CN114783165B - 基于分布式光纤振动传感的电缆通道防外破在线监测系统 - Google Patents

基于分布式光纤振动传感的电缆通道防外破在线监测系统 Download PDF

Info

Publication number
CN114783165B
CN114783165B CN202210707741.8A CN202210707741A CN114783165B CN 114783165 B CN114783165 B CN 114783165B CN 202210707741 A CN202210707741 A CN 202210707741A CN 114783165 B CN114783165 B CN 114783165B
Authority
CN
China
Prior art keywords
cable
section
target area
sample
optical fiber
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.)
Active
Application number
CN202210707741.8A
Other languages
English (en)
Other versions
CN114783165A (zh
Inventor
武继军
刘杨涛
李帅三
谭培强
林鹏
董金平
刘兆需
许刚
徐明磊
朱文
薛欣科
耿芳远
孙媛媛
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.)
Shandong Kehua Electrical Technology Co ltd
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
Shandong Kehua Electrical Technology 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 Shandong Kehua Electrical Technology Co ltd filed Critical Shandong Kehua Electrical Technology Co ltd
Priority to CN202210707741.8A priority Critical patent/CN114783165B/zh
Publication of CN114783165A publication Critical patent/CN114783165A/zh
Application granted granted Critical
Publication of CN114783165B publication Critical patent/CN114783165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/124—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wired telecommunication networks or data transmission busses

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及报警装置领域，具体涉及基于分布式光纤振动传感的电缆通道防外破在线监测系统。该系统包括处理器和存储器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取目标区域内各段电缆的振动变化信息和张力变化信息；判断目标区域内各段电缆的外破指数；若某段电缆的外破指数大于设定阈值，则进行预警；反之，则判定为初步正常电缆；对于目标区域内的任一段初步正常电缆：当该段初步正常电缆的当前温度高于神经网络输出的预测温度，且两者的差值的绝对值超过设定温度阈值时，进行预警。本发明实现了对电缆是否遭受到外力破坏的判断，并在某段电缆遭受到外力破坏时进行预警，可通知相关人员对对应的电缆进行查验。

