线缆线标号(比如N条进线电缆线中的一根)，j表示出线电缆标号(例如M条出线电缆线中的一根)，Xij和Aij分别为是指某一进线电缆i和某一根出线电缆j下对应感应信号频率响应的典型期望值(大数平均)和标准偏差(这里为简单起见，在最初的隶属度函数构造时，选取简单的负指数阈值分布模型)。

然后根据大量缆线实测数据归纳统计而得到的Xij与Aij表，现以国网上海电力公司青浦供电公司辖区内的区域内的各类缆线实测数据，举例如下(可比信号相对强度已设为000-999)：

以进线电缆1-4为例(感应加载在进线1-4上，同时在出线1-4各线上测试并获得相对可比感应信号，即1-1，2-2，3-3和4-4的已对应配对缆线的原始数据)初始的标准判据模型参数如下：

最后，根据上述判据参数表，来分析判断出线1-4与进线i的所属对应关系，具体过程如下。

中频出线验证：出线1-4(区域内盲测)实测中频值(指中频信号加载情况下，经过自适应滤波的信号收端处的可比信号相对强度值)为280、466、200和132，由此我们可得到进线1对应出线1-4的综合频率隶属度为：

μAc1(x)＝U{μA11(280)，μA12(466)，μA13(200)，μA14(132)}＝U{0,0,0,0}＝0，其中U算法符号为μAij(x)各集合元素的模糊并集，而μAij(x)就计算自上边的公式(一)和(二)；

μAc2(x)＝U{μA21(280)，μA22(466)，μA23(200)，μA24(132)}＝U{0.94,0.92,0.9,0.96}＝0.96；

μAc3(x)＝U{μA31(280)，μA32(466)，μA33(200)，μA34(132)}＝U{0,0.0,0,0}＝0；

μAc4(x)＝U{μA41(280)，μA42(466)，μA43(200)，μA44(132)}＝U{0,0,0,0}＝0。

综合评判，进线i对应(盲测的)出线2。

进线i低频出线验证：出线1-4(区域内盲测)实测低频值为216、227、430和201，由此我们可得到进线1对应出线1-4的综合频率隶属度为：

μAc1(x)＝U{μA11(216)，μA12(227)，μA13(430)，μA14(201)}＝U{0,0,0,0}＝0，其中U算法符号为μAij(x)各集合元素的模糊并集，而μAij(x)就计算自上边的公式(一)和(二)；

μAc2(x)＝U{μA21(216)，μA22(227)，μA23(430)，μA24(201)}＝U{0,0,0,0}＝0.96；

μAc3(x)＝U{μA31(216)，μA32(227)，μA33(430)，μA34(201)}＝U{0.89,0.86,0.83,0.92}＝0.92；

μAc4(x)＝U{μA41(216)，μA42(227)，μA43(430)，μA44(201)}＝U{0,0,0,0}＝0。

综合评判，进线i对应(盲测的)出线3。

至此，通过上述标准表以及每一个单灯实测数据，依据算法给出了2条(盲测)进线所对应的出线归属状态状态，并经查验符合实际情况。

步骤S2中是通过模糊识别理论描述电缆归属的不确定性和复杂性。由于特定加载信号在缆线传输，在不同的环境下所对应的数据都不一样，而且考虑到即便是自适应滤波后的数据也肯定会有偶然干扰和一定程度的持续噪声存在，所以缆线归属的判断依据无法固定，并且由于很多时候电缆接地情况不一致、大地阻抗的情况多变以及部分电缆线存在共用的情形，所以必须引入不确定性，才能更精确的描述这些现象及其与大量实测数据之间的真实关联度。而模糊识别理论恰好可以归纳、定义和分析这些不确定性以及由此带来的复杂性。

隶属度函数的构造主要是基于经验和大量的缆线实测感应信号的数据。其中最基本和最多的数据是相对的可比的(基于相同信号加载功率的)经过滤波后的信号数据。现实中缆线的归属关系逻辑上是严格相互独立排斥的，因而在隶属度函数的构造中必须参考已经确认配对缆线的实测信号数据库，如此应用于其他场合的归属判断模型与参数才能设计合理并在实践中既能保持稳定同时又能方便判断。

事实上本算法中的隶属度函数形式可以是多样的，这里只是给出了基于模糊集合理论的最简单形态中的一种。具体的其它形态以及更复杂的形态，会根据更多的(已肯定确认配对)缆线实测信号数据而不断的修正和变化。

