一种从OPGW振动信号中识别冰雹分布区域的方法

摘要

本发明公开一种从OPGW振动信号中识别冰雹分布区域的方法，首先建立光缆信号时域‑空间矩阵M

说明书

技术领域

本发明涉及一种识别冰雹振动的方法，特别是涉及一种从光纤复合架空地线(OPGW)振动信号中识别冰雹分布区域的方法，属于电力运维领域。

背景技术

由于输电线路分布区域广、传输距离长、地形条件复杂多变、受环境气候影响大，完全由人工巡检，工作量大，且难以做到全天候、广覆盖，而冰雹等自然灾害易造成绝缘子损伤，严重威胁着输电线路的安全运行。因此电力部门迫切需要一种对输电线路通过区域的在线气象监测方法，特别是气象灾害的预警。

传统的冰雹识别方法主要是气象部门的天气预报，主要是根据多普勒天气雷达数据，分析雷达回波的统计特征识别冰雹等强对流天气，这种方法受到雷达波段的影响，容易出现虚报和漏报，对于冰雹和暴雨这种强对流极端天气也难以进行有效识别，实际中，现有冰雹识别技术存在一些不足之处，如自动化程度不高，预报员工作量大；虚报率、漏报率较高；时空分辨率较低。这种情况严重影响了输电线路的运维保障效率。

发明内容

本发明为了解决现有技术的不足，提出一种从OPGW振动信号中识别冰雹分布区域的方法，该方法是对架空输电线路受冰雹激励而振动产生的OPGW光偏振态信号经过偏振解调设备处理，并采集时域信号通过傅里叶变换、小波包变换、相关系数等算法，建立光缆信号时空(时间-空间)矩阵M，然后将时空矩阵M变换为空频(空间-频率)矩阵N，再进行小波包分解提取特征向量，根据特征向量与特征模板的相关系数识别出冰雹振动信号。

本发明为实现上述发明目的，技术方案如下：

一种从OPGW振动信号中识别冰雹分布区域的方法，其特征在于，包括以下步骤：

步骤一、建立光缆信号的时域-空间矩阵M_m×n；

步骤二、通过傅里叶变换将步骤一中矩阵M_m×n变换为频域-空间矩阵N_m×p；

步骤三、采用db6尺度小波包对步骤二中的矩阵N_m×p进行5层小波包分解和重构，然后计算最后一层，即第5层共32个频带的小波包能量值，归一化后形成特征向量，得到特征向量矩阵T_m×32；

步骤四、求取步骤三中每一组特征向量T_i(i∈z，1≤i≤m)与特征模板Y＝[y₁，y₂，…，y₃₂]之间的相关系数s_i，所述的特征模板Y＝[y₁，y₂，…，y₃₂]为一组测得的已知典型的冰雹信号经过步骤一、步骤二和步骤三处理得到的特征向量，y₁，y₂，…，y₃₂]分别表示第1－32个频带总能量；

$s_i=\frac{{\Sigma }_{k=1}^{32}(x_{ik}-\overline{x_i})(y_k-\bar{y})}{\sqrt{{\Sigma }_{k=1}^{32}{(x_{ik}-\overline{x_i})}^2{\Sigma }_{k=1}^{32}{(y_k-\bar{y})}^2}}$

得到相关系数矩阵S＝[s₁，s₂，...，s_m]^T，定义阈值a和阈值b，则当矩阵S中存在一段长度ΔL≥a，且该长度范围内均有相关系数s_j≥b，(1≤j≤m)，认为此信号为冰雹信号，且可据此判断识别冰雹信号和冰雹分布区域，m为划分的距离空间点数。

步骤一中，矩阵M_m×n，行表示空间，m为划分的距离空间点数，列表示时间，n为采样点数，矩阵的值为m点对应的n时刻的信号强度。

步骤二中，矩阵M_m×p，行表示空间，m为划分的距离空间点数，列表示频率，p为频率个数，矩阵的值为信号的频谱强度。

步骤三中，各频带的小波包能量计算公式为:

$x_j=\underset{n=1}{\overset{p}{\Sigma }}|d_j\left(k\right){|}^2$

其中，x_j表示第j个频带总能量，p表示频率个数，d_j(k)表示小波包分解后第j个频带重构系数，归一化后构建特征向量X＝[x₁，x₂，...x₃₂]，则构造特征向量矩阵：

矩阵T中m为划分的空间点数，行向量表示某一点处对应的特征向量。

步骤四中，阈值a是根据光缆信号受周围环境干扰程度选取的，0<a<1，阈值b是一段距离范围，含义是在b段范围内均存在冰雹信号特征，则认为是冰雹信号，否则判断是随机干扰信号，阈值b根据光缆所在环境的复杂程度选取。

本发明具有以下优点：它直接利用OPGW光缆内部的光偏振态信号，无需增加投入，节约成本，直接识别光缆感应到的振动信号，大大提高冰雹识别的时空分辨率，降低虚报率、漏报率，不仅可以识别冰雹，还可以划分冰雹分布区域。

附图说明

图1为本发明的方法流程图。

具体实施方式

结合图1对本发明的技术方案做进一步具体说明，一种从OPGW振动信号中识别冰雹分布区域的方法，架空输电线路受冰雹激励而振动会在OPGW中产生光偏振态信号，该光信号经过偏振解调设备和采集卡处理采集得到时域信号，首先建立光缆信号时空(时间-空间)矩阵M_m×n，然后利用傅里叶变换将时空矩阵M_m×n变换为空频(空间-频率)矩阵N_m×p，对矩阵N_m×p再进行小波包分解提取特征向量X＝[x₁，x₂，...x₃₂]，构建特征矩阵T，根据特征向量与特征模板的相关系数矩阵S＝[s₁，s₂，...，s_m]^T识别出冰雹振动信号。具体包括以下步骤：

步骤一、建立光缆信号的时域-空间矩阵M_m×n，矩阵M_m×n行表示空间，m为划分的距离空间点数，列表示时间，n为采样点数，矩阵的值为m点对应的n时刻的信号强度。

步骤二、通过傅里叶变换将步骤一中矩阵M_m×n变换为频域-空间矩阵N_m×p；矩阵N_m×p行表示空间，m为划分的距离空间点数，列表示频率，p为频率个数，矩阵的值为信号的频谱强度。

步骤三、采用db6尺度小波包对步骤二中的矩阵N进行5层小波包分解和重构，然后计算最后一层，即第5层共32个频带的小波包能量值，归一化后形成特征向量,得到特征向量矩阵T_m×32，各频带能量计算公式为:

$x_j=\underset{n=1}{\overset{p}{\Sigma }}|d_j\left(k\right){|}^2$

其中，x_j表示第j个频带总能量，p表示频率个数，d_j(k)表示小波包分解后第j个频带重构系数,归一化后构建特征向量X＝[x₁，x₂，…x₃₂]，则构造特征向量矩阵：

矩阵T中m为划分的空间点数，行向量表示某一点处对应的特征向量。

步骤四、求取步骤三中每一组特征向量T_i(i∈z，1≤i≤m)与特征模板Y＝[y₁，y₂，…，y₃₂]之间的相关系数s_i，所述的特征模板Y＝[y₁，y₂，…，y₃₂]为一组测得的已知典型的冰雹信号经过步骤一、步骤二和步骤三处理得到的特征向量，y₁，y₂，…，y₃₂分别表示第1－32个频带总能量；

$s_i=\frac{{\Sigma }_{k=1}^{32}(x_{ik}-\overline{x_i})(y_k-\bar{y})}{\sqrt{{\Sigma }_{k=1}^{32}{(x_{ik}-\overline{x_i})}^2{\Sigma }_{k=1}^{32}{(y_k-\bar{y})}^2}}$

得到相关系数矩阵S＝[s₁，s₂，...，s_m]^T，定义阈值a和阈值b，则当矩阵S中存在一段长度ΔL≥a，且该长度范围内均有相关系数s_j≥b，(1≤j≤m)，认为此信号为冰雹信号，且可据此判断识别冰雹信号和冰雹分布区域，m为划分的距离空间点数；阈值a是根据光缆信号受周围环境干扰程度选取的，一般0<a<1，阈值b是一段距离范围，含义是在b段范围内均存在冰雹信号特征，则认为是冰雹信号，否则判断是随机干扰信号，阈值b根据光缆所在环境的复杂程度选取。

本发明主要是构建时空矩阵M和空频矩阵N，把时域信号变为频域信号，然后再采取一系列的算法进行处理，包括傅里叶变换、小波包分解、小波包能量谱、相关系数等算法，特别是a和b两个阈值的设定成为识别判断依据，据此可识别出冰雹信号和分布范围长度。

本文所述的具体实施例只是用于帮助理解本发明的方法和核心思想，仅仅是对本发明精神思想做举例说明，本发明所属领域的技术人员，可以依据本发明的思想在具体实施方式和应用范围上做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围，综上所述，本说明书内容不应理解为对本发明的限制。