CN107908598B - 基于ds证据理论的oplc故障定位方法 - Google Patents

基于ds证据理论的oplc故障定位方法 Download PDF

Info

Publication number
CN107908598B
CN107908598B CN201711187374.9A CN201711187374A CN107908598B CN 107908598 B CN107908598 B CN 107908598B CN 201711187374 A CN201711187374 A CN 201711187374A CN 107908598 B CN107908598 B CN 107908598B
Authority
CN
China
Prior art keywords
cable
fault
positioning
interval
optical cable
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.)
Expired - Fee Related
Application number
CN201711187374.9A
Other languages
English (en)
Other versions
CN107908598A (zh
Inventor
王鹤
熊宇昂
葛维春
李国庆
郭昆亚
王振浩
罗恒恒
周桂平
邓伟
孔祥余
王英杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Northeast Electric Power University
Original Assignee
State Grid Corp of China SGCC
Northeast Dianli University
State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Northeast Dianli University, State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711187374.9A priority Critical patent/CN107908598B/zh
Publication of CN107908598A publication Critical patent/CN107908598A/zh
Application granted granted Critical
Publication of CN107908598B publication Critical patent/CN107908598B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Locating Faults (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

一种基于DS证据理论的OPLC故障定位方法，属于智能电网检测技术领域。本发明的目的是针对电缆和光缆在同一地点同时出现故障时，利用DS证据理论进行置信度的融合，融合后的置信度取得峰值处为最可能故障位置的基于DS证据理论的OPLC故障定位方法。本发明利用电缆和光缆进行故障定位获取定位结果，利用电缆检测与光缆检测测量OPLC故障位置，得到其各自的真实值分布，根据DS证据理论，进行置信度数据融合，得到故障位置区间。本发明DS证据理论融合方法可以在电缆和光缆在同一位置同时发生故障时，单独检测电缆或光缆不能准确判断故障位置的情况下，能够解决因为定位误差导致的电缆和光缆定位结果不一致，给检测人员带来的难以决策的问题，有效提高这种情况下OPLC故障定位的精度。并可以大大降低判断的不确定性。

