CN111141412A - 电缆温度和防盗的双监测方法、系统和可读存储介质 - Google Patents
电缆温度和防盗的双监测方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN111141412A CN111141412A CN201911358015.4A CN201911358015A CN111141412A CN 111141412 A CN111141412 A CN 111141412A CN 201911358015 A CN201911358015 A CN 201911358015A CN 111141412 A CN111141412 A CN 111141412A
- Authority
- CN
- China
- Prior art keywords
- cable
- temperature
- mode fiber
- scattered light
- light
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000000835 fiber Substances 0.000 claims abstract description 136
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 43
- 230000009545 invasion Effects 0.000 claims abstract description 31
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 57
- 230000006870 function Effects 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 40
- 238000003062 neural network model Methods 0.000 claims description 30
- 239000013307 optical fiber Substances 0.000 claims description 28
- 230000000306 recurrent effect Effects 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000002265 prevention Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000005253 cladding Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000253 optical time-domain reflectometry Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
- G01K11/324—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres using Raman scattering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
- G08B13/2497—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field using transmission lines, e.g. cable
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明涉及一种电缆温度和防盗的双监测方法、系统和计算机可读存储介质。方法包括:分别向第一单模光纤、第二单模光纤耦合脉冲光,以在第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光;分别接收经第一单模光纤反射后的拉曼散射光,经第二单模光纤反射后的后向瑞利散射光;其中,拉曼散射光携带反斯托克斯散射光;根据脉冲光和反斯托克斯散射光获取沿待测电缆分布的温度信息,并根据脉冲光和后向瑞利散射光获取待测电缆的入侵事件,入侵事件包括入侵位置和入侵类型;根据温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息,可以同时实现对待测电缆的温度和入侵事件的监测,降低了监测成本,同时也提高的监测效率。
Description
技术领域
本发明涉及电缆监测技术领域,特别是涉及电缆温度和防盗的双监测方法、系统和计算机可读存储介质。
背景技术
电缆沟分布广、距离长,因温度过高而导致的火灾或入侵事件引发电缆断裂、短路,设备跳闸、停电等故障既给电力用户造成了经济损失,也对电网安全运行构成了严重威胁。
传统的,电力电缆的温度监测方法可以基于感温电缆式测温系统,感温电缆内部涂有两根或两根以上的热绝缘材料的弹性钢丝,当监测到的外部环境温度达到绝缘材料预定融化温度时,电缆绝缘层将受到损坏而短路。电力电缆的入侵事件的监测方法是基于电缆的漏电流测量或外层间电容测量之类的电学参量对电缆进行监测,而不能够实现对电缆的温度和入侵事件同时监测。
发明内容
基于此,有必要针对上述技术问题,提供一种电缆温度和防盗的双监测方法、系统和计算机可读存储介质,可以实时对待测电缆的温度和入侵事件同时进行监测。
本发明提供一种电缆温度和防盗的双监测方法,应用于电缆防盗监测系统,所述电缆防盗监测系统包括与待测电缆同步绑定设置的第一单模光纤和第二单模光纤,所述方法包括:
分别向所述第一单模光纤、第二单模光纤耦合脉冲光,以在所述第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光;
分别接收经所述第一单模光纤反射后的所述拉曼散射光,经所述第二单模光纤反射后的所述后向瑞利散射光;其中,所述拉曼散射光携带反斯托克斯散射光;
根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;
根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息。
在其中一个实施例中,所述根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型,包括:
根据所述脉冲光和所述后向瑞利散射光获取沿所述单模光纤分布的振动信号;
根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵位置,并将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型。
在其中一个实施例中,所述将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型前,包括:
获取振动信号训练集,所述振动信号训练集包括多个干扰振动信号和多个入侵振动信号;
利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型。
在其中一个实施例中,所述利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型,包括:
根据所述振动信号训练集中多个干扰振动信号确定所述循环神经网络模型的第一损失函数;
根据所述振动信号训练集中多个入侵振动信号确定所述循环神经网络模型的第二损失函数;
将所述振动信号训练集输入所述循环神经网络模型对LSTM网络层的权重进行优化,直至所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值;
将所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值对应的循环神经网络模型作为所述预测模型。
