1.基于光纤震动数据层级上下文的输电线初期覆冰预警方法,其特征在于,包括以下步骤:S1,在输电线路上安装光纤和相位敏感光时域反射计;所述相位敏感光时域反射计用于采集光纤震动数据,收集所述光纤震动数据和输电线覆冰情况形式形成的历史数据,并存储到覆冰情况形式历史数据表VbList;获得覆冰情况形式历史数据表元素个数VbNum;初始化光纤震动数据层级上下文特性列表CJList;
S2,建立时域指标表达模块FEModel;所述时域指标表达模块FEModel的输入为时域指标表达输入数组FEInput,所述时域指标表达模块FEModel的输出为时域指标表达输出数组FEOutput;
S3,建立光纤震动数据层级上下文特性抽取模块TXModel;所述光纤震动数据层级上下文特性抽取模块TXModel的输入为4000个元素的浮点型数组TXInput,所述光纤震动数据层级上下文特性抽取模块TXModel利用所述时域指标表达模块FEModel对所述浮点型数组TXInput进行处理,所述光纤震动数据层级上下文特性抽取模块TXModel的输出为光纤震动数据层级上下文特性输出结果TXOutput;
S4,利用所述光纤震动数据层级上下文特性抽取模块TXModel处理所述覆冰情况形式历史数据表VbList的所有内容,得到光纤震动数据层级上下文特性,并将得到的光纤震动数据层级上下文特性存储在所述光纤震动数据层级上下文特性列表CJList之中;
S5,建立分层次覆冰决策神经网模型CCNN;利用所述光纤震动数据层级上下文特性列表CJList训练所述分层次覆冰决策神经网模型CCNN,得到训练完成的分层次覆冰决策神经网模型CCNN;
S5具体为:
S501,建立分层次覆冰决策神经网模型CCNN,包含如下结构:具有5个输入分支,每个输入分支经过一个LSTM层输出一个100个元素的输出数组;5个输入分支处理完成之后,将输出合并为一个100×5的特征图;对于该特征图,利用2个卷积层1个最大池化层和一个三次的MLP网形成决策;
S502,分层次覆冰决策神经网模型CCNN的五个输入分支分别接入光纤震动数据层级上下文特性列表CJList的vb1, vb2, vb3, vb4和vb5字段,分层次覆冰决策神经网模型CCNN的决策输出接入光纤震动数据层级上下文特性列表CJList的覆冰决策FBDecison字段;
S503,利用光纤震动数据层级上下文特性列表CJList的数据训练分层次覆冰决策神经网模型CCNN,使得分层次覆冰决策神经网模型CCNN具备决策能力;
S504, S5步骤处理过程结束;
S6,实际监测时,利用所述相位敏感光时域反射计采集4秒钟时长的光纤震动数据Test,利用所述光纤震动数据层级上下文特性抽取模块TXModel和训练完成的分层次覆冰决策神经网模型CCNN,对采集到的4秒钟时长的光纤震动数据Test进行分析,判断是否出现输电线初期覆冰情况,如果是,则进行预警。
2.根据权利要求1所述的基于光纤震动数据层级上下文的输电线初期覆冰预警方法,其特征在于,S1具体为:S101,在输电线路上安装光纤和相位敏感光时域反射计;
所述相位敏感光时域反射计以1000赫兹采集光纤震动数据,收集所述光纤震动数据和输电线覆冰情况形式形成的历史数据,并存储到所述覆冰情况形式历史数据表VbList;其中,所述覆冰情况形式历史数据表VbList的每个元素具有2个字段:光纤震动数据数组VbData:光纤震动数据数组VbData是一个4000个元素的浮点型数组,由于相位敏感光时域反射计采集频率是1000赫兹,所以光纤震动数据数组VbData对应时长为4秒钟的光纤震动数据;
是否出现较薄的覆冰VbObserved:是一个整型变量,1表示出现了较为薄的覆冰,此时输电线覆冰厚度为大于0且小于5毫米,0表示未出现覆冰;
S102,覆冰情况形式历史数据表元素个数VbNum=覆冰情况形式历史数据表VbList的元素个数;
S103,建立光纤震动数据层级上下文特性列表CJList,初始时为空列表;该光纤震动数据层级上下文特性列表CJList的每一个元素结构包含6个字段:光纤震动特征第一层级上下文特征Vb1:为一个40个元素的列表,列表中每个元素为10维的矢量;
光纤震动特征第二层级上下文特征Vb2:为一个40个元素的列表,列表中每个元素为10维的矢量;
光纤震动特征第三层级上下文特征Vb3:为一个40个元素的列表,列表中每个元素为10维的矢量;
光纤震动特征第四层级上下文特征Vb4:为一个40个元素的列表,列表中每个元素为10维的矢量;
光纤震动特征第五层级上下文特征Vb5:为一个40个元素的列表,列表中每个元素为10维的矢量;
光纤震动数据层级上下文特性列表CJList的覆冰决策FBDecison:为一个整数变量,表达是否出现覆冰;
S104,构建光纤震动数据层级上下文特性列表计数器CJCounter=1;
S105,建立光纤震动数据层级上下文特性列表CJList的一个元素CJListItem,元素CJListItem具有的6个字段:光纤震动特征第一层级上下文特征Vb1:为一个40个元素的列表,列表中每个元素为10维的矢量,矢量的内部全为0;
