一种基于多模态数据融合的电缆防外破监控与预警方法与流程

本发明涉及电力系统，具体为一种电缆防外破监控与预警方法，尤其涉及一种基于多模态数据融合的电缆防外破监控与预警方法。

背景技术：

1、随着电网负荷的日益增长及城市现代化水平的不断提高，城市内架空输电线路逐渐退出民众视野。数据显示，截止目前，上海市区供电公司35kv的电缆化率达到99.66％，10kv的电缆化率达到93.71％。然而，公司辖区内电缆化率的不断增加以及中心城区旧楼改造的全面推进，电缆发生故障的概率也随之增加。虽然电缆故障的概率远低于架空输电线路，但由于电缆及其附件采用封闭式紧凑型结构，且多位于城市核心地段，一旦发生故障，故障定位困难、修复用时长、难度大，对供电可靠性的影响以及造成的损失较为严重。上海市区供电公司电缆运维数据表明，在2020至2022年的电缆故障事件中，由于施工引起的电缆外破事件占比高达44％，为电缆故障的主要原因。传统以人工巡线的运维方式无法实现管辖范围内的全域全天候实时监测，因此研究一种电缆防外破监控和预警方法具有重大意义。

2、当前，许多学者和研究机构致力于电缆外破预警方法的研究，以实时监测电缆的状态并及时发出预警信号。这些系统通常利用传感器和监测设备来收集电缆的温度、压力、振动等数据，并通过数据分析和模型算法进行故障预测。为了支持电缆外破预警技术的研究和应用，学术界和工业界提供了大量的研究成果和技术方案。

3、这些研究成果为电缆外破预警技术的发展提供了重要的参考和启示。然而，现有方法的数据源较为单一，数据之间的时空耦合特性较低，预警效果均存在一定局限性。因此，仍需进一步深入研究和探索，以提升电缆外破预警技术的可靠性、实用性和智能化水平。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，提供一种基于多模态数据融合的电缆防外破监控与预警方法，它的结构紧凑(结构简单、易于实现、使用方便)，包括以下步骤：

2、实现上述目的的一种技术方案是：步骤1：利用光纤和摄像头采集电缆附近振动以及视频数据；

3、步骤2：将步骤1中采集得到的数据进行色彩空间转换以及标准化处理；

4、步骤3：构造和训练一种时空神经网络，以当前时刻的视频采集数据作为输入cnn-lstm，对cnn-lstm进行训练；

5、步骤4：利用步骤3中训练后的cnn-lstm对视频数据的预测置信度与当前时刻的振动强度实现外破的多级别预警。

6、进一步地，步骤1中利用光纤和摄像头采集电缆附近振动以及视频数据的过程具体为：首先，在电缆附近部署光纤传感器。这些传感器通常是光纤缆线，可以被固定在电缆的表面或附近，以侦测振动和应变。这些传感器使用光学原理来测量微小的位移或变形。同时，在电缆附近安装摄像头以捕捉视频数据记录电缆附近的施工情况。

7、再进一步地，步骤2中所述进行标准化处理的过程为：通过sobel算子将原始图像进行梯度化，进一步对其进行像素点分割，最后将其转化到hsv色彩空间以用于后续电缆外破预警。

8、同时，假设经过色彩空间转化后的摄像头采集的每一帧视频数据为x，对于视频图像进行标准化处理：

9、

10、其中，为标准化后的数据，min(x)和max(x)分别为x对应变量的最小值和最大值。

11、再进一步地，步骤3中所述时空神经网络lstm-cnn是由长短期记忆神经网络lstm与卷积神经网络cnn融合而成的时空网络模型，所述构造和训练时空神经网络的过程包括以下子步骤：

12、s31：令为cnn-lstm的输入数据，首先，cnn通过空间维度编码将视频数据映射为空间特征表达hs，再通过时间维度进一步对hs进行挖掘，以实现时间特征ht的提取；所述cnn-lstm的时空间特征提取过程如下所示：

13、

14、ht＝lstmθ'(w'hs+b'),θ'＝{w',b'}；

15、其中，w和w'分别是cnn和lstm的权重矩阵；b和b'分别是cnn和lstm偏置偏差向量；θ和θ'分别是用于空间和时间特征提取的参数；

16、最后，通过全连接层将最终提取到的时空特征映射为电缆外破的预警概率：

17、

18、其中，为cnn-lstm对电缆外破事件的预测结果。

19、s32：对cnn-lstm进行训练，在该过程中，以预警结果的误差最小为目标对参数进行调整：

20、

21、其中是预测的均方差,是指最小时对应的参数θ和θ'；

22、进一步，通过误差的反向传播和梯度下降算法得到最优的模型参数，参数更新过程如下：

23、

24、其中，η为学习率；

25、在训练过程中，cnn-lstm通过，将cnn-lstm的预测结果与实际外破结果计算预测误差，并以最小化预测误差为目标，通过反向传播对神经网络的网络参数进行优化。

26、更进一步地，所述步骤4中进一步包括：结合训练后的cnn-lstm模型的对电缆外破事件的预测置信度概率与当前时刻的光纤的振动强度进行融合，通过多源数据来实现最终的多级别预警。

27、本发明针对上述现有技术存在的不足，利用分布式光纤测振和图像识别技术设计了一种基于时空耦合的电缆外破预测方法，本方法相较于其他电缆外破预警方法相比，能够通过快速、准确地对电缆外破事件进行多级别预测，进一步根据预警级别通过摄像头与运维人员对现场施工人员进行警告，以防止电缆外破事件的发生。

技术特征：

1.一种基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，步骤1利用光纤和摄像头采集电缆附近振动以及视频数据的过程包括：在电缆附近部署光纤传感器，传感器是光纤缆线，能够被固定在电缆的表面或附近，以侦测振动和应变，这些传感器使用光学原理来测量微小的位移或变形。

3.根据权利要求2所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，步骤1利用光纤和摄像头采集电缆附近振动以及视频数据的过程还包括：在电缆附近安装摄像头以捕捉视频数据记录电缆附近的施工情况。

4.根据权利要求1所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，步骤2中所述进行标准化处理的过程为：通过sobel算子将原始图像进行梯度化，进一步对其进行像素点分割，最后将其转化到hsv色彩空间以用于后续电缆外破预警。

5.根据权利要求4所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，同时，假设摄像头采集的每一帧视频数据为x，对于视频图像进行标准化处理：

6.根据权利要求1所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，步骤3中时空神经网络lstm-cnn是由长短期记忆神经网络lstm与卷积神经网络cnn融合而成的时空网络模型，所述构造和训练时空神经网络的过程具体包括以下步骤：

7.根据权利要求6所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，通过误差的反向传播和梯度下降算法得到最优的模型参数，参数更新过程如下：

8.根据权利要求6所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，基于cnn-lstm网络的训练过程：

9.根据权利要求1所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，步骤4中还包括：结合训练后的cnn-lstm模型的对电缆外破事件的预测置信度概率与当前时刻的光纤的振动强度进行融合，通过多源数据来实现最终的多级别预警。

10.根据权利要求9所述的基于多模态数据融合的电缆防外破监控与预警方法，其特征在于，还包括并根据预警级别采取不同的应对措施，以避免电缆外破事件的发生。

技术总结本发明公开了一种基于多模态数据融合的电缆防外破监控与预警方法，该方法结合光纤测振与摄像头的视频采集功能，实现对电缆附近环境信息的全面获取；提出了一种基于多模态数据融合的电缆外破多级别预警方法，通过时空神经网络能够提取视频数据的时空耦合特征，并通过融合神经网络模型的预测置信度以及光纤振动强度，实现电缆外破事件的多级别预警。相较于现有电力电缆外破监控与预警方法，创新性的结合了振动强度以及视频数据之间的时空耦合特性，提高了对电缆外破的预测精度，能够快速、准确地实现电缆外破事件的多级别预警。技术研发人员：李子康,王强,李佳文,俞瑾华,顾忠,张瀚文,冷慧,沈佳祯,周华嫣然,吴桐受保护的技术使用者：国网上海市电力公司技术研发日：技术公布日：2024/7/29