在其中一个实施例中,所述根据所述激光信号和反斯托克斯散射光获取所述待测电缆的温度信息前,还包括:
对接收的所述拉曼散射光进行解调分离以获取斯托克斯散射光;
获取所述反斯托克斯光与所述斯托克斯散射光的光强比值;
根据所述光强比值消除所述单模光纤中的随机损耗。
在其中一个实施例中,所述根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息前,还包括:
构建预设温度修正模型;
根据所述预设温度修正模型对所述待测电缆每个温度测试点的所述温度信息进行校正。
在其中一个实施例中,所述构建所述预设温度修正模型,包括:
基于温度传感器获取所述待测电缆在多个所述温度测试点距离所述待测电缆的不同预设距离处的多个校准温度;
在每所述温度测试点,建立所述预设距离与所述校准温度的对应关系;
根据在多个所述温度测试点各自对应的预设距离和校准温度的对应关系构建预设温度修正模型。
在其中一个实施例中,所述方法还包括:
根据所述报警信号生成报警数据库,所述报警数据库至少包括每次执行报警信号的报警时间、异常温度信息、入侵位置、入侵类型;
根据所述报警数据库分配管理沿所述待测电路铺设线路的管理资源。
本发明还提供一种电缆温度和防盗的双监测系统,所述系统包括:
第一单模光纤,与待测电缆同步绑定设置;
第二单模光纤,分别与所述待测电缆、第一单模光纤同步绑定设置;
光源模块,分别与所述第一单模光纤、第二单模光纤耦合连接,用于向所述第一单模光纤、第二单模光纤耦合脉冲光以在所述第一单模光纤、第二单模光纤中产生拉曼散射光和后向瑞利散射光;
第一探测模块,与所述第一单模光纤连接,用于接收经所述第一单模光纤反射后的所述拉曼散射光,并对接收的所述拉曼散射光进行解调分离以获取携带温度信息的反斯托克斯散射光,并实现光电转换;
第二探测模块,与所述第二单模光纤耦合连接,用于接收经所述第二单模光纤反射后的所述后向瑞利散射光,并实现光电转换;
处理模块,分别与所述光源模块、第一探测模块、第二探测模块连接,用于根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;
报警模块,与所述处理模块连接,用于根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息。
本发明还提供一种电缆温度和防盗的双监测系统,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述的电缆防盗监测方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述的电缆防盗监测方法的步骤。
上述电缆温度和防盗的双监测和系统,可分别向所述第一单模光纤、第二单模光纤耦合脉冲光,以在所述第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光;分别接收经所述第一单模光纤反射后的所述拉曼散射光,经所述第二单模光纤反射后的所述后向瑞利散射光;其中,所述拉曼散射光携带反斯托克斯散射光;根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息,可以基于第一单模光纤和第二单模光纤同时实现对待测电缆的温度和入侵事件的监测,降低了监测成本,同时也提高的监测效率,同时还可以对长距离待测电缆的温度和入侵事件进行自动监测,提升了报警性能,同时大大降低了人工参与,降低了人力成本。
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一些实施例,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,还可以根据这些附图获得其他实施例的附图。
图1为一个实施例中电缆防盗监测方法的流程示意图;
图2为一个实施例中的利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型的流程示意图;
图3为一个实施例中构建所述预设温度修正模型的流程示意图;
图4为一个实施例中电缆防盗监测系统的结构框架图。
具体实施方式
为了便于理解本发明,为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明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发明,附图中给出了本发明的较佳实施方式。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施方式。相反地,提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。本发明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发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。在本发明的描述中,“若干”的含义是至少一个,例如一个,两个等,除非另有明确具体的限定。
本申请实施例提供一种电缆温度和防盗的双监测方法,该方法应用于电缆温度和防盗的双监测系统,所述电缆温度和防盗的双监测系统包括与待测电缆同步绑定设置的第一单模光纤和第二单模光纤。常规标准多芯通讯光缆多为4~96芯,基于单模光纤的电缆防盗监测方法只占用多芯通讯光缆中的两芯光纤,其中一芯作为第一单模光纤,其中一芯最为第二单模光纤,其余芯可供拓展光通讯所用,可轻松实现光缆资源的共用,避免了单独铺设多模光缆的重复投入和浪费。同时,而基于单模光纤的电缆温度和防盗监测,由于单模光纤的通讯优势具有更稳定的性能、更长的监测距离、与光通讯线路兼容、适应复合线缆的发展趋势、更广阔的应用范围等优势。有利用在大范围应用时降低系统复杂度,减少投入成本,同时也为系统扩容预留空间。
如图1所示,在其中一个实施例中,电缆温度和防盗的双监测方法,包括步骤102-步骤108。其中,
步骤102,分别向所述第一单模光纤、第二单模光纤耦合脉冲光,以在所述第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光。
在其中一个实施例中,可以基于单模光纤的电缆温度和防盗的双监测系统(在本申请实施例中简称为系统)的光源模块发射预设功率的激光信号。其中,该光源模块用于发射激光信号,该光源模块分别与第一单模光纤、第二单模光纤耦合连接,可将发射的激光信号分别耦合至该第一单模光纤、第二单模光纤,并在第一单模光纤、第二单模光纤内传输。其中,激光信号可以为窄线宽激光脉冲光。当该窄线宽激光脉冲光的脉冲功率达到一定阈值后,单模光纤内就会产生拉曼散射光(Raman scattering light)和后向瑞利散射光。
激光信号和光纤分子的相互物理作用就会产生拉曼散射光。具体地,是光子和物质分子碰撞时,在光子运动方向发生改变的同时,将部分能量转给物质分子或从物质分子得到能量,均使光子能量发生改变。前者使光子能量减少,波长比入射光更长;后者使光子能量增加,波长比入射光更短,这两种光均称之为拉曼散射光。
具体地,在发射激光过程中为保证光的单向传输,在系统中加入隔离器,通过扰偏器消除偏振损害,使激光发生器输出的脉冲光峰值保持稳定,耦合器实现脉冲光的耦合。
步骤104,分别接收经所述第一单模光纤反射后的所述拉曼散射光,经所述第二单模光纤反射后的所述后向瑞利散射光;其中,所述拉曼散射光携带反斯托克斯散射光。
步骤106,根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型。
当激光信号在第一单模光纤中产生拉曼散射光时,系统的光探测模块就会对应接收反射回的拉曼散射光,并对接收的所述拉曼散射光进行解调分离,可分解为不同波长的斯托克斯光和反斯托克斯光。其中,在拉曼散射光中,把频率小于入射光频率的谱线称为斯托克斯线,把频率大于入射光频率的谱线称为反斯托克斯线。反斯托克斯光的强度与传输介质的温度强相关,而斯托克斯光的强度与传输介质的温度弱相关。
