一种基于多模态数据的光缆运行态势感知方法及系统与流程
本发明涉及电力光缆检测,具体来说,特别涉及一种基于多模态数据的光缆运行态势感知方法及系统。
背景技术:
1、随着电力事业的蓬勃发展,电力光缆网的铺设范围也越来越广,其运行环境愈发复杂,监测难度也随之增大。随着通信网络规模逐年扩大、承载业务带宽指数上升,部分干线光缆区段空余光纤资源日渐短缺甚至达到瓶颈,已无法实现故障状态下纤芯应急迂回的策略安排,网络及其承载业务的运行可靠性大幅下降,电力通信网络及电网的安全稳定面临重大的安全隐患,电力光缆的可靠运行已成为能否确保电网安全生产可控、能控、在控的痛点和难点问题。一些国际化大都市,光缆网的安全稳定运行是保障输电网络有效运转的重要支撑。同时,地理与气候条件导致光缆网易受到台风、大雨、潮湿天气等的危害,影响光缆运行状态,因此有必要采用先进的技术手段对其运行状态进行持续监测,提升抗灾能力。
2、近年来,利用光缆网构建的光缆感知系统已初具规模,并广泛应用于线路监测。光缆感知系统主要由电传感器与光纤传感器构成。光纤传感器是近年来获得广泛关注和应用的新型传感器件,其主要工作原理是通过测量光在光纤中传输时一些特性的变化以感知外界环境各项参量的变化。光纤传感器主要有单点式光纤传感器与分布式光纤传感器两大类。测量单一位置的环境参数时,多使用单点式光纤传感器。此类传感器具有体积小、结构稳定等优点,其主要类型有干涉型光纤传感器、光纤光栅传感器、反射型光纤传感器等。由于光纤一维空间连续分布并且既可作为传输介质又可作为传感介质,所以可以实现对输电线进行分布式监测,得到光缆上任一定点的温度信息和应力信息,分布式光纤传感技术在电力光缆监测领域有广泛应用。
3、但是,当前相关技术在实际应用中仍存在诸多问题:(1)在解析电力光缆故障成因与寿命衰减的影响因子时,往往仅考虑单一因素或少数几个因素,缺乏对全生命周期多维度运行数据的综合分析,导致影响因子解析不全面,无法准确把握各因素之间的复杂关系。(2)感知网络部署合理性不足,传感器布点多采用均匀布置或经验选址,未结合风险分布进行精准优化,存在高风险区域覆盖盲区、低风险区域布点冗余的问题,同时传感器参数配置未适配不同影响因子的监测需求,易出现精度不足或资源浪费;(3)数据采集机制灵活性欠缺,多采用固定频率采集模式,无法根据光缆运行风险动态调整采集强度,既难以保障高风险场景下数据的时效性,又造成低风险状态下的能耗浪费,且多模态数据的协同采集与质量控制缺乏有效手段。
4、针对相关技术中的问题,目前尚未提出有效的解决方案。
技术实现思路
1、有鉴于此,本发明提供一种基于多模态数据的光缆运行态势感知方法及系统,以解决上述提及的问题。
2、为了解决上述问题,本发明采用的具体技术方案如下:
3、根据本发明的一方面,提供了一种基于多模态数据的光缆运行态势感知方法,包括以下步骤:
4、s1、采集电力光缆全生命周期运行数据,并基于全生命周期运行数据,解析电力光缆在故障成因与寿命衰减方面的影响因子,结合对抗解释结构模型法,构建因素层级拓扑结构,以形成用于表征多维度影响因子与光缆状态关联的关联体系;
5、s2、基于关联体系,结合仿真技术部署融合光纤光栅点阵式多参量传感技术的协同感知网络,并利用协同感知网络,构建事件驱动的动态采集机制,以采集电力光缆自身状态及环境的多模态监测数据;
6、s3、对多模态监测数据进行预处理与筛选,得到标准化监测数据集,并结合关联体系,构建光缆环境与自身状态和光缆故障的数据关联映射模型;
7、s4、获取目标电力光缆的实时监测数据,并通过数据关联映射模型,确定目标电力光缆的故障风险概率及剩余寿命评估结果,以实现光缆运行的态势感知。
8、优选的,所述采集电力光缆全生命周期运行数据,并基于全生命周期运行数据,解析电力光缆在故障成因与寿命衰减方面的影响因子,结合对抗解释结构模型法,构建因素层级拓扑结构,以形成用于表征多维度影响因子与光缆状态关联的关联体系包括以下步骤:
9、s11、采集包含故障记录、寿命衰减特征及环境参数的电力光缆全生命周期运行数据,并解析电力光缆故障成因与寿命衰减的影响因子,构建影响因素指标体系;