Description

基于DS证据理论的OPLC故障定位方法
技术领域：
本发明属于智能电网检测技术领域。
背景技术
光纤复合低压电缆(Optical Fiber Composite Low-Voltage Cable,OPLC)是一种低压电力电缆与光单元相复合的电缆，能够同时提供电力和信息的传输，其适用于额定电压0.6kV/1.0kV及以下电压等级。OPLC使得原本需要敷设的电线、网线、电话线、有线电视线等多条线路的复杂工程并为一体化施工，简化了安装流程，也大大节省了线路资源和管道资源，同时其具有信息化、自动化、互动化等方面的优势，无疑将成为“智能电网”的终端主流产品，可为用户带来更加便利和现代化的生活方式。图1为OPLC的典型结构。
在实际工程应用中，OPLC中的电缆和光缆都可能出现故障，电缆或光缆可能单独出现故障，也有可能电缆和光缆同时出现故障。针对电缆或光缆单独出现故障的情况，目前都分别有比较成熟应用的故障点定位方法。对电缆和光缆在相同位置同时发生故障时的情况，分别利用电缆与光缆检测得到的结果往往具有一定的差异，导致定位检测操作人员难以抉择。本方法考虑利用DS证据理论将两个结果进行融合，以提高OPLC故障定位精度，具有重要的实际工程意义。
发明内容
本发明的目的是针对电缆和光缆在同一地点同时出现故障时，利用DS证据理论进行置信度的融合，融合后的置信度取得峰值处为最可能故障位置的基于DS证据理论的OPLC故障定位方法。
本发明的步骤是：
步骤1：分别利用电缆和光缆进行故障定位，获取定位结果，判断定位结果差是否小于某一阈值d，如满足，则利用本方法提高定位精度；
步骤101：取数根OPLC样品，分别在不同位置设置故障，使用同型号的OPLC检测装置，对OPLC中电缆与光缆分别进行检测，统计分析样本数据，得到各自的测量值概率密度分布；步骤102：将所测得的数据减去已知故障位置，得到各自的测量误差分布
fd(x,y)＝Zd+wd(x,y) (1)
wd(x,y)＝fd(x,y)-Zd (2)
其中，fd(x,y)为电缆测量故障位置测量值分布，zd(x,y)为电缆测量故障位置真实值分布，wd(x,y)为电缆测量误差分布，Zd为电缆测量故障位置真实值；
fg(x,y)＝Zg+wg(x,y) (3)
wg(x,y)＝fg(x,y)-Zg (4)
其中，fg(x,y)为光缆测量故障位置测量值分布，zg(x,y)为光缆测量故障位置真实值分布，wg(x,y)为光缆测量误差分布，Zg为光缆测量故障位置真实值；
步骤2根据电缆和光缆的定位结果，以及统计分析获得的电缆和光缆的故障位置真实值分布，分别计算故障区间置信度；
将电缆或光缆故障位于线路l内可能的故障区间划分为w个小段，以每个小段的中点xi(i＝1,2,…，w)代表该小段；记Gi为测量值m对小段xi的置信度，即假设故障位于小段xi时，i点测量值yi等于真实值ri的概率，如式(5)所示：
Gi＝P(ri＝yi|xi) (5)
分别计算处ri落在m的某一邻域(B-，B+)中的概率Pm和ri落在yi等宽邻域中的概率Pyi，再以Pyi与Pm的比值作为xi的置信度；
在取相同邻域的情况下，可用概率密度函数f(ri)在yi和m处取值的比值来近似计算：
Figure BDA0001480336110000021
步骤201利用电缆检测与光缆检测测量OPLC故障位置，为别为Xd和Xg，叠加上误差分布，得到其各自的真实值分布zd(x,y)、zg(x,y)
zd(x,y)＝Fd-wd(x,y) (7)
zg(x,y)＝Fg-wg(x,y) (8)
其中，Fd为电缆测量故障位置测量值，Fg为光缆测量故障位置测量值；
根据两个分布波形的位置特点，每隔1m取一个区间，两组数据取相同区间，利用公式(6)，按区间逐一求取置信度；取每个区间中点为该区间代号，xi(i＝1,2,…，w)；
步骤3根据DS证据理论，进行置信度数据融合，得到故障位置区间
设U为一些互斥且穷举的元素组成的命题的集合，称为识别框架，
Figure BDA00014803361100000210
表示空的命题A的集合，若有函数m:2U→[0,1](2U为U的幂集)满足：
Figure BDA0001480336110000022
Figure BDA0001480336110000023
则称m为识别框架U上的基本可信度分配，
Figure BDA0001480336110000024
m(A)称为A的基本可信数，
对多个证据源进行融合的公式为：
Figure BDA0001480336110000025
其中，
Figure BDA00014803361100000211
Figure BDA0001480336110000026
当来自不同传感器的不同周期的测量数据送入信息融合中心的时候，可进行普通的时域融合或空域融合，也可以进时-空域信息融合。
本发明多传感器单测量周期的空域信息融合：
假设识别框架U下，ms(Ai)表示第s个传感器提供的对目标Ai的可信度分配，s＝1,2,...,N；则也可以利用式(11)，推导出N个传感器所获得的累积信息，MLN表示N个传感器融合后对命题A的累积的概率分配，
Figure BDA0001480336110000027
其中，
Figure BDA0001480336110000028
本发明单传感器多测量周期的时域信息融合：
假设识别框架为U，mj(Ai)表示传感器在第j个测量周期所获得的对目标Ai的可信度分配，这里j＝1,2,...,N，则可以利用式(11)，对传感器进行时域的信息融合，MN表示传感器在N个测量周期的融合后对命题A的累积的概率分配，
Figure BDA0001480336110000029
其中，
Figure BDA0001480336110000032
本发明基于区间融合结果差的决策方法：
设