Description

基于分布式光纤振动传感的电缆通道防外破在线监测系统
技术领域
本发明涉及报警装置领域，具体涉及基于分布式光纤振动传感的电缆通道防外破在线监测系统。
背景技术
随着电网的快速发展以及配网自动化的不断推进，电缆线缆被广泛的应用到电网的建设中，由于有些电缆铺设在地下通道中，环境较为恶劣，其遭受环境外力的破坏风险较高，而电力工作人员在监测地下通道中的电缆时存在一定的困难。如何实现对电缆是否遭受外力的监测和识别，是防止电缆遭受到破坏的必要手段。
发明内容
基于此，本发明的目的在于提供一种基于分布式光纤振动传感的电缆通道防外破在线监测系统，以实现对电缆是否遭受外力的监测和识别，防止电缆遭受到破坏。
本发明的一种基于分布式光纤振动传感的电缆通道防外破在线监测系统，包括处理器和存储器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
获取目标区域内各段电缆的振动变化信息和张力变化信息；
根据目标区域内各段电缆的振动变化信息和张力变化信息计算任意两段电缆之间的差异值，将任意两段电缆之间的差异值作为对应两段电缆之间的距离，利用局部离群因子算法计算目标区域内各段电缆对应的离群因子，将每段电缆的离群因子作为对应段电缆的外破指数；将目标区域内各段电缆的外破指数与设定阈值进行比较，若某段电缆的外破指数大于设定阈值，则判定对应段电缆遭受到外力破坏，并进行预警；若某段电缆的外破指数不大于设定阈值，则判定对应段电缆为初步正常电缆；
对于目标区域内的任一段初步正常电缆：获取该段初步正常电缆的当前温度，将所述当前温度与神经网络输出的预测温度进行比较，当所述当前温度高于所述神经网络输出的预测温度，且所述当前温度与所述神经网络输出的预测温度的差值的绝对值大于设定温度阈值时，判定该段初步正常电缆存在温度异常，并进行预警。
进一步的，利用如下公式计算任意两段电缆之间的差异值：
Figure 435177DEST_PATH_IMAGE002
其中，A、B分别表示两段不同的电缆，
Figure 197990DEST_PATH_IMAGE003
为电缆A和电缆B在当前时间段的差 异值；abs为取绝对值，
Figure 305623DEST_PATH_IMAGE004
为求极差，sum为求和，exp为以e为底的指数函数，
Figure 326931DEST_PATH_IMAGE005
为电缆A 在当前时间段的张力变化序列，
Figure 95298DEST_PATH_IMAGE006
为电缆B在当前时间段的张力变化序列；
Figure 809439DEST_PATH_IMAGE007
为电缆A在 当前时间段的振动变化序列，
Figure 201106DEST_PATH_IMAGE008
为电缆B在当前时间段的振动变化序列。
进一步的，所述利用局部离群因子算法计算目标区域内各段电缆对应的离群因子，包括：
计算目标区域内各段电缆的第X可达距离
Figure 26104DEST_PATH_IMAGE009
，将目标区域内的每段电缆视为一个 样本，第X可达距离
Figure 101508DEST_PATH_IMAGE009
为以一个样本在假设空间中向外辐射，直至涵盖了第X个邻近样本时 的距离， X为预设值，在样本i的第X可达距离
Figure 750664DEST_PATH_IMAGE009
内，能够涵盖X个的样本j，在涵盖的空间内 将涵盖的所有样本j构建成集合
Figure 662250DEST_PATH_IMAGE010
；按照如下公式计算每个样本对应的局部可达密度：
Figure 55054DEST_PATH_IMAGE011
其中，
Figure 250544DEST_PATH_IMAGE012
为电缆i在当前时间段的局部可达密度，X为邻近样本的数量，j为任一 邻近样本，
Figure 837645DEST_PATH_IMAGE010
为该段电缆在当前时间段的邻近样本的集合；
利用如下公式计算每个样本的第X局部离群因子：
Figure 735063DEST_PATH_IMAGE013
其中，
Figure 167443DEST_PATH_IMAGE014
为样本i的第X局部离群因子，
Figure 483018DEST_PATH_IMAGE015
为电缆j在当前时间段的局部 可达密度。
进一步的，所述神经网络为TCN网络。
进一步的，所述振动变化信息是利用光纤振动传感器采集得到的。
进一步的，所述张力变化信息是利用张力传感器采集得到的。
有益效果：本发明根据目标区域内各段电缆对应的振动数据、张力数据和温度数据实现了对电缆是否遭受到外力破坏的判断，并在某段电缆遭受到外力破坏时进行预警，可通知相关人员对对应的电缆进行查验，防止电缆遭受更严重的破坏。
附图说明
图1是本发明的电缆是否遭受外力破坏的分析方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚，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介绍。
为了实现对电缆是否遭受外力的监测和识别，防止电缆遭受到破坏，本实施例的基于分布式光纤振动传感的电缆通道防外破在线监测系统包括处理器和存储器，所述处理器执行所述存储器存储的计算机程序，以实现如图1所示的电缆是否遭受外力破坏的分析方法。该分析方法包括以下步骤：
（1）获取目标区域内各段电缆的振动变化信息和张力变化信息；
