[發(fā)明專(zhuān)利]一種光電復(fù)合海纜故障測(cè)距系統(tǒng)及故障測(cè)距方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011131291.X
• 申請(qǐng)日: 2020-10-21
• 公開(kāi)（公告）號(hào): CN112305378B
• 公開(kāi)（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 王稼銘;李光炬;甘維明;邢錳;陳為俊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院聲學(xué)研究所南海研究站
• 主分類(lèi)號(hào): G01R31/11
• 分類(lèi)號(hào): G01R31/11;G01R31/08
• 代理公司: 北京方安思達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11472
• 代理人: 陳琳琳;李彪

1.一種光電復(fù)合海纜故障測(cè)距系統(tǒng)，其特征在于，該系統(tǒng)包括：第一電流行波傳感器、第二電流行波傳感器、故障行波采集器和故障行波綜合分析處理器；

岸基電氣設(shè)備與水下負(fù)載通過(guò)光電復(fù)合海纜連接，第一電流行波傳感器安裝在岸基電氣設(shè)備與光電復(fù)合海纜的首端的連接處，第二電流行波傳感器安裝在光電復(fù)合海纜的中間位置處；

所述第一電流行波傳感器，用于實(shí)時(shí)采集任一故障點(diǎn)的故障電流行波信號(hào)，獲得任一故障點(diǎn)的故障數(shù)據(jù)；所述故障數(shù)據(jù)包括：故障行波的初始波頭和反射波頭；

所述第二電流行波傳感器，用于判斷第一電流行波傳感器采集的故障點(diǎn)是否在預(yù)先設(shè)定的區(qū)內(nèi)故障段內(nèi)；并根據(jù)判斷結(jié)果，獲取與第一電流行波傳感器采集的相同故障點(diǎn)的、故障行波的波速度；

所述故障行波采集器，用于根據(jù)預(yù)先設(shè)定的區(qū)內(nèi)故障段，采集每一個(gè)故障點(diǎn)的故障數(shù)據(jù)和對(duì)應(yīng)的故障行波的波速度，并將其通過(guò)數(shù)據(jù)傳輸網(wǎng)絡(luò)，傳送至故障行波綜合分析處理器；

所述故障行波綜合分析處理器，用于根據(jù)每一個(gè)故障點(diǎn)的故障電流行波信號(hào)，采用FAVMD算法，獲得該故障點(diǎn)的故障初始行波和故障反射行波波頭到達(dá)時(shí)間差，并結(jié)合該故障點(diǎn)對(duì)應(yīng)的故障行波的波速度，獲取該故障點(diǎn)的位置，實(shí)現(xiàn)故障測(cè)距；

所述故障行波綜合分析處理器的具體實(shí)現(xiàn)過(guò)程如下：

采用蚱蜢算法對(duì)每一個(gè)故障點(diǎn)的故障電流行波信號(hào)進(jìn)行分解參數(shù)尋優(yōu)，并根據(jù)設(shè)置的最優(yōu)參數(shù)組合對(duì)故障點(diǎn)的故障電流行波信號(hào)進(jìn)行快速迭代分解，分解得到多個(gè)中心頻率從低到高的固有模態(tài)函數(shù)，再根據(jù)能量比值準(zhǔn)則，選取多個(gè)中心頻率從低到高的固有模態(tài)函數(shù)重構(gòu)特征信號(hào)；

再利用一維信號(hào)的腐蝕與膨脹操作算子，對(duì)特征信號(hào)進(jìn)行能量突變點(diǎn)檢測(cè)，確定故障點(diǎn)的故障電流行波信號(hào)的初始行波到達(dá)第一電流行波傳感的時(shí)刻t_1M與反射行波波頭到達(dá)第一電流行波傳感的時(shí)刻t_2M的時(shí)間差，并結(jié)合該故障點(diǎn)對(duì)應(yīng)的故障行波的波速度，獲取該故障點(diǎn)的位置，實(shí)現(xiàn)故障測(cè)距；

所述采用蚱蜢算法對(duì)每一個(gè)故障點(diǎn)的故障電流行波信號(hào)進(jìn)行分解參數(shù)尋優(yōu)，并根據(jù)設(shè)置的最優(yōu)參數(shù)組合對(duì)故障點(diǎn)的故障電流行波信號(hào)進(jìn)行快速迭代分解，分解得到多個(gè)中心頻率從低到高的固有模態(tài)函數(shù)；再根據(jù)能量比值準(zhǔn)則，選取多個(gè)中心頻率從低到高的固有模態(tài)函數(shù)重構(gòu)特征信號(hào)；具體為：

初始化初始固有模態(tài)函數(shù)初始中心頻率初始拉格朗日算子{λ¹}，k＝1，n＝1，構(gòu)造關(guān)于拉格朗日算子λ的成本函數(shù)J：

