基于分布式光纤传感的施工监测方法、系统及介质与流程

1.本发明涉及分布式光纤传感监测领域，尤其涉及一种基于分布式光纤传感的施工监测方法、系统及介质。


背景技术：

2.遍布各地的高压输电系统已经成为了当今社会中不可或缺的一部分，人民和产业的需求都离不开电力系统。而随着国民用电量的屡创新高以及电网的快速发展，供电网络系统越来越复杂，越来越讲究安全、高效、经济，对于电网安全的检测问题也需要进行升级。由于供电系统各个环节都较为复杂，在许多环节都容易受到各种各样因素的干扰，如果不能及时发现并解决供电系统中存在的隐患与故障，会非常容易出现重大的安全事故。在电力系统中，绝大部分网络都是通过光信号进行传输，每个需要通信的站点，包括中心站、各级变电站、独立通信站等，都有相应的光传输设备，通过使用特定的监测设备以及相应的处理设备，就可实现远程进行实时监控并及时发现隐患与故障。但是光纤作为各个设备之间进行通信的通道，经常会因为市政施工、自然灾害等因素受到损坏的缘故，目前尚未有一种有效的监测手段进行监测光纤的状态以及光纤可能遭受的外力破坏的风险，提前干预这些风险因素，避免光纤收到损坏造成的电力系统的瘫痪。
3.目前分布式光纤传感的检测方法主要是传统预测方法，传统的预测方法通过传感器直接监测温度、应变、压力、速度、电流、电压、浓度、流量、流速等多种物理量；以上这些预测方法具有计算量小、线性预测简单、精度高等优点，但各种各样传感器设施要求精度高、抗干扰能力强等特点，需要的成本过高。