Figure BDA0001480336110000034
满足
Figure BDA0001480336110000037
mxj(A1)＝max{m(Ai),
Figure BDA0001480336110000036
且xj≠xi}，若有
Figure BDA0001480336110000033
则A1即为最终决策结果，其中ε1，ε2为预先设定的门限；
步骤301采用空域信息融合方法，利用公式(12)将两种传感器的基本概率赋值融合，使用基于基本概率赋值的决策方法，利用公式(14)得到最终故障区间Xc；
步骤302将Xc与单独使用电缆检测与光缆检测定位所得的故障区间Xl进行比较，若Xc＝1m，且|Xc—Xl|>＝2m，则定位结束；若不满足要求，则增加一个周期，进行时域-空域信息融合；步骤303再分别利用电缆检测与光缆检测定位一次，其中利用电缆检测测得故障位置为Xd2，利用光缆检测测得故障位置为Xg2，叠加上各自的误差分布，得到其各自的真实值分布zd2(x,y)、zg2(x,y)；
步骤304对第二周期测得的电缆及光缆测量的真实值分布，根据两个波形的位置特点，每隔1m取一个区间，所取区间应包含第一周期的所有区间，取每个区间中点为该区间代号，xi(i＝1,2,…，w)；
步骤305分别将两个周期的电缆与光缆定位所确定的基本概率赋值，利用公式(13)在时域上进行信息融合，得到电缆与光缆定位的累积基本概率赋值；
步骤306将电缆与光缆定位2个测量周期后的累积基本概率赋值，利用公式(12)在空域进行融合，得出最终的故障区间Xp；
步骤307将Xp与最初单独使用电缆检测与光缆检测定位所得的故障区间Xl进行比较，若符合要求，则定位结束；若仍不满足要求，则再增加一个周期，继续使用时域-空域信息融合方法定位。
本发明提出了一种基于DS证据融合理论的OPLC故障检测定位方法。该发明针对电缆和光缆在同一地点同时出现故障时，考虑到现有检测方法都存在一定的测量误差，提出将传统故障点定位问题转化为故障概率分布。通过确定可能故障区间，并基于区间划分的方法计算测量值对各段区间的置信度，得到可能故障区间的故障置信度曲线，利用DS证据理论进行置信度的融合，融合后的置信度取得峰值处为最可能故障位置。
本发明DS证据理论融合方法可以在电缆和光缆在同一位置同时发生故障时，单独检测电缆或光缆不能准确判断故障位置的情况下，能够解决因为定位误差导致的电缆和光缆定位结果不一致，给检测人员带来的难以决策的问题，有效提高这种情况下OPLC故障定位的精度。并可以大大降低判断的不确定性。
附图说明
图1是为OPLC的典型结构；其中1是外护套，2是绝缘，3是铜导体，4是撕裂绳，5是包带，6是光单元；
图2为真实值ri概率密度分布；
图3为电缆初步测量值分布fd(x,y)；
图4为光缆初步测量值分布fg(x,y)；
图5为电缆测量误差分布wd(x,y)；
图6为光缆测量误差分布wg(x,y)；
图7为仿真一电缆定位真实值分布zd1(x,y)；
图8为仿真一光缆定位真实值分布zg1(x,y)；
图9为仿真二第一周期电缆定位真实值分布zd1(x,y)；
图10为仿真二第一周期光缆定位真实值分布zg1(x,y)；
图11为仿真二第二周期电缆定位真实值分布zd2(x,y)；
图12为仿真二第二周期光缆定位真实值分布zg2(x,y)；
图13为仿真结果统计图。
具体实施方式
本发明的步骤是：
步骤1：分别利用电缆和光缆进行故障定位，获取定位结果，判断定位结果差是否小于某一阈值d，如满足，则利用本方法提高定位精度。
步骤101：本步骤为一次性操作，不需每次定位前进行。取数根OPLC样品，分别在不同位置设置故障，使用同型号的OPLC检测装置，对OPLC中电缆与光缆分别进行检测，统计分析样本数据，得到各自的测量值概率密度分布。
步骤102：将所测得的数据减去已知故障位置，得到各自的测量误差分布
fd(x,y)＝Zd+wd(x,y) (1)
wd(x,y)＝fd(x,y)-Zd (2)
其中，fd(x,y)为电缆测量故障位置测量值分布，zd(x,y)为电缆测量故障位置真实值分布，wd(x,y)为电缆测量误差分布，Zd为电缆测量故障位置真实值；
fg(x,y)＝Zg+wg(x,y) (3)
wg(x,y)＝fg(x,y)-Zg (4)
其中，fg(x,y)为光缆测量故障位置测量值分布，zg(x,y)为光缆测量故障位置真实值分布，wg(x,y)为光缆测量误差分布，Zg为光缆测量故障位置真实值。
步骤2根据电缆和光缆的定位结果，以及统计分析获得的电缆和光缆的故障位置真实值分布，分别计算故障区间置信度。
事实上，故障处可能同时发生了电缆和光缆故障，也可能只单独发生了电缆故障或者光缆故障。电缆或光缆故障位于线路l内不同位置的概率是不同的，很难直接根据测量值的概率分布写出l内故障点的概率密度解析表达式，故提出一种基于区间划分的概率方法。
将电缆或光缆故障位于线路l内可能的故障区间划分为w个小段，以每个小段的中点xi(i＝1,2,…，w)代表该小段；记Gi为测量值m对小段xi的置信度，即假设故障位于小段xi时，i点测量值yi等于真实值ri的概率，如式(5)所示：
Gi＝P(ri＝yi|xi) (5)。
真实值ri分布如图(2)所示，连续分布中任意一个离散点的概率都为0，因此单独计算P(ri＝yi)是没有意义的。一个可行的方法是分别计算处ri落在m的某一邻域(B-，B+)中的概率Pm和ri落在yi等宽邻域中的概率Pyi，再以Pyi与Pm的比值作为xi的置信度。
图(2)中S1和S2阴影区域面积之比为xi的置信度。为简化计算，在取相同邻域的情况下，可用概率密度函数f(ri)在yi和m处取值的比值来近似计算：
Figure BDA0001480336110000041