在其中一个实施例中,该系统可以根据发射的激光信号和接收的反斯托克斯光这两束光信号,计算出沿该第一单模光纤分布的温度曲线。由于,该第一单模光纤与该待测电缆同沟设置,且彼此平行且紧密布放,可以将该第一单模光纤分布的温度曲线作为沿该待测电缆分布的温度信息。
具体地,可以基于通过对激光信号和接收的反斯托克斯光这两束光信号进行光电转换、数模转换等处理和对比计算得出温度沿光纤的分布曲线。示例性的,沿第一单模光纤,可每个10cm设置一个测试点,其获取的沿该第一单模光纤分布的温度曲线的步进为10cm。
在其中一个实施例中,系统可以基于光时域反射定位原理定位出待测电缆的温度异常点。示例性的,激光信号在第一单模光纤中传输时,在不同位置产生的反斯托克斯光由第一单模光纤反射到达光探测器的时间不同,将反斯托克斯光到达探测器与激光器发出光脉冲激光信号的时间差乘以光在第一单模光纤中的传输速度再除以2,即可得到反斯托克斯光在第一单模光纤上的位置。进而,就可以对应定位出所述待测电缆的温度异常点。
当有入侵事件发生时,其所引起的振动将导致入侵位置第二单模光纤的折射率等结构参数产生变化,使该处的后向散射光的相位发生变化。系统的光探测模块可以接收该光源模块输出的脉冲光,以及相位发生变化的后向散射光,其脉冲光与后向散射光发生干涉而产生干涉信号。该干涉信号中携带了沿所述第二单模光纤分布的振动信号。由于该第二单模光纤与待测电缆是同步绑定的,可将第二单模光纤发生的入侵事件作为该待测电缆发生的入侵事件。
在其中一个实施例中,所述根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型,包括:根据所述脉冲光和所述后向瑞利散射光获取沿所述第二单模光纤分布的振动信号;根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵位置,并将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型。
在其中一个实施例中,基于相位敏感光学时域反射技术(Φ-OTDR),该系统可以根据发射脉冲光的时刻与接收后向瑞利散射光之间的时间差以及光速来计算待测第二单模光纤电缆发生入侵事件的入侵位置。由于该第二单模光纤与待测电缆是同步绑定的,可将第二单模光纤发生的入侵事件作为该待测电缆发生的入侵事件。
在其中一个实施例中,将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型。其中,入侵类型可包括人工挖掘事件、机器挖掘事件等类型。
具体的,预测模型可以包括多个循环神经网络模型。示例性的,预测模型可包括为对振动信号进行噪声事件预测的模型、对振动信号进行入侵事件预测的模型。每个振动信号对应一个位置信息,可以利用不同位置的多个干扰振动信号和多个入侵振动信号对循环神经网络模型进行训练,将获取的振动信号进行预测,将预测的结果进行汇总以获取入侵事件的入侵类型。
步骤108,根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息。
在其中一个实施例中,系统可以预先存储温度信息、入侵位置、入侵类型与预设报警策略的对应关系,进而根据当前的温度信息、入侵时间的入侵位置、入侵类型从该对应关系中确定当前需要执行的预设报警策略,进而可以根据确定的预设报警策略来输出相应的报警信息,以提示维护人员,进而对该入侵事件进行监控或实地勘察。
上述电缆温度和防盗的双监测方法,通过分别向所述第一单模光纤、第二单模光纤耦合脉冲光,以在所述第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光;分别接收经所述第一单模光纤反射后的所述拉曼散射光,经所述第二单模光纤反射后的所述后向瑞利散射光;其中,所述拉曼散射光携带反斯托克斯散射光;根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息,可以基于第一单模光纤和第二单模光纤同时实现对待测电缆的温度和入侵事件的监测,降低了监测成本,同时也提高的监测效率,同时还可以对长距离待测电缆的温度和入侵事件进行自动监测,提升了报警性能,同时大大降低了人工参与,降低了人力成本。
具体的,在利用预测模型获取所述待测电缆入侵事件的入侵类型之前,还需要收集大量的干扰振动信号和入侵振动信号作为训练集。其中,干扰振动信号可以为汽车路过、动物路过等的所引起的振动信号;入侵振动信号可以为认为拉扯第二单模光纤、机械(挖掘机、打桩机、碎石机等)挖掘第二单模光纤所引起的振动信号。可针对沿待测电缆分布的多个测试点收集大量的干扰振动信号和入侵振动信号。示例性的,多个测试点沿待测电缆分布,其测试点的数量可以设为M个,可以在每个测试点收集多个的干扰振动信号和入侵振动信号。其中,干扰振动信号和入侵振动信号的数量之和为1000个,并将该1000个干扰振动信号和入侵振动信号作为训练集。
1000个干扰振动信号和入侵振动信号按照沿待测电缆分布的多个测试点的顺序输入循环神经网络模型对循环神经网络进行训练。将1000个干扰振动信号和入侵振动信号按照沿待测电缆分布的多个测试点的顺序进行编码成循环神经网络所需的数据矩阵,将其中800个干扰振动信号和入侵振动信号对应的数据矩阵按照沿待测电缆分布的多个测试点的顺序输入至循环神经网络进行训练,利用剩余的200个干扰振动信号和入侵振动信号对应的数据矩阵作为校验集,将训练完成的循环神经网络模型作为预测模型。
如图2所示,在其中一个实施例中,所述利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型,包括:
步骤202,根据所述振动信号训练集中多个干扰振动信号确定所述循环神经网络模型的第一损失函数;
步骤204,根据所述振动信号训练集中多个入侵振动信号确定所述循环神经网络模型的第二损失函数;
步骤206,将所述振动信号训练集输入所述循环神经网络模型对LSTM网络层的权重进行优化,直至所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值;
步骤208,将所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值对应的循环神经网络模型作为所述预测模型。
具体的,其中,长短期记忆网络(Long Short Term Memory,LSTM)是一种复杂结构的循环神经网络。全连接的循环神经网络通常包括:input层,hidden层,output层。其中,input层为输入层,hidden层为隐藏层,且hidden层可以有多层,output层为输出层。标准的LSTM网络结构,输入需要4个值,输出1个值,其中有3个遗忘门概念,分别为input gate,forget gate,output gate,因为有4个参数做输入,所以通常其参数量也是一般神经网络的4倍。LSTM通过门控制可以有效防止梯度消失问题。
第一损失函数和第二损失函数是衡量预测模型预测期望结果表现的指标。根据训练集中沿待测电缆分布的多个测试点的干扰振动信号的实际值与预测值的差值获取循环神经网络模型的第一损失函数,第一损失函数可以是均值平方差(Mean Squared Error,MSE)函数。根据训练集中沿待测电缆分布的多个测试点的入侵振动信号的实际值与预测值的差值获取循环神经网络模型的第二损失函数,第二损失函数可以是均值平方差(MeanSquared Error,MSE)函数。
将训练集输入循环神经网络模型对LSTM网络层的权重进行优化,直至第一损失函数的输出值小于第一预定阈值,且第二损失函数的输出值小于第二预定阈值。在此过程中,不断检测第一损失函数和第二损失函数的输出值,当第一损失函数的输出值小于第一预定阈值,且第二损失函数的输出值小于第二预定阈值时,根据第一损失函数的输出值小于第一预定阈值,且第二损失函数的输出值小于第二预定阈值对应的LSTM网络层的权重确定出预测模型。