步骤S3：再次用N对M中的部分或全部在新的区域内进行实测，并依据根据原来实际的隶属度关系以及该区域内的电缆上实测的分立频率响应的相对强度信号，更新最新的隶属度函数，检查原来的N对M的对应关系是否正确，若正确则执行步骤S4，若错误则执行步骤S5。

这一步骤就是人工在现场再次检查实际的缆线对应情况，一方面积累数据(包括已知数据的参数累计和未知数据的初始积累等)，另一方面检查结果。

模糊识别理论的参数和模型都是根据现场实际反馈情况尤其是信号在缆线中的传输情况而不断的修正。其判断依据和判断结果可互为因果，不断的相互修正，从而构造了更为贴合实际的判断依据，并同时提高了缆线走向归属判断的准确率。

隶属度模型以及相关参数都是在目前已经获得的缆线现场实测数据基础上得到的，随着各种缆线现场实测数据的大量获取，模型参数可不断的进行自我修正，这样就可以在实践中不断提高识别算法的准确度和适应性。

步骤S4：继续判断新的缆线或者去新的区域进行判断，同时将对应关系判断正确的缆线信号的相关数据加入到原缆线的归属判断数据库中，并当该数据库中的数据丰富到预设程度后，重新修正该缆线不同频率响应信号数据属性的典型期望值及其标准偏差，然后执行步骤S6。

在这一步骤中，为已知缆线归属的数据库积累新的数据，以便在数据累计到一定程度时更新数据，随着数据量的增加，初始经验值(平均值和标准偏差等)都会更准确的描述实际的缆线归属情况。

出现新增缆线配对，或者根据用户需求分立与合并缆线配对时(例如不同缆线相同接地或紧邻接地、缆线分叉情形等)。需要重新归类新的数据库，以便重新构造新隶属度模型和参数。

有时缆线在现场未能全部确认对应关系，比如N对应M(>N)时，需要注意不要侵入其他已知和确定配对缆线的数据库范围，不然不仅将无法确认该新的缆线的归属情况，也会造成原有缆线归属判据、甚至是整个算法框架的有效性和稳定性。

步骤S5：分析错误原因并做频率归类分析，若某个频率响应数据造成了判断失误，在累计到预设量时重新修正参数，若参数修正后仍达不到预设的准确率则进一步修正模型本身，然后执行步骤S6。

在这一步骤中，对于错误判断，也要将新增的经核查的新数据加入到原有数据库中。但需要注意的是，由于新增的是错误判断数据，而原来的数据库(比如也是100个原始数据)的可靠性要打折扣(这里处理成隶属度的范围变窄，即最后判断缆线归属性质的阈值(例如上述实例为0.8)需要提高，以减小误判的可能)。

极端情况下，大量的误报(已经现场核查的)，会造成隶属度范围的不断缩小最后导致无法确定缆线的归属，这样就需要根据已核查的数据(必然已经累计到一定的数量)，重新如开始阶段那样，构造全新的模型及其相关参数。

极端状况下，隶属度模型的大幅度改动或重新构造，可能会造成新的不稳定性(即原有的缆线可确认配对的，但在新模型下反而无法判断的情形)。此时需要做的是，先暂时放弃对该缆线配对的判断工作，而回到开头，累计该缆线所有实测数据，到一定阶段后再根据一般确认原则，重新构造该缆线的隶属度模型及其具体参数，而后再来对该缆线在新区域的走向归属时的新数据进行实际的判断分类工作。

电缆归属测试最初是人工干预方式，但随着实测数据和缆线现场实测数据的不断丰富，只要给出一定量的缆线现场实测数据，就可以依据本识别算法自动地给出经验参数和模型参数。然后再根据这些模型和参数，对后续的缆线走向归属自动给出判断。唯一需要人工干预的部分是，在算法自动判断之后，若可能的话现场采用其他方式再次核实(比如条件允许下的停电核实法或故障核实法)。一旦核查准确就加强现有模型的参数合理性。

步骤S6：得到修正后的新参数或新模型，重新回到步骤S3中继续新区域判断或者新的缆线判断。

原则上每一种缆线归属配对实测数据新增累计到一定的数量(比如新增30次或者新增比例达到20％)，都需要单独对该配对类型进行参数重新修正乃至模型重新构造(比如步骤S5中的极端状况情形)。之后，再回到步骤S3接收新的数据检验，如此循环。

