基于光纖傳感技術的綜合智能化光纜線路故障診斷

方 明

(中國南方電網(wǎng)有限責任公司超高壓輸電公司貴陽局，貴州 貴陽 550081)

高密度、大容量和高速的光纜網(wǎng)絡是現(xiàn)代化光纜通信的重要基礎，因此光纜網(wǎng)絡線路的安全性和可靠性極為重要，一旦光纜線路發(fā)生故障，將影響正常的光纜通信，造成巨大的經(jīng)濟損失和社會影響[1]。光纜屬于地下隱蔽線路，常常因為市政建設需要，有大型機械在光纜附近進行高密度、頻繁持續(xù)的施工，直接危及光纜的安全性和可靠性，時常有毀損光纜的情況發(fā)生。傳統(tǒng)的光纜線路故障診斷主要通過人工方法進行逐段排查，費時、費力、效率低下，已經(jīng)不能滿足現(xiàn)有要求，影響正常的光纜通信和客戶滿意度[2]。因此進行綜合智能化光纜線路故障診斷具有重要的實際意義和理論價值。光纖傳感器具有質(zhì)量小、誤碼率低、帶寬大和抗干擾能力強的優(yōu)點，目前被廣泛應用于工業(yè)、軍事以及民用等領域。為提高光纜線路故障診斷的準確率，便于光纜線路的檢修，本文提出一種基于光纖傳感技術的綜合智能化光纜線路故障診斷方法。

1 監(jiān)測系統(tǒng)結構

為實現(xiàn)光纜線路綜合智能化故障診斷，本文建立了基于4G通信網(wǎng)絡技術的光纜線路故障監(jiān)測與診斷系統(tǒng)，系統(tǒng)結構如圖1所示。該監(jiān)測系統(tǒng)采用樹形結構，主要包括監(jiān)測裝置、通信網(wǎng)絡和監(jiān)控中心3個部分。

圖1 監(jiān)測系統(tǒng)結構圖

1)光纜線路故障監(jiān)測裝置采用在線監(jiān)測方式，主要利用光纖傳感器技術采集光纜線路故障數(shù)據(jù)。

2)4G通信網(wǎng)絡負責光纜線路故障數(shù)據(jù)的傳輸，主要由4G通信網(wǎng)絡和4G路由器組成[3]。4G通信網(wǎng)絡負責建立專用的光纜線路故障監(jiān)測網(wǎng)絡。用戶端可以通過移動終端或者個人電腦(personal computer，PC)端訪問光纜線路故障監(jiān)測網(wǎng)絡，及時查看光纜線路故障監(jiān)測數(shù)據(jù)。

3)監(jiān)控中心由監(jiān)測客戶端和服務器組構成。監(jiān)測客戶端采用上位機監(jiān)測形式，能夠及時查看光纜線路故障監(jiān)測的各種數(shù)據(jù)、圖形和報表。服務器組有3種形式：數(shù)據(jù)庫服務器、通信服務器以及Web服務器。

系統(tǒng)的硬件結構圖如圖2所示。

圖2 硬件系統(tǒng)結構圖

圖2中，光纜線路故障監(jiān)測與診斷系統(tǒng)由光纖傳感器、信號預處理、4G網(wǎng)絡通信、TMS320F2812 DSP核心處理器模塊[4]、上位機模塊和極限學習機(extreme learning machine，ELM)故障診斷模塊等組成。實際使用時，首先采集光纜線路故障數(shù)據(jù)并做預處理，然后將其傳輸?shù)絋MS320F2812 DSP核心處理器的ADC轉換接口進行數(shù)據(jù)轉換和存儲，最后通過監(jiān)測現(xiàn)場的光纜線路故障顯示器進行實時監(jiān)控。

2 光纜線路故障診斷方法

2.1 小波包變換

與小波變換相比，小波包變換能夠多層次劃分信號頻帶，可以更加精細化地分析信號的時頻特性，更深層次挖掘信號細分的高頻部分的特征信息。本文綜合多種因素并借鑒以往的經(jīng)驗，選擇coif4小波進行三層小波包分解。Coif4三層小波包分解后所得8個子頻帶如圖3所示，其排列次序為(3,0)(3,1)(3,2)(3,3)(3,4)(3,5)(3,6)(3,7)。

圖3 三層小波包分解結構圖

信號S經(jīng)小波包分解i層后，可得到2i個子頻帶，因此信號S可表示為[5-6]：

(1)

式中：Si,j為第i分解層上節(jié)點(i,j)的重構信號。

S(3,j)表示第3分解層的第j個子頻帶，則S(3,j)對應的小波包能量為：

(2)

式中：E(3,j)為信號S第3分解層上節(jié)點(3,j)的頻帶能量；t為時間；n為信號采樣點數(shù)；xj, k(j=0,1,2,…,7;k=1,2,…,n)為重構信號Si,j的離散點幅值。第3分解層的第j個子頻帶的小波包總能量值Eopj為：

(3)

因此，小波包能量特征為：

TT=[Eop0，Eop1，Eop2，Eop3，Eop4，

Eop5，Eop6，Eop7]

(4)

式中：TT為每個子頻帶的總能量值的特征向量。

小波包標準差特征為：

Std=[Stdop0，Stdop1，Stdop2，Stdop3，

Stdop4，Stdop5，Stdop6，Stdop7]

(5)

式中：Std為每個子頻帶的小波包標準差的特征向量；stdopi為第3分解層的第i個子頻帶的小波包標準差。

Shannon熵特征為：

En=[Enop0，Enop1，Enop2，Enop3，

Enop4，Enop5，Enop6，Enop7]

(6)

式中：En為每個子頻帶的Shannon熵的特征向量；Enopi為第3分解層的第i個子頻帶的Shannon熵。

2.2 ELM模型

假定ELM模型的隱含層節(jié)點數(shù)為L，有N個訓練樣本(yi,ti)，i=1, 2, … ,N，其中yi和ti分別為ELM模型的輸入變量和目標輸出變量，那么ELM模型可表示為[8]：

(7)

式中：βj為隱含層與輸出層之間的連接權值；g(·)為激活函數(shù)；wj為輸入層初始權值；bj為隱含層偏置；οi為ELM模型的輸出。

如果存在βj，wj和bj使得所有訓練樣本(yi,ti)能夠零誤差逼近，則有[9]：

(8)

式(8)的矩陣形式為：

Hβ=T

(9)

式中:β=[β1,β2, … ,βM]T；T=[t1,t2, … ,tN]T；H為ELM模型的隱含層輸出矩陣。

通常在實際訓練過程中，L?N且wj和bj是隨機產(chǎn)生的，則ELM模型的輸出權重β的最小二乘解β*為：

β*=H+T

(10)

式中：H+為矩陣H的Moore-Penrose廣義逆陣。

3 綜合智能化光纜線路故障診斷

一般的光纜線路故障主要分為機械故障和電氣故障，機械故障分為鉤掛故障和錨砸故障，電氣故障分為短路故障和漏電故障。本文主要研究短路故障、漏電故障、鉤掛故障以及錨砸故障等4類故障的光纜線路故障診斷?；诠饫w傳感器技術的綜合智能化光纜線路故障診斷流程如圖4所示。首先，通過光纖傳感器監(jiān)測、采集光纜線路故障信號數(shù)據(jù)；其次，先用小波包3層分解和重構光纜線路故障信號，之后提取小波包能量特征、小波包標準差特征和Shannon熵特征；再次，將提取的特征數(shù)據(jù)劃分成訓練樣本和測試樣本，針對訓練樣本將光纜線路故障特征數(shù)據(jù)和故障類型(短路故障、漏電故障、鉤掛故障以及錨砸故障)作為ELM模型的輸入和輸出，建立光纜線路故障的ELM識別模型；最后運用測試樣本測試、驗證光纜線路故障的ELM識別模型的有效性。

圖4 診斷流程圖

4 實驗與結果分析

為驗證光纜線路故障診斷的效果，本文選擇貴陽市某社區(qū)的3.5 km 110 kV 光纖復合電纜為研究對象，采用A、B、C三相鋪設，每相光纜復合兩個光單元。以正常信號、短路故障信號、漏電故障信號、鉤掛故障以及錨砸故障信號等樣本數(shù)據(jù)為研究對象，其中正常信號47組、短路故障信號49組、漏電故障信號42組、鉤掛故障信號49組以及錨砸故障信號57組，光纜線路故障診斷樣本數(shù)據(jù)分布情況見表1。

表1 光纜線路故障樣本數(shù)據(jù)分布

針對訓練樣本將光纜線路故障特征數(shù)據(jù)(小波包能量特征、小波包標準差特征和Shannon熵特征)和故障類型(短路故障、漏電故障、鉤掛故障以及錨砸故障)作為ELM模型的輸入和輸出，建立光纜線路故障的ELM識別模型，光纜線路不同故障編碼見表2。為驗證ELM模型進行光纜線路故障診斷的有效性，將ELM與支持向量機(support vector machine，SVM)、徑向基神經(jīng)網(wǎng)絡(radius bias function network，RBFNN)和前饋神經(jīng)網(wǎng)絡(back propagation network，BPNN)進行對比，對比結果見表3。

表2 光纜線路故障編碼

由表3可知，與SVM、RBFNN和BPNN相比，ELM進行光纜線路故障診斷時，各種故障信號的診斷正確率均是最高，而BPNN的光纜線路故障診斷正確率最低。由此可知，從光纜線路不同故障診斷的正確率來看，ELM具有更高的正確率，為光纜線路故障診斷提供了新的方法。

表3 光纜線路故障診斷結果 %

5 結束語

為實現(xiàn)光纜線路故障的在線監(jiān)測和高精度診斷，融合光纖傳感技術，本文提出了一種基于光纖傳感技術的綜合智能化光纜線路故障診斷方法。然而，本文只研究了5種典型信號的光纜線路故障監(jiān)測與故障診斷，其他信號沒有進行研究，后續(xù)將研究更多類型信號的光纜線路故障監(jiān)測與故障診斷正確率，從而提高模型的適用性和可靠性。此外，本文只提取了光纜線路故障信號的小波包能量特征、小波包標準差特征和Shannon熵特征，可能未能完全表征光纜線路故障的特征，下一步將研究更多特征的光纜線路故障診斷。