一种多元化应用场景管道监控风险预警关键方法及系统与流程

1.本发明涉及管道监控技术领域，特别是涉及一种多元化应用场景管道监控风险预警关键方法及系统。

背景技术：

2.管道监控预警系统应用于电力系统内以及其它拥有海量线路管理需求的单位。利用光纤传感技术、大数据分析技术研发的管道智能感知系统，提出了管道事件判别预警方法，将获取的管道线路事件的发生时间、地理位置、扰动类型等基础数据，结合电力管道各种危害性事件在上述基础数据维度所固有的特征，按照时间、空间、类型的相关性算法，研判出管道事件的现场全貌。
3.现有技术只能通过振动传感及声音传感对事件类型进行判别，主要判别的事件类型以施工类防外破为主，对管道内线缆长时间运行引起的接头过热，可能引发的火灾事件没有监测及判别机制。同陆地缆线相比，电力缆线也有敷设在一定深度的海底，同时海缆也存在与陆地缆线不同的故障问题，通常是因经过港口的缆线容易被周边船只的船锚所破坏。现有系统主要判别的事件类型以陆地范围内的施工类防外破为主，并未对海缆的外破情况进行有效监测。

技术实现要素：

4.本发明所要解决的技术问题是：提供一种多元化应用场景管道监控风险预警关键方法及系统，结合温度传感信息，研判电力缆线管道事件，实现对故障类型更全面和准确的监测和报警。
5.为了解决上述技术问题，本发明采用的一种技术方案为：
6.一种多元化应用场景管道监控风险预警关键方法，包括以下步骤：
7.s1、采集温度传感数据和振动传感数据；
8.s2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；
9.s3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。
10.为了解决上述技术问题，本发明采用的另一种技术方案为：
11.一种管道监控风险预警的系统，包括：
12.一个或多个处理器；
13.存储装置，用于存储一个或多个程序；
14.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的多元化应用场景管道监控风险预警关键方法。
15.本发明的有益效果在于：提供一种多元化应用场景管道监控风险预警关键方法及系统，结合振动传感和温度传感信息，研判电力缆线管道事件，实现对过热、放电、火灾等故障类型的监测和报警。在管道全长无需安装任何传感，通过普通的光纤即可实现信号监测
和传感。整体实现包括振动告警、火灾预警、海缆防外破等多元化应用场景的管道事件的精准研判以及风险预警。
附图说明
16.图1为本发明实施例的一种多元化应用场景管道监控风险预警关键方法的流程图；
17.图2为本发明实施例的一种多元化应用场景管道监控风险预警系统的示意图；
18.图3为本发明实施例的一种多元化应用场景管道监控风险预警关键方法的事件识别机器学习算法模型；
19.图4为本发明实施例的一种多元化应用场景管道监控风险预警关键方法的海潮特征信号处理流程图。
具体实施方式
20.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
21.一种多元化应用场景管道监控风险预警关键方法，包括以下步骤：
22.s1、采集温度传感数据和振动传感数据；
23.s2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；
24.s3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。
25.从上述描述可知，本发明的有益效果在于：提供一种多元化应用场景管道监控风险预警关键方法，结合振动传感和温度传感信息，研判电力缆线管道事件，实现对过热、放电、火灾等故障类型的监测和报警。在管道全长无需安装任何传感器，通过普通的光纤即可实现信号监测和传感。整体实现包括振动告警、火灾预警、海缆防外破等多元化应用场景的管道事件的精准研判以及风险预警。
26.进一步地，所述步骤s2中根据数据针对事件识别进行机器学习具体为：
27.s201、构建初始混合高斯模型为：
28.其中，x为随机变量，n为数据个数，x为随机变量，μk为均值，σ
k2
为方差，k为聚类总个数。
29.n(xμk，σ
k2
)是混合高斯模型中的第k个聚类，混合系数πk是每个单高斯模型的权重，满足πk＞0，
30.s202、计算数据xn属于第k个聚类的概率：
[0031][0032]
当具有振动维度和温度维度两个维度时：
[0033][0034][0035]
采用迭代法估算均值μk和方差σ
k2