各个小段之间相互独立，故各小段xi的置信度的意义是指，故障点位于l第i个小段xi内的条件概率。计算l内所有小段的置信度，置信度最高的小段即最可能的故障位置。
步骤201利用电缆检测与光缆检测测量OPLC故障位置，为别为Xd和Xg，叠加上误差分布，得到其各自的真实值分布zd(x,y)、zg(x,y)
zd(x,y)＝Fd-wd(x,y) (7)
zg(x,y)＝Fg-wg(x,y) (8)
其中，Fd为电缆测量故障位置测量值，Fg为光缆测量故障位置测量值。
步骤202对本次实际检测所得的电缆及光缆测量的真实值分布，根据两个分布波形的位置特点，每隔1m取一个区间，两组数据取相同区间，利用公式(6)，按区间逐一求取置信度；取每个区间中点为该区间代号，xi(i＝1,2,…，w)。
步骤3根据DS证据理论，进行置信度数据融合，得到故障位置区间。
DS证据理论是1967年由Dempster提出的，他首先提出了上、下界概率的定义，后由Shafer于1976年加以推广和发展，故人们也把证据理论称为DS理论。证据理论可处理由不知道所引起的不确定性。对一个判决问题，设所能认识到的可能结果用集合U表示，U称为识别框架。如果有一批针对该框架的证据，那么依据证据理论，可以在框架U上产生一个信度函数。信度函数是该批证据作用的结果。它反映了根据该批证据对框架U可识别的各个命题所赋予的真值。如果有多批证据同时作用于框架U，可以用Dempster合成法则合成依据每批证据所得到的信度函数，该信度函数可以表示以上各批证据的联合作用。
设U为一些互斥且穷举的元素组成的命题的集合，称为识别框架，
Figure BDA0001480336110000054
表示空的命题A的集合，若有函数m:2U→[0,1](2U为U的幂集)满足：
Figure BDA0001480336110000055
Figure BDA0001480336110000051
则称m为识别框架U上的基本可信度分配(Basic Probability Assignment)，
Figure BDA0001480336110000056
m(A)称为A的基本可信数，反映了证据对A本身的信度大小。式(8)反映了对于空集(空命题)不产生任何信度；式(10)反映了虽然可以给一个命题赋任意大小的信度值，但要求给所有命题赋的信度值的和等于1，即总信度为1。
DS证据理论的合成法则是反映证据联合作用的一个法则。其对多个证据源进行融合的公式为：
Figure BDA0001480336110000052
其中，
Figure BDA0001480336110000057
Figure BDA0001480336110000053
当来自不同传感器的不同周期的测量数据送入信息融合中心的时候，可进行普通的时域融合或空域融合，也可以进时-空域信息融合。
本发明多传感器单测量周期的空域信息融合：
如果不考虑每个传感器在不同时刻所测得的数据，即传感器的时域信息，则可以在多个传感器间进行数据的融合(即空域信息的融合)。
假设识别框架U下，ms(Ai)表示第s个传感器提供的对目标Ai的可信度分配，s＝1,2,...,N；则也可以利用式(11)，推导出N个传感器所获得的累积信息，MLN表示N个传感器融合后对命题A的累积的概率分配，
Figure BDA0001480336110000061
其中，
Figure BDA0001480336110000062
本发明单传感器多测量周期的时域信息融合：
假设识别框架为U，mj(Ai)表示传感器在第j个测量周期所获得的对目标Ai的可信度分配，这里j＝1,2,...,N，则可以利用式(11)，对传感器进行时域的信息融合，MN表示传感器在N个测量周期的融合后对命题A的累积的概率分配，
Figure BDA0001480336110000063
其中，
Figure BDA0001480336110000064
将以上两种方法进行结合，引入多个传感器多个测量周期的信息融合方法，先在时域进行融合，再在空域进行融合，即时域-空域信息融合。这种方法更能减少系统的不确定性，提供更可靠的融合结果。
本发明基于区间融合结果差的决策方法：
设
Figure BDA0001480336110000066
满足
Figure BDA0001480336110000067
mxj(A1)＝max{m(Ai)，
Figure BDA0001480336110000068
且xj≠xi}，若有
Figure BDA0001480336110000065
则A1即为最终决策结果，其中ε1，ε2为预先设定的门限。
步骤301采用空域信息融合方法，利用公式(12)将两种传感器的基本概率赋值融合，使用基于基本概率赋值的决策方法，利用公式(14)得到最终故障区间Xc。
步骤302将Xc与单独使用电缆检测与光缆检测定位所得的故障区间Xl进行比较，若Xc＝1m，且|Xc—Xl|>＝2m，则定位结束；若不满足要求，则增加一个周期，进行时域-空域信息融合。
步骤303再分别利用电缆检测与光缆检测定位一次，其中利用电缆检测测得故障位置为Xd2，利用光缆检测测得故障位置为Xg2，叠加上各自的误差分布，得到其各自的真实值分布zd2(x,y)、zg2(x,y)。
步骤304对第二周期测得的电缆及光缆测量的真实值分布，根据两个波形的位置特点，每隔1m取一个区间，所取区间应包含第一周期的所有区间，取每个区间中点为该区间代号，xi(i＝1,2,…，w)。
步骤305分别将两个周期的电缆与光缆定位所确定的基本概率赋值，利用公式(13)在时域上进行信息融合，得到电缆与光缆定位的累积基本概率赋值。
步骤306将电缆与光缆定位2个测量周期后的累积基本概率赋值，利用公式(12)在空域进行融合，得出最终的故障区间Xp。
步骤307将Xp与最初单独使用电缆检测与光缆检测定位所得的故障区间Xl进行比较，若符合要求，则定位结束；若仍不满足要求，则再增加一个周期，继续使用时域-空域信息融合方法定位。
