CN110907028A - 电缆振动信号类型检测方法及系统 - Google Patents
电缆振动信号类型检测方法及系统 Download PDFInfo
- Publication number
- CN110907028A CN110907028A CN201911273566.0A CN201911273566A CN110907028A CN 110907028 A CN110907028 A CN 110907028A CN 201911273566 A CN201911273566 A CN 201911273566A CN 110907028 A CN110907028 A CN 110907028A
- Authority
- CN
- China
- Prior art keywords
- cable vibration
- vibration signal
- signal
- cable
- effective
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种电缆振动信号类型检测方法及检测系统。电缆振动信号类型检测方法首先采用分布式光纤传感系统采集电缆振动信号。通过采用分布式光纤传感系统采集电缆振动信号可以提高采集到振动信号的精度以及抗干扰能力。随后对电缆振动信号先后进行滤波处理以及有效信号提取处理,可以得到有效电缆振动信号。提取有效电缆振动信号的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断,可以对电缆振动进行实时监控,并得到电缆振动信号的类型,以便判断电缆振动原因并根据电缆振动原因对电缆进行检修。
Description
技术领域
本申请涉及电气设备技术领域,特别是涉及一种电缆振动信号类型检测方法及系统。
背景技术
电力电缆因其安装简便、电气强度高及介质损耗小等特点,能够有效解决城市用电聚集效应以及架空线土地占用率过大的问题,可以在6~35kV配电网以及110kV及以上区域性输电网中广泛应用。
然而,电缆在使用中时常遭受人为偷盗以及盲目施工重型机械挖掘等外力破坏,而现有技术通常无法对外力破坏造成的电缆损害进行识别,导致电缆供电安全性和可靠性降低。
发明内容
基于此,有必要针对无法对外力破坏造成的电缆损害进行识别导致的电缆供电安全性和可靠性低的问题,提供一种电缆振动信号类型检测方法及系统。
本申请提供一种电缆振动信号类型检测方法,包括:
采用分布式光纤传感系统采集电缆振动信号;
对所述电缆振动信号进行滤波处理,得到滤波后的所述电缆振动信号;
提取滤波后的所述电缆振动信号中的有效信号,得到有效电缆振动信号;
提取所述有效电缆振动信号的特征向量,并根据所述特征向量和电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断。
在其中一个实施例中,所述对所述电缆振动信号进行滤波处理,得到滤波后的所述电缆振动信号,包括:
根据所述电缆运行状态下因外力产生振动的频率范围,采用带通滤波器对所述电缆振动信号进行滤波处理,得到滤波后的所述电缆振动信号。
在其中一个实施例中,所述提取所述有效电缆振动信号的特征向量,包括:
采用小波包分析法提取所述有效电缆振动信号的所述特征向量。
在其中一个实施例中,采用所述小波包分析法提取所述有效电缆振动信号的所述特征向量,包括:
根据所述电缆振动信号的历史数据,选取小波包变换基函数;
根据所述小波包变换基函数,重构小波包系数,得到所述有效电缆振动信号的重构信号;
根据所述重构信号,得到所述重构信号的频带能量;
根据所述重构信号的频带能量,提取所述特征向量。
在其中一个实施例中,所述电缆振动信号类型检测方法还包括:
在根据所述特征向量和所述电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断之前,根据所述电缆振动信号的历史数据训练神经网络模型,得到所述电缆振动神经网络模型。
在其中一个实施例中,采用分布式光纤传感系统采集电缆振动信号,得到电缆振动信号,包括:
采用分布式光纤传感系统采集电缆振动产生的光信号的相位变化信息,将所述光信号的相位变化信息转化为功率变化信息,并将所述光信号的功率变化信息转化为幅值变化信息相同的电信号,得到所述电缆振动信号。
在其中一个实施例中,所述电缆振动信号类型检测方法还包括:
在提取所述有效电缆振动信号的所述特征向量,并根据所述特征向量和所述电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断之后,根据所述有效电缆振动信号的类型判断造成所述电缆振动的原因。
在其中一个实施例中,所述电缆振动神经网络模型为反向传播神经网络模型。