的值，取上一次迭代所得到的值作为初始值；
[0036]
s203、重复s202的计算步骤，直到混合高斯模型的参数值稳定。
[0037]
由上述描述可知，在同一线路综合应用振动传感和温度传感两个维度进行监测，将温度传感采集到的数据结合振动传感采集到的数据，二者通过数据的关联分析，提供新的事件研判参考维度。在管道中通过振动判别事件发生的地理位置以及扰动强度是否需要到达现场处理，同时结合温度传感的温度异常数据，确认管线是否已被破坏导致的漏电等故障。
[0038]
进一步地，所述步骤s2中所采集到的数据还包括海潮特征信号，对所述海潮特征信号的处理步骤具体为：
[0039]
将所述海潮特征信号近似为对传感光信号加入一个固定调制acos(ω0t)；
[0040]
所述传感光信号为同一光源发出的光被分为第一光束和第二光束，所述第一光束经过延时处理，所述第一光束和所述第二光束的时差为常数2l/c+τ；
[0041]
根据所述固定调制，在t时刻所述第一光束受到海潮调制为acos(ω0t)；
[0042]
根据所述固定调制，在时刻所述第二光束受到海潮调制为
[0043]
依次建立海潮特征信号对第一光束、第二光束产生影响的相位差计算公式：
[0044][0045]
其中，为初始相位，φ0调制后的相位，n为光纤的折射率、l为光路长度，c为光速，τ为延时常数，ω0为通过光纤传感系统在无其它干扰事件的海潮环境中测量获取最优值。
[0046]
由上述描述可知，当系统监测的线路中有海缆段落时，可以在定位和事件识别中减少海潮影响带来的误差。针对海底电缆的工作场景，对海域中的干扰信号进行处理，从而对海底电缆外破情况进行有效准确的监测。实现对陆缆、海缆事件更全面信息的掌握，提高对危害事件的预警能力。
[0047]
进一步地，所述步骤s3中判断管道异常状况类型包括：
[0048]
若只有振动传感发出异常数据，则定位管道异常点，判定为外部施工影响；
[0049]
若只有温度传感发出温度升高异常数据，则定位管道异常点，判断升温幅度是否达到异常阈值，若达到异常阈值则判断为局部过热。
[0050]
由上述描述可知，通过温度传感或振动传感单一维度的参数变化，可以确认电缆管道是否发生局部过热或受到外部施工影响。
[0051]
进一步地，所述步骤s3中判断管道异常状况类型还包括：
[0052]
若振动传感和温度传感均发出异常数据，则定位管道异常点，通过振动数据类型判断是否放电；若具有放电状况则判断为局部放电，否则判断为火灾。
[0053]
由上述描述可知，通过结合振动传感和温度传感的信息，研判电力缆线管道事件，实现对过热、放电、火灾等故障类型的监测。
[0054]
一种多元化应用场景管道监控风险预警系统，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
[0055]
s1、采集温度传感数据和振动传感数据；
[0056]
s2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；
[0057]
s3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。
[0058]
从上述描述可知，本发明的有益效果在于：提供一种多元化应用场景管道监控风险预警系统，结合振动传感和温度传感信息，研判电力缆线管道事件，实现对过热、放电、火灾等故障类型的监测和报警。在管道全长无需安装任何传感，通过普通的光纤即可实现信号监测和传感。实现包括振动告警、火灾预警、海缆防外破等多元化应用场景的管道事件的精准研判以及风险预警。
[0059]
进一步地，所述步骤s2中根据数据针对事件识别进行机器学习具体为：
[0060]
s201、构建初始混合高斯模型为：
[0061]
其中，x为随机变量，n为数据个数，x为随机变量，μk为均值，σ
k2
为方差，k为聚类总个数。
[0062]
n(xμk，σ
k2
)是混合高斯模型中的第k个聚类，混合系数πk是每个单高斯模型的权重，满足πk＞0，
[0063]
s202、计算数据xn属于第k个聚类的概率：
[0064][0065]
当具有振动维度和温度维度两个维度时：
[0066]
[0067][0068]
采用迭代法估算均值μk和方差σ
k2
的值，取上一次迭代所得到的值作为初始值；
[0069]
s203、重复s202的计算步骤，直到混合高斯模型的参数值稳定。
[0070]
