本發(fā)明涉及數(shù)據(jù)處理。具體涉及一種高壓電纜防盜回流線在線智能監(jiān)測方法及系統(tǒng)。

背景技術：

1、高壓電纜作為電力輸送的關鍵基礎設施，在現(xiàn)代電力供應體系中占據(jù)著舉足輕重的地位，其安全穩(wěn)定運行具有重要意義。然而，電纜時常面臨被未授權人員獲取的情況，并且獲取的手段不斷升級，呈現(xiàn)多樣化，使得傳統(tǒng)人工巡檢方式難以應對，這些未授權人員常常利用各種隱蔽手段作案，如在復雜地形或偏僻區(qū)域獲取電纜，使得人工巡檢難以實現(xiàn)全面覆蓋和及時發(fā)現(xiàn)。

2、隨著科技的迅猛發(fā)展，智能監(jiān)測技術應運而生，物聯(lián)網(wǎng)技術的興起使得傳感器能夠部署在電纜線路上，實現(xiàn)數(shù)據(jù)的實時采集和傳輸，傳感器技術的進步則提高了對電纜各種狀態(tài)參數(shù)監(jiān)測的準確性和靈敏度，大數(shù)據(jù)分析技術的成熟為處理海量監(jiān)測數(shù)據(jù)提供了可能，能夠從復雜的數(shù)據(jù)中挖掘出有價值的信息，從而實現(xiàn)對電纜狀態(tài)的精準判斷。如現(xiàn)有授權公告號為cn111507310b的中國專利文件，公開了一種基于φ-otdr的光纜通道內(nèi)人為觸纜作業(yè)信號識別方法，其通過將φ-otdr與待測光纜相連接，獲取光纜沿線的振動數(shù)據(jù)分布，進而采用信號提取、圖像處理、模式識別等一系列手段對數(shù)據(jù)特征進行處理，最終識別光纜是否遭受人為惡意破壞或偷盜。

3、然而，上述監(jiān)測方法依賴于特定的φ-otdr設備，適應性較差，同時，其信號處理流程較為復雜，并且需要借助人為模擬觸纜作業(yè)，由于模擬場景與真實電纜被盜或破壞的實際狀況往往難以完全契合，這必然導致模板信號無法全面、精準地反映實際可能出現(xiàn)的各種復雜情況，最終對電纜被盜監(jiān)測的準確性和可靠性產(chǎn)生影響。

4、綜上所述，鑒于當前電纜頻繁遭遇未授權人員獲取情況的嚴峻性以及現(xiàn)有監(jiān)測技術的局限性，迫切需要研發(fā)一種更為精確且具備更強適應性的監(jiān)測方法，以有效應對電纜防盜問題，確保電力供應系統(tǒng)的安全穩(wěn)定運行。

技術實現(xiàn)思路

1、為解決傳統(tǒng)的監(jiān)測技術存在適應性差，不能全面、精準地反映各種復雜情況，影響監(jiān)測的準確性和可靠性的問題，本發(fā)明提出一種高壓電纜防盜回流線在線智能監(jiān)測方法，包括：

2、多次采集歷史電纜回波信號，并為每次采集的歷史電纜回波信號確定對應的電纜狀態(tài)標簽，所述標簽包括斷線反射、接頭反射和接地反射；

3、利用小波變換技術對每個歷史電纜回波信號進行分解，以提取出每個歷史電纜回波信號的多個小波系數(shù)；

4、計算每個小波系數(shù)與所有標簽之間的相關性；

5、以采集歷史電纜回波信號的次數(shù)為行，以每次采集的歷史電纜回波信號的多個小波系數(shù)為列，構(gòu)建小波系數(shù)矩陣，然后計算小波系數(shù)矩陣中每一列小波系數(shù)與其他每一列小波系數(shù)之間的相似性；

6、根據(jù)每個小波系數(shù)與所有標簽之間的相關性，以及該小波系數(shù)所在列的小波系數(shù)與其他每一列小波系數(shù)之間的相似性，綜合評估每個小波系數(shù)的重要性；

7、構(gòu)建分類預測模型，將每個小波系數(shù)作為模型的輸入，模型的輸出為該小波系數(shù)對應的標簽的概率，根據(jù)每個小波系數(shù)的重要性，對模型的輸出進行集成，得到電纜被盜概率，依據(jù)電纜被盜概率動態(tài)調(diào)節(jié)監(jiān)測頻率。

