基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法技术方案

本发明专利技术实施例涉及输电线监测技术领域，具体而言，涉及一种基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法，该基于浅层CNN分类模型的架空输电线风舞监测预警系统包括探测光缆、解调仪和数据处理装置；探测光缆与解调仪之间存在光信号交互，解调仪与数据处理装置通信连接，解调仪用于实时接收所述探测光缆反馈的后向瑞利散射光，对该后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将数字信号发送至数据处理装置，数据处理装置用于对各所述空间样本点的数字信号进行差分、分帧、特征提取、特征融合和分类识别，以识别出异常信号并进行预警。该系统及方法能够实现对长距离输电线的实时风舞监测预警。

【技术实现步骤摘要】
基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法
本专利技术实施例涉及输电线监测
，具体而言，涉及一种基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法。
技术介绍
电力系统是现代社会和经济运行的神经中枢、动力之源，是社会和经济运行的总开关。电力系统对于社会的正常生产及民众的日常生活具有极为重要的意义。输电线扮演者电能传输的重要角色，是电力系统的重要组成部分。大风天气会引起输电线的舞动，进而造成不必要的事故和灾害，针对长距离输电线，风舞数据量较大，现有技术处理这些大量数据时大多耗时较长，实时并发处理能力弱，进而难以实现实时的风舞预警。
技术实现思路
有鉴于此，本专利技术提供了一种基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法，能够对大量风舞数据进行快速处理，实时并发处理能力高，能够实现实时的风舞预警。为实现上述目的，本专利技术实施例提供了一种基于浅层CNN分类模型的架空输电线风舞监测预警系统，包括：探测光缆、解调仪和数据处理装置；所述探测光缆与所述解调仪之间存在光信号交互；所述解调仪与所述数据处理装置通信连接；所述解调仪用于产生脉冲光信号，所述探测光缆用于接收所述脉冲光信号，所述解调仪还用于实时接收所述探测光缆反馈的待监测输电线的所有空间样本点的后向瑞利散射光，对所述后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将所述数字信号发送至所述数据处理装置；所述数据处理装置用于接收所述数字信号，将所述数字信号通过显示模块进行实时显示，并对各所述空间样本点的数字信号进行差分，将完成差分的数字信号按预设时间帧间隔进行分帧处理，提取分帧处理之后的数字信号中的时域特征和色谱图特征；对所述时域特征进行归一化处理；以每一帧信号为最小信号处理单元，将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征，采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警。可选地，所述解调仪包括发光件、声光调制器、光放大器、隔离器、环形器、偏振器和探测器；所述发光件与所述声光调制器固定连接，所述声光调制器与所述光放大器固定连接，所述光放大器与所述隔离器固定连接，所述隔离器与所述环形器固定连接，所述环形器与所述探测光缆固定连接，所述环形器还与所述偏振器固定连接，所述偏振器与所述探测器固定连接，所述探测器与所述数据处理装置通信连接；所述发光件用于产生脉冲光信号，所述脉冲光信号经所述声光调制器和所述光放大器和所述环形器传输至所述探测光缆；所述环形器还用于接收所述探测光缆反馈的后向瑞利散射光；所述偏振器用于接收所述后向瑞利散射光，对所述后向瑞利散射光进行偏振处理；所述探测器用于接收经过偏振处理之后的后向瑞利散射光，通过解调和模数转换将经过偏振处理之后的后向瑞利散射光转换成数字信号，将所述数字信号发送至所述数据处理装置。可选地，所述环形器环绕设置有第一接口、第二接口和第三接口；所述第一接口与所述隔离器固定连接，所述脉冲光信号通过第一接口进入所述环形器；所述第二接口与所述探测光缆固定连接，所述脉冲光信号通过第二接口进入所述探测光缆；所述后向瑞利散射光从所述探测光缆通过所述第二接口进入所述环形器；所述第三接口与所述偏振器固定连接，所述后向瑞利散射光通过第三接口进入所述偏振器。可选地，所述数据处理装置通过以下方式实现对分帧处理之后的数字信号中的时域特征和色谱图特征的提取：获取分帧处理之后的数字信号中的短时舞动最大值、短时舞动峰峰值、短时舞动均值、短时舞动标准差和短时舞动均方根，将所述短时舞动最大值、所述短时舞动峰峰值、所述短时舞动均值、所述短时舞动标准差和所述短时舞动均方根作为时域特征；对分帧处理之后的数字信号进行短时傅里叶变换，将变换结果在映射到色谱图中七个音阶对应的十二个频率点，获得色谱图特征；其中，所述色谱图特征为：可选地，所述数据处理装置通过以下方式对所述时域特征进行归一化处理：采用二十四小时时间滑动窗口对每一帧信号的时域特征在当前时刻至过去二十四小时的时间间隔内作归一化处理。可选地，所述数据处理装置通过以下方式将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征：针对每一帧信号，将所述短时舞动最大值、所述短时舞动峰峰值、所述短时舞动均值、所述短时舞动标准差、所述短时舞动均方根和所述色谱图特征复合成五行十二列的二维数组并将该二维数组作为融合特征；其中，所述短时舞动最大值为timeMax，所述短时舞动峰峰值为timeMaxMin，所述短时舞动均值为timeMean，所述短时舞动标准差为timeStd，所述短时舞动均方根为timeRMS；所述融合特征为：可选地，所述数据数据处理装置通过以下方式实现采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警：将所述融合特征输入至分类器，所述分类器集成有训练完毕的预设浅层卷积神经网络CNN分类模型；其中，所述预设浅层卷积神经网络CNN分类模型包括顺次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、第二全连接层、第三全连接层和第四全连接层；采用所述分类器对所述融合特征进行分类识别，若识别出所述融合特征为异常信号，发出风舞预警。本专利技术实施例还提供了一种基于浅层CNN分类模型的架空输电线风舞监测预警方法，所述方法应用于上述基于浅层CNN分类模型的架空输电线风舞监测预警系统，基于浅层CNN分类模型的架空输电线风舞监测预警系统包括探测光缆、解调仪和数据处理装置；所述探测光缆与所述解调仪之间存在光信号交互；所述解调仪与所述数据处理装置通信连接，所述方法包括：所述探测光缆接收所述解调仪产生的脉冲光信号；所述解调仪实时接收所述探测光缆反馈的待监测输电线的所有空间样本点的后向瑞利散射光，对所述后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将所述数字信号发送至所述数据处理装置；所述数据处理装置接收所述数字信号，将所述数字信号通过显示模块进行实时显示，并对各所述空间样本点的所述数字信号进行差分，将完成差分的数字信号按预设时间帧间隔进行分帧处理，提取分帧处理之后的数字信号中的时域特征和色谱图特征；对所述时域特征进行归一化处理；以每一帧信号为最小信号处理单元，将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征，采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警。可选地，提取分帧处理之后的数字信号中的时域特征和色谱图特征的步骤，包括：获取分帧处理之后的数字信号中的短时舞动最大值、短时舞动峰峰值、短时舞动均值、短时舞动标准差和短时舞动均方根，将所述短时舞动最大值、所述短时舞动峰峰值、所述短时舞动均值、所述短时舞动标准差和所述短时舞动均方根作为时域特征；对分帧处理之后的数字信号进行短时傅里叶变换，将变换结果在映射到色谱图中七个音阶对应的十二个频率点，获得色谱图特征；其中，所述色谱图特征为：可选地，对所述时域特征进行归一化处理；以每一帧信号为最小信号处理单元，将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征，采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警的步骤，包括：采用二十本文档来自技高网...

【技术保护点】
1.一种基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，包括：探测光缆、解调仪和数据处理装置；所述探测光缆与所述解调仪之间存在光信号交互；所述解调仪与所述数据处理装置通信连接；所述解调仪用于产生脉冲光信号，所述探测光缆用于接收所述脉冲光信号，所述解调仪还用于实时接收所述探测光缆反馈的待监测输电线的所有空间样本点的后向瑞利散射光，对所述后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将所述数字信号发送至所述数据处理装置；所述数据处理装置用于接收所述数字信号，将所述数字信号通过显示模块进行实时显示，并对各所述空间样本点的数字信号进行差分，将完成差分的数字信号按预设时间帧间隔进行分帧处理，提取分帧处理之后的数字信号中的时域特征和色谱图特征；对所述时域特征进行归一化处理；以每一帧信号为最小信号处理单元，将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征，采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警。

【技术特征摘要】
1.一种基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，包括：探测光缆、解调仪和数据处理装置；所述探测光缆与所述解调仪之间存在光信号交互；所述解调仪与所述数据处理装置通信连接；所述解调仪用于产生脉冲光信号，所述探测光缆用于接收所述脉冲光信号，所述解调仪还用于实时接收所述探测光缆反馈的待监测输电线的所有空间样本点的后向瑞利散射光，对所述后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将所述数字信号发送至所述数据处理装置；所述数据处理装置用于接收所述数字信号，将所述数字信号通过显示模块进行实时显示，并对各所述空间样本点的数字信号进行差分，将完成差分的数字信号按预设时间帧间隔进行分帧处理，提取分帧处理之后的数字信号中的时域特征和色谱图特征；对所述时域特征进行归一化处理；以每一帧信号为最小信号处理单元，将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征，采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警。2.根据权利要求1所述的基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，所述解调仪包括发光件、声光调制器、光放大器、隔离器、环形器、偏振器和探测器；所述发光件与所述声光调制器固定连接，所述声光调制器与所述光放大器固定连接，所述光放大器与所述隔离器固定连接，所述隔离器与所述环形器固定连接，所述环形器与所述探测光缆固定连接，所述环形器还与所述偏振器固定连接，所述偏振器与所述探测器固定连接，所述探测器与所述数据处理装置通信连接；所述发光件用于产生脉冲光信号，所述脉冲光信号经所述声光调制器和所述光放大器和所述环形器传输至所述探测光缆；所述环形器还用于接收所述探测光缆反馈的后向瑞利散射光；所述偏振器用于接收所述后向瑞利散射光，对所述后向瑞利散射光进行偏振处理；所述探测器用于接收经过偏振处理之后的后向瑞利散射光，通过解调和模数转换将经过偏振处理之后的后向瑞利散射光转换成数字信号，将所述数字信号发送至所述数据处理装置。3.根据权利要求2所述的基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，所述环形器环绕设置有第一接口、第二接口和第三接口；所述第一接口与所述隔离器固定连接，所述脉冲光信号通过第一接口进入所述环形器；所述第二接口与所述探测光缆固定连接，所述脉冲光信号通过第二接口进入所述探测光缆；所述后向瑞利散射光从所述探测光缆通过所述第二接口进入所述环形器；所述第三接口与所述偏振器固定连接，所述后向瑞利散射光通过第三接口进入所述偏振器。4.根据权利要求2所述的基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，所述数据处理装置通过以下方式实现对分帧处理之后的数字信号中的时域特征和色谱图特征的提取：获取分帧处理之后的数字信号中的短时舞动最大值、短时舞动峰峰值、短时舞动均值、短时舞动标准差和短时舞动均方根，将所述短时舞动最大值、所述短时舞动峰峰值、所述短时舞动均值、所述短时舞动标准差和所述短时舞动均方根作为时域特征；对分帧处理之后的数字信号进行短时傅里叶变换，将变换结果在映射到色谱图中七个音阶对应的十二个频率点，获得色谱图特征；其中，所述色谱图特征为：5.根据权利要求4所述的基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，所述数据处理装置通过以下方式对所述时域特征进行归一化处理：采用二十四小时时间滑动窗口对每一帧信号的时域特征在当前时刻至过去二十四小时的时间间隔内作归一化处理。6.根据权利要求4所述的基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，所述数据处理装置通过以下方式将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征：针对每一帧信号，将所述短时舞动最大值、所述短时舞动峰峰值、所述短时舞动均值、所述短时舞动标准差、所述短时舞动均方根和所述色谱图特征复合成五行十二列的二维数组并将该二维数组作为融合特征；其中，所述短时舞动最大值为timeMax，所述短时舞动峰峰值为timeMaxM...

【专利技术属性】
技术研发人员：王晓楠，吴慧娟，
申请(专利权)人：王晓楠，
类型：发明
国别省市：四川,51