由上述描述可知，在同一线路综合应用振动传感和温度传感两个维度进行监测，将温度传感采集到的数据结合振动传感采集到的数据，二者通过数据的关联分析，提供新的事件研判参考维度。在管道中通过振动判别事件发生的地理位置以及扰动强度是否需要到达现场处理，同时结合温度传感的温度异常数据，确认管线是否已被破坏导致的漏电等故障。
[0071]
进一步地，所述步骤s2中所采集到的数据还包括海潮特征信号，对所述海潮特征信号的处理步骤具体为：
[0072]
将所述海潮特征信号近似为对传感光信号加入一个固定调制acos(ω0t)；
[0073]
所述传感光信号为同一光源发出的光被分为第一光束和第二光束，所述第一光束经过延时处理，所述第一光束和所述第二光束的时差为常数2l/c+τ；
[0074]
根据所述固定调制，在t时刻所述第一光束受到海潮调制为acos(ω0t)；
[0075]
根据所述固定调制，在时刻所述第二光束受到海潮调制为
[0076]
依次建立海潮特征信号对第一光束、第二光束产生影响的相位差计算公式：
[0077][0078]
其中，为初始相位，φ0调制后的相位，n为光纤的折射率、l为光路长度，c为光速，τ为延时常数，ω0为通过光纤传感系统在无其它干扰事件的海潮环境中测量获取最优值。
[0079]
由上述描述可知，当系统监测的线路中有海缆段落时，可以在定位和事件识别中减少海潮影响带来的误差。针对海底电缆的工作场景，对海域中的干扰信号进行处理，从而对海底电缆外破情况进行有效准确的监测。实现对陆缆、海缆事件更全面信息的掌握，提高对危害事件的预警能力。
[0080]
进一步地，所述步骤s3中判断管道异常状况类型包括：
[0081]
若只有振动传感发出异常数据，则定位管道异常点，判定为外部施工影响；
[0082]
若只有温度传感发出温度升高异常数据，则定位管道异常点，判断升温幅度是否
达到异常阈值，若达到异常阈值则判断为局部过热。
[0083]
由上述描述可知，通过温度传感或振动传感单一维度的参数变化，可以确认电缆管道是否发生局部过热或受到外部施工影响。
[0084]
进一步地，所述步骤s3中判断管道异常状况类型还包括：
[0085]
若振动传感和温度传感均发出异常数据，则定位管道异常点，通过振动数据类型判断是否放电；若具有放电状况则判断为局部放电，否则判断为火灾。
[0086]
由上述描述可知，通过结合振动传感和温度传感的信息，研判电力缆线管道事件，实现对过热、放电、火灾等故障类型的监测。
[0087]
本发明上述一种多元化应用场景管道监控风险预警关键方法及系统，能够实现包括振动告警、火灾预警、海缆防外破等多元化应用场景的管道事件的精准研判以及风险预警，以下通过具体实施方式进行说明：
[0088]
实施例一
[0089]
请参照图1，一种多元化应用场景管道监控风险预警关键方法，包括以下步骤：
[0090]
s1、采集温度传感数据和振动传感数据；
[0091]
具体的，振动传感和温度传感采用全线感知的分布式传感，数据来源于光在光纤里传播的过程中，受到外部事件的影响而改变某些参数，通过连接在光纤终端的系统分析解调光信号产生的变化参数，获得振动或温度变化事件相关的信息。
[0092]
s2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；
[0093]
其中，请参照图3，步骤s2中根据数据针对事件识别进行机器学习具体为：
[0094]
s201、构建初始混合高斯模型为：
[0095]
其中，x为随机变量，n为数据个数，x，μk为均值，σ
k2
为方差，k为聚类总个数。
[0096]
n(xμk，σ
k2
)是混合高斯模型中的第k个聚类，混合系数πk是每个单高斯模型的权重，满足πk＞0，
[0097]
s202、计算数据xn属于第k个聚类的概率：
[0098][0099]
当仅有振动维度时：
[0100]
当具有振动维度和温度维度两个维度时：
[0101][0102]
[0103]
采用迭代法估算均值μk和方差σ
k2
的值，取上一次迭代所得到的值作为初始值；
[0104]
s203、重复s202的计算步骤，直到混合高斯模型的参数值稳定。
[0105]
改进后的算法可以实现同时关联振动和温度相关样本进行训练学习，达到后续进程中系统能综合两种信息自动进行识别，从而增加了对线路事件识别的丰富度。
[0106]
s3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。
[0107]
本实施例解决了增加温度维度后的机器学习的关键问题，使振动和温度两个维度结合下的事件进行精确识别成为可行。
[0108]
实施例二
[0109]
