一种光纤状态多维度参量监测系统技术方案

本申请涉及一种光纤状态多维度参量监测系统，涉及光纤的技术领域，其包括数据采集装置；数据采集装置用于采集多源数据信息；多源数据信息包括：电信号、光信号及热信号；以及，边缘设备；边缘设备用于接收多源数据信息并通过卷积神经网络模型进行运算处理及信息分析，并将运算处理及信息分析的结果发送至外部的云服务器。云服务器。云服务器。

【技术实现步骤摘要】
一种光纤状态多维度参量监测系统


[0001]本申请涉及光纤的
，尤其是涉及一种光纤状态多维度参量监测系统。

技术介绍

[0002]电能已经成为现今社会人们生产生活必不可少的要素之一，电力系统的稳定运行已成为社会稳定和国民经济发展的重要保障。电力光纤通信与微波通信、电缆通信相比具有承载信息容量大、信息传递迅速、低损耗、高保密性、适合远距离稳定传输、抗腐蚀抗干扰能力强、安装方便等优点，在电力通信系统中得到普遍运用，承载了超过95％的电力通信服务。因此电力光纤传输网络运行的可靠性、稳定性已经成为电力系统安全运行的重要支柱，一旦光纤线路发生故障，造成的通信中断将会给国网公司带来巨大的经济损失，以及重大的社会影响。
[0003]目前，一部分电力光纤埋藏在地下，而电力光纤随电力线缆敷设在输电杆塔之间，受雨雪等突发自然灾害影响较大，容易出现光纤断裂现象，影响正常光通信。同时，还有一部分电力光纤是随着电力输电线路一起架设在空中，导致与其他光缆相比，易受到自然因素的影响(覆冰和大风等)。电力光纤通信网络日益复杂，电力光纤的维护难度、维护成本也逐渐提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光纤状态多维度参量监测系统，其特征在于，包括：数据采集装置；所述数据采集装置用于采集多源数据信息；所述多源数据信息包括：电信号、光信号及热信号；以及，边缘设备；所述边缘设备用于接收所述多源数据信息并通过卷积神经网络模型进行运算处理及信息分析，并将运算处理及信息分析的结果发送至外部的云服务器；其中，所述边缘设备的前端包括算法部署部分以及边缘区域总结点；所述算法部署部分用于卷积神经网络模型的部署与优化；所述边缘区域总结点用于：数据实时采集，对从各个节点传送来的数据信息进行实时汇聚；数据实时传输，对从各个节点传送来的数据信息进行实时向云服务器发送；数据异常检测，利用卷积神经网络模型实时监测数据质量。2.根据权利要求1所述的一种光纤状态多维度参量监测系统，其特征在于，所述卷积神经网络模型的部署与优化，包括：选取CRSnet模型；将CSRnet网络模型从vggnet模型替换为mobilenet模型；在模型训练过程中对不重要的参数和冗余的通道进行删减；以及，通过参数量化对将原本32位浮点数的权重和激活值转换为8位定点数值。3.根据权利要求2所述的一种光纤状态多维度参量监测系统，其特征在于，所述通过卷积神经网络模型进行运算处理，包括：步骤301、将光纤实时数据和历史数据构建融合高维数据矩阵；步骤302、对所述高维数据矩阵进行PCA降维；步骤303、对步骤302中的数据基于领域自适应的粗糙集聚类分析得到上近似集的聚类中心和下近似集的聚类中心，并且得到聚类分析后的聚类结果。4.根据权利要求3所述的一种光纤状态多维度参量监测系统，其特征在于，所述边缘设备还部署有光纤状态分类模型；所述光纤状态分类模型的生成方法包括：特征聚类步骤；DCNN训练步骤；循环执行特征聚类步骤和DCNN训练步骤，实现对所有类别的深度特征判别性和模型识别性能的增强；其中，所述特征聚类步骤包括：特征提取，获得深度特征；利用k
‑
means聚类方法对深度特征依据类别进行聚类，得到数据在DCNN特征空间的分布结构；所述DCNN训练步骤包括：根据DCNN输出、样本标签和聚类结果计算交叉熵损失和聚类度量损失；利用交叉熵损失和聚类度量损失对DCNN的模型输出和特征表示进行联合优化。5.根据权利要求4所述的一种光纤状态多维度参量监测系统，其特征在于，所述边缘设备还部署有光纤状态预测模型；所述光纤状态预测模型的生成方法包括：步骤501、对历史数据、实时数据以及积累的故障数据进行采样以建立基于长短时记忆网络的时序故障模...

【专利技术属性】
技术研发人员：赵锦辉，何涛，徐中林，向皓，焦尧毅，胡为民，朱佳，谢波，黄涛，王婕，张成，陈家璘，冯浩，柯望，郭峰，吴阶林，汤弋，贺易，齐放，贺亮，徐杰，尹德智，王甫，邱爽，余铮，郭岳，胡晨，邱学晶，王茜，丁宇阳，
申请(专利权)人：湖北思极科技有限公司，
类型：发明
国别省市：