基于OTDR的智能變電站光纖回路檢測改進方法

摘 要：【目的】在智能變電站建設過程中，為精確檢測智能變電站光纖回路中光纖熔接、受壓等因素導致的非反射性事件，提出了基于光時域反射儀（OTDR）的智能變電站光纖回路檢測改進方法。【方法】通過時鐘移相模塊進行移相，并進行多次重復測量，對各相位數據進行插值組合，得到更高的采樣頻率。這樣可以在不增加硬件成本的基礎上大幅提高OTDR的采樣精度。同時通過小波去噪和突變量信號增強技術，抑制噪聲，突出增強事件點的小波系數，使有用的信號更加容易被檢測出來，提高了智能變電站光纖回路的檢測水平。【結果】經過現場試驗檢測，該方法能夠精準地檢測出光纖受壓、過度彎曲、熔接不良等事件點。【結論】該方法能夠有效檢測智能變電站光纖回路中存在的異常現象，防止隱蔽性缺陷影響變電站的運行，具有較大的工程應用價值。

關鍵詞：智能變電站；光纖回路；檢測；光時域反射儀

中圖分類號：TM77" " "文獻標志碼：A" " 文章編號：1003-5168（2024）20-0005-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.20.001

Improvement Method of Optical Fiber Loop Detection in Smart

Substation Based on OTDR

Abstract： [Purposes] During the construction of intelligent substation， to accurately detect non reflective events such as fiber fusion and compression of the fiber optic circuit in intelligent substations， an improvement method of optical fiber loop detection in smart substation based on OTDR is proposed. [Methods] The clock phase-shifting module is used to perform phase shifting and multiple repeated measurements， and then the interpolation and combination of each phase data are performed to obtain a higher sampling frequency. This method significantly improves the sampling accuracy of the optical time domain reflectometer （OTDR） without increasing hardware costs. At the same time， through wavelet de-noising and sudden variable signal enhancement techniques， noise is suppressed and the wavelet coefficients of event points are highlighted. The useful signals are easier to be detected and the detection level of intelligent substation fiber optic circuits is comprehensively improved. [Findings] After on-site testing， the proposed method can accurately detect events such as fiber compression， excessive bending and poor fusion. [Conclusions] Those methods can effectively detect abnormal phenomena of the fiber optic circuit in intelligent substations， prevent hidden defects from affecting the operation of substations， and has great engineering application value.

Keywords： intelligent substation; optical fiber loop; detection; OTDR

0 引言

智能變電站中通過大量的光纖，實現保護裝置、合并單元、智能終端等二次設備之間的通信連接，進而實現站內二次設備的信息共享和設備互操作［1］。在智能變電站運行過程中光纖通信鏈路不可避免會出現一些故障，例如，接頭盒受潮或進水導致光功率衰減增大、光纖接入損壞等，這些故障在很大程度上會影響通信設備的正常運行［2］。為了保障智能變電站的可靠運行，部分專家學者和工程技術人員對智能變電站光纖回路的運行狀態監測和測試開展了大量的研究。范坤鵬等［3］和馬偉東等［4］提出了智能變電站光纖二次虛回路的可視化展示技術，通過回路可視化連接圖，可快速確定光纖兩端連接端口的位置，便于運維檢修人員的巡視和故障查找。王高磊［5］、鐘鳴等［6］和崔兆陽［7］提出了智能變電站光纖回路故障的自動診斷方法，通過對變電站的SV、GOOOSE、MMS等海量的報文和數據進行分析，獲取關聯的故障位置信息，建立故障定位模型，實現光纖回路故障的自動定位。谷相宏等［8］和張峰等［9］分別從不同角度引入了光纖通信中的光口發送功率、光強等，實時監視光纖回路的通信狀態。以上方法較為適用于光纖回路存在明顯損傷或異常的狀態，而光纖纖維的直徑為微米級別，較為脆弱［10］，光纖熔接質量不高或受壓都有可能影響到光纖的通信性能，若不及時處理，將來可能會造成光纖通信鏈路的中斷。對于此類事件，一般使用采用光時域反射儀（OTDR）進行測試［11-13］。由于儀器的取樣分辨率和信噪比較低，難以對事件發生點進行準確定位，因此，本研究改進了智能變電站的光纖回路測試技術，以提高測試的精度和準確度，實現光纖網絡中事故的定位。