基于同一发明构思,本申请还提供一种电缆振动信号类型检测系统,包括:
光纤传感系统,设置于电缆的外表面,用于在所述电缆发生振动时获取电缆振动信号;
信号处理系统,与所述光纤传感系统电连接,用于接收所述电缆振动信号,对所述电缆振动信号进行滤波处理,并从滤波后的所述电缆振动信号中提取有效信号,得到有效电缆振动信号;以及
信号分析系统,与所述信号处理系统电连接,用于接收所述有效电缆振动信号,提取所述有效电缆振动的特征向量,并根据所述特征向量和电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断。
在其中一个实施例中,所述光纤传感系统包括:
光纤,沿所述电缆延伸方向设置于所述电缆的外表面;
光纤传感器,与所述光纤光信号连接,用于在所述电缆发生振动时将所述光纤中光信号的相位变化信息转化为功率变化信息;
功率检测装置,与所述光纤传感器光信号连接,用于检测所述光信号的功率变化信息;以及
光电转换装置,与所述功率检测装置光信号连接,且与所述信号处理系统电连接,用于将所述光信号的功率变化信息转化为电信号,得到所述电缆振动信号并将所述电缆振动信号发送至所述信号处理系统。
在其中一个实施例中,所述光纤传感器为干涉型光纤传感器。
本申请提供一种电缆振动信号类型检测方法,首先采用分布式光纤传感系统采集电缆振动信号。通过采用分布式光纤传感系统采集电缆振动信号可以提高采集到电缆振动信号的精度,具有较强的抗干扰能力。随后对电缆振动信号先后进行滤波处理以及有效信号提取处理,可以得到有效电缆振动信号。提取有效电缆振动信号的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断,可以对电缆振动进行实时监控,并得到电缆振动信号的类型。根据电缆振动信号类型,可以对外力造成的电缆损坏进行识别,提高了供电过程的安全性和可靠性。
附图说明
图1为本申请实施例提供的一种电缆振动信号类型检测方法流程图;
图2为本申请实施例提供的一种电缆振动信号类型检测方法中信号处理流程图;
图3为本申请实施例提供的一种电缆振动信号类型检测方法中信号分析流程图;
图4为本申请实施例提供的一种电缆振动信号类型检测方法中特征向量提取流程图;
图5为本申请实施例提供的一种反向传播神经网络构建流程图;
图6为本申请实施例提供的一种电缆振动信号类型检测系统连接关系示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施的限制。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
干涉型光纤传感器具有动态测量范围大、检测灵敏度高、技术成熟、成本低、性能高等优点,且已经广泛应用于各类设备振动信号的在线监测。基于上述应用现状和发展趋势,本申请提供一种基于分布式光纤传感器的电缆振动信号类型检测方法及系统。
请一并参见图1,本申请提供一种电缆振动信号类型检测方法,包括:
步骤S100,采用分布式光纤传感系统110采集电缆振动信号;
步骤S200,对电缆振动信号进行滤波处理,得到滤波后的电缆振动信号;
步骤S300,提取滤波后的电缆振动信号中的有效信号,得到有效电缆振动信号;
步骤S400,提取有效电缆振动信号的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断。
在步骤S100中,当电缆产生振动信号时,分布式光纤传感器系统可以因外界振动的影响导致内部传输光信号的相位发生改变。可以理解,分布式光纤传感器可以包括光纤干涉仪。光纤干涉仪可以将光信号相位变化信息转化为功率变化,故通过检测光信号的功率变化间接得到电缆振动信号。可以理解,通过采用分布式光纤传感系统110采集电缆振动信号,可以提高采集到的电缆振动信号的精度,使电缆振动信号具有较强的抗干扰能力。在本实施例中,可以采用光电转换器将带有功率变化信息的光信号转化为同样具有幅值变化信息的电信号。
在步骤S200和步骤S300中,光电转换器输出的电信号通常夹杂了大量噪声以及无用信号。因此,需要对光电转换器输出的电缆振动信号进行滤波处理,得到滤波后的电缆振动信号,并从滤波后的电缆振动信号中提取有效信号,即进行模数转换。在本实施例中,通常采用信号处理系统120实现电缆振动信号的降噪处理以及有效电缆振动信号的提取。其中,通过信号处理系统120对电缆振动信号进行滤波,可以滤除电缆振动信号频率范围以外的信号,随后通过数字采样设备提取有效电缆振动信号。在其中一个实施例中,考虑到电缆振动信号相较于背景信号多为高幅值脉冲信号,为了降低后续信号分析系统130的计算压力,可以对有效电缆振动信号进行振动信号片段的分割。
