（江苏华能电缆股份有限公司江苏高邮225613）
摘要：这几年，我国的经济水平快速发展，科技的支持力量也在不断地增长，国家在电力系统和对电网运行质量要求上也有了提高。由于电力电缆作为电力系统中举足若轻的关键部分，可以保证电力系统和电网运行更长期、安全以及稳定。但是电力系统极易因自身运行因素以及外界环境而受影响，使其在运行中会发生电力电缆故障问题，给人们正常日常生活和生产造成很大的影响。因此，作为政和相关的企业要加大对电力电缆状态监测和数据修正技术的力度。基于此本文对电力电缆状态检测过程中所出现的故障和问题做了分析，以期为企业以及相关部门提供借鉴，以促进我国的电力行业更快发展。
关键词：电力电缆；状态监测；数据修正
目前在线监测电缆线路敷设的环境温度，通常使用较多的是分布式光纤测温技术，但因为电缆线路之间间距比较远以及分布面广等特点，此技术就有了采集频率高、分布式光纤节点部署不均衡以及感知数据强关联等有特点，加之因为受系统噪音以及损耗影响，使测的电力电缆数据的真实性受损，就造成了误报和漏报，导致应用具有局限性。目前给数据管理技术以及数据质量有了更多的要求，这样光纤传感监测技术就可以更好地在实际被应用，使电力电缆感知数据的质量得到有效的提高，同时计算可以实现有效，并且实现准确报警。
为了提高传感器节点采集数据质量，在传统上使用最简便的方法是多次数的采样，接下来最终的采样数据会以采样数据的平均值为数据，但是此方法的弊端是大量的采样时间被占用，而且要很多的存储空间。有一文献提到采用最小一乘估计的多传感器信息融合为基础的方法，缺点是但这需要更多的传感器需要很多，而且系统的成本也增加了。另一文献为了使数据更具有可信性以及精确性，针对一样的检测目标时在综合分析对此多个采集节点采集到的信息采用的是Kalman滤波，但这种算法应用主要局限在传统数据挖掘以及网络入侵检测中。
基于前人员的研究本文在得出传感器数据流的预测模型时采用的是线性自回归方法，同时提出了一种可以预测模型自动调整的策略，实现了在预测误差超过预先设定阈值时，会对预测模型进行自动调整，这样分布式光纤传感器信息的质量就会得到提高，当数据出现异常问题时，可以得到有效修正，最大程度上使光纤检测系统的缺陷发生率降低了，就不用在现场工作浪费大量时间
1、光纤监测原理
一般，光传播特点：当在光纤中当光传输时，就会有向后的散射信号和光时域反射产生，分布式光纤传感技术利用此特点，实现了准确定位的功能，而且还能够实现给相关点进行温度感知以及实现测量的准确度。由一些参考文献可以知道，在待测温度函数中：
式中，Ｉａｓ是反斯托克斯光强；Ｉｓ是斯托克斯光强；ｖａｓ是反斯托克斯光频率；ｖｓ是斯托克斯光频率；ｖ０是瑞利光频率；ｃ是光速；ｈ是普朗克常数；ｋ是波耳兹曼常数；Ｔ是绝对温度。由式（１）可以得到：
对于固定温度有
由式（2）和式（3）可得到：
由式(4)可知，对测温系统采取标定后，接下来测定R(T)，基于己知温度T0下的R(T0)，再通过后向光波的传播时间，进一步把沿光纤每个测量点的温度值测量出。但是电力电缆由于很长时间的运行就会因为日照、人为因素、雨雪以及电磁感应、还有整个系统噪声以及损耗等因素影响，导致光波通过电缆传输时，还有当数据传到数据中心过程时，就会使测的电力电缆数据真实性受到影响，就会造成漏报以及误报。
2、分布式光纤温度传感系统结构及硬件平台