1 智能變電站光纖回路測試影響因素

1.1 噪聲影響

光時域反射儀（OTDR）的工作原理如下：通過測試儀器向光纖中發射短脈沖光，然后部分光通過光纖介質中的瑞利散射或菲涅爾反射被反射回來。光纖中不同位置的反射光的衰減和反射特性不同，通過分析不同時刻返回的光功率值及光傳播時間和傳播距離的關系，可得到OTDR測試曲線。OTDR測試曲線中的總體光功率衰減由瑞利散射引起。一般來說，曲線中有三類事件：①光纖末端；②反射性事件：體現為尖峰型突變，通常由光纖活接頭、光纖斷裂處的折射率變化產生的菲涅爾反射引起；③非反射性事件：體現為階躍型突變，通常由光纖熔接、光纖受壓產生的扭曲造成在該位置經瑞利散射后反射OTDR的光功率值發生異常衰減。通常情況下，①②類事件數量少且易于定位，而③非反射性事件數量多且難以進行精確定位，特別是信噪比很低的情況下，噪聲幅值與事件造成的信號幅值突變規模相近，對事件的檢測及定位造成極大干擾。

1.2 測距精度及分辨率參數影響

測距精度是指通過光時域反射儀測量得到的光纖事件距離與事件點真實距離的偏差程度。測距精度能夠反映光時域反射儀對于光纖中故障點和異常點定位的精準度。而影響測試儀器測距精度的主要因素是采樣分辨率的大小，如果測試儀器的采樣分辨率越高，那么所測得結果的誤差越小，精度越高。

由于盲區的存在，如果提高其采樣分辨率就要縮小脈沖寬度，但是這樣會帶來動態范圍縮小的問題。在變電站的光纖實際測試過程中，光纖回路上有多個光纖接頭，OTDR所測試的光纖的長度在多個光纖接頭連接后會變長，因此，在實際測試過程中，若要保證測試結果的精確性，則要隨時調整OTDR的測試參數。

分辨率是指OTDR的數據采樣間隔，其確定了背向散射曲線上的事件點的定位精度［11］。取樣分辨率是兩取樣點之間的最小距離，該指標決定了OTDR定位事件的能力［12］。

分辨率較低導致的采樣誤差如圖1所示。由圖1可知，采樣分辨率的大小會影響采樣的誤差，誤差越小，測試精度越高。設光在光纖傳播的介質參數為1.5，則光在光纖中的傳播速度為2×108 m/s。如果要實現光時域反射儀的測試分辨率為1 m，那么ADC的采樣頻率應為200 MHz。如果測試分辨率提高至0.1 m，則ADC的采樣頻率需提高至2 GHz。要想實現如此高的采樣頻率，一方面ADC硬件價格十分昂貴，另一方面在數據的接收端口也需要有很強的接收處理能力，這樣將導致產品開發難度增大，產品成本增加。

2 基于小波算法的去噪方法

與傅里葉變換相比，小波變換能夠隨著頻率的變化而改變分析的尺度，實現信號的時間（空間）頻率局部化分析。其主要特點是可以通過伸縮平移運行聚焦到信號的某個細節進行分析，最終實現充分突出問題特征的目的。小波變換克服了傅里葉變換的缺點，是對信號特征進行分析處理的理想工具。

2.1 小波去噪

在變電站現場檢測過程中，受到測試條件、環境等因素的影響，測試的結果一般含有噪聲，其測試的數據是由真實反映光纖回路的數據和噪聲混疊而成的。如果直接對測試結果進行小波變換，那么所得的小波變換值也是由反映光纖回路真實數據的小波變換值和噪聲的小波變換值疊加的。如果利用小波變換的極大值來檢測奇異點，從而判斷事件發生時刻，那么當噪聲較大時，所測的奇異點也有可能是噪聲所產生的，這將影響測試結果的正確性。因此，必須對測試結果進行去噪處理，在消除噪聲影響的同時，又能夠保留實際事件點所生成的高頻信號。