在步骤S400中,可以通过信号分析系统130提取有效电缆振动信号的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断。可以理解,通过采用电缆振动神经网络模型对有效电缆振动信号的类型进行判断,可以提高电缆振动分类的准确性,从而可以提高电缆振动原因判断的准确性,以便工作人员根据电缆振动原因对电缆进行检修。在其中一个实施例中,信号分析系统130可以为计算机。
本申请提供一种电缆振动信号类型检测方法,首先采用分布式光纤传感系统110采集电缆振动信号。通过采用分布式光纤传感系统110采集电缆振动信号可以提高采集到的电缆振动信号的精度以及抗干扰能力。随后对电缆振动信号先后进行滤波处理以及有效信号提取处理,可以得到有效电缆振动信号。提取有效电缆振动信号的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行直观判断,可以对电缆振动进行实时监控并得到电缆振动信号的类型,以便判断电缆振动原因并根据电缆振动原因对电缆进行检修,具有智能化程度高的优点。
请一并参见图2,在其中一个实施例中,对电缆振动信号进行滤波处理,得到滤波后的电缆振动信号,包括:根据电缆运行状态下因外力产生振动的频率范围,采用带通滤波器对电缆振动信号进行滤波处理,得到滤波后的电缆振动信号。可以理解,信号处理系统120中可以包括带通滤波器,带通滤波器可以对光电转换器输出的电缆振动信号中夹杂的噪声进行滤波。因此,可以首先根据运行状态下的电缆受外力发生振动时的频率范围,采用带通滤波器对电缆振动电信号进行滤波,可以滤除噪声,提高电缆振动信号的精度,从而有利于提高电缆振动信号类型检测方法的准确性。
在其中一个实施例中,提取有效电缆振动信号的特征向量,包括:采用小波包分析法提取有效电缆振动信号的特征向量。在其中一个实施例中,在对有效电缆振动信号进行振动信号片段的分割后,可以采用小波包分析法提取有效电缆振动信号的特征向量。可以理解,小波包分析法可以适用于复杂非平稳信号的分析和处理,通过小波包分析后可以实现对电缆振动信号包含的信息进行分解,得到不同频段中信号里面包含的电缆故障特性,以此来构建故障特征向量,得到有效电缆振动信号的特征向量。
请一并参见图3-图4,在其中一个实施例中,采用小波包分析法提取有效电缆振动信号的特征向量,包括:根据电缆振动信号的历史数据,选取小波包变换基函数。根据小波包变换基函数,重构小波包系数,得到有效电缆振动信号的重构信号。根据重构信号,得到重构信号的频带能量。根据重构信号的频带能量,提取特征向量。可以理解,在小波包分析法提取有效电缆振动信号的特征向量的步骤中,首先可以根据电缆振动信号特点选择小波包变换的基函数,并进行小波包变换。对最底层的小波包系数依次重构,得到有效电缆振动信号的重构信号,并计算重构信号对应的频带能量。最后,整合子频带对应的频带能量,可以完成特征向量的提取。
请一并参见图5,在其中一个实施例中,电缆振动信号类型检测方法还包括:在根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断之前,根据电缆振动信号的历史数据训练神经网络模型,得到电缆振动神经网络模型。在其中一个实施例中,电缆振动神经网络模型为反向传播(Back Propagation,BP)神经网络模型。可以理解,反向传播神经网络适用于电缆振动信号模式分类。根据电缆振动信号的历史数据训练神经网络模型之前,可以首先进行系统建模,即针对不同电缆振动信号进行物理建模。完成系统建模后,进行反向传播神经网络的构建,并根据先验数据对反向传播神经网络进行训练。当神经网络通过了测试集的测试后认为该网络满足精度要求,即可输出网络。其中,输出量为实际提取的不同类别振动信号,作为神经网络的输入训练数据。可以理解,根据神经网络模型,可以实现对振动信号的分析和振动信号来源的分类,进而判断造成电缆振动的原因。在采用小波包分析法获取的电缆振动信号特征向量的基础上,将振动信号带入已经训练完成的反向传播神经网络即可实现振动类型的分类,并完成引起电缆振动原因的判断。
在其中一个实施例中,采用分布式光纤传感系统110采集电缆振动信号,得到电缆振动信号,包括:采用分布式光纤传感系统110采集电缆振动产生的光信号的相位变化信息,将光信号的相位变化信息转化为功率变化信息,并将光信号的功率变化信息转化为幅值变化信息相同的电信号,得到电缆振动信号。通过采用分布式光纤传感系统110采集电缆振动信号可以提高采集到振动信号的精度以及抗干扰能力。
在其中一个实施例中,电缆振动信号类型检测方法还包括:在提取有效电缆振动信号的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断之后,根据有效电缆振动信号的类型判断造成电缆振动的原因。