其中，為固有模態(tài)函數(shù)；ω_k為中心頻率；為故障電流行波信號(hào)；α為二次懲罰因子；ω為頻率變量；為拉格朗日算子關(guān)于頻率的函數(shù)；k為分解層數(shù)；n為VMD分解當(dāng)前所處的迭代次數(shù)；

采用涅斯捷羅夫梯度加速法，對(duì)拉格朗日算子λ做二次更新；

其中，為第n次迭代中拉格朗日算子變化量；ρ為動(dòng)量因子，取值范圍為(0，1)；為第n-1次迭代中拉格朗日算子的變化量；η為學(xué)習(xí)率，取值范圍也為(0，1)；為拉格朗日算子λ的成本函數(shù)J的梯度；為拉格朗日算子關(guān)于頻率的函數(shù)；τ為更新參數(shù)；

獲得二次更新后的拉格朗日算子變化量

根據(jù)更新固有模態(tài)函數(shù)得到更新后的固有模態(tài)函數(shù)；

限據(jù)更新中心頻率ω_k，得到更新后的中心頻率；

根據(jù)更新拉格朗日算子參數(shù)，得到二次更新后的拉格朗日算子變化量

重復(fù)上述過(guò)程，進(jìn)行不斷迭代，直至迭代次數(shù)耗盡或滿(mǎn)足的迭代條件，則停止迭代，并輸出迭代分解結(jié)果；

其中，所述迭代分解結(jié)果包括：多個(gè)更新后的中心頻率從低到高的固有模態(tài)函數(shù)；

其中，ε為迭代停止閾值；

上述過(guò)程為采用蚱蜢算子位置做快速迭代分解的具體過(guò)程；

初始化蚱蜢種群個(gè)體數(shù)量N、種群維度D、迭代次數(shù)L、參數(shù)C，算法空間搜索域D維度上的下界u_d與上界l_d；

初始化蚱蜢種群個(gè)體數(shù)量N中每個(gè)蚱蜢個(gè)體的初始位置：

其中，為第i個(gè)蚱蜢個(gè)體在D維空間中的位置；rand為產(chǎn)生(0，1)內(nèi)隨機(jī)數(shù)的函數(shù)；

將分解參數(shù)K和α作為第i個(gè)蚱蜢個(gè)體在二維空間中的坐標(biāo)位置；

采用最小能量熵作為適應(yīng)度函數(shù)，則蚱蜢種群的適應(yīng)度函數(shù)為：

其中，fitness為蚱蜢種群的適應(yīng)度函數(shù)；h為更新后的固有模態(tài)函數(shù)的個(gè)數(shù)；

其中，P_q為第q個(gè)更新后的固有模態(tài)函數(shù)的能量占更新后的中心頻率從低到高的所有固有模態(tài)函數(shù)的總體能量的比值；

其中，imf(q)為更新后的固有模態(tài)函數(shù)的頻域函數(shù)；E_q為第q個(gè)固有模態(tài)函數(shù)的能量；E為更新后的中心頻率從低到高的所有固有模態(tài)函數(shù)的總體能量；

根據(jù)蚱蜢種群的適應(yīng)度函數(shù)，比較每個(gè)蚱蜢個(gè)體的適應(yīng)度函數(shù)值，選取適應(yīng)度函數(shù)值最小的蚱蜢個(gè)體，即最小能量熵，作為最優(yōu)蚱蜢個(gè)體，并更新和記錄每個(gè)蚱蜢個(gè)體的位置；

利用上述快速迭代分解過(guò)程，對(duì)每個(gè)更新后的蚱蜢個(gè)體的位置再做快速迭代分解，計(jì)算每個(gè)更新后的蚱蜢個(gè)體的適應(yīng)度函數(shù)值，進(jìn)而比較多個(gè)更新后的蚱蜢個(gè)體的適應(yīng)度函數(shù)值，選取適應(yīng)度函數(shù)值最小的蚱蜢個(gè)體，即最小能量熵，作為更新后的最優(yōu)蚱蜢個(gè)體；

判斷此次更新后的最優(yōu)蚱蜢個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值是否小于上一次迭代分解得到的更新后的最優(yōu)蚱蜢個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值：

如果此次更新后的最優(yōu)蚱蜢個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值小于上一次迭代分解得到的更新后的最優(yōu)蚱蜢個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值，則更新上一次迭代分解得到的更新后的最優(yōu)蚱蜢個(gè)體，將上一次迭代分解得到的更新后的最優(yōu)蚱蜢個(gè)體替換為此次迭代分解得到的更新后的最優(yōu)蚱蜢個(gè)體；

如果更新后的最優(yōu)蚱蜢個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值大于或等于上一次迭代分解得到的更新后的最優(yōu)蚱蜢個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值，則不更新；