在研究了適合OTDR信號的去噪方法，并對模極大值法和閾值去噪法進行比較分析后發現，OTDR曲線的反射事件是峰值突變信號。對于峰值突變，即信號在突變時刻疊加了一個脈沖函數，由于其與噪聲的Lipschitz指數都小于0，隨著尺度的變細，小波系數的幅度都在減小，很難將其從噪聲中區分出來。因此，很可能會造成反射事件的漏判。而采用閾值去噪法對OTDR信號去噪時，能很好地解決這個問題。非反射事件近似為邊緣突變點，Lipschitz指數大于（等于）0的事件信號的小波系數隨著尺度的增大，幅值變大（不變），與噪聲的變化趨勢正好相反。這樣盡管在小尺度上閾值去噪法將個別變化不明顯的非反射事件點去掉，但是隨著尺度的變大，這類信號又會在小波變換的高頻信息中顯現出來，很容易判斷出來。另外，閾值去噪法的運算量很小，運算速度非常快，能夠快速地完成去噪。因此，本研究采用閾值去噪法對OTDR信號進行去噪。閾值去噪法的關鍵是選擇合適的閾值規則。

2.2 突變信號增強

由于反射信號與噪聲的Lipschitz指數都小于0，但隨著尺度的變細有相同的變化趨勢。一般情況下，反射信號的幅值都遠大于噪聲，但如果噪聲很大，則可能淹沒事件信號。因此，需通過相關的增強運算來將其區分出來，以達到準確判斷所有事件的目的。

雖然某些變化不明顯的突變點很容易被噪聲淹沒，但是突變信號在各層高頻信息中的相關性很強，這樣就可以通過相關增強運算來達到突出事件信息的目的，更易于檢測。另外，由于閾值去噪法較適用于高信噪比信號的去噪，而實際的OTDR測試信號中有時會出現一些較大的噪聲，這樣噪聲就會殘留，尤其是在尺度較小的小波分解高頻信息中。所以，可利用噪聲在各層之間的相關性差的特點，進一步消除較大的噪聲。為進一步增強突變信號的特征，在其小波變換系數的乘積上乘以一個系數K，可以突出在某個尺度上的特征范圍，但這樣不符合能量準則，要對其進行規范化處理。通過計算出其在尺度j上的小波系數能量與相鄰尺度j和j+1小波系數乘積的能量之比，帶入新的小波系數，這樣既可以增強突變量信號小波系數特征，又使得增強后小波域的能量不變，從而得到本研究所設想的效果。

總的來說，小波變換由于具有良好的時頻局部化特性，通過對不同的頻率成分采用逐漸精細的采樣步長，聚焦到信號的任意細節，能很好地處理微弱或突變信號，特別適合分析非穩態畸變波形問題［14］。

3 基于時鐘移相的重采樣

3.1 基于時鐘移相的重采樣方法

對于同一段光纖，光時域反射儀可對其進行反復多次的測試，利用移相技術，可以提高采樣精度，提升事件距離的測試精度，同時避免了縮小脈寬帶來的動態范圍縮小的問題。該方法對采樣時鐘進行移相，然后進行多次重復測量，將測試數據進行穿插組合，即可得到等效頻率為N·Fs的采樣頻率進行采樣的數據。其中，N為移相次數。按照上述需求，如果要得到分辨率為0.1 m的采樣數據，則需要以同樣的200 M Hz采樣頻率進行采樣，利用時鐘移相模塊對采樣頻率進行移相，并進行多次重復測量，這樣只需要移相10次，即可得到等效頻率為2 GHz的采樣頻率數據。

移相采樣技術效果如圖2所示。由圖2可知，Fs1的上升沿為采樣頻率的采樣點，將Fs1進行1次移相后所得到的采樣頻率的點即為Fs2。加入每次移相的時間為1/2×Fs1，那么正好可以將1個Fs1的周期2等分，將2次采樣數據組合起來即可等效為2×Fs1的采樣頻率所采集得到的數據。同理，通過多次的移相，可以將采樣頻率提高更多倍。

3.2 基于時鐘移相的重采樣方法的實現

選取一個40 MHz采樣頻率的ADC芯片，在FPGA內部對時鐘進行32次移相，每次完整的采樣分為32次采樣，之后將32組數據進行組合，即可得到等效頻率為32×40=1 280 MHz的采樣數據，實現理論分辨率為0.156 m。其處理流程如圖3所示。由此可通過FPGA高精度的延時采樣時間、多周期順序采樣合成法實現高分辨率采樣。