仿真一：
步骤101：取数根OPLC样品，在相同距离处(515.8m)人为设置故障，使用同样的电缆检测装置与光缆检测装置分别进行大量定位，分别得到电缆与光缆初步的测量值分布fd(x,y)与fg(x,y)。
步骤102：将所测得的数据减去已知故障位置，得到各自的测量误差分布wd(x,y)、wg(x,y)。
步骤201利用电缆检测与光缆检测测得OPLC故障位置分别为214.7m与218.4m，叠加上误差分布，得到其各自的真实值分布zd1(x,y)、zg1(x,y)。
步骤202对步骤201所得的两个真实值分布进行区间划分，从211m到222m处，每隔1m取一个区间，求取置信度。取每个区间中点为该区间代号，依次为x211、x212、…、x222。
步骤301分别给出利用电缆检测定位及光缆检测定位的基本概率赋值，取识别框架为Θ＝{A1,A2}，A1表示有故障，A2表示无故障。利用公式(11)，对两种传感器的累积概率赋值融合在空域进行融合。
步骤302根据电缆检测与光缆检测定位结果，原定位故障区间为215.5m—219.5m。预先设定门限为ε1＝ε2＝0.08，决策结果为217.5—218.5为故障区间，经比较，符合定位要求。排查后发现故障位置位于距测量始端218.3m处，测量精度得到提高。
仿真二：
步骤一同上。
步骤201利用电缆检测与光缆检测测得OPLC故障位置分别为216.3m与218.1m，叠加上误差分布，得到其各自的真实值分布zd1(x,y)、zg1(x,y)。
步骤202对本次定位所得到的电缆及光缆真实值分布，根据两个分布的波形特点，从211m—222m处，每隔1m取一个区间，求取置信度。取每个区间中点为该区间代号，依次为x211、x212、…、x222。
步骤301采用空域信息融合，利用公式(11)将两种传感器的累积概率赋值融合。步骤302根据电缆检测与光缆检测定位结果，原定位故障区间为215.5m—218.5m。预先设定门限为ε1＝ε2＝0.08，决策结果为215.5m——219.5m为故障区间，经比较，不符合定位要求。故再增加一个测量周期，采用时域-空域融合方法进行定位。
步骤303再分别利用电缆检测与光缆检测定位一次，其中利用电缆检测测得故障位置为210.6m，利用光缆检测测得故障位置为213.4m，叠加上各自的误差分布，得到其各自的真实值分布zd2(x,y)、zg2(x,y)。
步骤304对本次第二周期定位所得到的电缆及光缆真实值分布，根据第一周期的区间划分，从211m—222m处，每隔1m取一个区间，求取置信度。取每个区间中点为该区间代号，依次为x211、x212、…、x222。
步骤305分别将电缆与光缆的两个测量周期值融合，得到累积基本概率赋值，利用公式(12)对累积基本概率赋值在时域进行融合。
步骤306再采用空域信息融合，利用公式(11)，将步骤305所得两种传感器的累积概率赋值融合。
步骤307预先设定门限为ε1＝ε2＝0.08，决策结果为215.5——216.5为故障区间，符合定位要求，经比较，符合定位要求。排查后发现故障位置位于距测量始端215.8m处，测量精度得到提高。
实验结果表明，如图13所示，多数情况下，基于单测量周期的多传感器空域信息融合方法就能满足定位要求，少数情况不能满足要求的，通过增加一个测量周期，使用时域-空域信息融合方法就能达到定位要求。与传统的单独进行电缆和光缆故障定位相比，本方法具有更高的准确度与可信度。
图1中电单元：OPLC中电单元包括导体和绝缘。
光单元：OPLC中光纤芯数为2～144芯，可根据光单元传输性能要求以及OPLC缆芯的特殊性，以及客户的需求进行设计。
外护套：一般OPLC外护套材料有聚氯乙烯、聚乙烯或无卤材料，可根据不同的使用环境进行选择。
包带、撕裂绳：起到保护光单元和保证电缆圆整度的作用。
连续分布中任意一个离散点的概率都为0，因此单独计算P(ri＝yi)是没有意义的。一个可行的方法是分别计算处ri落在m的某一邻域(B-，B+)中的概率Pm和ri落在yi等宽邻域中的概率Pyi，再以Pyi与Pm的比值作为xi的置信度。
图2中S1和S2阴影区域面积之比为xi的置信度。为简化计算，在取相同邻域的情况下，可用概率密度函数f(ri)在yi和m处取值的比值来近似计算：
Figure BDA0001480336110000081
各个小段之间相互独立，故各小段xi的置信度的意义是指，故障点位于l第i个小段xi内的条件概率。
为了分析某检测仪器对OPLC故障定位的误差情况，取数根OPLC样品，在相同距离处(515.8m)人为设置故障，使用同样的电缆检测装置与光缆检测装置分别进行大量定位(100次以上)，由于误差的存在，很多次测量都会得到不同的定位结果，统计各个结果(距离)出现的概率，分别得到电缆与光缆初步的测量值分布fd(x,y)与fg(x,y)，如图3、图4所示，图中横坐标为定位结果，即测量故障点离首端的距离，纵坐标为概率，即在大量定位测量中，某结果出现的概率。
由于测量结果是包含误差的，对于同一台仪器而言，在大量的测量统计中，误差分布具有一定的分布规律，根据预先人为设置的故障位置，以及大量的定位数据，可以得出该测量装置的误差分布。由：
测量值分布＝真实故障位置+测量误差分布
测量误差分布＝测量值分布-真实故障位置
可得：
fd(x,y)＝Zd+wd(x,y)
wd(x,y)＝fd(x,y)-Zd
其中，fd(x,y)为电缆测量故障位置测量值分布，zd(x,y)为电缆测量故障位置真实值分布，wd(x,y)为电缆测量误差分布，Zd为电缆测量故障位置真实值。
由图3中的测量值分布减去515.8m(真实故障位置)即可得到该测量装置利用电缆故障定位的测量误差分布，如图5所示，图中横坐标为误差，纵坐标为概率。