本实施例将研究的区域记为目标区域，该目标区域内的环境因素基本一致，在目标区域内的各段电缆没有出现外力破坏的情况下，目标区域内的各电缆的相关数据基本是一致的。为了实现对目标区域内各段电缆是否存在外力破坏的判断的问题，本实施例采集了目标区域内各段电缆的相关信息，包括电缆的振动变化信息和张力变化信息，以根据这些信息对目标区域内各段电缆是否遭受到外力破坏进行判断。接下来对相关信息的采集过程进行说明：
①集电缆的振动变化信息；
当电缆遭受到外力时，其振动变化情况会与其他电缆存在差异；因此，本实施例基 于电缆振动的变化来衡量各电缆是否遭受到外力。具体的，使用光纤振动传感器采集记录 电缆的振动变化情况，传感器每2秒采集记录一次信息，以2分钟为一个目标时间段时长，可 得到电缆的振动变化序列
Figure 208398DEST_PATH_IMAGE016
。其中，
Figure 360155DEST_PATH_IMAGE017
为第i段电缆的振动变化序列，
Figure 845495DEST_PATH_IMAGE018
为第i段电缆第一个采集时刻对应的振动幅值，
Figure DEST_PATH_IMAGE019
为第i段电缆第二个采集时刻对 应的振动幅值。光纤振动传感器的安装和读取方式是现有技术，此处不再赘述。
②采集电缆的张力变化信息。
当电缆遭受到外力时，其两端张力变化情况会与其他电缆存在差异；因此，本实施 例基于电缆两端张力的变化来衡量各电缆是否遭受到外力。具体的，本实施例在每段电缆 的左右两端各安装一个张力传感器，传感器每2秒采集记录一次信息，以2分钟为一个目标 时间段时长，可得到电缆左端的张力变化序列
Figure 133084DEST_PATH_IMAGE020
和电缆右端的张 力变化序列
Figure 560523DEST_PATH_IMAGE021
。其中，
Figure 917686DEST_PATH_IMAGE022
为第i段电缆左端的张力变化序列，
Figure 223028DEST_PATH_IMAGE023
为第i段电缆左端第一个采集时刻对应的张力，
Figure 965725DEST_PATH_IMAGE024
为第i段电缆左端第二个采集 时刻对应的张力；
Figure 331109DEST_PATH_IMAGE025
为第i段电缆右端的张力变化序列，
Figure 175568DEST_PATH_IMAGE026
为第i段电缆右端第一个 采集时刻对应的张力，
Figure 251978DEST_PATH_IMAGE027
为第i段电缆右端第二个采集时刻对应的张力。张力传感器的 安装和读取方式是现有技术，此处不再赘述。
将电缆左右两端张力传感器采集的张力变化序列进行均值化处理，并将处理后的 数据构建成一个集合
Figure 881804DEST_PATH_IMAGE028
，其中，
Figure 667358DEST_PATH_IMAGE029
第i段电缆的张力变化序列， mean为求均值。
由此，可以获取目标区域内各段电缆的振动信息
Figure 248381DEST_PATH_IMAGE017
和张力信息
Figure 364367DEST_PATH_IMAGE029
。
（2）根据目标区域内各段电缆的振动变化信息和张力变化信息计算任意两段电缆之间的差异值，将任意两段电缆之间的差异值作为对应两段电缆之间的距离，并利用局部离群因子算法计算目标区域内各段电缆对应的离群因子，将每段电缆的离群因子作为对应段电缆的外破指数；将目标区域内各段电缆的外破指数与设定阈值进行比较，若某段电缆的外破指数大于设定阈值，则判定对应段电缆遭受到外力破坏，并进行预警；若某段电缆的外破指数不大于设定阈值，则判定对应段电缆为初步正常电缆；
对于目标区域内的各段电缆而言，在没有外力干扰的情况下，各段电缆的振动变化信息和张力变化信息的差异较小；如果出现了某段电缆的振动变化信息和张力变化信息与其他段电缆的振动变化信息和张力变化信息差异较大的情况，那么这段电缆很可能遭受到了外力破坏。基于此，本实施例利用如下公式计算目标区域内任意两段电缆之间的差异值：
Figure 347235DEST_PATH_IMAGE030
其中，A、B分别表示两段不同的电缆，
Figure 38110DEST_PATH_IMAGE003
为电缆A和电缆B在当前时间段的差异 值；abs为取绝对值，
Figure 342315DEST_PATH_IMAGE004
为求极差，sum为求和，exp为以e为底的指数函数，
Figure 26106DEST_PATH_IMAGE005
为电缆A在 当前时间段的张力变化序列，
Figure 630525DEST_PATH_IMAGE006
为电缆B在当前时间段的张力变化序列；
Figure 944832DEST_PATH_IMAGE007
为电缆A在当前 时间段的振动变化序列，
Figure 251179DEST_PATH_IMAGE008
为电缆B在当前时间段的振动变化序列；本实施例以一个2分钟 为一个单位进行分析，上述当前时间段为距离当前时刻不大于2分钟的各采集时刻构成的 集合。
Figure 240126DEST_PATH_IMAGE031
代表电缆A和电缆B在当前时间段的振动波动范围 的差值，如果两端电缆的振动情况越接近，此差值越接近。
Figure 932007DEST_PATH_IMAGE032
和
Figure 715418DEST_PATH_IMAGE033