分布式光纤温度传感系统结构如图１所示。原理就是：当驱动电路发出驱动信号后，调制大功率激光器，并且就会有一路同步脉冲发出，控制A/D（模／数）采集卡。对激光器调制后就会发出脉冲光，当CWDM（粗波分复用）以后，加入参考光纤，接下来要把传感光纤连接到参考光纤的末端。当脉冲光通过光纤传输时，就会有瑞利散射发生，光波前进方向不同的背向散射光在散射方向上含有斯托克斯光和反斯托克斯光，通过CWDM分路后，APD（雪崩光电二极管）会接收，经过光／电转换，经过转换后，电信号就会通过滤波以及信号放大电路以后，A/D采集卡要采集，处理时要通过计算机完成。
图１光纤温度传感器系统结构示意图
硬件平台由三部分组成，包括客户端、子系统以及集成软件平台。各子系统主要做的事是采集各自的监测参数，经过分析、处理以及存储，进一步经过TCP/IP（传输控制协议／网际协议）把数据传到集成软件平台。每个子系统上传的数据要被集成软件平台的接口模块接收，进一步统一转换成标准格式然后于数据库中储存，集成软件平台上层会经过分析进一步应用。利用网络每个客户端会将集成软件平台上的数据进行查看，进一步把对应的业务功能请求提出来。集成软件平台利用网络化架构，数据就会实现采集到转换，处理到分析以及展示，进一步通过TCP/IP与，利用电力部门其他软件系统把数据进行交换。
3、不确定感知数据的可靠性保障算法
3.1、自回归模型建立
第一要采集N个样本点，利用智能采样算法进行采集，{X}：X1，X2，…，XN。假设X1，X2，…，Xt-1与Xt的计值X^t有下列关系：X^t=β1Xt-1+…βnXt-n+εt，其中β是需要计算的相关参数，ε是个随机变量，也是计算数据的随机误差，接下来，自回归模型可以用下面的公式表示:
接下来进一步将智能采样方法获得的{X}序列带入式（5）中可以得到以下方程组：
那么，如果用矩阵的形式，可以具体的表示为：
Y=xβA+ε，其中：
根据多元回归理论的有关知识，可以得到，参数矩阵β的最小二乘值为：β=（xTx）-1xTy。当建立自回归模型时，需要第一考虑模型阶数n的参考值。若是选择阶数n值过大，就会导致计算问出现问题，全时段全方位地监测数字信号就会遇到很多难题以及困难。但是n选择过小，就不会得到具有代表性的数据序列。
3.2、自回归模型的预测
由以上讲起的式（5）可以得到，若是随机变量εt的值未知，那么∑βiXt-1就会是Xt的相应的预测值。与此同时，若已知参数Xi和βi，就可以利用具体的计算公式，相应的预测值就会被计算出。当我们计算时，当前状态下，直接可以假设Xt就是t的实际值，同时从前文所讲的式（5）就可以预测下一阶段和下一状态的数值。实际计算和实际感知的数据时，Xt数据可能就会有很多不同状况发生，这就是与参数模型的数据不符合。但此时若还是依然利用Xt的值预测Xt后面的数据值，导致会发生失真现象。此时代替时就要用到自回归模型的预测值，最后就会最大可能地使计算所带来的误差降低。
结束语
总之，笔者当对样本点进行采集时，会利用智能采样的算法，这就使布式光纤传感器获取信息的质量以及可靠性得到很多的提高，进一步就会实现监测电力电缆的状态和修整数据更具有稳定性、安全性以及可靠性。另外，当传感器数据出现异常的情况时，本文利用线性自回归法，实现了预测传感器数据流的目的，若利用线性自回归法得到的预测值若没有在预先设置的阀值内，还可以实现数据自动修正，模型会调整，就会使分布式光纤传感器系统的缺陷率大大降低，大大地使工作效率得到提高，我国实现数据修正技术的更进一步发展。
参考文献：
[1]孙世国，黄志敏，叶尚兴，江友华.基于分布式光纤的电力电缆检测数据质量优化技术[J].电力建设，2014，09:53-58.
[2]江友华，黄志敏，万勇.电力电缆状态检测及数据修正技术的研究[J].光通信研究，2014，05:37-40+62.