基于迈克尔逊干涉和图像识别的高压电缆防外破监测预警系统

（国网浙江省电力有限公司杭州供电公司，杭州 310009）

0 引言

电力电缆因其不占用地面空间、市容市貌友好、隐蔽性高和可靠性高等优点而在城市电力网建设中逐渐取代架空线，扮演着越来越重要的角色。目前杭州主城区35 kV 及以上电压等级电缆体量已达到1 100 km，遍布市区大街小巷。而城市快速发展过程中大型市政建设全面铺开，涉及大量电缆通道周边开挖、打桩等多种形式施工，对电缆安全运行带来极大的外破压力。据统计，南方电网有限责任公司2006—2016 年间高压电缆本体故障75 起，其中盲目施工引起的外力破坏占比高达70.67%，为故障主要原因[1]；杭州供电公司电缆运维数据也表明，在2014—2018 年电缆外破事件中，未经备案的临时性施工占比84.21%，为外破事件的主要原因。传统以人巡和发放保护告知书为主的运维方式在空间和时间上存在盲区，无法实现24 h 不间断监测，因此研究自动化防外破监测预警系统具有重大意义。

目前，电缆防外破监测装置主要通过捕捉振动信号来实现对信号源的识别，信号捕捉有基于压电传感器[2]、声音传感器[3-4]和光纤传感器等不同方式。光纤传感器相对于其他电学传感器具有无源、测量精度高、抗电磁干扰强、长距离、连续分布式等优点，被广泛应用于管道监测、周界安防等领域[5]。而工程中常见的分布式光纤传感系统按原理主要分为OTDR（光时域反射）[5-8]、马赫泽德干涉[9-12]和迈克尔逊干涉[13-15]3 种类型，其中OTDR 型定位精度高，但频率响应较低且系统噪声大；而干涉型具有光路简单、高频率响应等特点，特别适用于振动信号的传感，但无法实现准确定位。

另一方面，在高压电缆通道上采用视频监控的方法可以通过图像识别、视觉定位有效弥补干涉型光纤传感系统无法定位的不足。目前，电力系统中图像识别技术主要应用于架空线巡检[16-17]和防外破监测[18]领域，而电缆防外破和架空线防外破在施工机具的图像识别上类似，具有一定的通用性。

本文基于迈克尔逊干涉原理和图像识别技术设计并搭建一套光纤振动源防外破监测预警系统。系统以长约500 m 的电缆段为一个防区，随电缆通道敷设光纤，防区两侧利用智能接地箱安装光纤监测主机和立杆式监控球机。利用光纤的高灵敏传感特性探测防区内施工机具入侵事件，同时联动球机进行监控并通过图像识别机具类型，实现高压电缆通道潜在外破源的高灵敏度、低误判率的外破预警和视觉定位。

1 迈克尔逊干涉光纤振动传感原理

迈克尔逊干涉光纤振动传感系统中，光纤既是信号传输装置又是传感器，其结构如图1 所示。其工作原理为：窄线宽激光器发出强干涉光，首先经过隔离器避免回波反射对激光器造成影响；然后经过3 dB 耦合器被分成等光强的2 束光分别进入传感臂和参考臂，光纤末端安装有法拉第旋转镜，光信号经反射后原路返回至3 dB耦合器中发生干涉。当振动信号发生时，相当于施加应力于传感光纤，传感臂的折射率和几何形状被改变，进而导致2 路光纤的光程差不断变化，而干涉光强随之同步变化，这一步相当于信号调制。监测主机正是通过光电探测器探测干涉光强，然后通过信号采集和处理系统解调出原始振动信号以实现对防区内振动源的监测识别。

光纤对振动信号的传感实质上是对机械应力的传感，光程差的变化来源于机械应力产生的光弹效应和光纤几何应变。光程差引起的相位变化可表示为：

图1 迈克尔逊干涉光纤传感系统

式中：λ0为真空光波波长；n 为光纤折射率；Δn为光纤折射率变化量；L 为光纤长度；ΔL 为光纤长度变化量；λ 为光波在光纤中传输的波长；d为光纤直径[15]；Δd 为光纤直径变化量。

