具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：如图1至图6所示，本发明提供了一种基于边缘计算的电力电缆监测分析系统，包括：

监测模块，监测模块全面监测电力电缆运行数据，并将数据分别发送至前处理器；

前处理器，前处理器用于对监测模块监测的数据进行分类、清洗和标准化，然后将数据通过统一接口发送至中央处理器；

机器学习模块，机器学习模块用于根据前处理器处理后的数据以及云数据库的大数据建立电力电缆运行模型，并通过机器学习优化模型，得到电力电缆最有运行数据标准；

分析模块，分析模块用于将电力电缆实时运行数据与标准模型数据进行对比分析，判断电力电缆故障隐患并对其进行定位，便于及时查询，以及在确认故障后判断故障类型并发出警报；

云数据库，云数据库用于收集互联网上电力电缆建设和运行数据，便于根据大数据建立电缆运行模型；

客户机，客户机用于显示系统运行结果，并向管理人员发送分析报告以及警报，且用于管理人员查询和录入系统数据；

存储模块，存储模块用于存储前处理器和中央处理器运行日志和数据；

中央处理器，中央处理器用于协调上述模块进行工作，用于数据调用命令在其权限内的各数据库内调用相应的数据，并将这些控制命令发送到对应的模块。

进一步的，监测模块包括智能接地箱单元、智能井盖单元、光纤测振单元和视频监测单元，其中，

智能接地箱单元作为高压接地电缆接地线的连接设备，用于电力线及高压接地箱防盗报警、环境监测、电缆环流数据实时监测，内装0～500A单模精确电流互感器及精确接地环流采集模块,实时监测110kV及以上高压电缆的每个高压电缆金属护层接地点的电流、电压参数(六路ABC三项)，实现对0～500A接地环流精确测量及定时巡检测量，并安装开门警报装置，在箱门被撬开时发送实时警报信号，并通过安装的温度、烟雾传感器，监测箱内环境参数；

智能井盖单元通过安装的定位器和开启锁具监测单元，建立遍布电力电缆的井盖管理的智能网络，实现对井盖状态的主动感知，实时监控，一旦井盖丢失，立即发送报警信息到前处理器；

光纤测振单元采用分布式光纤测振，在灵敏捕捉外部振动的同时，通过外部的振动信号从而达到对振动位置自动定位的效果，做到外破故障的实时监测；

视频监测单元利用智能摄像头实现防护区域的远程监控，并将监测数据发送给前处理器，前处理器通过图像识别视频流中可疑目标对象，实现跟踪监测。

进一步的，光纤测振单元与视频监测单元通过前处理器进行协同运作，光纤测振单元捕捉到有效的外破振动信号，并发送至前处理器后，前处理器反馈控制视频监测单元，触发视频监测单元的摄像头对现场进行拍摄，并将拍摄信息发送至预处理器，实现双向监测。

进一步的，智能接地箱单元包括箱体1，箱体1内开有两个安装腔3，安装腔3的一侧均铰接箱门2，安装腔3的另一侧均固定安装防盗锁4，一个安装腔3内安装电缆接地装置5，电缆接地装置5处的安装腔3内安装防火装置6，防火装置6为多个温度、烟雾传感器和干粉灭火剂储罐，另一个安装腔3内固定安装供电网络模块7、UPS储电装置8、接地电流电压监测装置9、防外破监测装置10和故障定位装置11，通过接地电流电压监测装置9、防外破监测装置10和故障定位装置11监测电缆状态，接地电流电压监测装置9为0～500A单模精确电流互感器及精确接地环流采集模块，防外破监测装置9为连接分布式光纤的信号接收器，故障定位装置11为设有编号的GPS模块，用于各个接地箱位置定位。

进一步的，前处理器包括数据交互单元和数据预处理单元，数据交互单元用于和多个监测模块以及中央处理器进行数据传输，预处理单元用于对监测模块传输的数据进行预处理，减小中央处理器运算负担，提高系统运行效率。

进一步的，预处理单元包括数据清洗和数据标准化，数据清洗通过预先设定FIFO方式，将设定部分异常数据由进行本地化处理，数据标准化将智能接地箱单元、智能井盖单元、光纤测振单元和视频监测单元监测的数据进行预处理，并以数组+链表+红黑树的统一结构进行上传，便于中央处理器接收处理。

进一步的，机器学习模块包括建模单元和学习单元，建模单元用于根据监测数据以及大数据建立电力电缆运行模型，学习单元用于通过神经学习网络对模型进行优化。

进一步的，建模单元包括模型建立和模型审核，模型建立根据电力监测数据建立诊查识别库，提取信号及特征参数，采用不同的核函数及特征参数进行建模，模型审核用于对各种已建好的模型进行测试，比较各核函数的优劣，选择最适宜的函数模型；

学习单元学习过程包括：采集云数据库内电力电缆运行故障数据，对故障数据进行分析，获取导致线路故障的原因因子，然后以原因因子为自变量，以发生故障的次数为因变量，采用标准化逐步回归方法从原因因子中筛选出导致电力故障的关键因子，对关键因子的数据进行归一化处理，得到归一化特征数据，然后使用多层循环神经网络学习高维特征，优化电力电缆模型，确定各参数标准。

进一步的，分析单元包括故障预测、故障定位和故障警报，故障预测用于将预处理器处理后的数据与电力电缆模型参数进行对比，对比得出异常参数，判断故障隐患，故障定位用于根据异常参数内包含的位置信息，快速确定故障位置，便于检修人员快速前往进行确认处理，故障警报用于将故障信息进行分类，根据类别发出警报。

一种基于边缘计算的电力电缆监测分析方法，包括如下步骤：

S1、监测模块通过智能接地箱单元、智能井盖单元、光纤测振单元和视频监测单元，全面监测电力电缆运行数据，并将数据分别发送至前处理器；

S2、前处理器数据交互单元用于和多个监测模块以及中央处理器进行数据传输，预处理单元用于对监测模块传输的数据进行预处理，减小中央处理器运算负担，提高系统运行效率；

S3、中央处理器接收预处理后的监测数据，通过机器学习模块根据监测数据以及大数据建立电力电缆运行模型，并通过神经学习网络对模型进行优化，确定电力电缆模型参数；

S4、分析单元通过故障预测将预处理器处理后的数据与电力电缆模型参数进行对比，对比得出异常参数，判断故障隐患，通过故障定位根据异常参数内包含的位置信息，快速确定故障位置，并通过故障警报将故障信息进行分类，根据类别向客户机发送警报，便于管理人员快速前往对应电力电缆位置进行处理。

使用时，监测模块通过智能接地箱单元、智能井盖单元、光纤测振单元和视频监测单元，全面监测电力电缆运行数据，并将数据分别发送至前处理器；前处理器数据交互单元用于和多个监测模块以及中央处理器进行数据传输，预处理单元基于边缘计算，用于对监测模块传输的数据进行就近竖立，将数据进行预处理，减小中央处理器运算负担，提高系统运行效率；中央处理器接收预处理后的监测数据，通过机器学习模块根据监测数据以及大数据建立电力电缆运行模型，并通过神经学习网络对模型进行优化，确定电力电缆模型参数；分析单元通过故障预测将预处理器处理后的数据与电力电缆模型参数进行对比，对比得出异常参数，判断故障隐患，通过故障定位根据异常参数内包含的位置信息，快速确定故障位置，并通过故障警报将故障信息进行分类，根据类别向客户机发送警报，便于管理人员快速前往对应电力电缆位置进行处理。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。