根據(jù)預(yù)先設(shè)定的迭代次數(shù)L，重復(fù)上述過(guò)程，直至迭代次數(shù)耗盡，停止迭代，最終獲得針對(duì)蚱蜢種群的、最新的、最優(yōu)蚱蜢個(gè)體及其對(duì)應(yīng)的位置；其中，針對(duì)蚱蜢種群的、最新的、最優(yōu)蚱蜢個(gè)體記為g_best；

上述迭代結(jié)束后，針對(duì)蚱蜢種群的、最新的、最優(yōu)蚱蜢個(gè)體的位置表達(dá)式為：

其中，為迭代結(jié)束后，最新的最優(yōu)蚱蜢個(gè)體的位置；為第b個(gè)蚱蜢個(gè)體的坐標(biāo)位置；為第m個(gè)蚱蜢個(gè)體的坐標(biāo)位置；x_b為第b個(gè)蚱蜢個(gè)體的位置；x_m為第m個(gè)蚱蜢個(gè)體的位置；d_mb為第b個(gè)蚱蜢個(gè)體與第m個(gè)蚱蜢個(gè)體間的歐式距離；S(|x_b-x_m|)為第b個(gè)蚱蜢個(gè)體與第m個(gè)蚱蜢個(gè)體間的吸引力或排斥力；為當(dāng)前蚱蜢種群的、最新的、最優(yōu)蚱蜢個(gè)體g_best的位置；c為更新因子；

其中，c_max為更新參數(shù)的最大值；c_min為更新參數(shù)的最小值；l為當(dāng)前迭代次數(shù)；L為預(yù)先設(shè)定的迭代次數(shù)；

將針對(duì)蚱蜢種群的、最新的、最優(yōu)蚱蜢個(gè)體的位置轉(zhuǎn)化為坐標(biāo)形式，記為并提取針對(duì)蚱蜢種群的、最新的、最優(yōu)蚱蜢個(gè)體的坐標(biāo)位置中的K和α，獲得參數(shù)組合[K，α]＝arg?min?fitness；

根據(jù)獲得的參數(shù)組合，對(duì)最新的最優(yōu)蚱蜢個(gè)體的位置進(jìn)行快速迭代分解，分解得到多個(gè)中心頻率從低到高的固有模態(tài)函數(shù)；再根據(jù)能量比值準(zhǔn)則，選取多個(gè)中心頻率從低到高的固有模態(tài)函數(shù)中能量熵最小且能量比值最大的固有模態(tài)函數(shù)的IMF分量重構(gòu)特征信號(hào)；

所述利用一維信號(hào)的腐蝕與膨脹操作算子，對(duì)特征信號(hào)進(jìn)行能量突變點(diǎn)檢測(cè)，確定故障點(diǎn)的故障電流行波信號(hào)的初始行波到達(dá)第一電流行波傳感的時(shí)刻t_1M與反射行波波頭到達(dá)第一電流行波傳感的時(shí)刻t_2M的時(shí)間差，并結(jié)合該故障點(diǎn)對(duì)應(yīng)的故障行波的波速度，獲取該故障點(diǎn)的位置，實(shí)現(xiàn)故障測(cè)距；具體為：

假設(shè)算子具有如下表達(dá)式：

其中，為經(jīng)提取信號(hào)上邊沿經(jīng)結(jié)構(gòu)元素g⁺處理n次的信號(hào)；為經(jīng)提取信號(hào)下邊沿經(jīng)結(jié)構(gòu)元素g^-處理n-1次的信號(hào)；

其中，為經(jīng)提取信號(hào)上邊沿經(jīng)結(jié)構(gòu)元素g⁺提取n次的源信號(hào)；為經(jīng)提取信號(hào)下邊沿經(jīng)結(jié)構(gòu)元素g^-提取n-1次的源信號(hào)；

級(jí)聯(lián)N個(gè)算子獲得一維信號(hào)的腐蝕與膨脹操作算子并根據(jù)獲得的對(duì)特征信號(hào)進(jìn)行能量突變點(diǎn)檢測(cè)，確定故障點(diǎn)的故障電流行波信號(hào)的初始行波到達(dá)位于光電復(fù)合海纜M端的第一電流行波傳感器的時(shí)刻t_1M，和反射行波波頭到達(dá)位于光電復(fù)合海纜M端的第一電流行波傳感器的時(shí)刻t_2M，進(jìn)而獲得t_1M和t_2M的時(shí)間差，再結(jié)合該故障點(diǎn)對(duì)應(yīng)的故障行波的波速度v，獲取該故障點(diǎn)的位置，實(shí)現(xiàn)故障測(cè)距：

其中，d₁為該故障點(diǎn)的位置的故障距離；t_1M為故障點(diǎn)的故障電流行波信號(hào)的初始行波到達(dá)位于光電復(fù)合海纜M端的第一電流行波傳感器的時(shí)刻；t_2M為反射行波波頭到達(dá)位于光電復(fù)合海纜M端的第一電流行波傳感器的時(shí)刻。