4 技術應用

綜合利用本研究所提的移相采樣技術和小波去噪方法，可有效提高光時域反射儀的采樣精度，并將高頻信息通過濾波，削弱噪聲后再進行相關增強運算，從而進一步抑制噪聲，突出事件點信息。

基于本研究所提的方法已研發相關裝置并在220 kV澧河變、220 kV卓越變變電站進行了現場應用。通過現場驗證，此方法能精準檢測出光纖受壓、過度彎曲、熔接不良等事件點，為智能變電站光纖回路隱蔽性缺陷的查找和處理提供了技術支持。相關工作原理如圖4所示。

5 結語

本研究分析了在使用光時域反射儀進行智能變電站光纖回路檢測過程中遇到的難題，并從提高設備采樣率和減少噪聲影響兩個方面出發，提出了技術優化措施。通過時鐘移相在不增加硬件成本的基礎上，大幅增加了光時域反射儀的采樣率，避免了采購高采樣頻率的ADC帶來的成本高昂的問題。同時，通過小波去噪解決了非反射性事件信號不突出、信噪比較低、事件檢測及定位困難的問題。

目前，隨著智能變電站技術的發展，新一代的智能變電站二次系統正在推廣，其使用的光纖相較傳統的變電站更多，在運維或檢修過程中不可避免地出現光纖回路異常的問題，本研究提出的基于光時域反射儀的智能變電站光纖回路檢測改進方法，具有較大的工程應用價值，值得進一步研究。

參考文獻：

［1］趙璟，王燕萍.智能變電站繼電保護可靠性分析［J］. 河南科技，2018（11）：149-150.

［2］ 郭大亮. 電力系統中塑料光纖通信鏈路的故障檢測及其處理［J］. 塑料科技， 2020，48 （12）：114-117.

［3］ 范坤鵬， 栗江澤， 張 朋， 等. 基于SPCD的智能變電站光纖回路模型數據可視化方案研究［J］.電工技術， 2022（11）： 141-144.

［4］ 馬偉東， 韓偉， 崔寧寧， 等. 智能變電站二次設備檢修風險控制技術研究［J］. 河南科技，2018（17）： 136-139.

［5］ 王高磊. 智能變電站過程層二次光纖回路在線監測技術［J］. 自動化應用， 2022（1）： 101-103.

［6］鐘鳴， 陶軍， 劉洵宇，等.智能變電站光纖虛實回路映射及故障診斷技術［J］.中國電力，2023，56（10）：171-178.

［7］ 崔兆陽. 考慮多層信息融合的智能變電站網絡通信故障定位方法［J］. 長江信息通信， 2023， 36（5）：113-115.

［8］ 谷相宏， 郭子晗， 張程， 等. 正弦波調制全光纖電流互感器光回路故障預警方法［J］. 廣東電力， 2023， 36（7）：50-59.

［9］ 張峰， 韓偉， 宋闖， 等. 智能變電站光纖鏈路在線監測與自動化測試系統設計［J］. 合肥工業大學學報（自然科學版）， 2021， 44（8）：1038-1044.

［10］ 楊泳星， 蘇敏銳， 張堅俊. 一種適用于智能變電站光纖回路批量驗收的工具設計［J］. 電器工業， 2023 （2）：70-73.

［11］ 張閣， 王曉峰， 張之棟， 等. 基于OTDR 的電力通信光纖性能測量與數據分析技術研究［J］. 電子設計與工程， 2023， 31（20）：105-108，113.

［12］ 劉天白， 李琳駿. 基于 OTDR 的集成監控管理系統的設計與實現分析［J］. 電子質量， 2024（1）：21-24.

［13］臧益鵬，李現勤，吳松桂，等.基于改進小波變換的 OTDR 事件檢測方法［J］.光通信技術，2024，48（1）：23-28.

［14］ 唐良瑞， 祁兵， 陳常洪， 等. 一種基于小波變換的光纖故障分析算法［J］. 中國電機工程學報， 2006， 26（2）：101-105.