[發明專利]一種基于深度學習的光纜故障定位方法、裝置及設備

有效

• 申請號: 202010317410.4
• 申請日: 2020-04-21
• 公開（公告）號: CN111510205B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 趙永利;左穎敏;劉冬梅;張書林;丁正陽;王穎;吳海洋;丁士長;吳子辰
• 申請（專利權）人: 北京郵電大學;國家電網有限公司;國家電網有限公司信息通信分公司;國網江蘇省電力有限公司信息通信分公司
• 主分類號: H04B10/071
• 分類號: H04B10/071;G06K9/62;G06N3/04;G06N20/00
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 王剛

1.一種基于深度學習的光纜故障定位方法，其特征在于，包括：

獲取光纜的待測光纖；

利用BOTDR設備，按照所述待測光纖的走線方向依次采集得到若干所述待測光纖的布里淵頻移信息；所述利用BOTDR設備，按照所述待測光纖的走線方向依次采集得到若干所述待測光纖的布里淵頻移信息，包括：

利用所述BOTDR設備分布式采集所述待測光纖上各個點的溫度和應變信息；

采用滑動窗口法分段截取所述待測光纖的布里淵頻移信息；

所述滑動窗口法，包括：

根據故障定位的精度，將滑動窗口的大小設置為檔距的八分之一到四分之一之間，所述滑動窗口每次移動的距離為所述滑動窗口的大小的四分之一到二分之一之間；

將所述若干布里淵頻移信息依次輸入預先訓練的故障檢測模型，得到與所述若干布里淵頻移信息對應的若干識別結果；所述故障檢測模型基于光纜故障檢測數據集訓練得到；所述光纜故障檢測數據集包括：光纖熔接處的布里淵頻移信息、光纖斷纖處的布里淵頻移信息和光纖處在正常運行狀態時的布里淵頻移信息；所述識別結果包括：所述待測光纖正常、所述待測光纖為熔接處和所述待測光纖為熔斷處；

若任一所述識別結果為所述待測光纖為熔斷處，則確定上一處被識別為熔接處的所述待測光纖的布里淵頻移信息和下一處被識別為所述熔接處的所述待測光纖的布里淵頻移信息，并將所述熔接處的所述待測光纖定位為桿塔位置；

根據所述桿塔位置定位所述識別結果為所述待測光纖為熔斷處的所述待測光纖；所述根據所述桿塔位置定位所述識別結果為所述待測光纖為熔斷處的所述待測光纖，具體包括：

根據上一處被識別為熔接處的所述待測光纖的布里淵頻移信息確定上一處桿塔位置；

根據下一處被識別為熔接處的所述待測光纖的布里淵頻移信息確定下一處桿塔位置；

在所述上一處桿塔位置和所述下一處桿塔位置之間滑動所述滑動窗口以確定所述識別結果為所述待測光纖為熔斷處的所述待測光纖的位置。

2.根據權利要求1所述的方法，其特征在于，還包括：

利用所述BOTDR設備進行采集操作前，進行測試操作和自動參數配置；

根據所述測試操作的結果調整所述BOTDR設備以優化采集操作的效果。

3.根據權利要求1所述的方法，其特征在于，所述故障檢測模型基于光纜故障檢測數據集訓練得到，包括：

所述光纜故障檢測數據集包括：訓練集和測試集；

將所述訓練集輸入卷積神經網絡；

所述卷積神經網絡根據所述訓練集判斷光纖的運行狀態，計算輸出值的誤差，通過所述誤差反向傳播以調整所述卷積神經網絡的權重；

達到訓練次數上限后，輸入所述測試集以調整所述卷積神經網絡的準確率，得到所述故障檢測模型。

4.根據權利要求1所述的方法，其特征在于，所述將所述若干布里淵頻移信息依次輸入預先訓練的故障檢測模型，得到與所述若干布里淵頻移信息對應的若干識別結果，具體包括：

利用所述故障檢測模型判斷所述待測光纖的布里淵頻移信息是否異常，如果不異常，則所述待測光纖的所述識別結果為所述待測光纖正常；如果異常，則進一步利用所述故障檢測模型判斷所述待測光纖的布里淵頻移信息是否與所述光纖熔接處的布里淵頻移信息相同。

5.根據權利要求4所述的方法，其特征在于，如果所述故障檢測模型判斷所述待測光纖的布里淵頻移信息異常，則進一步利用所述故障檢測模型判斷所述待測光纖的布里淵頻移信息是否與所述光纖熔接處的布里淵頻移信息相同，具體包括：

如果所述故障檢測模型判斷所述待測光纖的布里淵頻移信息與所述光纖熔接處的布里淵頻移信息相同，則所述待測光纖的所述識別結果為所述待測光纖為熔接處；

如果所述故障檢測模型判斷所述待測光纖的布里淵頻移信息與所述光纖熔接處的布里淵頻移信息不相同，則所述待測光纖的所述識別結果為所述待測光纖為熔斷處。

6.根據權利要求1所述的方法，其特征在于，還包括：根據所述識別結果為所述待測光纖為熔接處的所述待測光纖的布里淵頻移信息，得到所述桿塔位置的信息、位置區間和所述待測光纖的編號。