式（1）右边三项分别代表光弹效应、光纤应力应变效应和泊松效应对传输光信号所产生的相位变化。可以看出，光弹效应通过影响光纤折射率进而产生相位变化，而应力应变效应和泊松效应分别影响光纤长度和光纤直径。在光纤中前两项的影响占据主导，泊松效应的影响通常忽略不计。

进一步的，相位变化同机械应力f（t）的关系可表示为：

式中：μ 为光纤泊松比；E 为光纤杨氏模量；P11和P12为光纤的弹光系数[14]。

当光纤敷设完毕后，光纤的各项参数都确定了，则式（2）右边可以用一个常数表示，即相位变化和机械应力成正比。

通过光的干涉原理，可以得到输出干涉光强为：

式中：I0为初始入射光强；K 为光衰减系数；φ（t）为外界振动信号产生的相位变化。

光纤监测主机通过测量输出干涉光强并采样转换为数字信号，进而实现对电缆通道保护区范围振动信号的监测。

2 高压电缆防外破监测预警系统

2.1 系统设计

迈克尔逊干涉振动传感系统虽然具有灵敏度高、响应频率高等优点，但受其原理限制，无法实现高分辨率的振动源定位功能。本文在光纤振动传感技术的基础上，结合图像识别技术，当光纤检测到振动信号后，根据信号特征识别入侵类型，同时联动摄像头进行施工捕捉，应用图像识别技术再次确认是否存在可疑人员、机械作业，将捕捉到的图像推送至运维人员，及时制止外破事件的发生，以确保电力电缆安全运行。

设备安装如图2 所示，单模光纤随电缆同通道敷设，以长约500 m 的电缆段长为一个防区，利用防区两端的智能接地箱安装光纤监测主机和边缘计算主机，解调出的振动信号送入边缘计算主机以分析判断振动类型和施工机具，同时根据判断结果调用监控球机靶向拍照识别。

两部主机采用模块化设计，与其他在线监测类装置共享通信单元，采用双太阳能板（智能接地箱加太阳能立杆）结合蓄电池的方式取电。振动信号分析处理和图像识别均利用边缘计算主机就地完成，只需将结果上传至服务器，降低占用带宽，提高系统响应速度。

图2 设备安装示意

防外破监测预警系统高度智能化、集成化，系统服务器集成为高压电缆精益化管理平台中一监测子模块，并配套人性化的人机交互界面。对于被监测区域无需人工巡查，通过监控大厅屏幕即可显示监测区域电缆整条线路的振动信息，并能够通过综合分析监测振动信号在时间、空间和频率上的特征，与特征数据库进行比对，可对电缆受到外力破坏情况进行准确的识别和定位报警，结合图像识别更加直观科学地呈现外破行为。系统架构如图3 所示。振动信号和监控图像经识别处理后通过4G/5G 方式传入采集服务器，进而通过监控大屏展示。为方便运维人员查看，同时开发了电脑和手机客户端，客户端软件主界面分在线监控展示和信息分析区，可以电子地图形式展示各防区的报警状态，以列表形式展示报警信息历史记录，还可查看实时监控视频。

2.2 光纤振动信号识别

图3 系统架构

振动信号采集环节通过设置数据采集的门限阈值来判定对电缆及通道外力入侵破坏事件进行持续采集并存储。信号识别算法流程如图4 所示，算法针对典型施工机具各自的特点设计了相应的分类器，每种施工机具具有不同特点，如电镐和液压冲击锤信号具有明显的周期性，挖掘机信号具有不规则性，切割机信号具有持续稳定性。振动信号识别算法设计了3 层分类器，通过对一秒信号的有效采样点数占比分类出噪声和施工机具，通过时域信号分类为持续信号和脉冲信号，最后通过频谱特征分类器识别出施工机具类型，共可识别汽车、切割机、手镐、液压冲击锤、挖掘机5 种典型施工机具。