fg(x,y)＝Zg+wg(x,y)
wg(x,y)＝fg(x,y)-Zg
其中，fg(x,y)为光缆测量故障位置测量值分布，zg(x,y)为光缆测量故障位置真实值分布，wg(x,y)为光缆测量误差分布，Zg为光缆测量故障位置真实值。
由图4中的测量值分布减去515.8m(真实故障位置)即可得到该测量装置利用光缆故障定位的测量误差分布，如图6所示，图中横坐标为误差，纵坐标为概率。
本发明中将实际应用中的不同情况分为两个仿真，其中仿真一为：在实际故障定位时，分别利用电缆和光缆定位仅需定位一次就能得出准确位置。
故障真实位置是未知的，已知测量值，以及测量误差分布。由：真实值分布＝测量值+测量误差分布，可得故障真实位置分布，即真实值分布。实际利用电缆检测与光缆检测测得OPLC故障位置分别为214.7m与218.4m，分别叠加上之前步骤所得各自的误差分布，得到电缆定位真实值分布zd1(x,y)如图7所示、光缆定为真实值分布zg1(x,y)如图8所示。图中横坐标为预计的故障真实位置，对应纵坐标为故障位于此处的概率。
表1为仿真一空域融合结果
A<sub>1</sub> A<sub>2</sub>
X<sub>212</sub> 0.394 0.606
X<sub>213</sub> 0.5241 0.4759
X<sub>214</sub> 0.8159 0.1841
X<sub>215</sub> 0.8443 0.1557
X<sub>216</sub> 0.8472 0.1528
X<sub>217</sub> 0.8449 0.1551
X<sub>218</sub> 0.9453 0.0547
X<sub>219</sub> 0.8262 0.1738
X<sub>220</sub> 0.7895 0.2105
X<sub>221</sub> 0.6306 0.3694
X<sub>222</sub> 0.5895 0.4105
根据仿真一的真实值分布图，进行区间划分，从211m到222m处，每隔1m取一个区间，求取置信度。取每个区间中点为该区间代号，依次为x211、x212、…、x222。分别给出利用电缆检测定位及光缆检测定位的基本概率赋值，取识别框架为Θ＝{A1,A2}，A1表示有故障，A2表示无故障。
利用空域融合公式(11)，对两种传感器的基本概率赋值融合在空域进行融合，计算得到结果如表1所示。
仿真二为实际测量中，一次定位结果不理想，第二次定位后，结合第一次定位结果，最终得到正确故障位置的情况。
实际利用电缆检测与光缆检测测得OPLC故障位置分别为216.3m与218.1m，分别叠加上之前步骤所得各自的误差分布，得到电缆定位真实值分布zd1(x,y)如图9所示、光缆定为真实值分布zg1(x,y)如图10所示。图中横坐标为预计的故障真实位置，对应纵坐标为故障位于此处的概率。
表2仿真二空域融合结果
A<sub>1</sub> A<sub>2</sub>
X<sub>211</sub> 0.0349 0.9651
X<sub>212</sub> 0.0986 0.9014
X<sub>213</sub> 0.2266 0.7734
X<sub>214</sub> 0.4045 0.5955
X<sub>215</sub> 0.8054 0.1946
X<sub>216</sub> 0.9149 0.0851
X<sub>217</sub> 0.9275 0.0724
X<sub>218</sub> 0.9304 0.0695
X<sub>219</sub> 0.9310 0.0688
X<sub>220</sub> 0.8662 0.1337
X<sub>221</sub> 0.6066 0.3934
X<sub>222</sub> 0.3129 0.6871
从211m到222m处，每隔1m取一个区间，求取置信度。取每个区间中点为该区间代号，依次为x211、x212、…、x222。分别给出利用电缆检测定位及光缆检测定位的基本概率赋值，取识别框架为Θ＝{A1,A2}，A1表示有故障，A2表示无故障。
利用空域融合公式(11)，对两种传感器的基本概率赋值融合在空域进行融合，计算得到结果如表2所示。
根据基于区间融合结果差的决策方法，得出此结果不满足定位要求，故再分别利用电缆与光缆定位一次，即第二测量周期。
第二周期实际利用电缆检测与光缆检测测得OPLC故障位置分别为210.6m与213.4m，分别叠加上之前步骤所得各自的误差分布，得到电缆定位真实值分布zd1(x,y)如图11所示、光缆定为真实值分布zg1(x,y)如图12所示。图中横坐标为预计的故障真实位置，对应纵坐标为故障位于此处的概率。
对第二周期定位所得到的电缆及光缆真实值分布，根据第一周期的区间划分，从211m—222m处，每隔1m取一个区间，求取置信度。取每个区间中点为该区间代号，依次为x211、x212、…、x222。分别给出利用电缆检测定位及光缆检测定位的基本概率赋值，取识别框架为Θ＝{A1,A2}，A1表示有故障，A2表示无故障。
利用时域融合公式(12)，对两种传感器的基本概率赋值融合在时域进行融合，得到累积基本概率赋值后，再利用空域融合公式(11)，对两种传感器的累积基本概率赋值融合在空域进行融合，计算得到结果如表3所示。
表3仿真二时域-空域融合结果
Figure BDA0001480336110000111
针对提出的理论，做了大量的实际故障定位，有时候只需测量一次就能得到准确的定位结果，有时候则需定位两次，还有极少数时候需要三个周期的定位甚至四个周期，将这些结果统计成柱状图如图13所示，能有更直观的发现。多数情况下，基于单测量周期的多传感器空域信息融合方法就能满足定位要求，少数情况不能满足要求的，通过增加一个测量周期，使用时域-空域信息融合方法就能达到定位要求。