光纤震动特征第二层级上下文特征Vb2:为一个40个元素的列表,列表中每个元素为10维的矢量,矢量的内部全为0;
光纤震动特征第三层级上下文特征Vb3:为一个40个元素的列表,列表中每个元素为10维的矢量,矢量的内部全为0;
光纤震动特征第四层级上下文特征Vb4:为一个40个元素的列表,列表中每个元素为10维的矢量,矢量的内部全为0;
光纤震动特征第五层级上下文特征Vb5:为一个40个元素的列表,列表中每个元素为10维的矢量,矢量的内部全为0;
覆冰决策FBDecison=0;
S106,S1步骤结束。
3.根据权利要求1所述的基于光纤震动数据层级上下文的输电线初期覆冰预警方法,其特征在于,S2具体为:S201,建立时域指标表达模块FEModel;所述时域指标表达模块FEModel的输入为时域指标表达输入数组FEInput,所述时域指标表达输入数组FEInput为一个100个元素的数组;
S202,对于所述时域指标表达输入数组FEInput进行如下公式计算:(1)时域标准差指标:
标准差σ:衡量数据的离散程度,计算公式为:
;
其中:均值μ计算公式为:
;
其中:表示时域指标表达输入数组FEInput中的第i个元素;N=100,表示时域指标表达输入数组FEInput中的元素数量;
(2)时域峰-峰值指标:
峰-峰值PP表示时域指标表达输入数组FEInput中的极值范围,计算公式为:;
其中:表示时域指标表达输入数组FEInput中的元素最大值;表示时域指标表达输入数组FEInput中的元素最小值;
(3)时域偏度指标:
偏度衡量数据分布的对称性,计算公式为:
;
(4)时域裕度指标:
裕度R表示峰-峰值与均值的相对大小,计算公式为:
;
(5)时域峭度指标:
峭度描述数据分布的尖锐程度,计算公式为:
;
(6)时域最大值指标:
最大值Max表示时域指标表达输入数组FEInput中的最大元素,计算公式为:;
(7)时域最小值指标:
最小值 Min表示时域指标表达输入数组FEInput中的最小元素,计算公式为:;
(8)时域脉冲指标:
脉冲指标P表示信号的脉冲强度,定义为:
;
其中:表示时域指标表达输入数组FEInput中的第i个元素的绝对值;
(9)时域波形值指标:
波形值衡量信号的整体波动,计算公式为:
;
(10)时域能量指标:
能量E表示时域指标表达输入数组FEInput中所有元素的平方和,计算公式为:;
S203,建立时域指标表达输出数组FEOutput为10个元素的数组;
S204,将S202计算的10个指标结果顺次存储到时域指标表达输出数组FEOutput之中;
S205,将时域指标表达输出数组FEOutput作为时域指标表达模块FEModel的结果输出。
4.根据权利要求1所述的基于光纤震动数据层级上下文的输电线初期覆冰预警方法,其特征在于,S3具体为:S301,建立光纤震动数据层级上下文特性抽取模块TXModel;所述光纤震动数据层级上下文特性抽取模块TXModel的输入为4000个元素的浮点型数组TXInput;
S302,令光纤震动数据层级上下文特性抽取模块第一计数器TXCounter1=1; 构建光纤震动数据层级上下文特性抽取模块列表变量TXList=空列表;
S303,光纤震动数据层级上下文特性抽取模块第一暂存变量TXTemp1=取出浮点型数组TXInput的第(TXCounter1-1)×100至第(TXCounter1-1)×100+99个元素,共计100个元素;
S304,光纤震动数据层级上下文特性抽取模块第二暂存变量TXTemp2:利用时域指标表达模块FEModel对光纤震动数据层级上下文特性抽取模块第一暂存变量TXTemp1进行处理,时域指标表达模块FEModel的时域指标表达输入数组FEInput=光纤震动数据层级上下文特性抽取模块第一暂存变量TXTemp1,获得时域指标表达输出数组FEOutput;使光纤震动数据层级上下文特性抽取模块第二暂存变量TXTemp2=时域指标表达输出数组FEOutput;
S305,将光纤震动数据层级上下文特性抽取模块第二暂存变量TXTemp2加入到光纤震动数据层级上下文特性抽取模块列表变量TXList之中;
S306,TXCounter1=TXCounter1+1;
S307,如果TXCounter1小于等于40,则转到S303;否则转到S308;
S308,建立光纤震动数据层级上下文特性输出结果TXOutput,光纤震动数据层级上下文特性输出结果TXOutput的结构与光纤震动数据层级上下文特性列表CJList的一个元素结构相同,包含6个字段:光纤震动数据层级上下文特性输出结果TXOutput的Vb1字段=光纤震动数据层级上下文特性抽取模块列表变量TXList;具体的,光纤震动数据层级上下文特性输出结果TXOutput的Vb1字段为一个40个元素的列表,列表中每个元素为10维的矢量;
光纤震动数据层级上下文特性输出结果TXOutput的Vb2字段=建立一个新的列表,其值为在其vb1字段的第一个元素之前插入一个全是0的10维矢量,并删除其vb1字段末尾的一个元素;
光纤震动数据层级上下文特性输出结果TXOutput的Vb3字段=建立一个新的列表,其值为在其vb2字段的第一个元素之前插入一个全是0的10维矢量,并删除其vb2字段末尾的一个元素;
光纤震动数据层级上下文特性输出结果TXOutput的Vb4字段=建立一个新的列表,其值为在其vb3字段的第一个元素之前插入一个全是0的10维矢量,并删除其vb3字段末尾的一个元素;
光纤震动数据层级上下文特性输出结果TXOutput的Vb5字段=建立一个新的列表,其值为在其vb4字段的第一个元素之前插入一个全是0的10维矢量,并删除其vb4字段末尾的一个元素;
光纤震动数据层级上下文特性输出结果TXOutput的覆冰决策FBDecison字段:为一个整数变量,表达是否出现覆冰;
S309,更新S308建立的光纤震动数据层级上下文特性输出结果TXOutput的各字段:光纤震动数据层级上下文特性输出结果TXOutput的Vb2字段=光纤震动数据层级上下文特性抽取模块列表变量TXList-光纤震动数据层级上下文特性输出结果TXOutput的Vb2字段;
光纤震动数据层级上下文特性输出结果TXOutput的Vb3字段=光纤震动数据层级上下文特性抽取模块列表变量TXList-光纤震动数据层级上下文特性输出结果TXOutput的Vb3字段;
光纤震动数据层级上下文特性输出结果TXOutput的Vb4字段=光纤震动数据层级上下文特性抽取模块列表变量TXList-光纤震动数据层级上下文特性输出结果TXOutput的Vb4字段;
光纤震动数据层级上下文特性输出结果TXOutput的Vb5字段=光纤震动数据层级上下文特性抽取模块列表变量TXList-光纤震动数据层级上下文特性输出结果TXOutput的Vb5字段;
光纤震动数据层级上下文特性输出结果TXOutput的覆冰决策FBDecison字段=0;
S310,将光纤震动数据层级上下文特性输出结果TXOutput作为光纤震动数据层级上下文特性抽取模块TXModel的结果输出。
5.根据权利要求1所述的基于光纤震动数据层级上下文的输电线初期覆冰预警方法,其特征在于,S4具体为:S401,结果处理计数器CLCounter=1;
S402,结果处理第一暂存变量CLTemp1:
取出覆冰情况形式历史数据表VbList的第CLCounter个元素,赋值给结果处理第一暂存变量CLTemp1;
S403,结果处理第二暂存变量CLTemp2:
利用光纤震动数据层级上下文特性抽取模块TXModel进行处理,输入光纤震动数据层级上下文特性抽取模块TXModel的浮点型数组TXInput为结果处理第一暂存变量CLTemp1,处理获得光纤震动数据层级上下文特性输出结果TXOutput,并赋值给结果处理第二暂存变量CLTemp2;
S404,将结果处理第二暂存变量CLTemp2,赋值给光纤震动数据层级上下文特性列表CJList的第CLCounter个元素;
S405,取出覆冰情况形式历史数据表VbList的第CLCounter个元素的是否出现较薄的覆冰VbObserved字段,并赋值给光纤震动数据层级上下文特性列表CJList的第CLCounter个元素的覆冰决策FBDecison字段;
S406,CLCounter=CLCounter+1;
S407,如果CLCounter小于等于VbNum,则转到S402;否则转到S408;
S408,S4步骤处理过程结束。
6.根据权利要求1所述的基于光纤震动数据层级上下文的输电线初期覆冰预警方法,其特征在于,S6具体为:S601,利用相位敏感光时域反射计采集4秒钟时长的光纤震动数据Test;
S602,用于判断的第一暂存变量PDTemp1:
利用光纤震动数据层级上下文特性抽取模块TXModel进行处理,输入光纤震动数据层级上下文特性抽取模块TXModel的浮点型数组TXInput为光纤震动数据Test,获得光纤震动数据层级上下文特性抽取模块TXModel的光纤震动数据层级上下文特性输出结果TXOutput,并赋值给用于判断的第一暂存变量PDTemp1;
S603,将用于判断的第一暂存变量PDTemp1输入给分层次覆冰决策神经网模型CCNN,分层次覆冰决策神经网模型CCNN的五个输入分支分别接入用于判断的第一暂存变量PDTemp1的vb1, vb2, vb3, vb4和vb5字段;
S604,用于判断的第二暂存变量PDTemp2:
分层次覆冰决策神经网模型CCNN的决策输出,赋值给用于判断的第二暂存变量PDTemp2;
S605,如果用于判断的第二暂存变量PDTemp2等于0,则转到S606;否则转到S607;
S606,输出没有出现输电线初期覆冰情况,转到S608;
S607,表示出现了输电线初期覆冰情况,进行预警,转到S608;
S608,结束。