分别表示电 缆A和电缆B的整体张力。
将目标区域内的每段电缆视为一个样本，将任意两段电缆之间的差异值作为对应两样本之间的距离，基于此，本实施例利用一种局部离群因子算法(LOF)计算目标区域内各段电缆对应的离群因子，LOF的基本思想是：首先计算每个样本的一个局部可达密度，然后通过局部可达密度进一步计算得到每个样本的一个离群因子，该离群因子即标识了一个样本的离群程度，因子值越大，标识离群程度越高，因子值越小，表示离群程度越低。
LOF算法的输入层进入的是所有样本的集合，输出层产生的是离群样本的集合。计算每个样本的局部可达密度，进而计算得到每个样本的局部离群因子，选取输出离群程度最高的n个样本。本实施例计算每个样本的局部可达密度的过程如下：
基于上述距离计算方法有第X可达距离
Figure 227171DEST_PATH_IMAGE009
，即以一个样本在假设空间中向外辐射， 直至涵盖了第X个邻近样本时的距离。X为预设值，本实施例中X以样本总数量的5%为准。在 样本I的第X可达距离
Figure 3497DEST_PATH_IMAGE009
内，能够涵盖较多的样本J，因此在涵盖的空间内将涵盖的所有样本 J构建成集合
Figure 51350DEST_PATH_IMAGE010
。按照如下公式计算每个样本对应的局部可达密度：
Figure 238617DEST_PATH_IMAGE034
其中，
Figure 4710DEST_PATH_IMAGE035
为电缆I在当前时间段的局部可达密度，X为邻近样本的数量，J为任一 邻近样本，
Figure 302836DEST_PATH_IMAGE036
为该段电缆在当前时间段的邻近样本的集合。
Figure 720042DEST_PATH_IMAGE035
表征了样本I的密度 情况，当样本I与周围样本密集度越高，
Figure 314097DEST_PATH_IMAGE035
的值越大。
接下来计算每个样本的第X局部离群因子，将每个样本的第X局部离群因子作为对应样本的外破指数：
Figure 66021DEST_PATH_IMAGE037
其中，
Figure 403724DEST_PATH_IMAGE038
为样本I的第X局部离群因子，是样本I的邻域
Figure 393546DEST_PATH_IMAGE036
内其它样本的局 部可达密度与样本I的局部可达密度之比的平均值。
Figure 689660DEST_PATH_IMAGE039
为某一段电缆J在当前时间段的 局部可达密度。如果离群因子越接近1，意味着样本I的密度和其邻域样本密度差不多，I可 能和邻域同属一簇；如果离群因子小于1，意味着样本I的密度高于其邻域样本密度，则样本 I为正常样本；如果离群因子大于1，意味着样本I的密度低于其邻域样本密度，则样本I可能 是异常样本。
由此，可得到目标区域中各段电缆的外破指数；接下来本实施例给定一个阈值，当某段电缆的外破指数大于此阈值时，判定其为外破可疑电缆，反之，当某段电缆的外破指数不大于此阈值时，判定其为初步正常电缆。本实施例设定参考阈值1.2，作为其他实施方式，可以自行设定该参考阈值。
为了排除偶然因素对判定结果的影响，本实施例当某电缆被第一次检测出为异常样本后，并不直接判定该电缆遭受到了外力破坏，而是进行多次判断，也即只有在该异常样本在接下来的多个时间段均被判定为异常样本时才判定该异常样本对应的电缆受到了外力破坏，可向相关人员发送该段电缆在遭受外力破坏的信息，以提醒相关人员进行查验，防止外力对该电缆的破坏。
（3）对于目标区域内的任一段初步正常电缆：获取该段初步正常电缆的当前温度，将所述当前温度与神经网络输出的预测温度进行比较，当所述当前温度高于所述神经网络输出的预测温度，且所述当前温度与所述神经网络输出的预测温度的差值的绝对值大于设定温度阈值时，判定该段初步正常电缆存在温度异常，并进行预警。
上述步骤（1）和（2）主要从振动和张紧力两方面来衡量了外力对目标区域内电缆的破坏，然而，外力对电缆的破坏有时候并不体现振动和张紧力上，而是体现在其它参数上，比如温度参数，因此，为了提高本实施例的防外破系统的外力识别能力，本实施例还对目标区域内各段初步正常电缆的当前温度数据进行了采集。
为了判断各段初步正常电缆的当前温度是否因受到外力而发生变化，本实施利用训练好的TCN网络对电缆在没有遭受外力时的当前温度进行了预测，得到了当前时刻的预测温度。本实施例对TCN网络进行训练的过程中，训练集为目标区域内每一段电缆在没有遭受到外力的情况下的温度序列，每段电缆对应的温度序列由各历史采集时刻对应的温度数据按照先后顺序构成；TCN的loss函数为均方差损失函数。利用TCN网络对相关数据进行预测为现有技术，此处不再赘述。
将各段初步正常电缆对应的温度序列输入到训练好的TCN网络中，可以得到各初步正常电缆对应于当前时刻的预测温度，通过将各段初步正常电缆对应的当前温度与对应的预测温度进行比较的方式，即可判定各段初步正常电缆是否存在温度异常。具体的，对于任一初步正常电缆，当其对应的当前温度高于TCN网络输出的对应于该初步正常电缆的预测温度超过设定温度阈值时，即当所述当前温度高于所述神经网络输出的预测温度，且所述当前温度与所述神经网络输出的预测温度的差值的绝对值大于设定温度阈值时，判定该初步正常电缆存在温度异常，反之，判定该初步正常电缆存在温度异常，其中，温度阈值的值可以在应用时自行设定。当某段电缆被判断出存在温度异常时，向相关人员或后台发出预警，以对温度异常的原因进行核实，早做出判断和处理，预防电缆被进一步损坏。