请一并参见图6,基于同一发明构思,本申请还提供一种电缆振动信号类型检测系统100,包括光纤传感系统110、信号处理系统120和信号分析系统130。光纤传感系统110设置于电缆的外表面,用于在电缆发生振动时获取电缆振动信号。信号处理系统120与光纤传感系统110电连接,用于接收电缆振动信号,对电缆振动信号进行滤波处理,并从滤波后的电缆振动信号中提取有效信号,得到有效电缆振动信号。信号分析系统130与信号处理系统120电连接,用于接收有效电缆振动信号,提取有效电缆振动的特征向量,并根据特征向量和电缆振动神经网络模型对有效电缆振动信号的类型进行判断。可以理解,光纤传感系统110用于电缆振动信号的采集,并通过光电转换将电缆振动产生的光信号转化为电路可以处理的电信号。光纤传感系统110的设置可以提高采集到振动信号的精度以及抗干扰能力。信号处理系统120可以去除电缆振动信号中的噪声,并对电缆振动信号中的有效信号进行提取。最后,信号分析系统130可以对有效电缆振动信号的特征向量进行提取,并完成电缆振动信号的分类,具有直观性强和智能化程度高的优点。同时,信号分析系统130还可以进一步判断造成电缆振动的原因,可以方便工作人员根据电缆振动类型快速高效对电缆进行检修,避免检修不及时造成的损失。
在其中一个实施例中,光纤传感系统110包括光纤、光纤传感器、功率检测装置和光电转换装置。光纤沿电缆延伸方向设置于电缆的外表面。光纤传感器与光纤光信号连接,用于在电缆发生振动时将光纤中光信号的相位变化信息转化为功率变化信息。功率检测装置与光纤传感器光信号连接,用于检测光信号的功率变化信息。光电转换装置与功率检测装置光信号连接,且与信号处理系统电连接,用于将光信号的功率变化信息转化为电信号,得到电缆振动信号并将电缆振动信号发送至信号处理系统。在其中一个实施例中,光纤传感器为干涉型光纤传感器。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种电缆振动信号类型检测方法,其特征在于,包括:
采用分布式光纤传感系统采集电缆振动信号;
对所述电缆振动信号进行滤波处理,得到滤波后的所述电缆振动信号;
提取滤波后的所述电缆振动信号中的有效信号,得到有效电缆振动信号;
提取所述有效电缆振动信号的特征向量,并根据所述特征向量和电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断。
2.根据权利要求1所述的电缆振动信号类型检测方法,其特征在于,所述对所述电缆振动信号进行滤波处理,得到滤波后的所述电缆振动信号,包括:
根据所述电缆运行状态下因外力产生振动的频率范围,采用带通滤波器对所述电缆振动信号进行滤波处理,得到滤波后的所述电缆振动信号。
3.根据权利要求1所述的电缆振动信号类型检测方法,其特征在于,所述提取所述有效电缆振动信号的特征向量,包括:
采用小波包分析法提取所述有效电缆振动信号的所述特征向量。
4.根据权利要求3所述的电缆振动信号类型检测方法,其特征在于,采用所述小波包分析法提取所述有效电缆振动信号的所述特征向量,包括:
根据所述电缆振动信号的历史数据,选取小波包变换基函数;
根据所述小波包变换基函数,重构小波包系数,得到所述有效电缆振动信号的重构信号;
根据所述重构信号,得到所述重构信号的频带能量;
根据所述重构信号的频带能量,提取所述特征向量。
5.根据权利要求1所述的电缆振动信号类型检测方法,其特征在于,还包括:
在根据所述特征向量和所述电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断之前,根据所述电缆振动信号的历史数据训练神经网络模型,得到所述电缆振动神经网络模型。
6.根据权利要求1所述的电缆振动信号类型检测方法,其特征在于,采用分布式光纤传感系统采集电缆振动信号,得到电缆振动信号,包括:
采用分布式光纤传感系统采集电缆振动产生的光信号的相位变化信息,将所述光信号的相位变化信息转化为功率变化信息,并将所述光信号的功率变化信息转化为幅值变化信息相同的电信号,得到所述电缆振动信号。
7.根据权利要求1所述的电缆振动信号类型检测方法,其特征在于,还包括:
在提取所述有效电缆振动信号的所述特征向量,并根据所述特征向量和所述电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断之后,根据所述有效电缆振动信号的类型判断造成所述电缆振动的原因。
8.根据权利要求1所述的电缆振动信号类型检测方法,其特征在于,所述电缆振动神经网络模型为反向传播神经网络模型。
9.一种电缆振动信号类型检测系统,其特征在于,包括:
光纤传感系统,设置于电缆的外表面,用于在所述电缆发生振动时获取电缆振动信号;