利用预测模型可以精准的获取入侵时间的入侵类型,提高了入侵事件的识别准确率,同时还可以根据入侵事件输出相应的报警信号以警示工作人员。
在其中一个实施例中,所述根据所述激光信号和反斯托克斯散射光获取所述待测电缆的温度信息前,还包括:对接收的所述拉曼散射光进行解调分离以获取斯托克斯散射光;根据所述斯托克斯散射光和反斯托克斯光来消除所述第一单模光纤中的随机损耗。
其中,随机损耗可包括光纤侧面收到不均匀压力,轴向上发生微米级弯曲,造成纤芯与包层界面微小凹凸,而产生的微弯损耗;光纤弯曲的曲率半径较小,光泄露到包层中产生的弯曲损耗等。
该方法可以根据斯托克斯散射光和反斯托克斯光来消除所述第一单模光纤中的随机损耗,具体包括:获取所述反斯托克斯光与所述斯托克斯散射光的光强比值;根据所述光强比值消除所述第一单模光纤中的随机损耗。具体地,随机损耗对斯托克斯光和反斯托克斯光的影响是相同,由于该反斯托克斯光携带了第一单模光纤的温度信息,则对应获取反斯托克斯光的第一光强信息,获取斯托克斯光的第二光强信息,并计算第一光强信息和第二光强信息的光强比值,继而可以根据该光强比值来消除第一单模光纤中的随机损耗。
在其中一个实施例中,所述根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息前,还包括:构建预设温度修正模型,并根据所述预设温度修正模型对所述电缆每个温度测试点的所述温度信息进行校正。也即,当获取待测电缆每个温度测试点的温度信息时,可以基于预设温度修正模型对所获取的温度信息进行校正,以提高所测待测电缆的温度信息的精准度。
具体地,构建所述预设温度修正模型,包括步骤302-步骤306。其中:
步骤302,基于温度传感器获取沿所述待测电缆分布的多个温度测试点距离所述待测电缆的不同预设距离处的多个校准温度。
沿待测电缆可设置多个温度测试点,该温度测试点的数量少于或等于第一单模光纤的测试点,且每个温度测试点都能够与第一单模光纤的测试点对应设置。具体地,温度测试点的设置可以根据待测电缆的周边的环境来设置,例如,在商业、人流量大的区域温度测试点的设置可以密集些,在人流量、建筑物少的区域温度测试点的设置可以稀疏些。示例性的,若第一单模光纤中设置的N个测试点,相邻两个测试点的间距相等,且均为10cm,则可将N个测试点中的任意M个作为待测电缆的温度测试点,其中,N大于或等于M,且M个温度测试点的分布可根据待测电缆的周边的环境来设置,也即,相邻两个温度测试点的间距可以相等,也可以不相等。在本申请中,对M个温度测试点的选取不做进一步的限定。
示例性的,可将M个温度测试点分别记为T1-TM,其中,第i个温度测试点用Ti表示。可在每个温度测试点,布置温度传感器来测量待测电缆在当前测量点所在区域的校准温度。具体的,在每个测量点,可将温度传感器放置在距离该待测电缆的不同预设距离处,测量对应的校准温度。示例性的,预设距离可为0、1cm、2cm、3cm、4cm等等。当预设距离为Q个时,其在同一温度测量点Ti处,对应获取Q个不同预设距离的校准温度。
需要说明的是,预设距离指的距离待测电缆的最短距离,其中,温度测试点设置在待测电缆上。当预设距离为0时,其温度传感器设置在该待测电缆的温度测试点。
步骤304,在每一所述温度测试点,建立所述预设距离与所述校准温度的对应关系。
在其中一个实施例中,从多个所述校准温度中删除高于温度阈值的校准温度,并将剩余的所述校准温度作为数据集。在该数据集中,在每个温度测试点Ti,建立预设距离与所述校准温度的对应关系。具体的,该对应关系可以用Ti(t)=fi(D)*L,其中,fi(D)为当前温度测试点的系数,L为预设距离,Ti(t)为预设距离处的校准温度。fi(D)可以为一个固定的数值,也可以为变量。由于温度测试点所处的环境不同,不同温度测试点处对应的fi(D)系统也可以不同。
其中,温度阈值可以理解为电缆的温度值介于正常值与异常值之间的临界值。通过删除高于温度阈值的校准温度可以使得数据集的所有校准温度均为正常范围内的温度,使其建立的对应关系更为精准。
步骤306,根据在多个所述温度测试点各自对应的预设距离和校准温度的对应关系构建预设温度修正模型。
系统可以对应获取不同温度测试点处的预设距离与所述校准温度的对应关系,也即可以对应获取T1(t)=f1(D)*L、T2(t)=f2(D)*L、Ti(t)=fi(D)*L、…、TM(t)=fM(D)*L。系统可以根据获取的M个对应关系Ti(t)=fi(D)*L构建预设温度修正模型。其中,构建的预设温度修正模型中可包括温度测试点、预设距离以及校准温度三者之间的对应关系。示例性的,该对应关系可以通过曲线拟合来获取,该包括三个参量的对应关系曲线的形式可以采用各种曲线形式。
在其中一个实施例中,当基于第一单模光纤获取的待测电缆的温度信息后,可以基于该预设温度修正模型对待测电缆每个温度测试点的温度信息进行校正。
具体地,系统可以对应获取第一单模光纤在每个测试点的温度信息,以及获取第一单模光纤与待测电缆之间的距离信息,并称之为第一距离。基于预设温度修正模型,确定与第一距离和每个测试点对应的校准温度,可根据校准温度来校准所获取的温度信息。示例性的,系统可对应获取沿第一单模光纤分布的温度信息的温度曲线。当第一单模光纤与待测电缆之间的距离为第一距离时,可以对应获取预设温度修正模型中在第一距离出的分布在各个温度测试点的校准温度曲线。系统可以根据该校准温度曲线来对温度曲线进行校正。示例性的,可以比较校准温度曲线和温度曲线,并筛选出两个曲线中的走势相同的区域,并获取该区域的两个曲线的差值,并将该差值作为温度信息的补偿量,进而根据该补偿量对测得的温度信息进行补偿校准。
本实施例中,该方法可以根据预设温度修正模型来对所测的待测电缆的温度信息进行校准,以提高温度信息的准确性,进而提高预警的准确性。
在其中一个实施例中,根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息,包括:构建所述温度信息、入侵地点、入侵类型与预设报警策略的对应关系;确定与当前所述温度信息、入侵地点、入侵类型相对应的预设报警策略;根据确定的预设报警策略输出警报信号,所述报警信号携带所述入侵位置。
具体地,该系统可以预先构建并存储所述温度信息、入侵地点、入侵类型与预设报警策略的对应关系。示例性的,在建立四者之间的关系时,预设报警策略=f(温度信息、入侵地点,入侵类型)。该关系可以采用映射表的方式进行固定。该关系可以是系统提供、推荐或者由用户进行自定义。
其中,预设报警策略可包括通过声、光或图像的方式呈现所述报警信号;基于无线网络将将所述报警信息输出至预设账户的移动终端。
示例性的,当温度信号异常时,其对应的预设报警策略为通过声、光或图像的方式呈现所述报警信号,以警示工作人员。当该入侵事件的入侵类型为挖掘入侵类型,其入侵地点为距离该系统控制中心的预设范围内时,其对应的预设报警策略为通过声、光或图像的方式呈现所述报警信号,以警示在入侵位置的工作人员。当该入侵事件的入侵类型为人为入侵类型时,其对应的预设报警策略为基于无线网络将将所述报警信息输出至预设账户的移动终端,以提醒持有该移动终端的工作人员去入侵地点勘察,以防止人为偷盗电缆的事件发生。
在其中一个实施例中,电缆防盗监测方法还包括:根据所述报警信号生成报警数据库,所述报警数据库至少包括每次执行报警信号的报警时间、异常温度信息、入侵位置、入侵类型;根据所述报警数据库分配管理沿所述待测电路铺设线路的管理资源的步骤。
具体的,当有报警信号发生时,可以将该报警信号存储至报警数据库。其中,该报警数据库中存储的报警信息可携带每次执行报警信号的所述异常温度信息、报警时间、入侵位置、入侵类型。示例性的,在预设时间段内,若发生的报警信号的次数为m次,则该数据库会根据对应存储该m次报警信号的报警时间、异常温度信息、入侵位置、入侵类型,进而可以根据数据库内存储的m次报警信号来分析在哪个时间段、哪些电缆铺设线路发生入侵事件、异常温度的频率较高,进而根据该信息来分配管理沿所述待测电路铺设线路的管理资源。其中,管理资源可包括人力资源和物力资源。示例性的,可以给入侵时间频繁发生的时间段、入侵地点、异常温度配置更多的管理资源来监控,以防止入侵事件或因温度过高而导致的火灾的发生。
