本技术涉及光纤振动检测，特别涉及基于cnn的输电线路分布式光纤振动检测方法及系统。
背景技术：
1、输电线路的安全运行对电力系统至关重要。输电线路故障70%以上由外力破坏引起，如雷击、覆冰、风偏、树木倾倒、人为破坏等。传统的线路故障告警主要依靠线路保护装置动作信息、故障录波等电气量反映。
2、公开号为cn114325249a的中国专利公开了一种面向电力变电站基于光纤传感技术的故障检测系统，包括：利用相位敏感型光时域反射技术gis放电分布式定位技术、基于gis内部放电引发的分布式光纤振动检测系统，gis装置内部布置连续的光纤，对光纤的输出信号用基于相位敏感型光时域反射技术的测量，采用gis放电分布式定位技术：即测量gis内部放电引发的分布式光纤振动检测系统信号特征技术：通过对基分布式光纤定位系统信噪比、灵敏度、空间分辨率、定位精度、采样率影响因素研究，掌握系统中光源信号参数、光电器件参数、信号检测与后处理方法以及光纤布置方案对上述性能指标的影响规律；采用光纤数据传感技术并与das故障检测系统结合，判断异常情况并以最快速度发出预警。基分布式光纤是一种特殊的光纤传感器，主要用于大范围的温度、应变等参数的分布式测量，其基本工作原理是利用光在光纤中传输时，会因为纤芯折射率的起伏或外界作用产生各种线性和非线性散射。
3、现有技术对于输电线路上不同供电区域的振动信号采用统一的信号采集策略，未考虑不同区域的风险差异，对光纤振动信号的采集缺乏针对性，高供电区域可能由于采样频率不足而漏检，低供电区域却浪费了过多的采样资源，整体检测效率不高。
技术实现思路
1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本技术的一个目的在于提出基于cnn的输电线路分布式光纤振动检测方法及系统，提高了对不同供电区域的光纤振动信号检测的针对性。
2、本技术的一个方面提供了基于cnn的输电线路分布式光纤振动检测方法，包括：
3、步骤s100：根据输电线路的电压类别将其划分为n1个供电区域，每个供电区域对应一段光纤链路；
4、步骤s200：对于每个供电区域，获取所述供电区域的电压类别、输电容量指数和用电可靠性指数，计算供电区域的输电线路重要性指数；
5、步骤s300：对于每个供电区域，获取其历史时间的光纤振动事故次数，计算历史事故频次指数，根据所述供电区域的输电线路重要性指数和历史事故频次指数，计算所述供电区域的光纤振动检测力度；
6、步骤s400：获取每个供电区域的原始振动信号，根据光纤振动检测力度计算得到重采样频率，利用重采样频率对原始振动信号进行重采样，得到重采样振动信号；
7、步骤s500：利用重采样振动信号构建训练样本，构建cnn模型并训练得到光纤振动预测模型，对于每个供电区域，计算其重采样频率，利用光纤振动预测模型对供电区域进行振动检测。
8、进一步地，所述根据输电线路的电压类别将其划分为n1个供电区域，每个供电区域对应一段光纤链路的具体方法为：
9、步骤s110：获取输电线路上所有杆塔的空间坐标和对应的输电线路的电压，第i个杆塔的空间坐标为，对应的电压为；
10、步骤s120：设置电压类别划分阈值，所述电压类别划分阈值包括第一划分阈值、第二划分阈值和第三划分阈值；
11、步骤s130：按照电压类别划分阈值对输电线路的电压量化为电压类别，当输电线路的电压小于或等于第一划分阈值时，电压类别；当输电线路的电压大于第一划分阈值且小于或等于第二划分阈值时，电压类别；当输电线路的电压大于第二划分阈值且小于或等于第三划分阈值时，电压类别；当输电线路的电压大于第三划分阈值时，电压类别；
12、步骤s140：按照电压类别划分阈值对输电线路进行供电区域划分，将第一个杆塔单独划分为供电区域，将所述供电区域加入供电区域集合；从第二个杆塔开始，判断每一个杆塔与前一个杆塔的电压类别是否相同，≥2，当杆塔的电压类别与前一个杆塔的电压类别相同时，将杆塔划分到与前一个杆塔相同的供电区域中；当杆塔的电压类别与前一个杆塔的电压类别不同时，将杆塔划分到新的供电区域，并将所述新的供电区域加入供电区域集合中；重复上述过程，直到完成所有杆塔供电区域的划分；
13、步骤s150：对于每个供电区域，获取供电区域中杆塔空间坐标的最小值和最大值，所述杆塔空间坐标的最小值作为该供电区域的光纤链路的起点坐标，所述杆塔空间坐标的最大值作为该供电区域的光纤链路的终点坐标。
14、进一步地，所述对于每个供电区域，获取所述供电区域的电压类别、输电容量指数和用电可靠性指数，计算供电区域的输电线路重要性指数的具体方法为：
15、步骤s210：对于每个供电区域，获取其电压类别，表示第a个供电区域的电压类别；
16、步骤s220：对于每个供电区域，统计所述供电区域内的输电线路的总条数，测量每条输电线路上的电流和电压，计算每条输电线路实际的传输功率，对所述供电区域内所有输电线路的传输功率进行加权求和，得到综合传输功率；
17、步骤s230：获取每个供电区域的额定传输功率，将综合传输功率与额定传输功率的比值与1进行比较，取二者之间的最小值作为输电容量指数；
18、步骤s240：对于每个供电区域，根据所述供电区域所属输电线路上是否包含重要负荷类型，计算所述供电区域的用电可靠性指数；
19、步骤s250：利用每个供电区域的电压类别、输电容量指数、用电可靠性指数计算供电区域的输电线路重要性指数。
20、进一步地，所述对于每个供电区域，获取其历史时间的光纤振动事故次数，计算历史事故频次指数，根据所述供电区域的输电线路重要性指数和历史事故频次指数，计算所述供电区域的光纤振动检测力度的具体方法为：
21、步骤s310：根据输电线路的运维记录，提取发生的所有光纤振动事故记录，将光纤振动事故记录与相应的供电区域进行关联，获取历史时长t内每个供电区域的光纤振动事故次数；
22、步骤s320：获取每个供电区域内的光纤长度，将所述光纤长度与历史时长t相乘得到乘积，将所述供电区域的光纤振动事故次数与所述乘积的比值作为供电区域的历史事故频次指数；
23、步骤s330：将每个供电区域的输电线路重要性指数和历史事故频次指数加权求和得到所述供电区域的光纤振动检测力度。
24、进一步地，所述获取每个供电区域的原始振动信号，根据光纤振动检测力度计算得到重采样频率，利用重采样频率对原始振动信号进行重采样，得到重采样振动信号的具体方法为：
25、步骤s410：对于每个供电区域，根据其对应的光纤链路的起点坐标和终点坐标，获取供电区域内光纤链路上同一采样点在不同时间的原始振动信号，由所有采样点的振动信号构成原始振动信号集合；
26、第h个采样点的原始振动信号为，其中，为光纤链路的第m个原始振动信号，m为原始振动信号的总数；
27、步骤s420：获取基准采样频率和供电区域中光纤振动检测力度的最大值，根据光纤振动检测力度的最大值，对第a个供电区域的光纤振动检测力度进行归一化，得到归一化依据值，将归一化依据值与基准采样频率相乘得到重采样频率；
28、步骤s430：利用重采样频率对原始振动信号进行重采样，得到重采样振动信号；
29、所述重采样振动信号为，其中，为第m个重采样振动信号，m为重采样振动信号的总数。
30、进一步地，所述利用重采样频率对原始振动信号进行重采样，得到重采样振动信号的具体方法为：
31、步骤s431：根据分布式光纤振动传感器的硬件设置得到原始采样频率，将重采样频率与原始采样频率的比值作为重采样因子θ1，当θ1>1时，对原始振动信号进行上采样；当θ1<1时，对原始振动信号进行下采样；当θ1=1时，对原始振动信号以重采样频率进行重采样；
32、步骤s432：原始振动信号对应的原始采样时刻为，其中，为第m个原始采样时刻，第j个原始采样时刻；
33、步骤s433：重采样振动信号对应的重采样时刻为，其中，为第m个重采样时刻，第个重采样时刻；
34、步骤s434：对于重采样时刻，从原始采样时刻中找到的两个相邻原始采样时刻和，满足≤<，采用线性插值法计算重采样时刻的重采样振动信号；
35、步骤s435：计算得到所有重采样时刻的重采样振动信号。
36、进一步地，所述利用重采样振动信号构建训练样本，构建cnn模型并训练得到光纤振动预测模型，对于每个供电区域，计算其重采样频率，利用光纤振动预测模型对供电区域进行振动检测的具体方法为：
37、步骤s510：利用滑动窗口方法在重采样振动信号中提取y个重采样振动样本，根据每个供电区域相关联的光纤振动事故记录，对所述供电区域的重采样振动样本对应的历史时间范围内是否发生过光纤振动事故进行标注，得到标注好的重采样振动样本，作为训练样本；
38、步骤s520：构建cnn模型，所述cnn模型包括输入层、卷积层、池化层、全连接层和输出层，输入层输入重采样振动样本，卷积层采用一维卷积核，池化层选择一维最大池化层，最后一个全连接层与输出层相连，输出层包含一个神经元，采用sigmoid函数，输出发生过光纤振动事故的概率；
39、步骤s530：选择二元交叉熵作为训练cnn模型的损失函数，使用adam优化算法进行优化；
40、步骤s540：以重采样振动样本作为输入数据，以重采样振动样本对应的历史时间范围内是否发生过光纤振动事故作为输出数据，若不存在光纤振动事故则输出0，若存在光纤振动事故则输出1；
41、步骤s550：以准确预测是否发生光纤振动事故作为预测目标，以最小化损失函数作为训练目标，当损失函数达到收敛时，停止训练，得到训练好的光纤振动预测模型；
42、步骤s560：对需要进行光纤振动检测的供电区域，获取其实时原始振动信号，计算其重采样频率并对实时原始振动信号进行重采样，得到实时重采样振动信号，利用光纤振动预测模型预测该供电区域的不同光纤链路上是否存在光纤振动事故。
43、本技术的一个方面提供了基于cnn的输电线路分布式光纤振动检测系统，包括：
44、供电区域划分模块，用于根据输电线路的电压类别将其划分为n1个供电区域，每个供电区域对应一段光纤链路；
45、重要指数计算模块，用于对于每个供电区域，获取所述供电区域的电压类别、输电容量指数和用电可靠性指数，计算供电区域的输电线路重要性指数；
46、采样依据计算模块，用于对于每个供电区域，获取其历史时间的光纤振动事故次数，计算历史事故频次指数，根据所述供电区域的输电线路重要性指数和历史事故频次指数，计算所述供电区域的光纤振动检测力度；
47、振动信号采样模块，用于获取每个供电区域的原始振动信号，根据光纤振动检测力度计算得到重采样频率，利用重采样频率对原始振动信号进行重采样，得到重采样振动信号；
48、光纤振动检测模块，用于利用重采样振动信号构建训练样本，构建cnn模型并训练得到光纤振动预测模型，对于每个供电区域，计算其重采样频率，利用光纤振动预测模型对供电区域进行振动检测。
49、本技术的一个方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现基于cnn的输电线路分布式光纤振动检测方法中的步骤。
50、本技术的一个方面提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行基于cnn的输电线路分布式光纤振动检测方法中的步骤。
51、本技术提出的基于cnn的输电线路分布式光纤振动检测方法及系统相对于现有技术，具备以下优点：
52、通过对输电线路进行供电区域划分，并对不同供电区域采用自适应的采样策略，通过计算不同供电区域的重采样频率，本技术可以在保证高供电区域检测质量的同时，减少低供电区域的资源浪费，从整体上提高检测效率，实现检测资源的均衡优化配置。
53、本技术充分挖掘和利用了不同供电区域振动信号的特点和规律，并结合供电区域的电压类别、输电线路重要性指数、历史事故频次指数等先验知识，构建了面向不同供电区域的光纤振动预测模型。相比统一的检测方法，本技术可以更加精准地捕捉各供电区域的关键信号模式，大大提升检测的针对性和有效性。
54、本专利通过自适应调整重采样频率，可以根据供电区域的动态变化实时优化检测策略，增强系统的实时响应能力和适应性，使检测过程更加灵活智能。
1.基于cnn的输电线路分布式光纤振动检测方法，其特征在于，包括：
2.如权利要求1所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，所述根据输电线路的电压类别将其划分为n1个供电区域，每个供电区域对应一段光纤链路的具体方法为：
3.如权利要求2所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，所述对于每个供电区域，获取所述供电区域的电压类别、输电容量指数和用电可靠性指数，计算供电区域的输电线路重要性指数的具体方法为：
4.如权利要求3所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，所述对于每个供电区域，获取其历史时间的光纤振动事故次数，计算历史事故频次指数，根据所述供电区域的输电线路重要性指数和历史事故频次指数，计算所述供电区域的光纤振动检测力度的具体方法为：
5.如权利要求4所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，所述获取每个供电区域的原始振动信号，根据光纤振动检测力度计算得到重采样频率，利用重采样频率对原始振动信号进行重采样，得到重采样振动信号的具体方法为：
6.如权利要求5所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，所述利用重采样频率对原始振动信号进行重采样，得到重采样振动信号的具体方法为：
7.如权利要求6所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，所述利用重采样振动信号构建训练样本，构建cnn模型并训练得到光纤振动预测模型，对于每个供电区域，计算其重采样频率，利用光纤振动预测模型对供电区域进行振动检测的具体方法为：
8.基于cnn的输电线路分布式光纤振动检测系统，其用于实现权利要求1-7中任一项所述的基于cnn的输电线路分布式光纤振动检测方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现如权利要求1-7任一项所述的基于cnn的输电线路分布式光纤振动检测方法中的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-7任一项所述的基于cnn的输电线路分布式光纤振动检测方法中的步骤。