信号处理系统,与所述光纤传感系统电连接,用于接收所述电缆振动信号,对所述电缆振动信号进行滤波处理,并从滤波后的所述电缆振动信号中提取有效信号,得到有效电缆振动信号;以及
信号分析系统,与所述信号处理系统电连接,用于接收所述有效电缆振动信号,提取所述有效电缆振动的特征向量,并根据所述特征向量和电缆振动神经网络模型对所述有效电缆振动信号的类型进行判断。
10.根据权利要求9所述的电缆振动信号类型检测系统,其特征在于,所述光纤传感系统包括:
光纤,沿所述电缆延伸方向设置于所述电缆的外表面;
光纤传感器,与所述光纤光信号连接,用于在所述电缆发生振动时将所述光纤中光信号的相位变化信息转化为功率变化信息;
功率检测装置,与所述光纤传感器光信号连接,用于检测所述光信号的功率变化信息;以及
光电转换装置,与所述功率检测装置光信号连接,且与所述信号处理系统电连接,用于将所述光信号的功率变化信息转化为电信号,得到所述电缆振动信号并将所述电缆振动信号发送至所述信号处理系统。
11.根据权利要求10所述的电缆振动信号类型检测系统,其特征在于,所述光纤传感器为干涉型光纤传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911273566.0A CN110907028A (zh) | 2019-12-12 | 2019-12-12 | 电缆振动信号类型检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911273566.0A CN110907028A (zh) | 2019-12-12 | 2019-12-12 | 电缆振动信号类型检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110907028A true CN110907028A (zh) | 2020-03-24 |
Family
ID=69825239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911273566.0A Pending CN110907028A (zh) | 2019-12-12 | 2019-12-12 | 电缆振动信号类型检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110907028A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189200A (zh) * | 2021-03-30 | 2021-07-30 | 渝丰科技股份有限公司 | 基于网络神经电缆的埋墙线缆走向检测系统及检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183899A (zh) * | 2007-12-19 | 2008-05-21 | 天津大学 | 基于bp网络用于光纤管道泄漏监测装置的管道安全识别方法 |
CN104729667A (zh) * | 2015-03-25 | 2015-06-24 | 北京航天控制仪器研究所 | 一种分布式光纤振动传感系统中的扰动类型识别方法 |
CN205176269U (zh) * | 2015-10-20 | 2016-04-20 | 江苏欧讯能源科技有限公司 | 一种基于雷达与分布式振动光纤传感技术的海缆锚损监测装置 |
CN108509850A (zh) * | 2018-02-24 | 2018-09-07 | 华南理工大学 | 一种基于分布式光纤系统的入侵信号识别算法 |
-
2019
- 2019-12-12 CN CN201911273566.0A patent/CN110907028A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183899A (zh) * | 2007-12-19 | 2008-05-21 | 天津大学 | 基于bp网络用于光纤管道泄漏监测装置的管道安全识别方法 |
CN104729667A (zh) * | 2015-03-25 | 2015-06-24 | 北京航天控制仪器研究所 | 一种分布式光纤振动传感系统中的扰动类型识别方法 |
CN205176269U (zh) * | 2015-10-20 | 2016-04-20 | 江苏欧讯能源科技有限公司 | 一种基于雷达与分布式振动光纤传感技术的海缆锚损监测装置 |
CN108509850A (zh) * | 2018-02-24 | 2018-09-07 | 华南理工大学 | 一种基于分布式光纤系统的入侵信号识别算法 |