经实践检验，在青浦供电公司的辖区内超过4个(输变电)站点的20多条缆线超过100条/次实测，该算法和识别方式的准确率可达到90％以上。同时，不断新增缆线实测数据为本算法中的合理修正带来更高的保障。在实际修正过程中，数据越多，模型适应性和依据模型来做判断的准确性和可靠性也越高，也越能应付复杂多变的现场环境。

综上，本发明解决了各类现场电缆走向繁杂，其归属判断缺乏标准和精准的依据的问题。实现了不停电的情况下也能判断电缆管线归属的效果，从而解决了停电情况下进行电缆管线归属判断的缺点，比如既无法取得有效信号，也无法根据信号来高准确度的判断缆线走向。为此，要么任由停电带来损失，要么长期让管线走向处于不可控状态，一旦事故后果更坏。

总的来说，本发明的方法的重点在于自适应滤波算法和模糊识别理论的双重机制保证了现场电缆管线归属的高准确度判断。在滤波算法中强调的是自适应，同时在模糊识别中的重点是现场电缆的加载和接收信号的数据累积、判据累积。算法和识别都注重自我修正和自主学习。

本发明基于自适应滤波算法和全新模糊识别理论，能非常有效的加载和接受高信噪比的有效信号并能高准确度的判断出电缆的走向归属。随着电网系统的建设和城市发展，网线管理的重要性日益突出。本方法可以带来突破性的技术手段，并且以此为基础的相关装置已成功地在复杂管线实地测试成功，效果良好。同时随着方法及其装置的逐步推广到运用，相关环境参数和管线信号数据会由迅猛的增加，这就为今后进一步的提高技术和判断依据的丰富打下了坚实的基础。

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (6)

1.一种电缆归属判断方法，包括：

步骤1：在发送端电缆上感应加载信号，基于自适应滤波算法滤除干扰信号，在剔除本底信号背景后得到N×M个相对强度信号，其中N为发送端电缆的数目，M为接收端电缆的数目；

步骤2：根据实际的N对M的归属关系来构造归属判断的依据；

步骤3：再次用N对M中的部分或全部在新的区域内进行实测，并依据根据原来实际的隶属度关系以及该区域内的电缆上实测的分立频率响应的相对强度信号，更新最新的隶属度函数，检查原来的N对M的对应关系是否正确，若正确则执行步骤4，若错误则执行步骤5；

步骤4：继续判断新的缆线或者去新的区域进行判断，同时将对应关系判断正确的缆线信号的相关数据加入到原缆线的归属判断数据库中，并当该数据库中的数据丰富到预设程度后，重新修正该缆线不同频率响应信号数据属性的典型期望值及其标准偏差，然后执行步骤6；

步骤5：分析错误原因并做频率归类分析，若某个频率响应数据造成了判断失误，在累计到预设量时重新修正参数，若参数修正后仍达不到预设的准确率则进一步修正模型本身，然后执行步骤6；

步骤6：得到修正后的新参数或新模型，重新回到步骤3中继续新区域判断或者新的缆线判断。

2.根据权利要求1所述的电缆归属判断方法，其特征在于，步骤1中包括：

步骤1-1：在发送端电缆上感应加载信号，在待测电缆处以同样的感应方式接收信号；

步骤1-2：基于自适应滤波算法滤除干扰信号；

步骤1-3：对各个接收信号通过无加载而直接接收的方式剔除本底信号背景；

步骤1-4：在归一化处理后得到N×M个相对强度信号，其中每一个相对强度信号各有一系列分立频谱对应。

3.根据权利要求2所述的电缆归属判断方法，其特征在于，在步骤1-1中，加载信号的方式为频谱方式，即在低频、中频、高频和射频的各个频段加载信号。

4.根据权利要求3所述的电缆归属判断方法，其特征在于，在步骤1-1中，在各个频段用不同的强度加载信号。

5.根据权利要求2所述的电缆归属判断方法，其特征在于，在步骤1-2中，滤除的干扰信号包括偶然干扰、硬件设备的自身电子白噪声和特定噪声干扰。

6.根据权利要求1所述的电缆归属判断方法，其特征在于，步骤2中包括：

根据实际归属关系和实测的频谱响应相关信号强度，基于模糊识别理论定义归属隶属度函数，同时为不同的N-M对应关系定义初始频谱属性值，从而构造出各个频率分量数据的隶属函数，得到最初的电缆归属判断模型。