Claims (4)

1.一种基于DS证据理论的OPLC故障定位方法，其特征在于：
步骤1：分别利用电缆和光缆进行故障定位，获取定位结果，判断定位结果差是否小于某一阈值d，如满足，则利用本方法提高定位精度；
步骤101：取数根OPLC样品，分别在不同位置设置故障，使用同型号的OPLC检测装置，对OPLC中电缆与光缆分别进行检测，统计分析样本数据，得到各自的测量值概率密度分布；
步骤102：将所测得的数据减去已知故障位置，得到各自的测量误差分布
fd(x,y)＝Zd+wd(x,y) (1)
wd(x,y)＝fd(x,y)-Zd (2)
其中，fd(x,y)为电缆测量故障位置测量值分布，wd(x,y)为电缆测量误差分布，Zd为电缆测量故障位置真实值；
fg(x,y)＝Zg+wg(x,y) (3)
wg(x,y)＝fg(x,y)-Zg (4)
其中，fg(x,y)为光缆测量故障位置测量值分布，wg(x,y)为光缆测量误差分布，Zg为光缆测量故障位置真实值；
步骤2根据电缆和光缆的定位结果，以及统计分析获得的电缆和光缆的故障位置真实值分布，分别计算故障区间置信度；
将电缆或光缆故障位于线路l内可能的故障区间划分为w个小段，以每个小段的中点xi代表该小段，其中i＝1,2,…，w；记Gi为测量值mi对小段xi的置信度，即假设故障位于小段xi时，i点测量值yi等于真实值ri的概率，如式(5)所示：
Gi＝P(ri＝yi|xi) (5)
分别计算出ri落在m的某一邻域(B-，B+)中的概率Pm和ri落在yi等宽邻域中的概率Pyi，再以Pyi与Pm的比值作为xi的置信度；
在取相同邻域的情况下，可用概率密度函数f(ri)在yi和mi处取值的比值来近似计算：
Figure FDA0002978294600000011
步骤201利用电缆检测与光缆检测测量OPLC故障位置，分别为Xd和Xg，叠加上误差分布，得到其各自的真实值分布zd(x,y)、zg(x,y)
zd(x,y)＝Fd-wd(x,y) (7)
zg(x,y)＝Fg-wg(x,y) (8)
其中，Fd为电缆测量故障位置测量值，Fg为光缆测量故障位置测量值；
根据两个分布波形的位置特点，每隔1m取一个区间，两组数据取相同区间，利用公式(6)，按区间逐一求取置信度；取每个区间中点xi为该区间代号，其中i＝1,2,…，w；
步骤3根据DS证据理论，进行置信度数据融合，得到故障位置区间
设U为一些互斥且穷举的元素组成的命题的集合，称为识别框架，
Figure FDA0002978294600000015
表示空的命题A的集合，若有函数m:2U→[0,1]，其中2U为U的幂集，满足：
Figure FDA0002978294600000012
Figure FDA0002978294600000013
则称m为识别框架U上的基本可信度分配，
Figure FDA0002978294600000014
m(A)称为A的基本可信数，
对多个证据源进行融合的公式为：
Figure FDA0002978294600000021
其中，
Figure FDA0002978294600000022
当来自不同传感器的不同周期的测量数据送入信息融合中心的时候，可进行普通的时域融合或空域融合，也可以进时-空域信息融合。
2.根据权利要求1所述的基于DS证据理论的OPLC故障定位方法，其特征在于：多传感器单测量周期的空域信息融合：
假设识别框架U下，ms(Ai)表示第s个传感器提供的对目标Ai的可信度分配，s＝1,2,...,N；则也可以利用式(11)，推导出N个传感器所获得的累积信息，MLN表示N个传感器融合后对命题A的累积的概率分配，
Figure FDA0002978294600000023
其中，
Figure FDA0002978294600000024
3.根据权利要求1所述的基于DS证据理论的OPLC故障定位方法，其特征在于：单传感器多测量周期的时域信息融合：
假设识别框架为U，mj(Ai)表示传感器在第j个测量周期所获得的对目标Ai的可信度分配，这里j＝1,2,...,N，则可以利用式(11)，对传感器进行时域的信息融合，MN表示传感器在N个测量周期的融合后对命题A的累积的概率分配，
Figure FDA0002978294600000025
其中，
Figure FDA0002978294600000026
4.根据权利要求1所述的基于DS证据理论的OPLC故障定位方法，其特征在于：基于区间融合结果差的决策方法：
设
Figure FDA0002978294600000027
满足
Figure FDA0002978294600000028
若有
Figure FDA0002978294600000029
则A1即为最终决策结果，其中ε1，ε2为预先设定的门限；
步骤301采用空域信息融合方法，利用公式(12)将两种传感器的基本概率赋值融合，使用基于基本概率赋值的决策方法，利用公式(14)得到最终故障区间Xc；
步骤302将Xc与单独使用电缆检测与光缆检测定位所得的故障区间Xl进行比较，若Xc＝1m，且|Xc—Xl|>＝2m，则定位结束；若不满足要求，则增加一个周期，进行时域-空域信息融合；
步骤303再分别利用电缆检测与光缆检测定位一次，其中利用电缆检测测得故障位置为Xd2，利用光缆检测测得故障位置为Xg2，叠加上各自的误差分布，得到其各自的真实值分布zd2(x,y)、zg2(x,y)；
步骤304对第二周期测得的电缆及光缆测量的真实值分布，根据两个波形的位置特点，每隔1m取一个区间，所取区间应包含第一周期的所有区间，取每个区间中点xi为该区间代号，其中i＝1,2,…，w；
步骤305分别将两个周期的电缆与光缆定位所确定的基本概率赋值，利用公式(13)在时域上进行信息融合，得到电缆与光缆定位的累积基本概率赋值；
步骤306将电缆与光缆定位2个测量周期后的累积基本概率赋值，利用公式(12)在空域进行融合，得出最终的故障区间Xp；
步骤307将Xp与最初单独使用电缆检测与光缆检测定位所得的故障区间Xl进行比较，若符合要求，则定位结束；若仍不满足要求，则再增加一个周期，继续使用时域-空域信息融合方法定位。
CN201711187374.9A 2017-11-24 2017-11-24 基于ds证据理论的oplc故障定位方法 Expired - Fee Related CN107908598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711187374.9A CN107908598B (zh) 2017-11-24 2017-11-24 基于ds证据理论的oplc故障定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711187374.9A CN107908598B (zh) 2017-11-24 2017-11-24 基于ds证据理论的oplc故障定位方法