请参照图4，本实施例与实施例一的不同在于，针对敷设于海域环境的海底电缆的监测，还采集海潮特征信号，并通过算法处理降低海潮造成的影响，使管道监测数据更准确。海潮作为一种无害干扰，不同于路面车辆移动、自然天气等干扰，故以本实施例中特定的处理机制，对海潮带来的信号影响进行降噪。
[0110]
具体的，步骤s2中所采集到的数据还包括海潮特征信号，对海潮特征信号的处理步骤为：
[0111]
将海潮特征信号近似为对传感光信号加入一个固定调制acos(ω0t)；
[0112]
传感光信号为同一光源发出的光被分为第一光束和第二光束，第一光束经过延时处理，第一光束和第二光束的时差为常数2l/c+τ；
[0113]
根据固定调制，在t时刻第一光束受到海潮调制为acos(ω0t)；
[0114]
根据固定调制，在时刻第二光束受到海潮调制为
[0115]
依次建立海潮特征信号对第一光束、第二光束产生影响的相位差计算公式：
[0116][0117]
其中，为初始相位，φ0调制后的相位，n为光纤的折射率、l为光路长度，c为光速，τ为延时常数，ω0为通过光纤传感系统在无其它干扰事件的海潮环境中测量获取最优值。
[0118]
本实施例解决了海潮对光纤传感系统带来的固定干扰的确定方法，使得海潮环境下的光纤传感的定位和模式识别可以获得确定的准确值，增强了系统在海潮等环境下的实用性。
[0119]
实施例三
[0120]
本实施例与实施例一或二的不同在于，进一步限定了管道异常状况类型的判断根据：
[0121]
若只有振动传感发出异常数据，则定位管道异常点，判定为外部施工影响；
[0122]
具体的，在电力管道中通过振动判别事件发生的地理位置，并根据扰动强度确认是否需要到达现场处理。
[0123]
若只有温度传感发出温度升高异常数据，则定位管道异常点，判断升温幅度是否达到异常阈值，若达到异常阈值则判断为局部过热。
[0124]
具体的，可以通过温度的突变，研判出危害性事件影响；可以通过温度的持续性变化，研判出对应危害性事件的持续状态，例如：持续中、已恢复；提供某个线路范围内，温度的持续性变化曲线，精确判断出危害性事件影响的开始时间和持续时间。
[0125]
若振动传感和温度传感均发出异常数据，则定位管道异常点，通过振动数据类型判断是否放电；若具有放电状况则判断为局部放电，否则判断为火灾。
[0126]
具体的，实现同一监测线路事件在振动传感和温度传感两个维度的关联性与有效处理机制。在现有监测系统的基础上增加温度过热、火灾预警的告警事件类型。提出基于萨格奈克干涉及拉曼效应实现同一监测线路事件在振动传感和温度传感两个维度的关联性与有效处理机制。
[0127]
实施例四
[0128]
请参照图2，一种多元化应用场景管道监控风险预警系统，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例一至三中的步骤。
[0129]
综上所述，本发明提供的一种多元化应用场景管道监控风险预警关键方法及系统，通过结合振动传感和温度传感信息，研判电力缆线管道事件，从而实现包括振动告警、火灾预警、海缆防外破等多元化应用场景的管道事件的精准研判以及风险决策预警。
[0130]
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
[0131]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0132]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：

1.一种多元化应用场景管道监控风险预警关键方法，其特征在于，包括以下步骤：s1、采集温度传感数据和振动传感数据；s2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；s3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。2.根据权利要求1所述的一种多元化应用场景管道监控风险预警关键方法，其特征在于，所述步骤s2中根据数据针对事件识别进行机器学习具体为：个数；n(xμ
k
，σ
k2
)是混合高斯模型中的第k个聚类，混合系数π
k
是每个单高斯模型的权重，满足π
k
＞0，s202、计算数据x
n
属于第k个聚类的概率：当具有振动维度和温度维度两个维度时：当具有振动维度和温度维度两个维度时：采用迭代法估算均值μ
k
和方差σ
k2
的值，取上一次迭代所得到的值作为初始值；s203、重复s202的计算步骤，直到混合高斯模型的参数值稳定。3.根据权利要求1所述的一种多元化应用场景管道监控风险预警关键方法，其特征在于，所述步骤s2中所采集到的数据还包括海潮特征信号，对所述海潮特征信号的处理步骤具体为：将所述海潮特征信号近似为对传感光信号加入一个固定调制acos(ω0t)；所述传感光信号为同一光源发出的光被分为第一光束和第二光束，所述第一光束经过延时处理，所述第一光束和所述第二光束的时差为常数2l/c+τ；根据所述固定调制，在t时刻所述第一光束受到海潮调制为acos(ω0t)；根据所述固定调制，在时刻所述第二光束受到海潮调制为
依次建立海潮特征信号对第一光束、第二光束产生影响的相位差计算公式：其中，为初始相位，φ0调制后的相位，n为光纤的折射率、l为光路长度，c为光速，τ为延时常数，ω0为通过光纤传感系统在无其它干扰事件的海潮环境中测量获取最优值。4.根据权利要求1所述的一种多元化应用场景管道监控风险预警关键方法，其特征在于，所述步骤s3中判断管道异常状况类型包括：若只有振动传感发出异常数据，则定位管道异常点，判定为外部施工影响；若只有温度传感发出温度升高异常数据，则定位管道异常点，判断升温幅度是否达到异常阈值，若达到异常阈值则判断为局部过热。5.根据权利要求1所述的一种多元化应用场景管道监控风险预警关键方法，其特征在于，所述步骤s3中判断管道异常状况类型还包括：若振动传感和温度传感均发出异常数据，则定位管道异常点，通过振动数据类型判断是否放电；若具有放电状况则判断为局部放电，否则判断为火灾。6.一种多元化应用场景管道监控风险预警系统，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：s1、采集温度传感数据和振动传感数据；s2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；s3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。7.根据权利要求6所述的一种多元化应用场景管道监控风险预警系统，其特征在于，所述步骤s2中根据数据针对事件识别进行机器学习具体为：个数；n(xμ
k
，σ
k2
)是混合高斯模型中的第k个聚类，混合系数π
k
是每个单高斯模型的权重，满足π
k
＞0，s202、计算数据x
n
属于第k个聚类的概率：
当具有振动维度和温度维度两个维度时：当具有振动维度和温度维度两个维度时：采用迭代法估算均值μ
k
和方差σ
k2
的值，取上一次迭代所得到的值作为初始值；s203、重复s202的计算步骤，直到混合高斯模型的参数值稳定。8.根据权利要求6所述的一种多元化应用场景管道监控风险预警系统，其特征在于，所述步骤s2中所采集到的数据还包括海潮特征信号，对所述海潮特征信号的处理步骤具体为：将所述海潮特征信号近似为对传感光信号加入一个固定调制acos(ω0t)；所述传感光信号为同一光源发出的光被分为第一光束和第二光束，所述第一光束经过延时处理，所述第一光束和所述第二光束的时差为常数2l/c+τ；根据所述固定调制，在t时刻所述第一光束受到海潮调制为acos(ω0t)；根据所述固定调制，在时刻所述第二光束受到海潮调制为依次建立海潮特征信号对第一光束、第二光束产生影响的相位差计算公式：其中，为初始相位，φ0调制后的相位，n为光纤的折射率、l为光路长度，c为光速，τ为延时常数，ω0为通过光纤传感系统在无其它干扰事件的海潮环境中测量获取最优值。9.根据权利要求6所述的一种多元化应用场景管道监控风险预警系统，其特征在于，所述步骤s3中判断管道异常状况类型包括：若只有振动传感发出异常数据，则定位管道异常点，判定为外部施工影响；若只有温度传感发出温度升高异常数据，则定位管道异常点，判断升温幅度是否达到异常阈值，若达到异常阈值则判断为局部过热。
10.根据权利要求6所述的一种多元化应用场景管道监控风险预警系统，其特征在于，所述步骤s3中判断管道异常状况类型还包括：若振动传感和温度传感均发出异常数据，则定位管道异常点，通过振动数据类型判断是否放电；若具有放电状况则判断为局部放电，否则判断为火灾。

技术总结

本发明公开一种多元化应用场景管道监控风险预警关键方法及系统，包括以下步骤：S1、采集温度传感数据和振动传感数据；S2、关联分析所采集到的数据，并根据采集到的数据针对事件识别进行机器学习，得到混合高斯模型；S3、根据混合高斯模型进行场景识别，判断管道异常状况类型并发出预警。实现包括振动告警、火灾预警、海缆防外破等多元化应用场景的管道事件的精准研判以及风险决策预警。准研判以及风险决策预警。准研判以及风险决策预警。