仪器仪表学报

作者：尚秋峰，谷元宇，樊小凯，王健健，姚国珍

单位：尚秋峰,1.华北电力大学电子与通信工程系保定071003； 2.华北电力大学河北省电力物联网技术重点实验室 保定071003； 3.华北电力大学保定市光纤传感与光通信技术重点实验室保定071003,lindashqf@126.com,谷元宇,华北电力大学电子与通信工程系保定071003,,樊小凯,华北电力大学电子与通信工程系保定071003,,王健健,1.华北电力大学电子与通信工程系保定071003； 2.华北电力大学河北省电力物联网技术重点实验室 保定071003； 3.华北电力大学保定市光纤传感与光通信技术重点实验室保定071003,ncepuwangjj@163.com,姚国珍,1.华北电力大学电子与通信工程系保定071003； 2.华北电力大学河北省电力物联网技术重点实验室 保定071003； 3.华北电力大学保定市光纤传感与光通信技术重点实验室保定071003,

关键词：输电线路覆冰;光纤传感;特征选择;集成学习;优化算法

基金：国家自然科学基金（62205105）、河北省自然科学基金（E2019502179）、河北省省级科技计划（SZX2020034）项目资助

基于Φ-OTDR的分布式光纤传感技术，通过分析OPGW中光纤的振动特征，可以实现输电线路全线路、全天候的在线健康监测。采用Φ-OTDR采集了无覆冰、1级覆冰和2级覆冰3种工况下的振动信号，充分挖掘了相位和幅值信号的时域、频域、时频域特征及其对应的统计学特性。为提升覆冰工况的识别准确率，提出基于LCPSO-AdaBoost-MCG的最优特征子集选择算法，以AdaBoost-MCG的分类错误率为适应度函数,采用LCPSO算法迭代计算最优特征子集。采用AdaBoost集成SCN、KNN、PNN、SVM4种弱分类器，构成了异构强分类器，利用每种弱分类器的优势，提高了模型泛化性能和识别准确率。经现场数据集验证，本文方法对覆冰等级的识别准确率达到了98.7%。根据本文确定的最优特征子集，可以构建覆冰等级预警特征库，为输电线路智能巡检提供有益参考。

来源：2024年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第9期