Publications (2)

Publication Number Publication Date
CN107908598A CN107908598A (zh) 2018-04-13
CN107908598B true CN107908598B (zh) 2021-04-30

Family

ID=61847460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711187374.9A Expired - Fee Related CN107908598B (zh) 2017-11-24 2017-11-24 基于ds证据理论的oplc故障定位方法

Country Status (1)

Country Link
CN (1) CN107908598B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232421B (zh) * 2020-10-19 2022-10-04 中国科学技术大学 一种基于多维融合技术的道路场景目标检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103557883A (zh) * 2013-09-09 2014-02-05 华北电力大学（保定） 一种海底光电复合缆全方位监测及故障点准确定位方法
CN106788696A (zh) * 2017-01-20 2017-05-31 山西恒海创盈科技有限公司 基于gis平台的光缆在线智能监测及故障定位系统
CN107016404A (zh) * 2017-02-24 2017-08-04 沈阳工业大学 基于d‑s证据融合的风力发电机组故障预测方法
CN107271867A (zh) * 2017-06-27 2017-10-20 国网河南省电力公司检修公司 基于d‑s证据理论的gis局部放电故障类型识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2963437B1 (fr) * 2010-07-29 2012-08-31 Sagem Defense Securite Procede de detection et d'exclusion de multi-pannes satellites

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103557883A (zh) * 2013-09-09 2014-02-05 华北电力大学（保定） 一种海底光电复合缆全方位监测及故障点准确定位方法
CN106788696A (zh) * 2017-01-20 2017-05-31 山西恒海创盈科技有限公司 基于gis平台的光缆在线智能监测及故障定位系统
CN107016404A (zh) * 2017-02-24 2017-08-04 沈阳工业大学 基于d‑s证据融合的风力发电机组故障预测方法
CN107271867A (zh) * 2017-06-27 2017-10-20 国网河南省电力公司检修公司 基于d‑s证据理论的gis局部放电故障类型识别方法

Also Published As

Publication number Publication date
CN107908598A (zh) 2018-04-13

Similar Documents

Publication Publication Date Title
CN108593260B (zh) 光缆线路故障定位和检测方法及终端设备
CN106291115A (zh) 长距离电力电缆绝缘阻抗在线监测方法
KR101738076B1 (ko) 부분방전 진단의 신뢰도를 표시하는 부분방전 원격진단시스템
CN106126875B (zh) 一种基于态势感知理论的变压器状态评估方法
JPH0829480A (ja) 送電線故障区間及び故障様相の評定方法
CN107908598B (zh) 基于ds证据理论的oplc故障定位方法
CN104573361B (zh) 一种gis设备评估的方法和装置
KR102112153B1 (ko) 차량용 전선의 통신 성능 예측 장치 및 방법
CN108153627B (zh) 一种机载1394b总线信号传输完整性测试与评估方法
CN112436866B (zh) 基于电力载波辐射信号强度分布特征计算线路拓扑的方法
CN111695501B (zh) 一种基于操作系统内核调用数据的设备软故障检测方法
US20220147888A1 (en) Device for extracting facility needing lightning countermeasures, method for extracting factility needing lightning countermeasures, and program for extracting facility needing lightning countermeasures
Yu et al. Knowledge reasoning of transmission line component detection using CRITIC and TOPSIS approaches
CN109974873B (zh) 一种移动平均的温度监测方法
Beetner et al. Validation of worst-case and statistical models for an automotive EMC expert system
EP4105809A1 (en) Aircraft wire routing to account for electromagnetic disturbances
Ensina et al. Fault location in transmission lines based on lstm model
Beiza et al. Multiphase transmission line modeling for voltage sag estimation
CN113740663B (zh) 一种基于阻抗特征的飞机装机电缆故障定位方法
CN113189422B (zh) 一种基于用电曲线dtw的同址拆分建户识别方法
CN112834877B (zh) 一种变压器局部放电电气定位方法及设备
CN113361607B (zh) 一种中压配网线路问题分析方法及装置
CN115078920B (zh) 多信息融合的有源配电网单相接地故障选线方法与系统
CN116068336A (zh) 基于参数改进的多元变分模态分解算法和峭度的电缆故障定位方法
Zhang et al. Research on Fault Diagnosis of Launch Vehicle’s Power Transformation and Transmission System Based on Big Data

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210430