基于光纤声传感与深度学习的地下管廊电缆局部放电多维特征识别系统设计.docxVIP

PAGE2

基于光纤声传感与深度学习的地下管廊电缆局部放电多维特征识别系统设计

摘要

随着城市地下综合管廊的大规模建设，电力电缆密集敷设带来的局部放电监测与火灾预警问题日益突出。传统电气监测法抗电磁干扰能力差、难以分布式定位，而现有分布式光纤传感方案在多源干扰下识别准确率偏低。本文设计了一套融合分布式光纤声传感与深度学习的电缆局部放电多维特征识别系统。系统以相干光时域反射相位敏感光时域反射技术为基础，提取空间连续的声振动信号，构造时频域与空间域多维特征图。在此基础上，设计了级联式深度学习网络：前端一维卷积网络完成异常声事件检测与粗定位，后端双流三维卷积与时序Transformer网络实现局部放电源的精确定位与多模式识别，并结合温度参量建立火灾风险评估模型。全文严格遵循工程化设计流程：需求分析阶段界定了系统功能与非功能指标，总体设计阶段给出了四层体系架构与模块划分，详细设计阶段展开核心算法流程与接口规范，实现阶段验证了关键模块的运行效果，测试阶段用模拟数据与现场试验数据证明了系统对局部放电的识别准确率达到93.7%、定位误差小于2米，并在多种干扰下保持稳定。论文的创新在于将声场时-空-频多维特征与深度神经网络协同，突破了单一特征识别局限性，实现了高精度、高鲁棒性的电缆状态感知与早期火灾预警。

关键词：地下管廊；光纤声传感；局部放电；多维特征识别；深度学习；火灾预警

第一章绪