本实施例根据目标区域内各段电缆对应的振动数据、张力数据和温度数据实现了对电缆是否遭受到外力破坏的判断，并在某段电缆遭受到外力破坏时进行预警，可通知相关人员对对应的电缆进行查验，防止电缆遭受更严重的破坏。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种基于分布式光纤振动传感的电缆通道防外破在线监测系统，包括处理器和存储器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
获取目标区域内各段电缆的振动变化信息和张力变化信息；
根据目标区域内各段电缆的振动变化信息和张力变化信息计算任意两段电缆之间的差异值，将任意两段电缆之间的差异值作为对应两段电缆之间的距离，并利用局部离群因子算法计算目标区域内各段电缆对应的离群因子，将每段电缆的离群因子作为对应段电缆的外破指数；将目标区域内各段电缆的外破指数与设定阈值进行比较，若某段电缆的外破指数大于设定阈值，则判定对应段电缆遭受到外力破坏，并进行预警；若某段电缆的外破指数不大于设定阈值，则判定对应段电缆为初步正常电缆；
对于目标区域内的任一段初步正常电缆：获取该段初步正常电缆的当前温度，将所述当前温度与神经网络输出的预测温度进行比较，当所述当前温度高于所述神经网络输出的预测温度，且所述当前温度与所述神经网络输出的预测温度的差值的绝对值大于设定温度阈值时，判定该段初步正常电缆存在温度异常，并进行预警。
2.根据权利要求1所述的基于分布式光纤振动传感的电缆通道防外破在线监测系统，其特征在于，利用如下公式计算任意两段电缆之间的差异值：
Figure DEST_PATH_IMAGE001
其中，A、B分别表示两段不同的电缆，
Figure 650484DEST_PATH_IMAGE002
为电缆A和电缆B在当前时间段的差异值； abs为取绝对值，
Figure DEST_PATH_IMAGE003
为求极差，sum为求和，exp为以e为底的指数函数，
Figure 962516DEST_PATH_IMAGE004
为电缆A在当 前时间段的张力变化序列，
Figure DEST_PATH_IMAGE005
为电缆B在当前时间段的张力变化序列；
Figure 26418DEST_PATH_IMAGE006
为电缆A在当前时 间段的振动变化序列，
Figure DEST_PATH_IMAGE007
为电缆B在当前时间段的振动变化序列。
3.根据权利要求1所述的基于分布式光纤振动传感的电缆通道防外破在线监测系统，其特征在于，所述利用局部离群因子算法计算目标区域内各段电缆对应的离群因子，包括：
计算目标区域内各段电缆的第X可达距离
Figure 431117DEST_PATH_IMAGE008
，将目标区域内的每段电缆视为一个样 本，第X可达距离
Figure 157634DEST_PATH_IMAGE008
为以一个样本在假设空间中向外辐射，直至涵盖了第X个邻近样本时的 距离， X为预设值，在样本i的第X可达距离
Figure 617565DEST_PATH_IMAGE008
内，能够涵盖X个的样本j，在涵盖的空间内将 涵盖的所有样本j构建成集合
Figure DEST_PATH_IMAGE009
；按照如下公式计算每个样本对应的局部可达密度：
Figure 801553DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为电缆i在当前时间段的局部可达密度，X为邻近样本的数量，j为任一邻近样 本，
Figure 580415DEST_PATH_IMAGE009
为该段电缆在当前时间段的邻近样本的集合；
利用如下公式计算每个样本的第X局部离群因子：
Figure 528648DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
为样本i的第X局部离群因子，
Figure 191669DEST_PATH_IMAGE014
为电缆j在当前时间段的局部可达密 度。
4.根据权利要求1所述的基于分布式光纤振动传感的电缆通道防外破在线监测系统，其特征在于，所述神经网络为TCN网络。
5.根据权利要求1所述的基于分布式光纤振动传感的电缆通道防外破在线监测系统，其特征在于，所述振动变化信息是利用光纤振动传感器采集得到的。
6.根据权利要求1所述的基于分布式光纤振动传感的电缆通道防外破在线监测系统，其特征在于，所述张力变化信息是利用张力传感器采集得到的。
CN202210707741.8A 2022-06-22 2022-06-22 基于分布式光纤振动传感的电缆通道防外破在线监测系统 Active CN114783165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210707741.8A CN114783165B (zh) 2022-06-22 2022-06-22 基于分布式光纤振动传感的电缆通道防外破在线监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210707741.8A CN114783165B (zh) 2022-06-22 2022-06-22 基于分布式光纤振动传感的电缆通道防外破在线监测系统