应该理解的是,虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图4所示,本申请实施例还提供一种电缆温度和防盗的双监测系统,所述系统包括:第一单模光纤410、第二单模光纤420、光源模块430、第一探测模块440、第二探测模块450和处理模块460。
其中,第一单模光纤410、第二单模光纤420均与待测电缆同步绑定设置。常规标准多芯通讯光缆多为4~96芯,基于单模光纤的电缆防盗监测方法只占用多芯通讯光缆中的两芯光纤,其中一芯作为第一单模光纤410,其中一芯最为第二单模光纤420,其余芯可供拓展光通讯所用,可轻松实现光缆资源的共用,避免了单独铺设多模光缆的重复投入和浪费。同时,而基于单模光纤的电缆温度和防盗监测,由于单模光纤的通讯优势具有更稳定的性能、更长的监测距离、与光通讯线路兼容、适应复合线缆的发展趋势、更广阔的应用范围等优势。有利用在大范围应用时降低系统复杂度,减少投入成本,同时也为系统扩容预留空间。
光源模块430,分别与所述第一单模光纤410、第二单模光纤420耦合连接,用于向所述第一单模光纤、第二单模光纤耦合脉冲光以在所述第一单模光纤、第二单模光纤中产生拉曼散射光和后向瑞利散射光。该光源模块430可将发射的激光信号耦合至该第一单模光纤410、第二单模光纤420,并在第一单模光纤410、第二单模光纤420内传输。其中,激光信号可以为窄线宽激光脉冲光。当该窄线宽激光脉冲光的脉冲功率达到一定阈值后,第一单模光纤410内就会产生拉曼散射光,第二单模光纤420内就会产生后向瑞利散射光。示例性的,该光源模块430可以为脉冲激光器,该脉冲激光器可以发射预设功率且稳定的脉冲光。
第一探测模块440,与所述第一单模光纤连接,用于接收经所述第一单模光纤反射后的所述拉曼散射光,并对接收的所述拉曼散射光进行解调分离以获取携带温度信息的反斯托克斯散射光,并实现光电转换;第二探测模块450,与所述第二单模光纤耦合连接,用于接收经所述第二单模光纤反射后的所述后向瑞利散射光,并实现光电转换。具体地,该第一探测模块440、第二探测模块450可以为光电探测器,能将接收的光信号转换为电信号,进而输出该处理模块460进行处理。
处理模块460,分别与所述光源模块、第一探测模块、第二探测模块连接,用于根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型。
报警模块470,与所述处理模块连接,用于根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息。报警模块470,与所述处理模块连接,用于根据所述入侵位置、入侵类型按照预设报警策略输出相应的报警信息。示例性的,该报警模块470可包括显示单元、发光单元、扬声器等能够执行声光报警操作的器件。其中,报警信号可以以声、光、图像的形式呈现出来。
上述电缆温度和防盗的双监测系统,可以分别向所述第一单模光纤、第二单模光纤耦合脉冲光,以在所述第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光;分别接收经所述第一单模光纤反射后的所述拉曼散射光,经所述第二单模光纤反射后的所述后向瑞利散射光;其中,所述拉曼散射光携带反斯托克斯散射光;根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息,可以基于第一单模光纤和第二单模光纤同时实现对待测电缆的温度和入侵事件的监测,降低了监测系统成本,同时也提高的监测效率,同时还可以对长距离待测电缆的温度进行自动监测,提升了报警性能,同时大大降低了人工参与,降低了人力成本。
在其中一个实施例中,处理模块460包括:
训练集单元,用于获取振动信号训练集,所述振动信号训练集包括多个干扰振动信号和多个入侵振动信号;
预测模型单元,用于利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型。
具体地,预测模型单元具体可根据所述振动信号训练集中多个干扰振动信号确定所述循环神经网络模型的第一损失函数;根据所述振动信号训练集中多个入侵振动信号确定所述循环神经网络模型的第二损失函数;将所述振动信号训练集输入所述循环神经网络模型对LSTM网络层的权重进行优化,直至所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值;将所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值对应的循环神经网络模型作为所述预测模型。
本申请还提供一种电缆温度和防盗的双监测系统,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任一实施例中的电缆温度和防盗的双监测的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述任一实施例中的电缆温度和防盗的双监测的步骤。
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。需要说明的是,本申请的“一实施例中”、“例如”、“又如”等,旨在对本申请进行举例说明,而不是用于限制本申请。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电缆温度和防盗的双监测方法,其特征在于,应用于电缆防盗监测系统,所述电缆防盗监测系统包括与待测电缆同步绑定设置的第一单模光纤和第二单模光纤,所述方法包括:
分别向所述第一单模光纤、第二单模光纤耦合脉冲光,以在所述第一单模光纤和第二单模光纤中产生拉曼散射光和后向瑞利散射光;
分别接收经所述第一单模光纤反射后的所述拉曼散射光,经所述第二单模光纤反射后的所述后向瑞利散射光;其中,所述拉曼散射光携带反斯托克斯散射光;
根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;
根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型,包括:
根据所述脉冲光和所述后向瑞利散射光获取沿所述单模光纤分布的振动信号;
根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵位置,并将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型。
3.根据权利要求2所述的方法,其特征在于,所述将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型前,包括:
获取振动信号训练集,所述振动信号训练集包括多个干扰振动信号和多个入侵振动信号;
利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型。
4.根据权利要求3所述的方法,其特征在于,所述利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型,包括:
根据所述振动信号训练集中多个干扰振动信号确定所述循环神经网络模型的第一损失函数;
根据所述振动信号训练集中多个入侵振动信号确定所述循环神经网络模型的第二损失函数;
将所述振动信号训练集输入所述循环神经网络模型对LSTM网络层的权重进行优化,直至所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值;
将所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值对应的循环神经网络模型作为所述预测模型。
