本发明涉及电缆接头局放检测，具体涉及基于光纤声纹感知技术的电缆接头局放检测方法及系统。
背景技术：
1、在高压电力系统中，电缆接头是极为关键的部件，其可靠性直接关系到电力系统的安全运行。然而，电缆接头由于结构复杂、操作环境恶劣，常常会出现局部放电现象。局部放电是一种不完全的电气放电，它会引起电缆绝缘材料的逐步老化，最终可能导致电缆故障甚至电力系统的大规模停电。因此，对电缆接头局部放电的监测和早期预警显得尤为重要。
2、目前，电缆接头局部放电的监测主要依赖于宽频带高频电流传感器和高频脉冲电流局放监测装置。这些装置通过采集局部放电产生的高频电流脉冲数据，并上传至监测平台进行分析。然而，这些现有技术在实际应用中存在多个缺陷和不足。
3、首先，这些监测装置需要稳定的供电和通信环境，而高压电缆通常敷设在中心城区的槽盒或电缆沟内，环境恶劣，供电和通信的稳定性难以保证。一旦供电中断或通信故障，监测装置将无法正常工作，导致局放监测的覆盖率低，无法实现对电缆接头的实时监测和预警。
4、其次，这些监测装置在防水、防尘等环境适应性方面存在不足。电缆接头往往处于潮湿、灰尘较多的环境中，传统监测装置在这样的环境中容易受到损害，影响其正常工作和数据的准确性。因此，如何提高监测装置的环境适应性，尤其是防水性能，是一个亟待解决的问题。
5、此外，现有的局放监测装置在信号处理和数据分析方面也存在不足。高频电流传感器和脉冲电流监测装置采集到的信号往往包含大量噪声，如何从这些噪声中准确提取局放信号的特征，并实现高精度的故障定位，是一个技术难题。目前的监测系统在信号处理算法和数据分析能力方面尚未达到理想水平，导致故障定位的准确性和实时性不高。
6、另外，现有的局放监测技术多采用有源设备，需要依赖外部电源供电，这不仅增加了系统的复杂性和维护成本，而且在某些特殊环境下难以实现。例如，在一些远离电源的地下电缆接头处，传统监测装置难以部署和维护，导致这些区域的局放监测盲区较多，无法实现全面覆盖。
7、综上所述，现有的电缆接头局放监测技术在供电和通信的稳定性、环境适应性、信号处理和数据分析能力以及系统的部署和维护等方面存在明显不足，难以满足高压电缆运行和维护的实际需求。因此，亟需一种新的局放监测方法和设备，能够克服现有技术的缺陷，实现对电缆接头局放的高效、可靠的监测，提高电缆运行的安全性和可靠性。
技术实现思路
1、基于上述背景技术所提出的问题，本发明的目的在于提供基于光纤声纹感知技术的电缆接头局放检测方法及系统，解决了高频电流传感器和脉冲电流监测装置采集到的信号往往包含大量噪声，现有技术无法从这些噪声中准确提取局放信号的特征，从而导致故障定位不准确的问题。
2、本发明通过下述技术方案实现：
3、本发明第一方面提供了基于光纤声纹感知技术的电缆接头局放检测方法，包括如下步骤：
4、步骤s1、利用相位敏感光时域反射系统在每个电缆接头处获取局放声波信号；
5、步骤s2、采用梅尔对数频谱分析法对所述局放声波信号进行特征提取，得到局放声纹特征；
6、步骤s3、构建改进卷积神经网络模型，利用所述改进卷积神经网络模型对所述局放声纹特征进行分类识别；
7、步骤s4、根据分类识别的结果定位局放故障的电缆接头。
8、在上述技术方案中，光纤不仅是传输光信号的媒介，同时也是感知外界物理量的传感器；光信号在光纤沿线的传输过程中，在每个位置都产生后向散射光，收集这些后向散射光并监测其参量变化就能够感知外界物理量的变化。当声波作用在光纤上时，会使光纤在轴向产生应变，从而改变光纤中瑞利散射信号的相位，通过测量由光纤轴向应变的改变引起的光相位变化实现声波感知。
9、本方法利用上述原理，通过基于相干探测的相位敏感光时域反射系统将光纤光束的光信号转变为声波信号，从而获取每个电缆接头处的局放声波信号，利用瑞利散射相位变化实现声波感知。局部放电过程中伴随着各种物理化学现象，如电流脉冲、电磁辐射、超声波、局部过热、介质损耗、强光等。利用光纤对高压电缆局放超声波进行检测的方法具有受电磁干扰小、穿透性好、灵敏度高等优点。
10、将光信号转换为声波信号，进而采用梅尔对数频谱分析法对局放信号进行声纹特征识别，其克服了目前利用高频电流传感器和脉冲电流监测所采集到的信号中包含有大量的电流噪音所带来的特征提取不准确、识别不准确的问题。
11、再利用改进卷积神经网络算法提取声波信号的特征，更准确地识别出不同的局放声纹模式，得到准确的局放信号类型和局放信号位置。将局放信号类型和局放信号位置与光纤长度结合，可以确定带有距离信息的局放故障信息，从而确定存在故障的电缆接头。
12、在一种可选的实施例中，所述步骤s1包括：
13、将脉冲光源产生的窄带脉冲光注入至探测光纤中，脉冲光在所述探测光纤中传播时产生瑞利散射，得到散射光信号；
14、利用基于相干探测的相位敏感光时域反射系统计算所述散射光信号的相位变化信号；
15、对所述相位变化信号进行解调，将所述相位变化信号转换为时间域的局放声波信号。
16、在一种可选的实施例中，所述步骤s12包括如下步骤：
17、步骤s121、将所述散射光信号引入光探测器，所述光探测器将所述散射光信号转换为电信号；
18、步骤s122、利用前置放大器对所述电信号依次进行放大处理和滤波处理，得到处理后的电信号；
19、步骤s123、利用锁相放大器对处理后的电信号进行解调，得到解调信号，并提取处理后的电信号中的相位信息和振幅信息；
20、步骤s123、对所述解调信号进行采样，得到数字信号，利用快速傅里叶变换提取所述数字信号的频率特征；
21、步骤s124、对所述频率信号和所述相位信号进行计算，得到时间域的局放声波信号。
22、在一种可选的实施例中，所述步骤s2包括：
23、步骤s21、利用改进的梅尔对数频谱分析法将时间域的局放声波信号转化为频域信号，并提取所述频域信号的频域特征；
24、步骤s22、将所述频域特征中的噪声特征进行剔除，得到关键特征；其中所述关键特征包括局放声纹信号的频率、幅度和相位；
25、步骤s23、将所述关键特征归一化，从归一化后的关键特征中选取局放声纹特征。
26、在一种可选的实施例中，所述步骤s23包括如下步骤：
27、步骤s231、利用信息增益算法对归一化后的关键特征进行重要性评估，得到特征信息增益；
28、步骤s232、根据所述特征信息增益从归一化后的关键特征中筛选出重要特征；
29、步骤s233、对所述重要特征进行加权处理，并利用滑动窗口技术和数据增强方法对加权处理后的重要特征进行扩展处理，得到扩展特征；
30、步骤s234、将扩展特征进行特征融合，得到局放声纹特征。
31、在一种可选的实施例中，所述步骤s3中改进卷积神经网络模型包括：多尺度自适应卷积模块、动态时间频率融合模块和层级注意力机制；
32、其中，所述多尺度自适应卷积模块包括多个并行的卷积核，多个并行的卷积核从所述局放声纹特征中提取时频域联合特征、频域特征和时间域特征；
33、所述动态时间频率融合模块通过自适应滤波器将所述时频域联合特征、所述频域特征和所述时间域特征进行融合，得到融合特征；
34、所述层级注意力机制对所述融合特征进行注意力训练，得到训练后特征，所述训练后特征用于确定局放信号类型和位置。
35、在一种可选的实施例中，所述卷积核的大小和步长由局放声纹特征的频率特征动态调整，其中，动态调整的过程为：
36、
37、其中，为第i层的第j个卷积核在第m个时频点的权重，α为调整幅度，β为频率调整因子，为相位偏移，fadjust(finput(t,f))为输入信号频率特征的调整函数，finput(t,f)为输入信号的时频域表示，t表示输入信号的时间变量，是信号在时间上的变化，f表示输入信号的频率变量，是信号在频率上的变化。
38、在一种可选的实施例中，所述自适应滤波器根据所述局放声纹特征动态调整滤波器参数，其中，动态调整滤波器参数的调整过程如下：
39、hfilter(t,f)＝h0(t,f)·(1+δ·cos(2πηt+θ)·gadjust(f))；
40、其中，hfilter(t,f)为自适应滤波器的传递函数，h0(t,f)·为初始传递函数，δ为滤波调整幅度，η为时间调整因子，θ为相位调整，gadjust(f)为频率特征的调整函数。
41、在一种可选的实施例中，所述层级注意力机制根据所述融合特征的权重计算值分别计算卷积层注意力权重和池化层注意力权重，其中，计算过程如下：
42、
43、其中，γm(t,f)为第m个卷积特征的注意力权重，em(t,f)为第m个特征的权重计算值，λn(t,f)为第n个池化特征的注意力权重，en(t,f)为第n个特征的权重计算值。
44、本发明第二方面提供了基于光纤声纹感知技术的电缆接头局放检测系统，包括：
45、信息获取模块，所述信息获取模块用于利用相位敏感光时域反射系统在每个电缆接头处获取局放声波信号；
46、特征提取模块，所述特征提取模块用于采用梅尔对数频谱分析法对所述局放声波信号进行特征提取，得到局放声纹特征；
47、分类识别模块，所述分类识别模块用于构建改进卷积神经网络模型，利用所述改进卷积神经网络模型对所述局放声纹特征进行分类识别；
48、故障定位模块，所述故障定位模块用于根据分类识别的结果定位局放故障的电缆接头。
49、本发明与现有技术相比，具有如下的优点和有益效果：
50、1、将光信号转换为声波信号，进而采用梅尔对数频谱分析法对局放信号进行声纹特征识别，克服了目前利用高频电流传感器和脉冲电流监测所采集到的信号中包含有大量的电流噪音所带来的特征提取不准确、识别不准确的问题；
51、2、光纤本身就是声音传感器，光纤感知本身不需要电源，相干散射回波沿探测光纤本体回传，不需要另外的传输设备，实现电缆局放感知和数据回传的无源化，另外光纤在水中仍能传输光波，不受水汽影响，能应对恶劣的环境。
1.基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述步骤s12包括如下步骤：
4.根据权利要求1所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述步骤s2包括：
5.根据权利要求4所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述步骤s23包括如下步骤：
6.根据权利要求1所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述步骤s3中改进卷积神经网络模型包括：多尺度自适应卷积模块、动态时间频率融合模块和层级注意力机制；
7.根据权利要求6所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述卷积核的大小和步长由局放声纹特征的频率特征动态调整，其中，动态调整的过程为：
8.根据权利要求6所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述自适应滤波器根据所述局放声纹特征动态调整滤波器参数，其中，动态调整滤波器参数的调整过程如下：
9.根据权利要求6所述的基于光纤声纹感知技术的电缆接头局放检测方法，其特征在于，所述层级注意力机制根据所述融合特征的权重计算值分别计算卷积层注意力权重和池化层注意力权重，其中，计算过程如下：
10.基于光纤声纹感知技术的电缆接头局放检测系统，其特征在于，包括：
