基于大数据的隧道安全监测系统的制作方法

1.本发明涉及安全检测的技术领域，尤其涉及一种基于大数据的隧道安全监测系统。


背景技术：

2.现有的电力系统管道漏磁解决方案采用等时间间隔数据采集方式，难以准确反映当前漏磁异常数据变化，容易造成安全事故。针对该问题本专利提出基于稀疏采样的电力系统管道漏磁检测异常数据高效采集方法，通过采用双重判断方法,判断漏磁检测扰动信号的波动程度,剔除其对漏磁检测数据采集时间间隔调整的干扰，再依据数据采集间隔与数据变化量之间的比例关系,动态调整数据采集时间间隔变化尺度,以实现短暂、瞬时变化下漏磁检测异常数据的高效采集，可为管道漏磁检测与诊断等研究工作提供有效保证。


技术实现要素：

3.本发明提供一种基于大数据的隧道安全监测系统，目的在于(1)避免因隧道中波动信号以及扰动信号带来的隧道电压数据采集间隔无序的问题；(2)实现电力系统隧道漏磁检测。
4.实现上述目的，本发明提供的一种基于大数据的隧道安全监测系统，包括以下步骤：
5.s1：确定电力系统隧道漏磁检测影响因素，基于电力系统隧道漏磁检测影响因素确定隧道电压数据的波动程度；
6.s2：根据所确定的波动程度，动态调整隧道电压数据的采集时间间隔；
7.s3：利用调整后的采集时间间隔采集隧道电压数据形成隧道时间序列数据，并对隧道时间序列数据进行预处理；
8.s4：将预处理后的隧道时间序列数据与未发生漏磁的时间序列数据进行相似性比对，若二者相似度高于阈值说明没有发生漏磁，否则表明隧道发生漏磁且存在安全隐患。
9.作为本发明的进一步改进方法：
10.所述s1步骤中基于电力系统隧道漏磁检测影响因素确定隧道数据的波动程度，包括：
11.在本发明一个具体实施例中，本发明在电力系统隧道内设置磁传感器以及无线路由器，磁传感器按照设定的采集时间间隔执行隧道内电压数据的采集，得到若干隧道电压数据，隧道安全检测装置以k个采集电压数据为采集区间，计算采集区间内隧道电压数据的波动程度δσ1：
[0012][0013]
其中：
[0014]
xi表示区间内第i个采集到的隧道电压数据；
[0015]
表示区间内采集到的隧道电压数据的平均值；
[0016]
计算采集区间内隧道内电力设备状态波动程度δσ2：
[0017][0018]
其中：
[0019]
yi表示区间内第i个采集到的隧道内电力设备电压数据。
[0020]
在本发明一个具体实施例中，所述电力系统隧道漏磁检测因素包括采集数据中的扰动信号以及波动信号，所述扰动信号的数学模型为：
[0021]
s1(t)＝r1(t)
×
sin(2πft)
[0022][0023]
其中：
[0024]
β1表示隧道内扰动系数，将其设置为1.2；
[0025]
f表示隧道电压数据的采样频率；
[0026]
(t1,t2)表示隧道电压数据采样的间隔时间范围，t2和t1表示两次采样的时间间隔；
[0027]
所述波动信号的数学模型为：
[0028]
s2(t)＝r2(t)
×
sin(2πft)
[0029][0030]
其中：
[0031]
β2表示隧道内波动系数，将其设置为0.1；
[0032]
t表示时间间隔阈值，将其设置为10s。
[0033]
所述s2步骤中根据所确定的波动程度，判断是否进行采集时间间隔的动态调整，包括：
[0034]
对于电力系统隧道内电压数据的瞬时波动变化，可能产生波动信号，导致采集间隔的无序变动，使得采集到的电压数据的波动程度较大，影响隧道内漏磁检测的准确性；同时对于电力系统隧道中由于电力设备老化、损耗带来的扰动信号，使得电力设备电压数据的波动程度较大，从而影响电力系统隧道内电压数据的变化，影响隧道内漏磁检测的准确性；对每段采集区间内隧道电压数据的波动程度δσ1以及电力设备状态波动程度δσ2进行判定，若δσ1以及δσ2均大于波动阈值，则说明采集区间内采集的电压数据波动较大，需要对采集区间的采集时间间隔进行动态调整。
[0035]
所述s2步骤中动态调整隧道电压数据的采集时间间隔，包括：
[0036]
设定隧道电压数据的最大允许变化量e
max
和最小允许变化量e
min
，计算当前第j个采集区间内隧道电压数据的变化量δj＝j
max-j
min
，其中j
max
表示第j个采集区间内的最大电压数据值，j