技术实现要素：

4.本发明的目的是为了提供一种基于分布式光纤传感的施工监测方法、系统及介质，考虑距离对于检测振幅的情况下，更加精准的预测出施工对于该光纤产生的影响是否会导致光纤造成破坏。
5.为解决以上技术问题，本发明的技术方案为：
6.第一方面，提供一种基于分布式光纤传感的施工监测方法，包括：
7.将历史监测地点处分布式光纤传感器检测的一维时间序列震动信号进行傅里叶变换，得到二维时谱图；
8.查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据；
9.基于二维时谱图和距离数据输入至目标检测神经网络进行训练，得到训练好的神经网络模型；
10.将实时监测的二维时谱图和距离数据至神经网络模型后进行识别，得到光纤传感状态监测结果。
11.进一步地，所述得到二维时谱图的步骤后，还包括以下步骤：
12.对获得的二维时谱图，通过padding操作进行大小转换，获得目标检测神经网络所
要求大小的图片
13.进一步地，所述查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据的步骤中，通过调用网络信息数据库，定位到施工地点，从而获得施工地点和设备所在地地点即监测地点的坐标信息，计算施工地点到监测地点的距离。
14.进一步地，目标检测神经网络包括：
15.cbs模块和spp模块；cbs模块和spp模块间隔连接用于提取图片特征；
16.平展层，连接于cbs模块和spp模块的输出端用于将多维输入一维化，从而得到一维化图片特征；
17.全连接层，获取距离数据和一维化图片特征并将一维化图片特征与距离进行权重赋值，从而输出光纤传感状态监测结果。
18.进一步地，cbs模块包括依次连接的卷积层、bn层和silu激活函数；其中，卷积层用于提取图片特征信息，bn层进行归一化处理，silu激活函数对归一化后的特征进行激活。
19.进一步地，spp模块包括多个并联连接的最大池化层即maxpool层和连接于maxpool层输出端的连接层。
20.进一步地，所述步骤s300中，在训练之前，将二维时谱图和距离数据进行训练集和测试集划分，训练集输入目标检测神经网络中进行训练，得到神经网络模型，测试集对训练好的神经网络模型进行验证。
21.进一步地，分布式光纤传感器采用的是φ-otdr光纤传感器。
22.第二方面，提供一种基于分布式光纤传感的施工监测系统，包括存储器和处理器；其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现上述基于分布式光纤传感的施工监测方法。
23.第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于分布式光纤传感的施工监测方法。
24.本发明具有如下有益效果：
25.一、本发明将距离信息加入至网络模型中，考虑了距离对于φ-otdr光纤传感器检测的信息的影响，例如振幅，频率等影响，在一定程度上可以提升模型预测的准确性与可靠性，减少因距离因素对预测的影响；
26.二、本发明将φ-otdr光纤传感器检测的一维时间序列信号通过stft变换转换为二维时谱图，有助于模型中的卷积层提取更多有用的信息，提升模型预测的准确性和可靠性。
附图说明
27.图1为本发明方法流程框图；
28.图2为本发明方法流程示意图；
29.图3为本发明方法中神经网络模型结构图；
30.图4为本发明方法中cbs模块结构图；
31.图5为本发明方法中spp模块结构图。
具体实施方式
32.为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明作进一步详细说明。
33.请参考图1，本发明为一种基于分布式光纤传感的施工监测方法，其包括：
34.步骤s100：将历史监测地点处分布式光纤传感器检测的一维时间序列震动信号进行傅里叶变换转换，得到二维时谱图；
35.步骤s200：查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据；
36.步骤s300：基于二维时谱图和距离数据输入至目标检测神经网络进行训练，得到训练好的神经网络模型；
37.步骤s400：将实时监测的二维时谱图和距离数据至神经网络模型后进行识别，得到光纤传感状态监测结果。
38.具体的，将历史φ-otdr光纤传感器获得的信号进行sift变换成二维时谱图。将该施工区域到光纤传感器的距离通过调用数据库得出。将该二维时谱图和距离作为输入，通过搭建好的神经网络模型进行训练，再通过分类器进行判断该施工是否对光纤产生危害。
39.本发明将距离作为网络模型的输入信号，通过距离相差过大可能会导致施工对于光纤的振幅影响，能够使最后输出的结果更精准，提升整个预测模型的泛化能力，也便于对监测施工对于光纤的影响，在对光纤有一定威胁时进行及时预警，保证了对光纤的安全性和可靠性，更是避免因光纤收到损坏造成的电力系统的瘫痪。
40.下面分别对图1中的各个步骤进行具体说明。
41.在步骤s100中，将历史监测地点处分布式光纤传感器检测的一维时间序列震动信号进行傅里叶变换，得到二维时谱图；
42.本实施例中，傅里叶变换时将一维时间序列震动信号通过短时间傅里叶变换sift转换为二维时谱图，能够更直观的感受到震动的信息，有利于后续的特征提取；
43.转换为二维时谱图后通过padding操作转换为模型输入所要求的大小，获得目标检测神经网络所要求大小的图片。
44.在步骤s200中，查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据；
45.本实施例中，通过调用网络信息数据库，定位到施工地点，从而获得施工地点和设备所在地地点即监测地点的坐标信息，计算施工地点到监测地点的距离。其中，设备即为光纤传感器。
46.在步骤300中，基于二维时谱图和距离数据输入至目标检测神经网络进行训练，得到训练好的神经网络模型；具体包括：
47.步骤s310：将步骤s100所处理的padding操作后的图片和步骤s200所处理的距离进行相对应划分为训练集和测试集；
48.步骤s320：训练集输入目标检测神经网络中进行训练，得到神经网络模型，测试集对训练好的神经网络模型进行验证；
49.其中，结合图3-图5，目标检测神经网络包括：cbs模块、spp模块、平展层和全连接层；目标检测神经网络图片通过多个卷积层、bn层、silu激活函数组成的cbs模块，再通过由
多个maxpool层组建的spp模块最后通过平展层，再和距离进行权重赋值后进入全连接层，得到最后的模型输出；
50.cbs模块和spp模块中，cbs模块和spp模块间隔连接用于提取图片特征；
51.cbs模块包括依次连接的卷积层、bn层和silu激活函数；卷积层用于提取图片特征信息；bn层进行归一化处理，能够加速训练模型；silu激活函数对归一化后的特征进行激活，引入了非线性函数，增强了整个神经网络的鲁棒性。cbs模块整体就是为了提取图像的特征信息。
52.spp模块包括多个并联连接的最大池化层即maxpool层和连接于maxpool层输出端的连接层，连接层采用的是concat拼接操作；maxpool层将特征的信息在一个框内选取最大值，减少了网络模型的计算量，有效提升网络的特征。spp模块可以增强检测的feature，有更好的检测效果，通过多个maxpool层，提升获取特征。
53.平展层，连接于cbs模块和spp模块的输出端，用在卷积层与全连接层的过度，用于将多维输入一维化，从而得到一维化图片特征；
54.全连接层，获取距离数据和一维化图片特征并将一维化图片特征与距离进行权重赋值，从而输出光纤传感状态监测结果。其中，赋值相当于全连接层的权重值，即训练这个权重参数。
55.本发明在cbs模块基础上添加了spp模块，然后为了更好的将距离对于该检测图形的影响，将距离信息也传入模型中进行训练，通过将距离信息的权重一起进行训练，提升了模型预测的准确性与可靠性，本发明距离参数考虑了传统目标检测模型没有考虑的距离因素，从而得到更精准的检测结果。
56.在步骤s400中，将实时监测的二维时谱图和距离数据至神经网络模型后进行识别，得到光纤传感状态监测结果；具体包括：
57.步骤s410：将当前通过φ-otdr光纤传感器采集到的一维时间序列震动信号通过短时间傅里叶变换转换为二维时谱图；
58.步骤s420：将该二维时谱图进行padding操作；
59.步骤s430：调用网络信息库，获取当前施工地点与监测地点的距离；
60.步骤s440：将上述padding操作后的图片与距离输入到训练好后的模型中，进行模型的预测。
61.本发明还提供一种基于分布式光纤传感的施工监测系统，包括存储器和处理器；其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现上述基于分布式光纤传感的施工监测方法。
62.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于分布式光纤传感的施工监测方法。
63.本发明未涉及部分均与现有技术相同或采用现有技术加以实现。
64.以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

技术特征：
1.基于分布式光纤传感的施工监测方法，其特征在于：包括将历史监测地点处分布式光纤传感器检测的一维时间序列震动信号进行傅里叶变换，得到二维时谱图；查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据；基于二维时谱图和距离数据输入至目标检测神经网络进行训练，得到训练好的神经网络模型；将实时监测的二维时谱图和距离数据至神经网络模型后进行识别，得到光纤传感状态监测结果。2.根据权利要求1所述的基于分布式光纤传感的施工监测方法，其特征在于：所述得到二维时谱图的步骤后，还包括以下步骤：对获得的二维时谱图，通过padding操作进行大小转换，获得目标检测神经网络所要求大小的图片。3.根据权利要求1所述的基于分布式光纤传感的施工监测方法，其特征在于：所述查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据的步骤中，通过调用网络信息数据库，定位到施工地点，从而获得施工地点和设备所在地地点即监测地点的坐标信息，计算施工地点到监测地点的距离。4.根据权利要求1所述的基于分布式光纤传感的施工监测方法，其特征在于：目标检测神经网络包括：cbs模块和spp模块；cbs模块和spp模块间隔连接用于提取图片特征；平展层，连接于cbs模块和spp模块的输出端用于将多维输入一维化，从而得到一维化图片特征；全连接层，获取距离数据和一维化图片特征并将一维化图片特征与距离进行权重赋值，从而输出光纤传感状态监测结果。5.根据权利要求4所述的基于分布式光纤传感的施工监测方法，其特征在于：cbs模块包括依次连接的卷积层、bn层和silu激活函数；其中，卷积层用于提取图片特征信息，bn层进行归一化处理，silu激活函数对归一化后的特征进行激活。6.根据权利要求4所述的基于分布式光纤传感的施工监测方法，其特征在于：spp模块包括多个并联连接的最大池化层即maxpool层和连接于maxpool层输出端的连接层。7.根据权利要求1所述的基于分布式光纤传感的施工监测方法，其特征在于：所述步骤s300中，在训练之前，将二维时谱图和距离数据进行训练集和测试集划分，训练集输入目标检测神经网络中进行训练，得到神经网络模型，测试集对训练好的神经网络模型进行验证。8.根据权利要求1所述的基于分布式光纤传感的施工监测方法，其特征在于：所述分布式光纤传感器采用的是φ-otdr光纤传感器。9.基于分布式光纤传感的施工监测系统，其特征在于：包括存储器和处理器；其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现权利要求1～8中任意一项所述基于分布式光纤传感的施工监测方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8中任意一项所述的基于分布式光纤传感的施工监测方法。

技术总结
本发明涉及分布式光纤传感监测领域，尤其涉及一种基于分布式光纤传感的施工监测方法、系统及介质，所述方法包括：将历史监测地点处分布式光纤传感器检测的一维时间序列震动信号进行傅里叶变换，得到二维时谱图；查询数据库中的施工地点坐标信息，计算施工地点到监测地点的距离数据；基于二维时谱图和距离数据输入至目标检测神经网络进行训练，得到训练好的神经网络模型；将实时监测的二维时谱图和距离数据至神经网络模型后进行识别，得到光纤传感状态监测结果。本发明提升模型预测的准确性和可靠性。可靠性。可靠性。


技术研发人员：孙佳炜 李秋生 郭闯 嵇文路 朱泽仁 宋冰倩 裴培
受保护的技术使用者：国网江苏省电力有限公司南京供电分公司
技术研发日：2023.05.30
技术公布日：2023/9/14