图4 识别算法流程

图5—7 分别为切割机距离电缆通道10 m 施工时、挖掘机50 m 施工时和液压冲击锤18 m 施工时的时域信号和频谱图。可以看出，切割机信号与白噪声相似，不具备周期性，频谱图中幅值在7 500 Hz 以内相差不大；挖掘机信号没有周期性，信号波形很大程度上与操作人员的操作有关，其每个时刻的频谱有的相似，而有的又差别很大；液压冲击锤信号具有明显周期性，但每一周期间频谱有不同程度的差别，且频谱很宽，属于带宽信号，因此液压冲击锤的振动信号是非平稳的周期性带宽信号。

2.3 图像识别

振动波形只能通过分类器识别有限的5 种施工机具，且振动信号受外界多种因素干扰，迈克尔逊干涉原理上也难以实现对振动源的准确定位和距离判别，因此需结合图像识别技术对现场振动源进行视觉定位和图像识别。图像识别技术采用开源神经网络算法YOLOv2，该算法的模型训练如图8 所示。首先将ImageNet 分类数据集用于分类模型的预训练；接着利用Pascal VOC 和Ms COCO 物体检测数据集进行微调完成检测模型预训练，将训练好的模型迁移至施工机具识别问题上进行迁移学习。迁移学习采用自建的施工机械图像识别库，现场采集1.1 万张各类施工机械图片，其中1 万张图片用于训练集，1 千张用于测试集。为了使模型更具鲁棒性，训练集的图片经缩放、裁剪、旋转等操作使其具有更高分辨率和更多角度。

图5 切割机10 m 信号波形

图6 挖掘机50 m 信号波形

图7 液压冲击锤18 m 信号波形

图8 图像识别算法训练流程

图像识别模型经多次训练后准确率高达96.6%，与光纤振动监测识别模块高度融合，神经网络识别效果如图9 所示。

图9 神经网络识别效果

3 防外破监测预警系统现场验证

运维人员在施工沿线涉及的一回220 kV 电缆通道上试点部署了该系统，设置500 m 通道范围防区（如图10 所示），以验证系统监测效果。

在该系统试点运行的5 个月内，共收到23起光纤外破报警，统计数据见表1。经图像识别和人工验证后发现，汽车和手镐信号报警各出现3 次误警，光纤振动报警准确率达74%，而图像识别结果与人工判别结果均一致。某日傍晚，监测装置收到入侵报警信号，通过平台推送的系统监测振动信号波形和对应图像识别结果分别如图11、图12 所示，发现在电缆通道保护区存在挖掘机施工和可疑人员入侵，经与施工单位现场对接，成功阻止了一起外破事件，确保了线路安全运行。

图10 系统安装示意

表1 试点应用5 个月内报警情况统计

图11 客户端振动波形

图12 触发报警球机图像识别

4 结语

本文介绍了迈克尔逊干涉光纤振动传感原理，并基于传感原理结合图像识别技术设计搭建了一套光纤振动源防外破监测预警系统。该系统以光纤作为传感器监测振动信号，同时联动监控球机拍摄现场照片进行图像识别，实现了对电缆通道保护范围振动源的高灵敏度、高准确率外破预警和视觉定位。该系统已在电缆生产运维中试点应用并取得良好效果。

（1）该系统以长约500 m 的电缆段作为一个防区，光纤随通道敷设，结合智能接地箱安装监测主机等设备，使用边缘计算设备提高系统响应，监测数据接入电缆精益化管理平台。

（2）振动信号监测识别模块针对施工机具特点设计3 层分类器，可实现对汽车、切割机、手镐、液压冲击锤、挖掘机5 种典型施工机具的监测识别。

（3）图像识别模块采用YOLOv2 神经网络算法，经训练后可准确识别人和机械等多种常见可疑对象，准确率达96.6%。