min
表示第j个采集区间内的最小电压数据值；
[0037]
若δj》e
max
，则第j 1个采集区间的采集时间间隔为：
[0038][0039]
其中：
[0040]
qj表示第j个采集区间的采集时间间隔；
[0041]
δσ
1,j
表示第j个采集区间的采集电压数据波动程度；
[0042]qj 1
表示第j 1个采集区间的采集时间间隔；
[0043]
若δj≤e
max
，则第j 1个采集区间的采集时间间隔为：
[0044][0045]
其中：
[0046]
qj表示第j个采集区间的采集时间间隔；
[0047]
δσ
1,j
表示第j个采集区间的采集电压数据波动程度；
[0048]qj 1
表示第j 1个采集区间的采集时间间隔。
[0049]
所述s3步骤中利用调整后的采集时间间隔采集隧道电压数据形成隧道时间序列数据，包括：
[0050]
磁传感器利用调整后的采集时间间隔采集隧道电压数据，形成隧道时间序列数据，所述形成的隧道时间序列数据g为：
[0051]
g＝(g1,g2,
…
,gq,
…
,gn)
[0052]
其中：
[0053]gq
表示第q个采集时刻采集到的隧道电压数据；
[0054]
n表示采集时刻总数。
[0055]
所述s3步骤中对隧道时间序列进行预处理，包括：
[0056]
对于隧道时间序列中的缺失数据ga，进行缺失数据填补的预处理，所述预处理公式为：
[0057][0058]
其中：
[0059]
ta表示缺失数据ga所处的时间点；
[0060]
ts,gs分别为缺失数据ga前最近有效的隧道电压数据对应采集时刻和电压数据；
[0061]
te,ge分别为缺失数据ga后首个有效的隧道电压数据对应采集时刻和电压数据；
[0062]
重复上述步骤，直到隧道时间序列中所有缺失数据均完成缺失数据填补，得到预处理后的隧道时间序列数据：
[0063]g′
＝(g
′1,g
′2,
…
,g
′q,
…
,g
′n)
[0064]
其中：
[0065]g′
表示预处理完成的隧道时间序列数据；
[0066]g′q表示第q个采集时刻采集到的隧道电压数据。
[0067]
在本发明一个具体实施例中，磁传感器通过rabbitmq方式将预处理后的隧道时间序列数据上传到隧道安全检测装置。
[0068]
所述s4步骤中将预处理后的隧道时间序列数据与未发生漏磁的时间序列数据进
行相似性比对，包括：
[0069]
隧道安全检测装置获取未发生漏磁的时间序列数据并采用elastic search方法对g
*
以及g
′
进行存储，其中m表示时间序列数据g
*
中采集时刻总数；将预处理完成的隧道时间序列数据g
′
以及g
*
分别等分成5段时间序列数据，分别为(g
′1,g
′2,g
′3,g
′4,g
′5)以及确定分割后每段时间序列数据的权重：
[0070][0071]
其中：
[0072]
wi表示第i段时间序列数据的权重；
[0073]
ui表示第i段时间序列数据的实际使用次数，每段时间序列数据的初始实际使用次数为0；
[0074]
li表示len(
·
)表示计算时间序列的长度；
[0075]
所述相似性比对结果的计算公式为：
[0076][0077]
其中：
[0078]
m(
·
)表示余弦相似度计算公式，利用余弦相似度计算公式计算g
′i,两者的相似度；其中sim的计算方法为最大的3个之和，i＝1,2,3,4,5，所选取的三段时间序列数据的实际使用次数则相应加1。
[0079]
所述s4步骤中若二者相似度高于阈值说明没有发生漏磁，包括：
[0080]
若二者相似度sim高于预设定的阈值说明隧道没有发生漏磁，否则说明隧道发生漏磁且存在安全隐患。
[0081]
相对于现有技术，本发明提出一种基于大数据的隧道安全监测系统，该技术具有以下优势：
[0082]
首先，本方案提出一种采集时间间隔动态调整的方法，对于电力系统隧道内电压数据的瞬时波动变化，可能产生波动信号，导致采集间隔的无序变动，使得采集到的电压数据的波动程度较大，影响隧道内漏磁检测的准确性；同时对于电力系统隧道中由于电力设备老化、损耗带来的扰动信号，使得电力设备电压数据的波动程度较大，从而影响电力系统隧道内电压数据的变化，影响隧道内漏磁检测的准确性；因此本方案通过对每段采集区间内隧道电压数据的波动程度δσ1以及电力设备状态波动程度δσ2进行判定，若δσ1以及δσ2均大于波动阈值，则说明采集区间内采集的电压数据波动较大，需要对采集区间的采集时间间隔进行动态调整。通过设定隧道电压数据的最大允许变化量e
max
和最小允许变化量e
min
，计算当前第j个采集区间内隧道电压数据的变化量δj＝j
max-j
min
，其中j
max
表示采集区间内的最大电压数据值，j
min
表示采集区间内的最小电压数据值；若δj》e
max
，说明在时间间隔qj内电压瞬时波动情况较大，有可能存在由于电力设备老化、损耗带来的扰动信号，为避免采集数据的采集误差，需要减小下一个区间的采集时间间隔，则第j 1个采集区间的采集
时间间隔为：
[0083][0084]
其中：qj表示第j个采集区间的采集时间间隔；δσ
1,j
表示第j个采集区间的采集电压数据波动程度；q
j 1
表示第j 1个采集区间的采集时间间隔；若δj≤e
max
，说明在时间间隔qj内不存在较大波动的数据，为采集到能显著表征电力系统隧道内电压波动情况的时间序列数据，可以增大下一个区间的采集时间间隔，则第j 1个采集区间的采集时间间隔为：
[0085][0086]
其中：qj表示第j个采集区间的采集时间间隔；δσ
1,j
表示第j个采集区间的采集电压数据波动程度；q
j 1
表示第j 1个采集区间的采集时间间隔。
[0087]
同时，本方案提出一种漏磁检测方法，系统中的隧道安全检测装置获取未发生漏磁的时间序列数据并采用elastic search方法对g
*
以及g
′
进行存储，其中m表示时间序列数据g
*
中采集时刻总数；将预处理完成的隧道时间序列数据g
′
以及g
*
分别等分成5段时间序列数据，分别为(g
′1,g
′2,g
′3,g
′4,g
′5)以及确定分割后每段时间序列数据的权重：
[0088][0089]
其中：wi表示第i段时间序列数据的权重；ui表示第i段时间序列数据的实际使用次数；li表示len(
·
)表示计算时间序列的长度；所述相似性比对结果的计算公式为：
[0090][0091]
其中：m(
·
)表示余弦相似度计算公式；选取最大的3个的和作为sim，所选取的三段时间序列数据的实际使用次数则相应加1，相较于传统方案，本方案所述漏磁检测方法将时间序列划分为多个等段序列数据，基于自适应权重进行相似性计算，在自适应权重公式中，li表示两个序列的长度差异，两个时间序列的长度差异越大，权重越低，避免两段时间序列长度相差过大，导致g
′i仅与的一小部分序列完全相似，按照传统权重赋值方法，会给第i段序列更大的权重，从而影响权重计算，ui表示每段时间序列出现的频次，一段时间序列的使用次数越多，说明该段时间序列有助于更为准确地识别漏磁，根据反正弦函数正向递增的特性，权重也会逐渐增加。若二者相似度sim高于预设定的阈值说明隧道没有发生漏磁，否则说明隧道发生漏磁且存在安全隐患，从而实现电力系统隧道的漏磁检测。
附图说明
[0092]
图1为本发明一实施例提供的一种基于大数据的隧道安全监测方法的流程示意
图；
[0093]
图2为本发明一实施例提供的一种基于大数据的隧道安全监测系统的内部结构示意图；
[0094]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0095]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0096]
s1：确定电力系统隧道漏磁检测影响因素，基于电力系统隧道漏磁检测影响因素确定隧道电压数据的波动程度。
[0097]
所述s1步骤中基于电力系统隧道漏磁检测影响因素确定隧道数据的波动程度，包括：
[0098]
在本发明一个具体实施例中，本发明在电力系统隧道内设置磁传感器以及无线路由器，磁传感器按照设定的采集时间间隔执行隧道内电压数据的采集，得到若干隧道电压数据，隧道安全检测装置以k个采集电压数据为采集区间，计算采集区间内隧道电压数据的波动程度δσ1：
[0099][0100]
其中：
[0101]
xi表示区间内第i个采集到的隧道电压数据；
[0102]
表示区间内采集到的隧道电压数据的平均值；
[0103]
计算采集区间内隧道内电力设备状态波动程度δσ2：
[0104][0105]
其中：
[0106]
yi表示区间内第i个采集到的隧道内电力设备电压数据。
[0107]
在本发明一个具体实施例中，所述电力系统隧道漏磁检测因素包括采集数据中的扰动信号以及波动信号，所述扰动信号的数学模型为：
[0108]
s1(t)＝r1(t)
×
sin(2πft)
[0109][0110]
其中：
[0111]
β1表示隧道内扰动系数，将其设置为1.2；
[0112]
f表示隧道电压数据的采样频率；
[0113]
(t1,t2)表示隧道电压数据采样的间隔时间范围，t2和t1表示两次采样的时间间隔；
[0114]
所述波动信号的数学模型为：
[0115]
s2(t)＝r2(t)
×
sin(2πft)
[0116][0117]
其中：
[0118]
β2表示隧道内波动系数，将其设置为0.1；
[0119]
t表示时间间隔阈值，将其设置为10s。
[0120]
s2：根据所确定的波动程度，动态调整隧道电压数据的采集时间间隔。
[0121]
所述s2步骤中根据所确定的波动程度，判断是否进行采集时间间隔的动态调整，包括：
[0122]
对于电力系统隧道内电压数据的瞬时波动变化，可能产生波动信号，导致采集间隔的无序变动，使得采集到的电压数据的波动程度较大，影响隧道内漏磁检测的准确性；同时对于电力系统隧道中由于电力设备老化、损耗带来的扰动信号，使得电力设备电压数据的波动程度较大，从而影响电力系统隧道内电压数据的变化，影响隧道内漏磁检测的准确性；对每段采集区间内隧道电压数据的波动程度δσ1以及电力设备状态波动程度δσ2进行判定，若δσ1以及δσ2均大于波动阈值，则说明采集区间内采集的电压数据波动较大，需要对采集区间的采集时间间隔进行动态调整。
[0123]
所述s2步骤中动态调整隧道电压数据的采集时间间隔，包括：
[0124]
设定隧道电压数据的最大允许变化量e
max
和最小允许变化量e
min
，计算当前第j个采集区间内隧道电压数据的变化量δj＝j
max-j
min
，其中j
max
表示第j个采集区间内的最大电压数据值，j
min
表示第j个采集区间内的最小电压数据值；
[0125]
若δj》e
max
，则第j 1个采集区间的采集时间间隔为：
[0126][0127]
其中：
[0128]
qj表示第j个采集区间的采集时间间隔；
[0129]
δσ
1,j
表示第j个采集区间的采集电压数据波动程度；
[0130]qj 1
表示第j 1个采集区间的采集时间间隔；
[0131]
若δj≤e
max
，则第j 1个采集区间的采集时间间隔为：
[0132][0133]
其中：
[0134]
qj表示第j个采集区间的采集时间间隔；
[0135]
δσ
1,j
表示第j个采集区间的采集电压数据波动程度；
[0136]qj 1
表示第j 1个采集区间的采集时间间隔。
[0137]
s3：利用调整后的采集时间间隔采集隧道电压数据形成隧道时间序列数据，并对隧道时间序列数据进行预处理。
[0138]
所述s3步骤中利用调整后的采集时间间隔采集隧道电压数据形成隧道时间序列数据，包括：
[0139]
磁传感器利用调整后的采集时间间隔采集隧道电压数据，形成隧道时间序列数
据，所述形成的隧道时间序列数据g为：
[0140]
g＝(g1,g2,
…
,gq,
…
,gn)
[0141]
其中：
[0142]gq
表示第q个采集时刻采集到的隧道电压数据；
[0143]
n表示采集时刻总数。
[0144]
所述s3步骤中对隧道时间序列进行预处理，包括：
[0145]
对于隧道时间序列中的缺失数据ga，进行缺失数据填补的预处理，所述预处理公式为：
[0146][0147]
其中：
[0148]
ta表示缺失数据ga所处的时间点；
[0149]
ts,gs分别为缺失数据ga前最近有效的隧道电压数据对应采集时刻和电压数据；
[0150]
te,ge分别为缺失数据ga后首个有效的隧道电压数据对应采集时刻和电压数据；
[0151]
重复上述步骤，直到隧道时间序列中所有缺失数据均完成缺失数据填补，得到预处理后的隧道时间序列数据：
[0152]g′
＝(g
′1,g
′2,
…
,g
′q,
…
,g
′n)
[0153]
其中：
[0154]g′
表示预处理完成的隧道时间序列数据；
[0155]g′q表示第q个采集时刻采集到的隧道电压数据。
[0156]
在本发明一个具体实施例中，磁传感器通过rabbitmq方式将预处理后的隧道时间序列数据上传到隧道安全检测装置。
[0157]
s4：将预处理后的隧道时间序列数据与未发生漏磁的时间序列数据进行相似性比对，若二者相似度高于阈值说明没有发生漏磁，否则表明隧道发生漏磁且存在安全隐患。
[0158]
所述s4步骤中将预处理后的隧道时间序列数据与未发生漏磁的时间序列数据进行相似性比对，包括：
[0159]
隧道安全检测装置获取未发生漏磁的时间序列数据并采用elastic search方法对g
*
以及g
′
进行存储，其中m表示时间序列数据g
*
中采集时刻总数；将预处理完成的隧道时间序列数据g
′
以及g
*
分别等分成5段时间序列数据，分别为(g
′1,g
′2,g
′3,g
′4,g
′5)以及确定分割后每段时间序列数据的权重：
[0160][0161]
其中：
[0162]
wi表示第i段时间序列数据的权重；
[0163]
ui表示第i段时间序列数据的实际使用次数，每段时间序列数据的初始实际使用次数为0；
[0164]
li表示len(
·
)表示计算时间序列的长度；
[0165]
所述相似性比对结果的计算公式为：
[0166][0167]
其中：
[0168]
m(
·
)表示余弦相似度计算公式，利用余弦相似度计算公式计算g
′i,两者的相似度；其中sim的计算方法为最大的3个之和，i＝1,2,3,4,5，所选取的三段时间序列数据的实际使用次数则相应加1。
[0169]
所述s4步骤中若二者相似度高于阈值说明没有发生漏磁，包括：
[0170]
若二者相似度sim高于预设定的阈值说明隧道没有发生漏磁，否则说明隧道发生漏磁且存在安全隐患。
[0171]
发明还提供一种基于大数据的隧道安全监测系统。参照图2所示，为本发明一实施例提供的基于大数据的隧道安全监测系统1的内部结构示意图。
[0172]
在本实施例中，所述基于大数据的隧道安全监测系统1至少包括传感器装置11、数据处理器12、隧道安全监测装置13，无线路由器14。
[0173]
其中，传感器装置11包含磁传感器；
[0174]
数据处理器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。数据处理器12在一些实施例中可以是基于大数据的隧道安全监测系统1的内部存储单元，例如该基于大数据的隧道安全监测系统1的硬盘。数据处理器12在另一些实施例中也可以是基于大数据的隧道安全监测系统1的外部存储设备，例如基于大数据的隧道安全监测系统1上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，数据处理器12还可以既包括基于大数据的隧道安全监测系统1的内部存储单元也包括外部存储设备。数据处理器12不仅可以用于存储安装于基于大数据的隧道安全监测系统1的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据；在本实施例中，用于存储传感器装置采集的时间序列数据；
[0175]
隧道安全监测装置13在一些实施例中可以是一中央处理器(central processing unit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于处理数据处理器12中存储的数据；
[0176]
无线路由器14用于实现这些组件之间的连接通信。
[0177]
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
[0178]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做
出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0179]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。