[发明专利]一种基于输电线路OPGW的杆塔防盗在线监测系统及方法

权利要求书

1.一种基于输电线路OPGW的杆塔防盗在线监测方法，其特征在于采用基于输电线路OPGW的杆塔防盗在线监测系统进行，所述基于输电线路OPGW的杆塔防盗在线监测系统包括光缆、分布式光纤振动探测仪、数据处理单元、中枢系统；所述光缆中的一芯光纤接入分布式光纤振动探测仪，分布式光纤振动探测仪、数据处理单元、中枢系统依次连接；所述分布式光纤振动探测仪用于对异常振动信号进行监测，实时提取光缆振动信号对应的数据特征向量；所述数据处理单元用于根据模拟盗窃杆塔行为得到的数据样本提取的数据特征向量建立盗窃杆塔与非盗窃杆塔算法模型，并根据算法模型对实时提取的光缆振动信号对应的数据特征向量进行分析，判断其是否为盗窃杆塔事件；所述中枢系统用于当数据处理单元发现盗窃杆塔事件时，通过异常振动的时域数据所在的空间点数计算出盗窃杆塔事件发生位置的光纤长度，并告警，所述方法包括以下步骤：

S1：将光缆里的一芯光纤与分布式光纤振动探测仪进行连接，并实时地对光缆振动信号进行监测；对所测得的振信号据按照“空间-时间”整理为大小为M×N的二维数组X，其元素X(k,j)指空间点k在时刻j的振动信号强度；

S2：找到线路上的一处杆塔，模拟盗窃杆塔行为，标记分布式光纤振动探测仪采集到的此杆塔附近的数据样本为盗窃杆塔的样本，并提取盗窃杆塔的样本的数据特征向量；

S3：标记分布式光纤振动探测仪采集到的此杆塔附近的无模拟盗窃杆塔行为的数据为非盗窃杆塔样本，按照S2中相同的方式提非盗窃杆塔样本的数据特征向量；

S4：提取每一个样本的数据特征向量组成数据特征向量集以及每一个样本的标签集,根据积累的样本集合{x1,x2,…,xi,…xn}，提取每一个样本xi的数据特征向量集Pi、标签Labi，组成数据特征向量集Ω＝{P1,P2,…,Pi,…Pn}，以及每一个样本的标签集F＝{Lab1,Lab2,…,Labi,…Labn}，其中Labi的内容为1或0中的一种，其中标签里为1示为盗窃杆塔、0示为非盗窃杆塔；

S5：依据收集的数据特征向量集和标签集，通过逻辑斯蒂回归算法对样本进行训练，并将其划分为盗窃杆塔与非盗窃杆塔两个类别，建立相应的算法模型；

S6：实时提取光缆振动信号对应的数据特征向量，利用所述算法模型判断是否为盗窃杆塔事件；

S7：当发现盗窃杆塔事件时，中枢系统通过异常振动的时域数据所在的空间点数计算出盗窃杆塔事件发生位置的光纤长度，并告警；

步骤S5中建立相应的算法模型如下:

其中x＝(x₁；x₂；...；x_d)，x_i是x在第i个属性上的取值，而w＝(w₁；w₂；...；w_d)，w^T表示转置，参数w和b可以通过数据模型学习确定，通过“极大似然法”来估计w和b，给定数据集，对逻辑斯蒂回归模型进行最大化“对数似然”(loglikehood)计算：

即令每个样本真实标记的概率越大越好，为便于计算，令β＝(w；b),则w^Tx+b简写为再令则式(1-7)中的似然项重写为

将式(1-8)代入式(1-7)，并根据式(1-5)和式(1-6)可知，最大化式(1-7)等价于最小化式(1-9)：

式(1-9)是关于β的高阶可导连续凸函数，根据凸优化理论求得其最优解，于是得到

通过对以上算法的计算机实现，建立相应的算法模型。

2.如权利要求1所述的基于输电线路OPGW的杆塔防盗在线监测方法，其特征在于：所述模拟盗窃杆塔行为包括敲击、切割杆塔上的钢材、爬塔。

3.如权利要求1所述的基于输电线路OPGW的杆塔防盗在线监测方法，其特征在于：所述数据特征向量包括因峰值因子、脉冲因子、裕度因子与波形因子。

4.如权利要求3所述的基于输电线路OPGW的杆塔防盗在线监测方法，其特征在于：

峰值因子CF的定义为信号最大值X_max与信号均方根X_RMS的比值，反映的是信号在短时间内波动的剧烈情况，如式(1-1)所示：

脉冲因子IF能够用来检测信号中冲击的烈度，定义为信号最大值X_max与信号平均值的比值，如式(1-2)所示，为无量纲量；

裕度因子CL为信号的最大值X_max与信号幅值方根求和均值的平方的比值，是一个为对外界振动较为敏感的参数，定义为式(1-3)的形式：

波形因子SF用于反映信号在短时间内的变化，定义为信号均方根X_RMS与平均值的比值，如式(1-4)所示：