10、s12、基于预设的评分体系,对影响因素指标体系中的两两影响因素之间的影响关系进行量化打分,构建直接影响矩阵;
11、s13、根据直接影响矩阵计算综合影响矩阵,并根据综合影响矩阵,利用对抗解释结构模型法构建因素层级拓扑结构,形成多维度影响因子与光缆状态的关联体系。
12、优选的,所述根据计算综合影响矩阵,并根据综合影响矩阵,利用对抗解释结构模型法构建因素层级拓扑结构,形成多维度影响因子与光缆状态的关联体系包括以下步骤:
13、s131、根据直接影响矩阵,计算规范化影响矩阵,根据规范化影响矩阵计算综合影响矩阵;
14、s132、基于综合影响矩阵,通过水平截集方法确定划分阈值,计算并得到反映因素间可达关系的布尔可达矩阵;
15、s133、对布尔可达矩阵进行分解处理,并通过布尔矩阵运算获取布尔可达矩阵中的强连通子集;
16、s134、基于强连通子集及布尔可达矩阵中的可达关系,确定各影响因素在层级结构中的位置关系,得到初步因素层级拓扑结构;
17、s135、对初步因素层级拓扑结构进行对抗分析与优化,构建结果优先型与原因优先型的对抗层级图,并通过模糊交叉影响分类分析形成多维度影响因子与光缆状态的关联体系。
18、优选的,所述基于综合影响矩阵,通过水平截集方法确定划分阈值,计算并得到反映因素间可达关系的布尔可达矩阵包括以下步骤:
19、s1321、将综合影响矩阵进行归一化与模糊合成运算,并根据运算结果,构建用于表征多维度影响因子间模糊影响关系的模糊可达矩阵;
20、s1322、基于模糊可达矩阵,通过计算并绘制不同阈值对应的关系占比的水平截距分布图,根据分布水平截距分布图的拐点确定用于划分的最佳阈值;
21、s1323、利用最佳阈值对模糊可达矩阵进行水平截集操作,将矩阵中各元素与最佳阈值比较,生成反映显著影响关系的布尔邻接矩阵;
22、s1324、对布尔邻接矩阵进行幂收敛运算,得到反映影响因素间总体可达关系的布尔可达矩阵。
23、优选的,所述对初步因素层级拓扑结构进行对抗分析与优化,构建结果优先型与原因优先型的对抗层级图,并通过模糊交叉影响分类分析形成多维度影响因子与光缆状态的关联体系包括以下步骤:
24、s1351、基于初步因素层级拓扑结构,分别基于结果优先型与原因优先型两种层级抽取规则,对影响因素进行重新排序与分层,生成逻辑对立的对抗层级拓扑图;
25、s1352、基于布尔可达矩阵,通过缩边运算求解一般性骨架矩阵,并利用一般性骨架矩阵对对抗层级拓扑图进行结构简化,去除冗余传递关系,得到最简化的对抗层级图;
26、s1353、基于综合影响矩阵,计算各影响因素的模糊驱动力与模糊依赖性,并通过模糊交叉影响的四象限分析法,结合模糊驱动力与模糊依赖性,对影响因素进行类型划分,得到划分结果;
27、s1354、将最简化的对抗层级图与划分结果进行融合,并对各影响因素赋予量化权重,构建因子-状态的量化关联规则,形成完整的多维度影响因子与光缆状态的关联体系。
28、优选的,所述基于关联体系,结合仿真技术部署融合光纤光栅点阵式多参量传感技术的协同感知网络,并利用协同感知网络,构建事件驱动的动态采集机制,以采集电力光缆自身状态及环境的多模态监测数据包括以下步骤:
29、s21、根据多维度影响因子与光缆状态的关联体系,对光纤光栅点阵式传感器的布点位置、密度及传感参数进行优化,并根据优化结果,结合仿真平台,搭建光纤光栅点阵式多参量协同感知网络;
30、s22、对光纤光栅点阵式多参量协同感知网络进行调试与校准,并构建事件驱动的动态采集机制;
31、s23、利用预设的模拟场景,在仿真平台中进行场景模拟,并利用动态采集机制,进行电力光缆自身状态及环境的数据采集,得到多模态监测数据。
32、优选的,所述根据多维度影响因子与光缆状态的关联体系,对光纤光栅点阵式传感器的布点位置、密度及传感参数进行优化,并根据优化结果,结合仿真平台,搭建光纤光栅点阵式多参量协同感知网络包括以下步骤:
33、s211、根据多维度影响因子与光缆状态的关联体系中因子-状态的量化关联规则,计算光缆路径上每个节点的风险累计值;
34、s212、基于powell方向加速法,结合风险累计值优化光纤光栅点阵式传感器布点位置与密度,得到传感器布点位置与密度的最终优化方案;
35、s213、结合关联体系因子特性,根据最终优化方案,确定光纤光栅点阵式传感器的布置方案;
36、s214、根据光纤光栅点阵式传感器的布置方案,利用仿真平台,搭建光纤光栅点阵式多参量协同感知网络。
37、优选的,所述基于powell方向加速法,结合风险累计值优化光纤光栅点阵式传感器布点位置与密度,得到传感器布点位置与密度的最终优化方案包括以下步骤:
38、s2121、根据风险累计值,在光缆路径上生成初始传感器布点方案,并确定powell方向加速法的初始点,构建初始线性无关的搜索方向集;
39、s2122、沿初始搜索方向集,采用黄金分割法执行一维搜索,求解各方向最优步长,得到临时布点优化解;
40、s2123、基于临时布点优化解更新搜索方向集,并重新计算最优步长;
41、s2124、基于重新计算的最优步长进行迭代更新,直至达到预设的收敛条件,得到输出满足收敛条件的传感器布点位置与密度作为最终优化方案。
42、优选的,所述对多模态监测数据进行预处理与筛选,得到标准化监测数据集,并结合关联体系,构建光缆环境与自身状态和光缆故障的数据关联映射模型包括以下步骤:
43、s31、将多模态监测数据进行包含异常数据识别、数据时空同步、数据归一化的预处理,并基于各影响因素的量化权重,筛选出与光缆状态强相关的数据,得到标准化监测数据集;
44、s32、基于标准化监测数据集,结合多维度影响因子与光缆状态的关联体系,进行特征提取,得到特征向量集;
45、s33、利用特征向量集,通过机器学习算法训练初始数据关联映射模型,并采用历史数据回测与在线滚动验证相结合的方式,对初始数据关联映射模型进行性能评估与迭代优化,直至满足预设要求,形成最终的数据关联映射模型。
46、根据本发明的另一方面,提供了一种基于多模态数据的光缆运行态势感知系统,该系统包括:
47、关联体系构建模块,用于采集电力光缆全生命周期运行数据,并基于全生命周期运行数据,解析电力光缆在故障成因与寿命衰减方面的影响因子,结合对抗解释结构模型法,构建因素层级拓扑结构,以形成用于表征多维度影响因子与光缆状态关联的关联体系;
48、监测数据采集模块,用于基于关联体系,结合仿真技术部署融合光纤光栅点阵式多参量传感技术的协同感知网络,并利用协同感知网络,构建事件驱动的动态采集机制,以采集电力光缆自身状态及环境的多模态监测数据;
49、关联映射模型构建模块,用于对多模态监测数据进行预处理与筛选,得到标准化监测数据集,并结合关联体系,构建光缆环境与自身状态和光缆故障的数据关联映射模型;
50、光缆运行态势感知模块,用于获取目标电力光缆的实时监测数据,并通过数据关联映射模型,确定目标电力光缆的故障风险概率及剩余寿命评估结果,以实现光缆运行的态势感知。
51、本发明的有益效果为:
52、1、本发明基于多模态数据的光缆运行态势感知方法,利用关联体系部署的光纤光栅协同感知网络与事件驱动机制,实现了多模态数据的精准、高效采集,兼顾监测精度与运维成本,大幅提升了态势感知的精准性、时效性与运维决策的科学性,有效降低了光缆故障风险与运维成本。
53、2、本发明通过采集电力光缆全生命周期多维度运行数据,确保了故障成因与寿命衰减影响因子解析的全面性,通过对抗解释结构模型法明确了因子的层级逻辑,又通过最简化对抗层级图去除冗余关系、通过四象限分类界定因子功能属性,最终形成的关联体系,有效解决了传统影响因子分析模糊、关系逻辑混乱、缺乏量化支撑的问题。
54、3、本发明以关联体系为核心指导,通过风险累计值量化光缆路径节点风险,结合powell方向加速法与黄金分割法实现传感器布点位置、密度的精准优化,既确保高风险区域全覆盖,又避免低风险区域布点冗余,平衡监测效果与部署成本,最终采集到的全工况多模态监测数据,兼具全面性、精准性与有效性,为后续数据建模和态势感知提供了高质量、高可靠性的核心数据支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com