基于振动特征的智能电缆防外破监测技术研究

电力电缆是城市输配电系统的重要组成成分,其运行状态关系着城市供电的可靠性。近年来,因施工、偷盗、改造引起的电缆外力破坏问题长期威胁电缆运行安全,但由于电缆分布广、运行环境复杂,目前缺乏有效的监测和预警方法,传统的在线监测系统因其改造成本和维护难度较大,且难以在城市电缆系统中实现主动预警。本文首先基于压电传感器研制了无线分布式的电缆外力扰动智能传感器,并对其数据处理、低功耗电源管理、取能单元以及物联网通讯方法进行了分析;通过典型外力激励下电缆振动试验,获得了电缆振动信号的时域特征和时频域特征,并提取了可用于外力扰动识别的特征参量,为建立基于物联网的分布式电缆防外破智能预警系统鉴定基础。     

基于LoRa技术的地下电缆运行环境监测系统设计

针对目前城市中地下电缆由施工引起的外力破坏事故频发的情况,提出了基于LoRa技术的地下电缆运行环境监测系统.该系统通过布置一定数量的数据采集设备对处于危险地段的地下电缆所处环境的温湿度、烟雾、振动等物理量进行实时采集,在异常情况下能就地报警,并实时将数据通过LoRa网络上传至汇集端.该系统具有布置灵活、运行周期长、实用...     

基于时频谱图和自适应动态权重PSO-CNN的外破振动信号识别

为避免地下电缆遭受破坏，提高振动监测系统对外力破坏的预警能力，提出一种基于时频谱图和自适应动态权重粒子群算法-卷积神经网络(PSO-CNN)的外破振动信号识别方法。首先，将振动传感系统获取的3 000组外破振动信号转化生成为时频谱图数据集，在图像预处理阶段，采用直方图均衡化和二维主成分分析(2D-PCA)算法来增强灰度图像特征并实现图像数据的降维；然后，将图像数据集的70%作为CNN模型的训练集，并在网络训练过程中引入自适应动态惯性权重PSO对CNN模型的卷积层、池化层相关参数进行迭代寻优，从而获得优化PSO-CNN分类模型；最后，利用测试集图像数据对优化PSO-CNN模型的识别性能进行验证，并与其他分类模型进行了对比。结果表明，所提方法对6种常见外破振动信号的识别准确率达到98.33%,平均每张图像的识别时间仅为0.24 s,与其他分类算法相比具有更高的分类精度和更快速的识别速度，为快速准确地识别外力破坏事件类型提供了一种可行方案。     

基于光纤干涉的电缆通道振动辨识与预警系统

随着社会发展,电缆凭借诸多优势得到了广泛应用。但各类违章行为造成的电缆受外力破坏事故层出不穷,带来社会经济的巨大损失。针对配电网电力电缆外力破坏问题,文章基于光纤干涉原理设计了一种适用于中低压配电网电缆通道的防外侵预警系统。该系统能够实现振动信号辨识,对入侵信号进行防区定位以及综合评估。它主要由硬件系统和软件系统两部分构成,将监控范围内的入侵振动信号进行采集,分别提取其属性特征,采用支持向量机和BP神经网络对入侵信号进行识别。入侵振动信号可划分为安全、警告、危险三种等级,一旦危险侵入源靠近电缆通道,预警系统将通过短信形式及时提醒值班人员。测试结果表明,该系统设计合理,对振动信号识别准确率高,可达到80%。该系统工作原理简单,安装便捷,适用于监测中低压配电网电缆通道外力入侵。     

基于无线智能振动传感器的地埋电缆防外破监测预警系统设计

随着城市建设的快速发展,地下电缆在电网系统中的比重越来越大,但是电缆时常受到人工挖掘、机械挖掘和非法入侵等第三方外力破坏,严重影响了电缆运行的安全性和可靠性,因此保障电缆供电不受外力破坏成为电力运行部门亟须解决的问题。首先基于智能无线振动传感器设计了离散、分布式无线智能振动采集系统,监测地下电缆系统所处环境的振动信号,然后通过振源智能识别技术对采集的振动信号进行特征分析和特征提取,智能识别报警信号,最后由智能电缆桩和后台软件组成了地埋电缆防外破振动监测预警系统,实现了地埋电缆运行过程中外破事件的智能预警。     

基于信息技术的电缆设施外力破坏防控模式研究

列举了造成电缆线路外力破坏的诸多因素,并基于运维数据统计分析找出了主要因素。基于AHP法构建了电缆线路外力破坏防控模型,实施防范外力破坏的事前、事中和事后的全过程控制。以苏州输电电缆运维为例,介绍了基于信息技术应用下的地下管线信息共享、三维测绘、匹配度巡视等智慧运维案例。     

基于S&TT变换与PSO-SVMs的电能质量混合扰动识别

针对电能质量混合扰动复杂,扰动特征间存在交叉、难以识别的问题,文章提出一种电能质量混合扰动快速识别方法。建立了15种电能质量扰动信号数学模型,并运用S变换和TT变换提取扰动信号的60个特征量,经过PCA降维处理获得特征集主元;引入PSO算法优化支持向量机的惩罚因子和核函数参数,构造一对多支持向量机分类器以识别电能质量暂态扰动的类型;最后,基于Matlab生成扰动信号数据并建立PSO-SVMs分类器,仿真实验结果证明了该方法的可靠性和鲁棒性。     

基于LoRa和蓝牙的智慧医院监测网设计

因基于蓝牙和WIFI技术的监测网方案具有通信距离短、抗干扰差的缺点,提出了一种基于LoRa和蓝牙的智慧医院监测网方案;该方案以各类蓝牙无线传感器、蓝牙模块、LoRa模块、无线传感设备、数据中继器、LoRa网关为核心,采用星型结构,建立了兼顾多种采集和监测需求的监测网。介绍了系统整体组成结构、LoRa无线传感设备和数据中继器软硬件设计,实现了医院中相关数据的采集和监测,最后测试了系统的功能和性能;测试结果表明该方案具有通信距离长、抗干扰能力强的特点。     

信息物理社会数据融合处理的电力物联网运行风险预测

为避免因外界干扰而影响电网的安全运行,本文提出基于集成学习的电力物联网运行风险预测方法。首先,以时间序列为基准融合得到数据集,基于自适应综合过采样算法对训练集进行过采样处理;然后,联合考虑特征对分类的贡献度和特征间的相关度,对冗余特征进行有效剔除,提出基于ReliefF-S的最优特征子集选择方法;最后,建立基于BO-CatBoost的电力物联网运行风险预测模型。算例分析表明,该风险预测方案可快速、准确地预测出影响电力物联网运行的风险类别。     

配电物联网电能质量复合扰动检测研究

传统的电能质量复合扰动检测方法无法准确获取电能质量特征,电能数据滤波效果不理想,导致其存在识别率低、检测偏差大和检测效果差的问题。提出配电物联网电能质量复合扰动的检测方法。建立离散非线性系统和强跟踪滤波器,将其应用在配电物联网中,提取电能质量复合扰动特征;选取基波幅值的最大值和最小值、波动次数、渐消因子频度作为扰动特征,并将提取的特征输入支持向量机中,完成配电物联网电能质量复合扰动的检测。实验结果表明,所提方法可有效识别电能质量复合扰动,其检测结果偏差较小,且可精准获取电能质量复合扰动在配电物联网中的发生时刻和结束时刻,验证了所提方法的整体有效性。