5.根据权利要求1所述的方法,其特征在于,所述根据所述激光信号和反斯托克斯散射光获取所述待测电缆的温度信息前,还包括:
对接收的所述拉曼散射光进行解调分离以获取斯托克斯散射光;
获取所述反斯托克斯光与所述斯托克斯散射光的光强比值;
根据所述光强比值消除所述单模光纤中的随机损耗。
6.根据权利要求1所述的方法,其特征在于,所述根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息前,还包括:
构建预设温度修正模型;
根据所述预设温度修正模型对所述待测电缆每个温度测试点的所述温度信息进行校正。
7.根据权利要求6所述的方法,其特征在于,所述构建所述预设温度修正模型,包括:
基于温度传感器获取所述待测电缆在多个所述温度测试点距离所述待测电缆的不同预设距离处的多个校准温度;
在每所述温度测试点,建立所述预设距离与所述校准温度的对应关系;
根据在多个所述温度测试点各自对应的预设距离和校准温度的对应关系构建预设温度修正模型。
8.一种电缆温度和防盗的双监测系统,其特征在于,所述系统包括:
第一单模光纤,与待测电缆同步绑定设置;
第二单模光纤,分别与所述待测电缆、第一单模光纤同步绑定设置;
光源模块,分别与所述第一单模光纤、第二单模光纤耦合连接,用于向所述第一单模光纤、第二单模光纤耦合脉冲光以在所述第一单模光纤、第二单模光纤中产生拉曼散射光和后向瑞利散射光;
第一探测模块,与所述第一单模光纤连接,用于接收经所述第一单模光纤反射后的所述拉曼散射光,并对接收的所述拉曼散射光进行解调分离以获取携带温度信息的反斯托克斯散射光,并实现光电转换;
第二探测模块,与所述第二单模光纤耦合连接,用于接收经所述第二单模光纤反射后的所述后向瑞利散射光,并实现光电转换;
处理模块,分别与所述光源模块、第一探测模块、第二探测模块连接,用于根据所述脉冲光和所述反斯托克斯散射光获取沿所述待测电缆分布的温度信息,并根据所述脉冲光和所述后向瑞利散射光获取所述待测电缆的入侵事件,所述入侵事件包括入侵位置和入侵类型;
报警模块,与所述处理模块连接,用于根据所述温度信息、入侵位置、入侵类型按照预设报警策略输出相应的报警信息。
9.一种电缆温度和防盗的双监测系统,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的电缆温度和防盗的双监测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的电缆温度和防盗的双监测的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358015.4A CN111141412A (zh) | 2019-12-25 | 2019-12-25 | 电缆温度和防盗的双监测方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358015.4A CN111141412A (zh) | 2019-12-25 | 2019-12-25 | 电缆温度和防盗的双监测方法、系统和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111141412A true CN111141412A (zh) | 2020-05-12 |
Family
ID=70520079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911358015.4A Pending CN111141412A (zh) | 2019-12-25 | 2019-12-25 | 电缆温度和防盗的双监测方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111141412A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161778A (zh) * | 2020-08-17 | 2021-01-01 | 南昌航空大学 | 基于回归概率分布的分布式光纤扰动定位方法 |
CN115876255A (zh) * | 2023-02-02 | 2023-03-31 | 中国华能集团清洁能源技术研究院有限公司 | 电池储能电站的氢气、温度复合监测方法及装置 |
CN116183056A (zh) * | 2023-04-28 | 2023-05-30 | 廊坊开发区中油新星电信工程有限公司 | 一种基于分布式光纤传输的在线监测及预警系统 |
Citations (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308047A (zh) * | 2007-05-18 | 2008-11-19 | 中南大学 | 监测氧化自热性硫化矿堆温度的方法 |
CN102221415A (zh) * | 2010-03-10 | 2011-10-19 | 精工爱普生株式会社 | 温度计以及温度测量方法 |
CN102879876A (zh) * | 2012-09-03 | 2013-01-16 | 深圳供电局有限公司 | 一种电缆监控传感光缆 |
CN102937489A (zh) * | 2012-11-09 | 2013-02-20 | 江苏省电力公司无锡供电公司 | 光纤复合架空相线分布式测温装置及方法 |
CN103048592A (zh) * | 2012-12-14 | 2013-04-17 | 广州供电局有限公司 | 电力电缆故障离线定位方法与系统 |
CN103236127A (zh) * | 2013-05-06 | 2013-08-07 | 无锡成电光纤传感科技有限公司 | 一种光纤围栏入侵监测系统及其模式识别方法 |
CN103616089A (zh) * | 2013-12-04 | 2014-03-05 | 威海北洋电气集团股份有限公司 | 一种光纤温度振动传感器及综合监控系统和方法 |
CN203465450U (zh) * | 2013-07-08 | 2014-03-05 | 扬州森斯光电科技有限公司 | 一种应变与温度双参光缆 |
CN203799460U (zh) * | 2014-02-08 | 2014-08-27 | 上海波汇通信科技有限公司 | 基于光纤传感的隧道电缆入侵探测系统 |
CN104143327A (zh) * | 2013-07-10 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 一种声学模型训练方法和装置 |
CN106197745A (zh) * | 2015-05-29 | 2016-12-07 | 上海温尔信息科技有限公司 | 体温计及其测量方法 |
CN106600869A (zh) * | 2016-12-31 | 2017-04-26 | 上海华魏光纤传感技术有限公司 | 一种用于光纤围栏安防系统的围栏入侵识别方法 |
CN106874833A (zh) * | 2016-12-26 | 2017-06-20 | 中国船舶重工集团公司第七0研究所 | 一种振动事件的模式识别方法 |
CN106909989A (zh) * | 2017-02-24 | 2017-06-30 | 国网河南省电力公司电力科学研究院 | 一种电网扰动预测方法及装置 |
CN107132478A (zh) * | 2017-04-13 | 2017-09-05 | 南京师范大学 | 一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法 |
CN206610396U (zh) * | 2016-12-30 | 2017-11-03 | 济南达慧光电科技有限公司 | 一种光纤光栅围栏入侵报警检测系统 |
