声纹识别在电力电缆防外力破坏的应用

声纹识别在电力电缆防外力破坏的应用

摘要：城市电缆属隐蔽设备，外力破坏一直威胁着电缆线路的安全运行，严重危及电网安全。目前城市电缆防外力破坏，通常采用人工巡逻的方式对可能存在的施工隐患进行排查，覆盖面积和巡视周期非常有限，人力成本极高，而且城市电缆的分布广泛，存在于城市的各个角落；只有当外力破坏挖断电缆以后，才知道电缆被破坏，不能对破坏电缆线路的隐患进行提前预警。鉴于此，本文对电力电缆外力破坏的声纹识别展开探讨，以利于更好保护电力电缆不受外力破坏。

关键词：电力电缆；声纹识别；定位技术

引言

配电电缆通道的环境复杂，通常伴随有小型汽车、中大型货车、行人等外界运动物，不同的外界运动物对电缆通道造成的振动特征也不尽相同，因此，有必要对不同的外界运动物对电缆通道造成的振动特征进行识别研究，建立有效的振动识别阈值，对配电网电缆通道的外破防御提供指导性建议。

一、破坏源定位与识别

一方面，关于施工源定位问题，检波器阵列监测微地震信号技术来实现电缆外力入侵破坏风险的评估监测，采用检波器阵列进行科学布点组网，使有限的预警装置能任意三个组成检波器阵列。在同一时间点上，当两个振动传感单元接收到同一振动源所产生的振动信号时，通过振动信号到达这两个传感单元的时间差值就可以确定振源到达这两个传感器的距离差值，振源处于这两个传感单元所确定的双曲线上，如有三个传感单元就可以确定两条双曲线，那么振源信号必然处于两者的交点上，从而实现振源信号的空间定位。

另一方面，关于施工源种类识别问题，虽然在动物声音、音乐、语音等相关领域有大量关于声音分类的研究，但城市环境声音的分析工作较少。现有的研究也主要侧重于听觉场景类型（例如街道，公园）的分类，缺少对工程机械设备

（如手持电镐、切割机、机械破碎锤、挖掘机等）的特定声源的识别。而且城市

环境中含有大量的噪音，如何准确的判别并识别出需要的声音，具有重要的学术

和应用价值。声音分类识别算法主要是通过人工智能深度学习的卷积神经网络CNN来实现。随着深度学习理论的快速发展，基于卷积神经网络(CNN)的特征提取

技术也在各领域得到广泛的应用。CNN可以通过训练，从原始数据中自动的去提

取特征，特征的选择和提取一步到位，避免了手工提取特征或者人工规则设定，

可实现对四大工程机械的准确识别。通过物联网技术将震动与声音信息及时上传

到电缆防外力破坏风险评估预警平台，根据采集和监控设备上传的数据信息，通

过城市电缆防外力破坏风险评估预警平台系统进行数据整理和大数据分析，在电

缆被破坏前对施工人员进行反馈预警。

二、技术手段在防电缆外力破坏的必要性

近年来，电缆通道附近市政建设等施工日益增多，人工巡视任务量剧增，加

上外力入侵行为的随机性，现有人力已无法满足全时段、准确快速到位巡防的工

作要求，电缆外力破坏威胁无法得到有效监控。在不同的使用环境下，如不同的

铺设方式、不同的电缆、不同的温度等等，这些所有的外部环境都会由于配电电

缆线路分布范围广，运行人员难以同时将整条线路情况及时掌握。随着城市建设

发展速度的加快，各种违法、违章行为造成的配网电缆线路绝缘层破坏形成接地

短路、不同回路短路等事故层出不穷，在给供电企业造成巨额经济损失的同时，

对人们生命财产安全也造成极大的威胁，分析外力破坏发生原因，采取预防措施，提前预警，尤为重要。

三、城市电缆防外力破坏风险评估预警技术

以前技术手段主要有两种：

一是利用电缆物理特性进行检测，主要有漏电电流检测法、电力线载波检测

法和点式应变传感器检测法，其原理和缺陷如下表所示：

二是目前分布式光纤传感技术也开始被应用于地下电缆防损检测，原理光纤附近某一点的温度或者应变力发生变化时，光纤中的信号将受到入侵信号的调制而变生变化，在电缆铺设的过程中同时布置分布式光纤传感器系统，当电缆线路附近有施工作业时，分布式光纤中的传感信号发生改变，通过对信号进行分析得出相应的具体施工位置。这种技术在对已埋的电缆进行施工防护时，需要将原来的电缆扒出泥层，再进行敷设相应的光纤，施工工程较大。

目前输电线路外力破坏现象的不断发生逐步引起了人们的重视，目前国内外

研发出了各种不同类型的防外力破坏探测装置。早期设计的防外力破坏装置有红

外探测装置和声控探测装置。近年来，开发了诸多新型的防外力破坏装置，主要

有基于微波感应的探测系统、基于加速度传感器的监测系统、基于雷达的探测器

系统、基于激光的探测器系统。此外，还有基于声音的检测系统、基于视频的监

测系统，它们也是现阶段应用范围最广、应用最多的监测系统。

红外探测装置是依据红外探头探测到人体发射红外线的原理进行工作的，探

头上的红外感应源能够收集外界的红外辐射，当红外辐射温度发生变化时，红外

感应源就会向外释放电荷，监测装置监测到就会把信号传播出去。声控探测系统

是利用安装在防护区域的声控探头收集声音信号实现监控报警的。这2种装置都

存在易受外界因素干扰的缺点，时常发生误报现象，严重时还会出现短路失灵，

因此现在已逐步被淘汰。

声音识别定位预警技术则是利用环境音等结合深度学习的方法。声音携带了

大量物理事件的信息，是日常工作生活中常见的信息载体。人类拥有自主分析识

别周围的声音场景（地铁，公园，游乐场等），并识别出场景中存在各个声源

（汽车发动机，鸟叫等）的能力。在智能化飞速发展的今天，对机器的环境感知

能力提出了新的要求。通过对环境声音的分析，可以帮助机器更好的感知周围环境，加快智能化的应用进程，所以开发基于计算机的自动分析声音中所包含的物

理事件信息的算法在多种应用中具有极高的价值。但是在现实的声场环境中，通

常同时存在多个声音，并且存在所需声音被背景噪声干扰的问题，因此准确提取

声音信息十分困难。对声信号的处理方式是通过傅里叶变换将声信号转化为频域

和时域信息，通过对频域和时域特征的分析来进行识别分类。

四、外力破坏定位技术

采用地震检波器阵列，获取垂直于地面方向的地表振动信息，通过高速采样、滤波的方式对数据进行处理后根据施工信号到达检波器阵列各阵元的时间差解算

施工源位置，当判断施工源位置距电缆线路的距离小于60m 时发出预警信息。研

究采用了磁电式地震检波器结构。线圈与壳体之间随地表振动产生相对运动，线