Publications (2)

Publication Number Publication Date
CN114783165A CN114783165A (zh) 2022-07-22
CN114783165B true CN114783165B (zh) 2022-08-23

Family

ID=82421401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210707741.8A Active CN114783165B (zh) 2022-06-22 2022-06-22 基于分布式光纤振动传感的电缆通道防外破在线监测系统

Country Status (1)

Country Link
CN (1) CN114783165B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115346356A (zh) * 2022-08-05 2022-11-15 广西电网有限责任公司电力科学研究院 一种外力事件引起配电网电缆损坏预警方法和系统
CN115346357B (zh) * 2022-10-18 2023-01-31 高勘(广州)技术有限公司 光缆防外破预警方法、装置、设备及存储介质
CN115371837A (zh) * 2022-10-25 2022-11-22 高勘(广州)技术有限公司 动力电缆的温度检测方法、装置、系统及存储介质
CN115713229A (zh) * 2022-11-01 2023-02-24 国网山东省电力公司淄博供电公司 基于神经网络对绝缘子性能损耗的风险预警分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107037062A (zh) * 2017-05-17 2017-08-11 中天射频电缆有限公司 同轴电缆材料微波特性在线监测和诊断装置及方法
CN107076584A (zh) * 2015-05-08 2017-08-18 辉固科技有限公司 光学传感器设备、传感器装置以及缆线
CN107067609A (zh) * 2017-06-22 2017-08-18 云南电网有限责任公司昭通供电局 变电站光纤周界安防监测系统
CN111523595A (zh) * 2020-04-23 2020-08-11 国网天津市电力公司 一种基于离群点检测算法的电缆缺陷研判方法
CN112945426A (zh) * 2021-01-29 2021-06-11 西南石油大学 振弦传感器及应力位移测试方法
CN113325270A (zh) * 2021-06-03 2021-08-31 广东电网有限责任公司 一种光缆输电线路监测方法及装置
CN114240041A (zh) * 2021-11-10 2022-03-25 云南电网有限责任公司 配网台区精益化线损分析方法及系统
CN114564980A (zh) * 2021-11-30 2022-05-31 贵州电网有限责任公司 一种分布式光缆外破监测系统的数据样本整理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10209291B2 (en) * 2016-02-04 2019-02-19 The University Of Akron System and method for condition monitoring of electricity transmission structures

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107076584A (zh) * 2015-05-08 2017-08-18 辉固科技有限公司 光学传感器设备、传感器装置以及缆线
CN107037062A (zh) * 2017-05-17 2017-08-11 中天射频电缆有限公司 同轴电缆材料微波特性在线监测和诊断装置及方法
CN107067609A (zh) * 2017-06-22 2017-08-18 云南电网有限责任公司昭通供电局 变电站光纤周界安防监测系统
CN111523595A (zh) * 2020-04-23 2020-08-11 国网天津市电力公司 一种基于离群点检测算法的电缆缺陷研判方法
CN112945426A (zh) * 2021-01-29 2021-06-11 西南石油大学 振弦传感器及应力位移测试方法
CN113325270A (zh) * 2021-06-03 2021-08-31 广东电网有限责任公司 一种光缆输电线路监测方法及装置
CN114240041A (zh) * 2021-11-10 2022-03-25 云南电网有限责任公司 配网台区精益化线损分析方法及系统
CN114564980A (zh) * 2021-11-30 2022-05-31 贵州电网有限责任公司 一种分布式光缆外破监测系统的数据样本整理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
光纤网络离群恶意数据自动检测研究与分析;刘征 等;《激光杂志》;20190825;第40卷(第8期);全文 *
基于大数据分析技术的输变电设备状态评估方法研究;严英杰;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20200115;全文 *

Also Published As

Publication number Publication date
CN114783165A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN114783165B (zh) 基于分布式光纤振动传感的电缆通道防外破在线监测系统
KR101554216B1 (ko) 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치
CN112348237B (zh) 一种动态钻井数据异常趋势检测方法
CN110793616A (zh) 一种全光纤分布式的电缆安全与可靠性监测系统
JP6634835B2 (ja) 無線通信異常検出方法、無線通信異常検出プログラム及び無線通信異常検出装置
CN115689393A (zh) 一种基于物联网的电力系统实时动态监测系统及方法
CN115436755B (zh) 一种海上风电安全监测信息动态管理方法及系统
CN115640860B (zh) 一种工业云服务的机电设备远程维护方法及系统
CN112304446A (zh) 电力设备报警处理方法和装置
CN118566787B (zh) 一种基于数据分析的电缆故障检测方法及系统
CN117349711A (zh) 一种铁路机车零部件电子标签数据处理方法及系统
KR102158100B1 (ko) 이상 감지를 이용한 모니터링 자동화 방법 및 장치
CN118249518A (zh) 电力通信线路的故障智能化监控与控制系统
KR20220132824A (ko) 배전설비 상태 이상 개소 감시 시스템 및 방법
CN115222278A (zh) 一种机器人智慧巡检的方法和系统
JP3820941B2 (ja) 局地気象データ推定方法およびその装置
CN112540210A (zh) 零火线异常用户的识别方法和反窃电鉴别方法、存储介质
CN118729315B (zh) 一种智能多参数环境监测方法
KR20210059267A (ko) 데이터 수집 시스템 및 방법
CN115959552B (zh) 扶梯故障的预测方法、装置、设备及介质
CN118226791B (zh) 一种工控机自检控制系统及方法
CN118330129B (zh) 一种基于b1级防火线缆的检测系统及方法
CN117191130B (zh) 一种多场景在线温湿度监控方法和系统
CN118536817B (zh) 一种基于传感器网络的电缆通道监测系统
CN118916814A (zh) 火电站锅炉炉管的异常监测方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20221129

Address after: 250101 3-1002-2, building 11, Shuntai Plaza, 2000 Shunhua Road, high tech Zone, Jinan City, Shandong Province

Patentee after: SHANDONG KEHUA ELECTRICAL TECHNOLOGY CO.,LTD.

Patentee after: ELECTRIC POWER RESEARCH INSTITUTE OF STATE GRID SHANDONG ELECTRIC POWER Co.

Address before: 250000 3-1002-2, building 11, Shuntai Plaza, No. 2000, Shunhua Road, high tech Zone, Jinan City, Shandong Province

Patentee before: SHANDONG KEHUA ELECTRICAL TECHNOLOGY CO.,LTD.

TR01 Transfer of patent right