CN107797987A (zh) * | 2017-10-12 | 2018-03-13 | 北京知道未来信息技术有限公司 | 一种基于Bi‑LSTM‑CNN的混合语料命名实体识别方法 |
CN207280630U (zh) * | 2017-05-22 | 2018-04-27 | 国网山东省电力公司威海供电公司 | 供电作业安全检测装置 |
CN108805269A (zh) * | 2018-06-28 | 2018-11-13 | 杭州叙简科技股份有限公司 | 一种基于lstm循环神经网络拾取震相到时的方法 |
CN108960586A (zh) * | 2018-06-14 | 2018-12-07 | 华中科技大学 | 一种适应场景变化的非入侵式负荷识别方法 |
CN109165727A (zh) * | 2018-09-04 | 2019-01-08 | 成都品果科技有限公司 | 一种基于循环神经网络的数据预测方法 |
CN208400590U (zh) * | 2018-07-23 | 2019-01-18 | 天津轻工职业技术学院 | 一种电力安全传感光缆 |
CN109325440A (zh) * | 2018-09-19 | 2019-02-12 | 深圳市赢世体育科技有限公司 | 人体动作识别方法及系统 |
CN109410496A (zh) * | 2018-10-25 | 2019-03-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
CN109708689A (zh) * | 2018-11-14 | 2019-05-03 | 沈阳理工大学 | 基于改进长短时记忆神经网络的连锁药店温湿度预警系统 |
CN109766872A (zh) * | 2019-01-31 | 2019-05-17 | 广州视源电子科技股份有限公司 | 图像识别方法和装置 |
CN110186547A (zh) * | 2019-04-24 | 2019-08-30 | 中国石油天然气股份有限公司 | 管道安全状况检测装置及方法 |
CN110226918A (zh) * | 2019-06-26 | 2019-09-13 | 广州视源电子科技股份有限公司 | 心电信号类型检测方法、装置、计算机设备及存储介质 |
CN209415056U (zh) * | 2018-10-15 | 2019-09-20 | 广州固源电力工程设计有限公司 | 一种基于botda原理的边界安全监测系统 |
CN110348513A (zh) * | 2019-07-10 | 2019-10-18 | 北京华电天仁电力控制技术有限公司 | 一种基于深度学习的风电机组故障预测方法 |
CN110384482A (zh) * | 2019-06-26 | 2019-10-29 | 广州视源电子科技股份有限公司 | 心电信号分类方法、装置、计算机设备和存储介质 |
CN110427924A (zh) * | 2019-09-09 | 2019-11-08 | 桂林电子科技大学 | 一种基于lstm的心冲击信号自动多分类识别方法 |
CN110570613A (zh) * | 2019-09-18 | 2019-12-13 | 广州亓行智能科技有限公司 | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 |
CN110584649A (zh) * | 2019-09-09 | 2019-12-20 | 武汉大学 | 一种动态单导心电图中异常心电信号识别方法及系统 |
-
2019
- 2019-12-25 CN CN201911358015.4A patent/CN111141412A/zh active Pending
Patent Citations (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308047A (zh) * | 2007-05-18 | 2008-11-19 | 中南大学 | 监测氧化自热性硫化矿堆温度的方法 |
CN102221415A (zh) * | 2010-03-10 | 2011-10-19 | 精工爱普生株式会社 | 温度计以及温度测量方法 |
CN102879876A (zh) * | 2012-09-03 | 2013-01-16 | 深圳供电局有限公司 | 一种电缆监控传感光缆 |
CN102937489A (zh) * | 2012-11-09 | 2013-02-20 | 江苏省电力公司无锡供电公司 | 光纤复合架空相线分布式测温装置及方法 |
CN103048592A (zh) * | 2012-12-14 | 2013-04-17 | 广州供电局有限公司 | 电力电缆故障离线定位方法与系统 |
CN103236127A (zh) * | 2013-05-06 | 2013-08-07 | 无锡成电光纤传感科技有限公司 | 一种光纤围栏入侵监测系统及其模式识别方法 |
CN203465450U (zh) * | 2013-07-08 | 2014-03-05 | 扬州森斯光电科技有限公司 | 一种应变与温度双参光缆 |
CN104143327A (zh) * | 2013-07-10 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 一种声学模型训练方法和装置 |
CN103616089A (zh) * | 2013-12-04 | 2014-03-05 | 威海北洋电气集团股份有限公司 | 一种光纤温度振动传感器及综合监控系统和方法 |
CN203799460U (zh) * | 2014-02-08 | 2014-08-27 | 上海波汇通信科技有限公司 | 基于光纤传感的隧道电缆入侵探测系统 |
CN106197745A (zh) * | 2015-05-29 | 2016-12-07 | 上海温尔信息科技有限公司 | 体温计及其测量方法 |
CN106874833A (zh) * | 2016-12-26 | 2017-06-20 | 中国船舶重工集团公司第七0研究所 | 一种振动事件的模式识别方法 |
CN206610396U (zh) * | 2016-12-30 | 2017-11-03 | 济南达慧光电科技有限公司 | 一种光纤光栅围栏入侵报警检测系统 |
CN106600869A (zh) * | 2016-12-31 | 2017-04-26 | 上海华魏光纤传感技术有限公司 | 一种用于光纤围栏安防系统的围栏入侵识别方法 |
CN106909989A (zh) * | 2017-02-24 | 2017-06-30 | 国网河南省电力公司电力科学研究院 | 一种电网扰动预测方法及装置 |
CN107132478A (zh) * | 2017-04-13 | 2017-09-05 | 南京师范大学 | 一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法 |
CN207280630U (zh) * | 2017-05-22 | 2018-04-27 | 国网山东省电力公司威海供电公司 | 供电作业安全检测装置 |
CN107797987A (zh) * | 2017-10-12 | 2018-03-13 | 北京知道未来信息技术有限公司 | 一种基于Bi‑LSTM‑CNN的混合语料命名实体识别方法 |
CN108960586A (zh) * | 2018-06-14 | 2018-12-07 | 华中科技大学 | 一种适应场景变化的非入侵式负荷识别方法 |
CN108805269A (zh) * | 2018-06-28 | 2018-11-13 | 杭州叙简科技股份有限公司 | 一种基于lstm循环神经网络拾取震相到时的方法 |
CN208400590U (zh) * | 2018-07-23 | 2019-01-18 | 天津轻工职业技术学院 | 一种电力安全传感光缆 |