8、上述技術方案通過多次采集不同時間、不同工況下的歷史電纜回波信號，能夠涵蓋電纜在正常運行、可能遭受干擾以及被盜等各種狀態(tài)下的信號特征。為每個信號確定準確的標簽，使得數(shù)據(jù)具有明確的分類信息，便于后續(xù)算法識別不同狀態(tài)下信號的差異，通過計算相似性，可以了解每個小波系數(shù)與不同電纜狀態(tài)的關聯(lián)程度，從而找出與電纜被盜狀態(tài)高度相關的小波系數(shù)的特征，構(gòu)建小波系數(shù)矩陣可以從整體上對所有采集的歷史電纜回波信號的小波系數(shù)進行組織和分析，計算列與列之間的相似性，能夠揭示不同小波系數(shù)之間的相關性和冗余性，進一步挖掘小波系數(shù)之間的內(nèi)在關系，綜合考慮小波系數(shù)與標簽的關系以及小波系數(shù)之間的關系，能夠更全面、客觀地評估每個小波系數(shù)在電纜狀態(tài)分類中的重要性。既重視小波系數(shù)對電纜狀態(tài)本身的區(qū)分能力（與標簽的相關性），又考慮其在整個小波系數(shù)集合中的獨特性和代表性（與其他列小波系數(shù)的相似性），構(gòu)建分類預測模型可以利用歷史數(shù)據(jù)學習到的小波系數(shù)的特征與電纜狀態(tài)之間的關系，對新采集的電纜回波信號進行實時預測和判斷，能夠定量地評估電纜處于不同狀態(tài)（尤其是被盜狀態(tài)）的可能性，得到更準確的電纜被盜概率，該方案具有適應性好，能夠精準地反映電纜所處的狀態(tài)，提高了監(jiān)測的準確性和可靠性。

9、優(yōu)選的，所述采集歷史電纜回波信號的方法為：

10、運用低壓脈沖回波定位法，在高壓電纜回流線導體中心安裝同軸線，施加低壓脈沖信號，收集由于電纜線路阻抗不匹配點產(chǎn)生反射現(xiàn)象反射回的電纜回波信號。

11、優(yōu)選的，每個小波系數(shù)與所有標簽之間的相關性的計算公式為：

12、

13、式中，是第個小波系數(shù)與所有標簽之間的相關性，是歸一化函數(shù)，為采集歷史電纜回波信號的總數(shù)，是標簽的總數(shù)，是第個標簽下所有的第個小波系數(shù)在半徑為的范圍內(nèi)的聚集程度，是歸一化函數(shù)；

14、的獲取方法為：

15、計算第個標簽下的所有歷史電纜回波信號的第個小波系數(shù)的均值，以該均值為圓心，以為半徑作圓，統(tǒng)計第個標簽下的所有歷史電纜回波信號的第個小波系數(shù)落入該圓中的總數(shù)量。

16、上述技術方案，以第個標簽下所有的第個小波系數(shù)在半徑為的范圍內(nèi)的聚集程度作為衡量第個小波系數(shù)和第個標簽的相似性的關鍵因素，能夠挖掘出在特定范圍內(nèi)與標簽緊密相關的小波系數(shù)特征，反映電纜在不同狀態(tài)下信號特征的分布規(guī)律。

17、優(yōu)選的，所述聚集程度的另一種獲取方法是：

18、對第個標簽下的所有歷史電纜回波信號的第個小波系數(shù)進行基于密度的聚類，得到多個聚類簇，統(tǒng)計規(guī)模最大的聚類簇包含的第個小波系數(shù)的數(shù)量，將該數(shù)量作為第個標簽下所有的第個小波系數(shù)在半徑為的范圍內(nèi)的聚集程度。

19、優(yōu)選的，小波系數(shù)矩陣中每一列小波系數(shù)與其他每一列小波系數(shù)之間的相似性的計算公式為：

20、

21、式中，是小波系數(shù)矩陣中第列小波系數(shù)和第列小波系數(shù)之間的相似性，是第列小波系數(shù)和第列小波系數(shù)之間的協(xié)方差，是第列小波系數(shù)的標準差，是第列小波系數(shù)的標準差。

22、上述方案通過計算小波系數(shù)矩陣中不同列之間的相似性，可以反映不同小波系數(shù)特征之間的關聯(lián)緊密程度，這些小波系數(shù)是對電纜回波信號進行小波變換后得到的，它們從不同角度刻畫了電纜的狀態(tài)信息，相似性高意味著這些特征在反映電纜狀態(tài)方面存在較強的關聯(lián)性。

23、優(yōu)選的，每個小波系數(shù)的重要性滿足如下關系式：

24、

25、式中，是第個小波系數(shù)的重要性，是第個小波系數(shù)與所有標簽之間的相關性，是小波系數(shù)矩陣中第列小波系數(shù)和第列小波系數(shù)之間的相似性，是第列小波系數(shù)和其他所有列小波系數(shù)之間的相似性的總數(shù)量，是歸一化函數(shù)。

26、上述技術方案提供了一種全面且系統(tǒng)的方法來衡量小波系數(shù)在電纜狀態(tài)分類中的價值。它不僅僅考慮了小波系數(shù)本身對電纜狀態(tài)（由標簽表示）的直接關聯(lián)程度，還兼顧了該小波系數(shù)與其他小波系數(shù)之間的相互關系，避免了單獨依據(jù)某一因素判斷重要性的片面性。

27、優(yōu)選的，對模型的輸出進行集成，得到電纜被盜概率的方法包括：

28、按照如下公式對模型的輸出進行集成：

29、

30、其中，是電纜被盜概率，是第個小波系數(shù)對應的分類模型的預測結(jié)果，是第個小波系數(shù)的重要性，是小波系數(shù)的總數(shù)。

31、上述技術方案通過將每個小波系數(shù)對應的分類模型預測結(jié)果按照其重要性進行加權求和，實現(xiàn)了對多個小波系數(shù)所包含信息的綜合集成?？紤]到不同小波系數(shù)在反映電纜被盜狀態(tài)方面具有不同的重要程度，該方法能夠充分利用各個特征的優(yōu)勢，避免單一特征判斷的局限性，從而更全面、準確地評估電纜被盜的可能性。

32、優(yōu)選的，對模型的輸出進行集成，得到電纜被盜概率的方法還包括：

33、按照如下公式對模型的輸出進行集成：

34、

35、其中，是電纜被盜概率，是第個小波系數(shù)對應的分類模型的預測結(jié)果，是第個小波系數(shù)的重要性，是第個小波系數(shù)對應的分類模型的預測準確率，是小波系數(shù)的總數(shù)；

36、所述分類模型的預測準確率的獲取方法為：

37、通過在歷史采集的所有電纜回波信號中選取測試集，將測試集中預測正確的數(shù)量除以測試集的總數(shù)量得到預測準確率。

38、上述技術方案通過將小波系數(shù)重要性與模型預測準確率相乘作為權重的一部分，能夠動態(tài)調(diào)整每個分類模型在集成中的影響力，對于那些既重要又能被模型準確預測的小波系數(shù)，會給予更大的權重，使其在計算電纜被盜概率時發(fā)揮更關鍵的作用，而對于重要性高但模型預測不穩(wěn)定的特征，其權重會相應降低，確保最終結(jié)果更可靠。

39、優(yōu)選的，依據(jù)電纜被盜概率動態(tài)調(diào)節(jié)監(jiān)測頻率的方法為：

40、設定初始的正常監(jiān)測頻率為每分鐘對電纜進行一次監(jiān)測；

41、當電纜被盜概率大于預設的第一閾值時，將監(jiān)測頻率設置為每分鐘監(jiān)測一次；

42、當電纜被盜概率處于預設的第一閾值及以下，同時大于等于預設的第二閾值時，將監(jiān)測頻率設置為每分鐘監(jiān)測一次；

43、當電纜被盜概率小于預設的第二閾值且大于等于預設的第三閾值 p3時，將監(jiān)測頻率設置為每分鐘監(jiān)測一次；

44、當電纜被盜概率小于預設的第三閾值時，將監(jiān)測頻率設置為每分鐘監(jiān)測一次；其中，。

45、上述技術方案通過合理調(diào)整監(jiān)測頻率，減少了無效監(jiān)測次數(shù)，提高了監(jiān)測系統(tǒng)的整體工作效率，對于高風險情況能夠快速響應，及時發(fā)現(xiàn)并處理問題，對于低風險情況，避免了過度監(jiān)測造成的時間和資源浪費，使監(jiān)測系統(tǒng)能夠更專注于關鍵情況的監(jiān)測，提升了監(jiān)測的有效性。

46、本發(fā)明還提供一種高壓電纜防盜回流線在線智能監(jiān)測系統(tǒng)，所述智能監(jiān)測系統(tǒng)包括存儲器和處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)如任一項所述智能監(jiān)測方法的步驟。

47、本發(fā)明具有以下效果：

48、本發(fā)明通過多方面技術手段，全面分析電纜回波信號特征，精準評估小波系數(shù)重要性，構(gòu)建有效模型并動態(tài)調(diào)節(jié)監(jiān)測頻率，實現(xiàn)了對電纜狀態(tài)的準確判斷，適應性強且提升了監(jiān)測的準確性與可靠性。