[发明专利]基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法

摘要

本发明实施例涉及输电线监测技术领域，具体而言，涉及一种基于浅层CNN分类模型的架空输电线风舞监测预警系统及方法，该基于浅层CNN分类模型的架空输电线风舞监测预警系统包括探测光缆、解调仪和数据处理装置；探测光缆与解调仪之间存在光信号交互，解调仪与数据处理装置通信连接，解调仪用于实时接收所述探测光缆反馈的后向瑞利散射光，对该后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将数字信号发送至数据处理装置，数据处理装置用于对各所述空间样本点的数字信号进行差分、分帧、特征提取、特征融合和分类识别，以识别出异常信号并进行预警。该系统及方法能够实现对长距离输电线的实时风舞监测预警。

主权项

1.一种基于浅层CNN分类模型的架空输电线风舞监测预警系统，其特征在于，包括：探测光缆、解调仪和数据处理装置；所述探测光缆与所述解调仪之间存在光信号交互；所述解调仪与所述数据处理装置通信连接；所述解调仪用于产生脉冲光信号，所述探测光缆用于接收所述脉冲光信号，所述解调仪还用于实时接收所述探测光缆反馈的待监测输电线的所有空间样本点的后向瑞利散射光，对所述后向瑞利散射光进行光电转换和模数转换，获得对应的数字信号，将所述数字信号发送至所述数据处理装置；所述数据处理装置用于接收所述数字信号，将所述数字信号通过显示模块进行实时显示，并对各所述空间样本点的数字信号进行差分，将完成差分的数字信号按预设时间帧间隔进行分帧处理，提取分帧处理之后的数字信号中的时域特征和色谱图特征；对所述时域特征进行归一化处理；以每一帧信号为最小信号处理单元，将归一化之后的时域特征和所述色谱图特征进行融合以获得融合特征，采用预设浅层卷积神经网络CNN分类模型对所述融合特征进行分类识别，以识别出异常信号并进行预警。