Non-Patent Citations (5)
Title |
---|
FANG TAO: "《Primary exploration on the application of UAV (unmanned aerial vehicle)-based photographing technology in the control over external force damage to electrictransmission line》", 《 2017 EPTC POWER TRANSMISSION AND TRANSFORMATION TECHNOLOGY CONFERENCE》 * |
JIAN WANG: "《Temperature safety analysis and backup protection scheme improvement for overhead transmission line in power oscillation condition》", 《ELECTRIC POWER SYSTEMS RESEARCH》 * |
汤亚俊: "《一种电网地下管线设施安全预警监测装置》", 《科技与创新》 * |
覃杨: "《基于光纤干涉的电缆通道振动辨识与预警系统》", 《电力大数据》 * |
谭康: "《地下电缆防外力破坏监控中的振动信号识别》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189200A (zh) * | 2021-03-30 | 2021-07-30 | 渝丰科技股份有限公司 | 基于网络神经电缆的埋墙线缆走向检测系统及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9170986B2 (en) | Power quality meter and method of waveform anaylsis and compression | |
CN202404166U (zh) | 一种变压器振动特性在线监测系统 | |
CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
CN112052712B (zh) | 一种电力设备状态监测与故障识别方法及系统 | |
CN110907885B (zh) | 一种数字化电能计量系统现场运行状态评估方法及系统 | |
CN113257249A (zh) | 一种基于声纹识别的电力设备故障诊断方法、装置和设备 | |
CN110907028A (zh) | 电缆振动信号类型检测方法及系统 | |
CN107976251A (zh) | 一种输电导线结构破坏在线监测系统及监测方法 | |
CN111860241A (zh) | 一种基于小波包分析的电力设备放电故障识别方法 | |
CN115267417B (zh) | 输电线路故障的精确定位方法及输电线路行波测量装置 | |
CN103199623A (zh) | 一种变电站状态监测系统 | |
CN113702861B (zh) | 一种基于大数据分析的电源故障位置预测方法及装置 | |
CN104215321A (zh) | 基于光纤传感器的断路器振动监测系统及监测方法 | |
CN114398922A (zh) | 一种基于CNN-BiLSTM的高压并联电抗器绕组松动的故障诊断方法 | |
CN103985213A (zh) | 一种可配置的流水式光纤扰动报警检测方法及其检测仪 | |
CN212807283U (zh) | 一种电气设备状态监测装置 | |
CN114966477A (zh) | 一种变压器声纹分析方法及系统 | |
CN102323479A (zh) | 列车谐波电流分析方法 | |
CN112114215A (zh) | 基于误差反向传播算法的变压器老化评估的方法及系统 | |
CN113343887A (zh) | 基于边缘计算与机器学习的多传感器混合故障信号盲分离方法 | |
JP2012177653A (ja) | 音響診断方法、プログラム及び装置 | |
CN111398810A (zh) | 滑环电火花检测诊断系统及检测诊断方法 | |
CN117361256B (zh) | 一种基于人工智能的电梯安全管理方法及系统 | |
CN117368637A (zh) | 一种配电网线路故障检修反送电防控方法及装置 | |
CN116165427B (zh) | 一种配电低压台区拓扑信号识别电路及识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |