[发明专利]一种全光纤分布式的电缆安全与可靠性监测系统

权利要求书

1.一种全光纤分布式的电缆安全与可靠性监测系统，其特征在于，该系统包括以下模块：

外接光纤，激光发生模块，中央信息处理监测平台，防盗预警监测子系统，载流量及温度监测子系统，异常数据监测子系统，

其中，所述激光发生模块，包括脉冲驱动电路，激光器、光纤放大器及光耦合器，所述脉冲驱动电路向激光器输出固定脉冲信号；激光器采用窄带激光光源发射连续光波，经由脉冲驱动电路调制为脉冲光，通过光纤放大器及光耦合器作用于外接光纤；

所述中央信息处理监测平台，接收并存储防盗预警监测子系统、载流量及温度监测子系统、异常数据监测子系统的监测数据，进行信号处理分析处理后，实时显示光纤各点防盗预警信息、温度及载流量情况，并对异常数据进行预测和调整；

所述防盗预警监测子系统，接收激光探测信号，并对信号进行预处理后传输至中央信息处理监测平台；

所述载流量及温度监测子系统，接收经转换的的光电信号，并对信号进行预处理后传输至中央信息处理监测平台；

所述异常数据监测子系统，接收经转换的光电信号，将信号直接传输至中央信息处理监测平台，以监测异常数据。

2.根据权利要求1所述系统，其特征在于，所述防盗预警监测子系统包括第一信号控制模块，防盗预警监测电路，

其中，所述第一信号控制模块，接受中央信息监测平台的控制程序的调控，采集防盗预警监测电路的监测信号，将采集到的信号进行预处理及初步的信号分析，并将处理过的信号通过总线传送至中央信息监测平台，控制脉冲驱动电路的脉冲信号频率及激光器的开启；

所述防盗预警监测电路，采用光电探测器接受光纤探测信号，包括激光与后向瑞利散射光信号的混频信号，将监测信号传输至第一信号控制模块。

3.根据权利要求1所述系统，其特征在于，所述载流量及温度监测子系统包括，第二信号控制模块，滤波模块、光电转换模块及载流量及温度监测电路，

其中，所述第二信号控制模块，接受中央信息监测平台的控制程序的调控，采集载流量及温度监测模块的监测信号，将采集到的信号进行预处理及初步的信号分析，并将处理过的信号通过总线传送至中央信息监测平台，控制高压电路的开启；

所述滤波模块，包括stokes光滤波器及Anti-stokes光滤波器，采集激光作用于光纤后产生的stokes光及Anti-stokes光；

所述光电转换模块，包括光电转换信号放大器及高压电路，高压电路控制光电转换信号放大器的工作电压，光电转换信号放大器接收滤波模块处理的信号，将转换后的信号传输至异常数据监测模块和载流量及温度监测模块中；

所述载流量及温度监测电路，接收光电转换信号放大器传输的光电信号，将监测信号传输至第二信号控制模块；

异常数据监测模块，接收光电转换信号放大器传输的光电信号，将监测信号直接传输至中央信息处理监测平台，以监测异常数据。

4.根据权利要求1所述系统，其特征在于，所述中央信息处理监测平台包括防盗预警信息处理模块，温度计算模块，载流量计算模块及异常数据计算模块；

其中，所述防盗预警信息处理模块通过计算激光与后向散射光的混频信号识别可能发生扰动的位置；所述温度计算模块通过计算stokes光及Anti-stokes光的强度比，以得到光纤各段温度信息；所述载流量计算模块，通过指定控件计算出光纤在施加预设电流值下的温度，在温度计算模块计算出温度分布情况后即可判断当前负荷电流是否达到了载流量。

5.根据权利要求1所述系统，其特征在于所述异常数据监测子系统包括采样模块，采样模块包括高速采集电路，并将采样数据输入中央信息处理监测平台；

其中，所述采样模块使用采样估计方法进行采样，对于第i个光电传感器，采样值s_i是一个以μ_i为中心，方差为的服从正态分布的随机变量，采样数据为传感器样本数据满足其中为根据传感器要求确定的误差范围，是正态分布中的分割点，m_i为采样时间区间内该传感器节点的采样数量，为传感器节点连续采集到第j个符合分布的样本，为样本的均值，采集时，首先获取一个样本数据，然后计算样本均值和样本方差在检验区间上执行t检验(t test),如果通过则本次采集数据成功，否则重新获取样本数据。

6.根据权利要求4所述系统，其特征在于，所述中央信息处理监测平台中的异常数据计算模块还包括数据分析模块，预测调整模块，及异常数据输出模块；

其中所述数据分析模块包括建立预测模型，对采样数据进行建模。数据分析模块根据采样估计算法得到传感器的N个样本点{x_t}:x₁，x₂，…，x_N。假设x₁，x₂，…，x_t-1与x_t的估计值有的线性关系，其中β₁,…,β_n为待计算的参数，ε_t为随机误差，n为模型阶数，是一个随机变量。则建立如下预测模型：

式(1)为预测模型，β_i为待定参数，为ε_t的方差；

将传感器样本点序列{x_t}直接代入式(1)，得到以下方程组：

将上述方程组以矩阵形式表示为：

y＝xβ+ε (3)

其中

参数矩阵β的最小二乘估计为：

由式(1)可知，若ε_t是未知的，则是x_t的预测值当参数β_i、x_i是已知的，则可计算的值。现假设x_t是当前t时刻的实际值，则根据公式(1)预测未来l(l＝1,2,…)时刻的数据值，即：

当l＝1时，表示预测下一时刻的数据，当x_t+l-i,…,x_t都是实际观察值，即：

当l>1时，表示要预测下l个时刻的数据，由于在预测时，x_t+l-1的值是未知的，所以用来代替x_t+l-1执行预测，即：

所述预测调整模块包括，输入采样数据进行预测，当预测误差超过预先设定的阈值，则自动调整预测模型。根据当前时刻的预测误差为ε_t，平均预测误差为E(ε_t)，假设调整后的误差为ε'_t，要使ε'_t尽可能为0，可将ε_t-E(ε_t)的值近似为ε'_t，设ε'_t＝ε_t-E(ε_t)，则原模型可成为用β'_t代替β_i+E(ε_t)/(nx_t-i)，用ε'_t代替ε_t-E(ε_t)，则调整后的模型变为：

首先对感知向量进行规范化处理，然后进行相似性度量测定阈值。假设用i和j表示两个相邻节点，则这两个节点经过规范化处理的感知数据分别为x_i和x_j，则两个感知向量的积为x_i·x_j，则进行相似度测量确定的阈值可以表示为：

所述异常数据输出模块，根据预测调整模块中确定的预测误差阈值J_ij对感知数据进行判断，向中央信息处理监测平台输出异常数据并显示给当前用户；

由式(1)可得且若B为移位算子，即x_t-1＝Bx_t,

则式(9)中令且设定则有：

其中ω²为当前时刻向后N个相应的误差ε_t平方和的平均值，λ表示当前误差值ε_t+1的平方与ω²的比值，λ即为监测x_t+1是否异常的统计量。当λ＞J_ij，x_t+1就是异常数据。这里J_ij可根据实际要求和数据特点进行设定。