CN109165727A (zh) * | 2018-09-04 | 2019-01-08 | 成都品果科技有限公司 | 一种基于循环神经网络的数据预测方法 |
CN109325440A (zh) * | 2018-09-19 | 2019-02-12 | 深圳市赢世体育科技有限公司 | 人体动作识别方法及系统 |
CN209415056U (zh) * | 2018-10-15 | 2019-09-20 | 广州固源电力工程设计有限公司 | 一种基于botda原理的边界安全监测系统 |
CN109410496A (zh) * | 2018-10-25 | 2019-03-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
CN109708689A (zh) * | 2018-11-14 | 2019-05-03 | 沈阳理工大学 | 基于改进长短时记忆神经网络的连锁药店温湿度预警系统 |
CN109766872A (zh) * | 2019-01-31 | 2019-05-17 | 广州视源电子科技股份有限公司 | 图像识别方法和装置 |
CN110186547A (zh) * | 2019-04-24 | 2019-08-30 | 中国石油天然气股份有限公司 | 管道安全状况检测装置及方法 |
CN110226918A (zh) * | 2019-06-26 | 2019-09-13 | 广州视源电子科技股份有限公司 | 心电信号类型检测方法、装置、计算机设备及存储介质 |
CN110384482A (zh) * | 2019-06-26 | 2019-10-29 | 广州视源电子科技股份有限公司 | 心电信号分类方法、装置、计算机设备和存储介质 |
CN110348513A (zh) * | 2019-07-10 | 2019-10-18 | 北京华电天仁电力控制技术有限公司 | 一种基于深度学习的风电机组故障预测方法 |
CN110427924A (zh) * | 2019-09-09 | 2019-11-08 | 桂林电子科技大学 | 一种基于lstm的心冲击信号自动多分类识别方法 |
CN110584649A (zh) * | 2019-09-09 | 2019-12-20 | 武汉大学 | 一种动态单导心电图中异常心电信号识别方法及系统 |
CN110570613A (zh) * | 2019-09-18 | 2019-12-13 | 广州亓行智能科技有限公司 | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 |
Non-Patent Citations (1)
Title |
---|
郝志峰: "《数据科学与数学建模》", 31 January 2019, 华中科技大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161778A (zh) * | 2020-08-17 | 2021-01-01 | 南昌航空大学 | 基于回归概率分布的分布式光纤扰动定位方法 |
CN112161778B (zh) * | 2020-08-17 | 2022-08-02 | 南昌航空大学 | 基于回归概率分布的分布式光纤扰动定位方法 |
CN115876255A (zh) * | 2023-02-02 | 2023-03-31 | 中国华能集团清洁能源技术研究院有限公司 | 电池储能电站的氢气、温度复合监测方法及装置 |
CN116183056A (zh) * | 2023-04-28 | 2023-05-30 | 廊坊开发区中油新星电信工程有限公司 | 一种基于分布式光纤传输的在线监测及预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10018558B2 (en) | Distributed acoustic sensing in a multicore optical fiber using distributed mode coupling, delay, and simultaneous pulsing with selectable spatial modes | |
US11768127B2 (en) | Fiber optic virtual sensing system and method | |
CN111141412A (zh) | 电缆温度和防盗的双监测方法、系统和可读存储介质 | |
CN109186895B (zh) | 分布式无源输气管线泄漏多参量融合预警检测装置和方法 | |
CN207850562U (zh) | 多功能光纤分布式在线监测设备 | |
AU2013100784A4 (en) | An optical refractive index measuring system based on speckel correlation | |
CN104040598B (zh) | 干涉仪型光纤干扰检测装置及其检测方法 | |
CN106482792A (zh) | 基于布里渊分布式光纤传感技术的桥梁健康监测系统 | |
CN111127793A (zh) | 电缆防盗监测方法和系统、计算机可读存储介质 | |
CN109579726B (zh) | 一种长标距分布式光纤布里渊传感-解调系统及应变测量方法 | |
US20170115138A1 (en) | Method and system for optical fiber sensing | |
CN103591971A (zh) | 一种光纤光栅的定位方法及系统 | |
CN104344913A (zh) | 一种基于光纤光栅传感的温度测量系统及方法 | |
CN105783952A (zh) | 反射点阵光纤相位敏感otdr传感系统及方法 | |
CN204087417U (zh) | 光纤感温火灾探测器系统 | |
CN105448014B (zh) | 基于围墙周界安防系统的综合布线方法及入侵预警方法 | |
Datta et al. | Challenges and opportunities in distributed anti-Stokes Raman thermometry | |
KR101474068B1 (ko) | 광섬유 브래그 격자를 이용한 원전 환경 모니터링 시스템 | |
CN112649115A (zh) | 一种opgw光缆温度监测系统 | |
CN111613004A (zh) | 一种基于感温光纤的隧道分布式温度监测火灾预警系统 | |
CN106646670A (zh) | 一种输电线路分布式微气象监测方法 | |
KR102186746B1 (ko) | 계측장치 시스템을 이용한 구조물 시공 및 유지관리 방법 | |
CN111103067A (zh) | 基于单模光纤的电缆沟温度监测方法和系统 | |
Feng et al. | Research on automatic cable monitoring system based on vibration fibber optic sensor technology | |
Lombera et al. | Experimental demonstration of a leakage monitoring system for large diameter water pipes using a fiber optic distributed sensor system |
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 |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |