CN116405110A - 一种多芯光缆故障定位分析设备 - Google Patents
一种多芯光缆故障定位分析设备 Download PDFInfo
- Publication number
- CN116405110A CN116405110A CN202310659346.1A CN202310659346A CN116405110A CN 116405110 A CN116405110 A CN 116405110A CN 202310659346 A CN202310659346 A CN 202310659346A CN 116405110 A CN116405110 A CN 116405110A
- Authority
- CN
- China
- Prior art keywords
- fault
- optical cable
- monitoring
- location
- zone
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Optical Communication System (AREA)
Abstract
本发明公开了一种多芯光缆故障定位分析设备,具备路线规划模块,监测定位模块,光线生成装置,光缆故障检测装置,模型故障定位模块,多个监测定位区位进行中心性监测路径抽取,并对中心性监测路径进行监测以实现光缆故障的区位粗锁定,将光缆故障所在的监测定位区位进行分支性监测路径抽取,并对分支性监测路径进行监测以实现光缆故障的点位细锁定。本发明实现快速缩小监测范围,定位出光缆故障,效率高,无需对各个光缆进行逐一检测,冗余检测少;实现精细化定位出光缆故障,准确性强,避免漏检;在故障数据积累量足够多时,还可以通过对中心性监测路径中故障数据和故障点位进行深度学习构建出故障定位模型。
Description
技术领域
本发明涉及光通信故障定位技术领域,具体涉及一种多芯光缆故障定位分析设备。
背景技术
光纤通信由于远距离、高速率、大容量等优点而受到广泛应用,由于光纤线路发生故障会引起通信中断,从而给生活、工作、企业生产等造成严重影响,因此,如何迅速准确定位光纤线路中故障点,为及时恢复通信赢得时间是亟待解决的问题,相关技术中,通过OTDR确定光纤线路中的故障点,在光纤的输入端输入激光,获取激光在光纤中不同位置的后向散射光的光强,得到激光在光纤中不同位置的衰减信息,根据衰减信息确定光纤的衰减曲线;该衰减曲线包括多个位置点以及每个位置点对应的衰减值。响应于光纤线路出现故障,确定衰减曲线中衰减值骤然增大的位置点为故障点。
通过OTDR技术对故障点进行定位时,能够确定故障点在光纤上的位置点,然后进行故障通知,由于光纤线路错综复杂,光纤网络分支众多,光纤端点在光缆出现传输故障时接收到报警信息,选择待测光纤并通过远程OTDR发射检测光,获取光强并分析故障点位置信息,其中,待测光纤的选择性较多,需要对较多的光纤进行检测,无法精确及时的找出故障光纤及对应位置点,检测范围大。
因此,现有光缆检测技术存在以下技术问题,光缆检测光路径固定,待测光缆众多,导致光缆检测光路径数量众多,难以及时对众多的光缆段进行检测,检测范围大。
发明内容
为此,本发明提供一种多芯光缆故障定位分析设备,有效的解决了现有技术中的光缆检测光路径固定,待测光缆众多,难以及时对众多的光缆段进行检测,检测范围大的问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种多芯光缆故障定位分析设备,具备:
路线规划模块,包含区位粗锁定路线规划模块和点位细锁定路线规划模块,所述区位粗锁定路线规划模块基于光缆线路物理网络以及光缆线路虚拟网络对光缆进行分区划分得到多个故障监测区位,并在每个故障监测区位内进行中心性监测路径抽取作为区位粗锁定监测路线,所述点位细锁定路线规划模块在故障监测区位中进行分支性监测路径抽取作为点位细锁定监测路线;
监测定位模块,包含区位粗锁定模块和点位细锁定模块,所述区位粗锁定模块与区位粗锁定路线规划模块通讯连接,所述区位粗锁定模块基于位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的故障监测区位,并将光缆故障所在的故障监测区位标定为故障区位反馈至所述点位细锁定模块,所述点位细锁定模块与所述点位细锁定路线规划模块通讯连接,所述点位细锁定模块在故障区位内基于位于点位细锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的线路点位;
光线生成装置,安装在区位粗锁定监测路线的光缆首尾端,以及点位细锁定监测路线的光缆首尾端,所述光线生成装置用于向所述区位粗锁定监测路线发出光线,以形成监测区位粗锁定监测路线的检测光路,以及用于向所述点位细锁定监测路线发出光线,以形成监测点位细锁定监测路线的检测光路;
光缆故障检测装置,安装在区位粗锁定监测路线的光缆首尾端,以及点位细锁定监测路线的光缆首尾端,所述光缆故障检测装置用于对所述区位粗锁定监测路线,以及点位细锁定监测路线进行故障检测,并获得区位粗锁定监测路线,以及点位细锁定监测路线的光缆信号接收异常情况;
模型故障定位模块,与监测定位模块通讯连接,累计存储监测定位模块得到的故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,以及故障区位内光缆故障所在的线路点位,对故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,以及故障区位内光缆故障所在的线路点位进行深度学习构建出故障定位模型,并在故障定位模型构成后替换掉点位细锁定模块直接与区位粗锁定模块通讯连接,以实现模型化确定出光缆故障所在的线路点位。
进一步的,所述区位粗锁定路线规划模块包括物理网络抽象模块,虚拟网络抽象模块,融合网络抽象模块,以及区位路线规划模块;
所述物理网络抽象模块用于对光缆物理安装线路中各条光缆间的物理关联性进行抽象分析得到光缆线路物理网络;
所述虚拟网络抽象模块用于对光缆信号虚拟传输线路中各条光缆间的虚拟关联性进行抽象分析得到光缆线路虚拟网络;
所述融合网络抽象模块用于对光缆线路物理网络和光缆线路虚拟网络进行融合分析得到双重关联网络,并将双重关联网络进行分区划分得到多个故障监测区位;
所述区位路线规划模块用于在每个故障监测区位内进行中心性监测路径抽取作为区位粗锁定监测路线。
进一步的,所述虚拟网络抽象模块得到光缆线路虚拟网络,包括:
获取各条光缆在同一时序段内的传输信号作为各条光缆的传输信号序列,并量化任意两条光缆的传输信号序列的相似度,其中,
若任意两条光缆的传输信号序列的相似度高于或等于预设阈值,则在任意两条光缆对应的两个网络节点间设置第二网络连接边;
若任意两条光缆的传输信号序列的相似度低于预设阈值,则不在任意两条光缆对应的两个网络节点间设置第二网络连接边;
利用第二网络连接边对网络节点进行连接得到所述光缆线路虚拟网络;
进一步的,所述融合网络抽象模块划分出多个故障监测区位,包括:
在所述光缆线路物理网络和光缆线路虚拟网络中提取出相同的网络连接边作为双重网络连接边,并将双重网络连接边对各个网络节点进行连接得到所述双重关联网络;
利用模块度密度D作为社团划分的目标函数对双重网络连接边进行社团划分,以实现将所有网络节点划分为多个故障监测区位。
进一步的,所述区位路线规划模块抽取中心性监测路径,包括:
在每个故障监测区位中对各个网络节点进行中心度量化,并将中心度高于或等于预设阈值的网络节点作为中心性节点;
将每个故障监测区位内中心性节点对应的光缆进行组合得到每个故障监测区位内的中心性监测路径。
进一步的,所述点位细锁定路线规划模块抽取分支性监测路径,包括:
在每个故障监测区位内将除中心性节点以外的所有网络节点作为分支节点,在光缆线路物理网络中提取各个分支节点构成的网络拓扑;
在各个分支节点构成的网络拓扑中利用A*路径规划算法规划出由各个分支节点构成不重复的各个分支节点路径;
将每个故障监测区位内各个分支节点路径中分支节点利用对应的光缆进行表示得到每个故障监测区位内的分支性监测路径。
进一步的,所述区位粗锁定模块基于位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的故障监测区位,包括:
将各个区位粗锁定监测路线处的光缆故障监测装置的光缆信号与标准信号进行比较,并将与标准信号不同的光缆信号对应的区位粗锁定监测路线所在的故障监测区位标定为光缆故障所在的故障监测区位。
进一步的,所述点位细锁定模块在故障区位内基于位于点位细锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的线路点位,包括:
将故障区位内各个点位细锁定监测路线处的光缆故障监测装置的光缆信号与标准信号进行比较,并将与标准信号不同的光缆信号对应的点位细锁定监测路线利用OTDR技术对故障点进行定位,得到光缆故障所在的线路点位。
进一步的,所述故障定位模型的构建包括:
将故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号作为BP神经网络的输入项,将故障区位内光缆故障所在的线路点位作为BP神经网络的输出项;
利用BP神经网络对BP神经网络的输入项和BP神经网络的输出项进行网络训练得到所述故障定位模型;
所述故障定位模型的模型表达式为:
location=BP(signal);
式中,location为光缆故障所在的线路点位,signal为故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,BP为BP神经网络。
进一步的,所述在故障定位模型构成后替换点位细锁定模块与区位粗锁定模块通讯连接直接模型化确定出光缆故障所在的线路点位,包括:
故障定位模型接收区位粗锁定模块反馈的故障区位,将故障区位对应的光缆故障监测装置的光缆信号输入至故障定位模型,由故障定位模型直接输出故障区位内光缆故障所在的线路点位。
本发明与现有技术相比较具有如下有益效果:
本发明将多个监测定位区位进行中心性监测路径抽取,并对中心性监测路径进行监测以实现光缆故障的区位粗锁定,实现快速缩小监测范围,定位出光缆故障,效率高,无需对各个光缆进行逐一检测,冗余检测少;将光缆故障所在的监测定位区位进行分支性监测路径抽取,并对分支性监测路径进行监测以实现光缆故障的点位细锁定,实现精细化定位出光缆故障,准确性强,避免漏检;在故障数据积累量足够多时,还可以通过对中心性监测路径中故障数据和故障点位进行深度学习构建出故障定位模型,仅通过监测到的中心性监测路径中故障数据直接获取故障点位信息,直接省去点位细锁定的过程,更加简洁化。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的一种多芯光缆故障定位分析设备的结构框图。
具体实施方式
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清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
通过OTDR技术对现有复杂的光纤线路直接进行故障点进行定位时,由于光纤线路错综复杂,光纤网络分支众多,光纤端点在光缆出现传输故障时接收到报警信息,选择待测光纤并通过远程OTDR发射检测光路,获取光强并分析故障点位置信息,其中,待测光纤的选择性较多,需要对较多的光纤进行检测,无法精确及时的找出故障光纤及对应位置点,检测范围大。因此,本发明提供了一种多芯光缆故障定位分析设备,对光纤网络进行分区监测,快速缩小监测范围,定位出光缆故障,效率高,故障定位时效性强,无需对各个光缆进行逐一检测,冗余检测少,在故障区域内进行光纤线路的点位细锁定,实现精细化定位出光缆故障,准确性强,避免漏检。
如图1所示,本发明提供了一种多芯光缆故障定位分析设备,具备:路线规划模块,监测定位模块,光线生成装置,光缆故障检测装置,模型故障定位模块,其中,
路线规划模块,包含区位粗锁定路线规划模块和点位细锁定路线规划模块,区位粗锁定路线规划模块基于光缆线路物理网络以及光缆线路虚拟网络对光缆进行分区划分得到多个故障监测区位,并在每个故障监测区位内进行中心性监测路径抽取作为区位粗锁定监测路线,点位细锁定路线规划模块在故障监测区位中进行分支性监测路径抽取作为点位细锁定监测路线;
监测定位模块,包含区位粗锁定模块和点位细锁定模块,区位粗锁定模块与区位粗锁定路线规划模块通讯连接,区位粗锁定模块基于位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的故障监测区位,并将光缆故障所在的故障监测区位标定为故障区位反馈至点位细锁定模块,点位细锁定模块与点位细锁定路线规划模块通讯连接,点位细锁定模块在故障区位内基于位于点位细锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的线路点位;
光线生成装置,安装在区位粗锁定监测路线的光缆首尾端,以及点位细锁定监测路线的光缆首尾端,光线生成装置用于向区位粗锁定监测路线发出光线,以形成监测区位粗锁定监测路线的检测光路,以及用于向点位细锁定监测路线发出光线,以形成监测点位细锁定监测路线的检测光路;
光缆故障检测装置,安装在区位粗锁定监测路线的光缆首尾端,以及点位细锁定监测路线的光缆首尾端,光缆故障检测装置用于对区位粗锁定监测路线,以及点位细锁定监测路线进行故障检测,并获得区位粗锁定监测路线,以及点位细锁定监测路线的光缆信号接收异常情况;
模型故障定位模块,与监测定位模块通讯连接,累计存储监测定位模块得到的故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,以及故障区位内光缆故障所在的线路点位,对故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,以及故障区位内光缆故障所在的线路点位进行深度学习构建出故障定位模型,并在故障定位模型构成后替换掉点位细锁定模块直接与区位粗锁定模块通讯连接,以实现模型化确定出光缆故障所在的线路点位。
光缆网络虽然错综复杂,分支众多,但是光缆网络中的各条光缆由于空间连接关系中存在物理关联性,除了由于空间连接关系必然形成的物理关联性,各条光缆由于在信号传输过程中会存在非空间连接造成的相互影响特性,比如,光缆A和光缆B之间无空间连接,且光缆A和光缆B之间的信号变化相似性一致,即光缆A出现故障,光缆A和光缆B的传输信号会呈现相近的波动,因此光缆A和光缆B之间存在着虚拟的数据关联性,因此虽然光缆间无空间连接,但也可能存在信号数据的虚拟化关联性。本发明将光缆网络中光缆间空间连接产生的物理关联性和光缆间信号影像产生的虚拟关联性利用复杂网络技术进行抽象为可视化,将二者关联性进行融合得到双重关联网络,从空间物理和数据虚拟两个层面展示出表征各条光缆之间的关联关系的拓扑结构,在利用复杂网络技术中的社团分析方法将拓扑结构进行分区,从而使得将空间物理和数据虚拟两个层面均同属性的光缆划归至同一区位中,进行统一故障监测,快速压缩故障监测范围。
区位粗锁定路线规划模块包括物理网络抽象模块,虚拟网络抽象模块,融合网络抽象模块,以及区位路线规划模块;
物理网络抽象模块用于对光缆物理安装线路中各条光缆间的物理关联性进行抽象分析得到光缆线路物理网络;
虚拟网络抽象模块用于对光缆信号虚拟传输线路中各条光缆间的虚拟关联性进行抽象分析得到光缆线路虚拟网络;
融合网络抽象模块用于对光缆线路物理网络和光缆线路虚拟网络进行融合分析得到双重关联网络,并将双重关联网络进行分区划分得到多个故障监测区位;
区位路线规划模块用于在每个故障监测区位内进行中心性监测路径抽取作为区位粗锁定监测路线。
虚拟网络抽象模块得到光缆线路虚拟网络,包括:
获取各条光缆在同一时序段内的传输信号作为各条光缆的传输信号序列,并量化任意两条光缆的传输信号序列的相似度,其中,
若任意两条光缆的传输信号序列的相似度高于或等于预设阈值,则在任意两条光缆对应的两个网络节点间设置第二网络连接边;
若任意两条光缆的传输信号序列的相似度低于预设阈值,则不在任意两条光缆对应的两个网络节点间设置第二网络连接边;
利用第二网络连接边对网络节点进行连接得到光缆线路虚拟网络;
融合网络抽象模块划分出多个故障监测区位,包括:
在光缆线路物理网络和光缆线路虚拟网络中提取出相同的网络连接边作为双重网络连接边,并将双重网络连接边对各个网络节点进行连接得到双重关联网络;
利用模块度密度D作为社团划分的目标函数对双重网络连接边进行社团划分,以实现将所有网络节点划分为多个故障监测区位。
将多个监测定位区位进行中心性监测路径抽取,并对中心性监测路径进行监测以实现光缆故障的区位粗锁定,能够实现快速缩小监测范围,定位出光缆故障,效率高,无需对各个光缆进行逐一检测,冗余检测少。
区位路线规划模块抽取中心性监测路径,包括:
在每个故障监测区位中对各个网络节点进行中心度量化,并将中心度高于或等于预设阈值的网络节点作为中心性节点;
将每个故障监测区位内中心性节点对应的光缆进行组合得到每个故障监测区位内的中心性监测路径。
本发明抽取中心性监测路径,使得在一个故障监测区位中只保留一条监测光路进行故障监测,能够快速的将故障锁定至小范围的故障监测区位中,迅速压缩故障定位的区域,而且中心性监测路径是由故障监测区位中的中心性节点构成,在空间连接和数据虚拟层面都能够展现其余网络节点对应的光缆的故障情况,即在空间连接层面能够传导与中心性节点相连的网络节点对应光缆相一致的信号波动情况,以及在数据虚拟层面也能够数据化显出与中心性节点相连的网络节点对应光缆相似的信号波动情况,因此本发明利用中心性监测路径就可以完成对整个故障监测区位的故障监测,灵敏度高,监测范围小。
中心性监测路径只能将故障定位至故障监测区位中,难以准确的定位出故障发生的光缆位置,因此本发明抽取分支性监测路径,在得到故障区位后对分支性监测路径进行故障定位以准确得到故障点位,具有精细化定位出光缆故障,准确性强,避免漏检的特点。
点位细锁定路线规划模块抽取分支性监测路径,包括:
在每个故障监测区位内将除中心性节点以外的所有网络节点作为分支节点,在光缆线路物理网络中提取各个分支节点构成的网络拓扑;
在各个分支节点构成的网络拓扑中利用A*路径规划算法规划出由各个分支节点构成不重复的各个分支节点路径;
将每个故障监测区位内各个分支节点路径中分支节点利用对应的光缆进行表示得到每个故障监测区位内的分支性监测路径。
区位粗锁定模块基于位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的故障监测区位,包括:
将各个区位粗锁定监测路线处的光缆故障监测装置的光缆信号与标准信号进行比较,并将与标准信号不同的光缆信号对应的区位粗锁定监测路线所在的故障监测区位标定为光缆故障所在的故障监测区位。
点位细锁定模块在故障区位内基于位于点位细锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的线路点位,包括:
将故障区位内各个点位细锁定监测路线处的光缆故障监测装置的光缆信号与标准信号进行比较,并将与标准信号不同的光缆信号对应的点位细锁定监测路线利用OTDR技术对故障点进行定位,得到光缆故障所在的线路点位。
上述点位细锁定的过程依旧需要在故障区位中对所有点位细锁定监测路线进行逐一检测,依旧需要进行一定范围的故障定位,因此在故障数据积累量足够多时,本发明通过对中心性监测路径中故障数据和故障点位进行故障进行深度学习构建出故障定位模型,仅通过监测到的中心性监测路径中故障数据直接获取故障点位信息,直接省去点位细锁定的过程,更加简洁化。
故障定位模型的构建包括:
将故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号作为BP神经网络的输入项,将故障区位内光缆故障所在的线路点位作为BP神经网络的输出项;
利用BP神经网络对BP神经网络的输入项和BP神经网络的输出项进行网络训练得到故障定位模型;
故障定位模型的模型表达式为:
location=BP(signal);
式中,location为光缆故障所在的线路点位,signal为故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,BP为BP神经网络。
在故障定位模型构成后替换点位细锁定模块与区位粗锁定模块通讯连接直接模型化确定出光缆故障所在的线路点位,包括:
故障定位模型接收区位粗锁定模块反馈的故障区位,将故障区位对应的光缆故障监测装置的光缆信号输入至故障定位模型,由故障定位模型直接输出故障区位内光缆故障所在的线路点位。
本发明将多个监测定位区位进行中心性监测路径抽取,并对中心性监测路径进行监测以实现光缆故障的区位粗锁定,实现快速缩小监测范围,定位出光缆故障,效率高,无需对各个光缆进行逐一检测,冗余检测少;将光缆故障所在的监测定位区位进行分支性监测路径抽取,并对分支性监测路径进行监测以实现光缆故障的点位细锁定,实现精细化定位出光缆故障,准确性强,避免漏检;在故障数据积累量足够多时,还可以通过对中心性监测路径中故障数据和故障点位进行深度学习构建出故障定位模型,仅通过监测到的中心性监测路径中故障数据直接获取故障点位信息,直接省去点位细锁定的过程,更加简洁化。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种多芯光缆故障定位分析设备,其特征在于,具备:
路线规划模块,包含区位粗锁定路线规划模块和点位细锁定路线规划模块,所述区位粗锁定路线规划模块基于光缆线路物理网络以及光缆线路虚拟网络对光缆进行分区划分得到多个故障监测区位,并在每个故障监测区位内进行中心性监测路径抽取作为区位粗锁定监测路线,所述点位细锁定路线规划模块在故障监测区位中进行分支性监测路径抽取作为点位细锁定监测路线;
监测定位模块,包含区位粗锁定模块和点位细锁定模块,所述区位粗锁定模块与区位粗锁定路线规划模块通讯连接,所述区位粗锁定模块基于位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的故障监测区位,并将光缆故障所在的故障监测区位标定为故障区位反馈至所述点位细锁定模块,所述点位细锁定模块与所述点位细锁定路线规划模块通讯连接,所述点位细锁定模块在故障区位内基于位于点位细锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的线路点位;
光线生成装置,安装在区位粗锁定监测路线的光缆首尾端,以及点位细锁定监测路线的光缆首尾端,所述光线生成装置用于向所述区位粗锁定监测路线发出光线,以形成监测区位粗锁定监测路线的检测光路,以及用于向所述点位细锁定监测路线发出光线,以形成监测点位细锁定监测路线的检测光路;
光缆故障检测装置,安装在区位粗锁定监测路线的光缆首尾端,以及点位细锁定监测路线的光缆首尾端,所述光缆故障检测装置用于对所述区位粗锁定监测路线,以及点位细锁定监测路线进行故障检测,并获得区位粗锁定监测路线,以及点位细锁定监测路线的光缆信号接收异常情况;
模型故障定位模块,与监测定位模块通讯连接,累计存储监测定位模块得到的故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,以及故障区位内光缆故障所在的线路点位,对故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,以及故障区位内光缆故障所在的线路点位进行深度学习构建出故障定位模型,并在故障定位模型构成后替换掉点位细锁定模块直接与区位粗锁定模块通讯连接,以实现模型化确定出光缆故障所在的线路点位。
2.根据权利要求1所述的一种多芯光缆故障定位分析设备,其特征在于,所述区位粗锁定路线规划模块包括物理网络抽象模块,虚拟网络抽象模块,融合网络抽象模块,以及区位路线规划模块;
所述物理网络抽象模块用于对光缆物理安装线路中各条光缆间的物理关联性进行抽象分析得到光缆线路物理网络;
所述虚拟网络抽象模块用于对光缆信号虚拟传输线路中各条光缆间的虚拟关联性进行抽象分析得到光缆线路虚拟网络;
所述融合网络抽象模块用于对光缆线路物理网络和光缆线路虚拟网络进行融合分析得到双重关联网络,并将双重关联网络进行分区划分得到多个故障监测区位;
所述区位路线规划模块用于在每个故障监测区位内进行中心性监测路径抽取作为区位粗锁定监测路线。
3.根据权利要求2所述的一种多芯光缆故障定位分析设备,其特征在于,
所述虚拟网络抽象模块得到光缆线路虚拟网络,包括:
获取各条光缆在同一时序段内的传输信号作为各条光缆的传输信号序列,并量化任意两条光缆的传输信号序列的相似度,其中,
若任意两条光缆的传输信号序列的相似度高于或等于预设阈值,则在任意两条光缆对应的两个网络节点间设置第二网络连接边;
若任意两条光缆的传输信号序列的相似度低于预设阈值,则不在任意两条光缆对应的两个网络节点间设置第二网络连接边;
利用第二网络连接边对网络节点进行连接得到所述光缆线路虚拟网络。
4.根据权利要求2所述的一种多芯光缆故障定位分析设备,其特征在于,所述融合网络抽象模块划分出多个故障监测区位,包括:
在所述光缆线路物理网络和光缆线路虚拟网络中提取出相同的网络连接边作为双重网络连接边,并将双重网络连接边对各个网络节点进行连接得到所述双重关联网络;
利用模块度密度D作为社团划分的目标函数对双重网络连接边进行社团划分,以实现将所有网络节点划分为多个故障监测区位。
5.根据权利要求2所述的一种多芯光缆故障定位分析设备,其特征在于,所述区位路线规划模块抽取中心性监测路径,包括:
在每个故障监测区位中对各个网络节点进行中心度量化,并将中心度高于或等于预设阈值的网络节点作为中心性节点;
将每个故障监测区位内中心性节点对应的光缆进行组合得到每个故障监测区位内的中心性监测路径。
6.根据权利要求1所述的一种多芯光缆故障定位分析设备,其特征在于,所述点位细锁定路线规划模块抽取分支性监测路径,包括:
在每个故障监测区位内将除中心性节点以外的所有网络节点作为分支节点,在光缆线路物理网络中提取各个分支节点构成的网络拓扑;
在各个分支节点构成的网络拓扑中利用A*路径规划算法规划出由各个分支节点构成不重复的各个分支节点路径;
将每个故障监测区位内各个分支节点路径中分支节点利用对应的光缆进行表示得到每个故障监测区位内的分支性监测路径。
7.根据权利要求1所述的一种多芯光缆故障定位分析设备,其特征在于,
所述区位粗锁定模块基于位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的故障监测区位,包括:
将各个区位粗锁定监测路线处的光缆故障监测装置的光缆信号与标准信号进行比较,并将与标准信号不同的光缆信号对应的区位粗锁定监测路线所在的故障监测区位标定为光缆故障所在的故障监测区位。
8.根据权利要求1所述的一种多芯光缆故障定位分析设备,其特征在于,
所述点位细锁定模块在故障区位内基于位于点位细锁定监测路线首尾端的光缆故障监测装置的光缆信号接收异常情况确定出光缆故障所在的线路点位,包括:
将故障区位内各个点位细锁定监测路线处的光缆故障监测装置的光缆信号与标准信号进行比较,并将与标准信号不同的光缆信号对应的点位细锁定监测路线利用OTDR技术对故障点进行定位,得到光缆故障所在的线路点位。
9.根据权利要求1所述的一种多芯光缆故障定位分析设备,其特征在于,所述故障定位模型的构建包括:
将故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号作为BP神经网络的输入项,将故障区位内光缆故障所在的线路点位作为BP神经网络的输出项;
利用BP神经网络对BP神经网络的输入项和BP神经网络的输出项进行网络训练得到所述故障定位模型;
所述故障定位模型的模型表达式为:
location=BP(signal);
式中,location为光缆故障所在的线路点位,signal为故障区位内位于区位粗锁定监测路线首尾端的光缆故障监测装置的光缆信号,BP为BP神经网络。
10.根据权利要求1所述的一种多芯光缆故障定位分析设备,其特征在于,所述在故障定位模型构成后替换点位细锁定模块与区位粗锁定模块通讯连接直接模型化确定出光缆故障所在的线路点位,包括:
故障定位模型接收区位粗锁定模块反馈的故障区位,将故障区位对应的光缆故障监测装置的光缆信号输入至故障定位模型,由故障定位模型直接输出故障区位内光缆故障所在的线路点位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310659346.1A CN116405110B (zh) | 2023-06-06 | 2023-06-06 | 一种多芯光缆故障定位分析设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310659346.1A CN116405110B (zh) | 2023-06-06 | 2023-06-06 | 一种多芯光缆故障定位分析设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116405110A true CN116405110A (zh) | 2023-07-07 |
CN116405110B CN116405110B (zh) | 2023-08-15 |
Family
ID=87020208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310659346.1A Active CN116405110B (zh) | 2023-06-06 | 2023-06-06 | 一种多芯光缆故障定位分析设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116405110B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116827764A (zh) * | 2023-08-23 | 2023-09-29 | 山西绿柳科技有限公司 | 一种基于神经网络的物联网故障检测控制方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566586A (zh) * | 2008-04-22 | 2009-10-28 | 宁波诺可电子科技发展有限公司 | 光缆、光电复合缆的外部安全预警和定位系统 |
CN103427898A (zh) * | 2012-05-25 | 2013-12-04 | 中兴通讯股份有限公司 | 一种确定无源光纤网络分支故障点的方法及系统 |
CN103454559A (zh) * | 2013-09-02 | 2013-12-18 | 国家电网公司 | 一种配电网单相接地故障区段定位方法及定位装置 |
EP2818843A1 (en) * | 2013-06-25 | 2014-12-31 | British Telecommunications public limited company | Optical network fault identification |
CN110674189A (zh) * | 2019-09-27 | 2020-01-10 | 国网四川省电力公司电力科学研究院 | 一种智能变电站二次状态监测与故障定位的方法 |
CN111510205A (zh) * | 2020-04-21 | 2020-08-07 | 北京邮电大学 | 一种基于深度学习的光缆故障定位方法、装置及设备 |
CN112815969A (zh) * | 2020-12-31 | 2021-05-18 | 西安众恒科技有限公司 | 一种基于边缘计算的物联网光纤分析仪装置 |
CN113300765A (zh) * | 2021-05-25 | 2021-08-24 | 国网湖北省电力有限公司荆门供电公司 | 一种电力数字链路智能识别与诊断方法 |
US20210263253A1 (en) * | 2018-11-09 | 2021-08-26 | Corning Research & Development Corporation | Fiber optic networks and terminals having wireless connectivity |
CN114142923A (zh) * | 2020-09-03 | 2022-03-04 | 中国移动通信集团安徽有限公司 | 光缆故障定位方法、装置、设备及可读介质 |
CN115499055A (zh) * | 2022-06-28 | 2022-12-20 | 贵州电网有限责任公司 | 一种监测主站对光链路智能识别、管理的方法 |
-
2023
- 2023-06-06 CN CN202310659346.1A patent/CN116405110B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566586A (zh) * | 2008-04-22 | 2009-10-28 | 宁波诺可电子科技发展有限公司 | 光缆、光电复合缆的外部安全预警和定位系统 |
CN103427898A (zh) * | 2012-05-25 | 2013-12-04 | 中兴通讯股份有限公司 | 一种确定无源光纤网络分支故障点的方法及系统 |
EP2818843A1 (en) * | 2013-06-25 | 2014-12-31 | British Telecommunications public limited company | Optical network fault identification |
CN103454559A (zh) * | 2013-09-02 | 2013-12-18 | 国家电网公司 | 一种配电网单相接地故障区段定位方法及定位装置 |
US20210263253A1 (en) * | 2018-11-09 | 2021-08-26 | Corning Research & Development Corporation | Fiber optic networks and terminals having wireless connectivity |
CN110674189A (zh) * | 2019-09-27 | 2020-01-10 | 国网四川省电力公司电力科学研究院 | 一种智能变电站二次状态监测与故障定位的方法 |
CN111510205A (zh) * | 2020-04-21 | 2020-08-07 | 北京邮电大学 | 一种基于深度学习的光缆故障定位方法、装置及设备 |
CN114142923A (zh) * | 2020-09-03 | 2022-03-04 | 中国移动通信集团安徽有限公司 | 光缆故障定位方法、装置、设备及可读介质 |
CN112815969A (zh) * | 2020-12-31 | 2021-05-18 | 西安众恒科技有限公司 | 一种基于边缘计算的物联网光纤分析仪装置 |
CN113300765A (zh) * | 2021-05-25 | 2021-08-24 | 国网湖北省电力有限公司荆门供电公司 | 一种电力数字链路智能识别与诊断方法 |
CN115499055A (zh) * | 2022-06-28 | 2022-12-20 | 贵州电网有限责任公司 | 一种监测主站对光链路智能识别、管理的方法 |
Non-Patent Citations (1)
Title |
---|
张娜;: "基于GIS和OTDR的光纤智能监控系统研究", 计算机测量与控制, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116827764A (zh) * | 2023-08-23 | 2023-09-29 | 山西绿柳科技有限公司 | 一种基于神经网络的物联网故障检测控制方法及系统 |
CN116827764B (zh) * | 2023-08-23 | 2023-11-03 | 山西绿柳科技有限公司 | 一种基于神经网络的物联网故障检测控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116405110B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116405110B (zh) | 一种多芯光缆故障定位分析设备 | |
US7047496B2 (en) | Method for visualization of optical network topology | |
KR100893783B1 (ko) | 동기식 광전송 네트워크에서 경보 상호관련성 분석 방법 | |
US20200021511A1 (en) | Performance analysis for transport networks using frequent log sequence discovery | |
US20220294529A1 (en) | Analyzing performance of fibers and fiber connections using long-term historical data | |
CN110932976A (zh) | 基于气象灾害的电网故障业务的恢复方法、装置及设备 | |
CN111541559A (zh) | 一种基于因果规则的故障定位方法 | |
CN114153980A (zh) | 知识图谱构建方法和装置、检查方法、存储介质 | |
CN109818795B (zh) | 一种智能业务动态倒换的故障分析方法及系统 | |
CN113765698B (zh) | 一种面向工业互联网的网络故障定位和根因检测方法及系统 | |
US20190245620A1 (en) | Method and apparatus for performing event-driven diagnostics or prognostics of a network behaviour of a hierarchical optical network | |
CN117376107A (zh) | 一种智能化网络管理方法、系统、计算机设备及介质 | |
KR102182977B1 (ko) | 분석적 규칙 기반의 인공지능형 망 장애 관제 장치 및 방법 | |
CN105653419A (zh) | 基于监控点的溯源实现方法及系统 | |
KR101184916B1 (ko) | 장애처리정보 관련 자료구조 생성방법과 이를 이용한 장애관리정보 제공방법 및 제공장치 | |
KR20200137637A (ko) | 가상 경보를 이용한 학습 데이터 생성 방법 및 이를 이용한 네트워크 장애 분석 모델 학습 방법, 이를 구현한 네트워크 시스템 | |
CN112883521B (zh) | 应用于海底观测网的海底光电复合缆外力入侵监测系统 | |
CN116112832A (zh) | 同路由检测方法和装置 | |
CN112468329A (zh) | 一种服务器批量分组管理的方法、装置、设备及可读介质 | |
JP2011254221A (ja) | 光ファイバ線路設計支援装置及びプログラム | |
CN105516710A (zh) | 有线电视网络设备故障检测方法及装置 | |
WO2011033650A1 (ja) | 経路検索方法及びノード装置 | |
KR20000013734A (ko) | 동기식 디지털 계위 광 전송 장치의 경보 억제방법 | |
KR101738770B1 (ko) | 엔터프라이즈 비즈니스 서비스 레벨의 통합 모니터링 방법 및 시스템 | |
CN110212979B (zh) | 一种光传输网络故障定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |