论文部分内容阅读
光电复合海底电缆因具有信息与电能同时传输等优点,在海岛和海上平台等工程应用中越来越广泛。为了缩短修复海缆故障所用时间,保证海缆运行通畅,减少经济损失,对海缆故障类型的诊断进行研究非常必要。本课题以某电力公司海底电缆在线监测项目的光电复合海缆为基础开展研究。本文首先综述了利用分布式光纤传感技术的海缆监测系统及故障诊断理论基础,介绍了小波包分析及神经网络的相关原理,明确了使用小波包与神经网络相结合的方法进行海缆故障类型的诊断,分析了海缆故障的几种类型及产生原因,根据多年以来海缆故障的测量经验及海缆发生故障时的传感光纤的温度和应变变化特点,模拟海缆故障数据;其次,利用小波分析算法对故障数据进行降噪处理,去除噪声干扰,还原原始信号中的有效信息,并利用小波包分解降噪后的数据,分别提取出每种故障的能量、标准差及小波包Shannon熵三种故障特征,作为模式识别的诊断依据;再次,针对电气及机械故障,分别建立了BP、PNN两种神经网络,确定了每种网络的最佳参数,将提取出的特征向量输入到两种网络中,对三种故障特征的故障区分度作了对比,并综合比较了这两种网络的诊断性能。最后,利用LabVIEW虚拟仪器,搭建了海底电缆故障诊断平台,可完成数据的读取、分析、诊断及结果显示。仿真结果表明,利用小波包分解提取出的三种特征向量均在不同程度表征出海缆故障特征。对于电气故障,提取标准差作为特征向量的诊断效果最好,对于机械故障,提取各频带能量作为特征向量的诊断效果最好。在神经网络的选择上,PNN网络的分类性能总体高于BP网络,更适合做海缆故障诊断的分类器。本文研究成果为海缆的故障诊断提供了一种经济、可靠的新途径,为海缆的在线故障监测提供理论基础,对海缆的故障诊断具有一定参考价值。