本发明涉及一种分布式光纤感温报警系统的数据优化算法，属于光纤传感领域。
背景技术：
分布式光纤感温报警系统基于背向拉曼散射原理，主要用于原油和天然气管道泄漏在线监测。当原油发生泄漏时，热油在土壤中流动，同时有热交换发生，泄漏处管道附近的温度就会升高；天然气管道中，高压气体压力高达7～9mpa，当天然气发生泄漏时，焦耳-汤姆逊效应会导致泄漏处管道附近的温度降低。分布式光纤感温报警系统的监测机理，就是借用伴随管道通讯光缆的纤芯，对管道沿线的温度进行采集，结合数据分析方法，对相应的事件进行智能化判定，为管理人员提供可靠的决策支持。
当前的分布式光纤感温报警系统的温度解调算法采用线性累加平均算法，在下位机采集模块上进行累加得到反斯托克斯一次累加光强数据和斯托克斯一次累加光强数据。
为了保证温度精度，在下位机采集模块上进行一次累加之后，还需要在上位机进行二次累加处理，二次累加完成之后进行解调计算，得到反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)，再相除得到反斯托克斯和斯托克斯光强比数据
采集模块上进行一次累加处理的时间约为5秒，上位机二次累加处理的时间往往需要1分钟，虽然提高了温度精度，但是却牺牲了系统的温变响应时间。当前的管道长度往往大于30公里，管道泄漏的温变时间往往小于1分钟。同时，在长距离的单模光纤测量中，色散效应很明显，严重影响光纤尾端的温度精度。
因此，当前的分布式光纤感温报警系统的响应时间和温度精度不能同时满足原油和天然气管道泄漏监测的应用要求，当前的分布式光纤感温报警系统算法不能满足实际的使用要求。
技术实现要素：
本发明的目的在于提供一种分布式光纤感温报警系统的数据优化方法，大大提高系统的响应时间和温度精度，满足石油石化管道泄漏监测的需求。
为达到上述目的，本发明的方案是：一种分布式光纤感温报警系统的数据优化方法，步骤如下：
第一步:在上位机的数据空间中建立两个移位寄存器l1和l2，每个的存储空间均为n，n为二次累加次数；
第二步：下位机持续采集分布式光纤感温报警系统的待处理数据，并按照预设的一次累加次数进行一次累加，每进行一次一次累加得到一组斯托克斯一次累加光强数据和反斯托克斯一次累加光强数据，输入至上位机；
第三步：上位机采集下位机输入的斯托克斯一次累加光强数据和反斯托克斯一次累加光强数据，并依次存入移位寄存器l1和l2中，移位寄存器l1和l2中的数据按存储时间先后依次排列为l1(1)、l1(2)…l1(n)和l2(1)、l2(2)…l2(n)；当移位寄存器l1和l2的存储空间存满时，完成数据处理的初始化步骤，之后通过每次左移移位寄存器l1和l2中一位数据的方式，将新的数据补充到移位寄存器数据项l1(n)和l2(n)；
第四步：移位寄存器l1和l2的存储空间存满或者每次发生移位操作后，上位机计算反斯托克斯二次累加光强数据序列
进一步的，所述的温度数据t通过下列方式得到：
对反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)进行自动色散补偿，得到自动色散补偿之后的斯托克斯二次累加光强数据is′(z)；
利用
对r(z)进行低通滤波，得到滤波后的反斯托克斯和斯托克斯光强比数据r′(z)；
进行线性温度解调t＝p1r′(z)+p2；其中
进一步的，所述的自动色散补偿包括以下步骤：
将反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)进行相邻点减法，得到δias(z)＝ias(z)-ias(z-1)和δis(z)＝is(z)-is(z-1)；
δias(z)取极值，得到反斯托克斯二次累加光强数据ias(z)尾端光强为零段的起始位置nas；δis(z)取极值，得到斯托克斯二次累加光强数据is(z)尾端光强为零段的起始位置ns；
计算反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)的色散偏差
将斯托克斯二次累加光强数据is(z)每隔δn点删除一个数据点，尾端光强为零段的最后δn点复制到is(z)的尾端，得到自动色散补偿之后的斯托克斯二次累加光强数据is′(z)。
进一步的，采用fir加窗函数低通滤波方式对r(z)进行滤波。
进一步的，fir加窗函数低通滤波包括以下步骤：
设计fir加凯泽窗函数低通滤波器，阶数为n，凯泽窗参数为β，使用matlab计算出滤波器参数f(n)；
对反斯托克斯和斯托克斯光强比数据r(z)尾端光强为零段的最后n点进行复制，得到新的数组r(z+n)；
将新的数组r(z+n)与滤波器参数f(n)进行递推卷积，得到数组
进一步的，温度解调与采集数据刷新同步进行。
与现有技术相比，本发明专利产生的有益效果是：
1、本发明算法实现简单，在二次累加次数n不变(温度精度不变)的基础上，数据优化算法的温度解调与采集数据刷新同步进行，系统的响应时间原来的1分钟提高到现在的6秒；
2、利用自动色散补偿算法消除了色散误差，自动色散补偿算法只对不含温度信息的斯托克斯光强数据进行操作，没有损失温度信息的风险，算法实现简单，节省了解调时间，提高了系统的温度精度；
3、采用fir加窗函数滤波算法提高了温度曲线的信噪比，进一步提高了系统温度精度。
4、使用了本发明所述的数据优化算法的分布式光纤感温报警系统，最大探测距离达到了30公里，对温度变化的响应时间达到了6秒，温度精度达到了±2.5℃。
附图说明
图1是本发明的数据优化算法初始化算法流程示意图；
图2是本发明的数据优化算法初始化完成后运行流程示意图；
图3是本发明的温度解调算法流程示意图；
图4是本发明的自动色散补偿算法流程示意图；。
图5是本发明的fir加窗函数低通滤波算法流程示意图；
图6a、6b分别是使用本发明所述的数据优化方法前后二次累加的斯托克斯和反斯托克斯信号曲线对比图；
图7a、7b是使用本发明所述的数据优化方法前后解调温度曲线对比图；
图8是分布式光纤感温报警系统示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
首先对本发明涉及的分布式光纤感温报警系统进行简单的说明，如图8所示，分布式光纤感温报警系统主要分为两个部分：下位机和上位机。其中下位机包括：高速脉冲光源、波分复用器、高信噪比光电转换放大模块、嵌入式采集预处理模块、标定光纤环和温度标定电路模块组成。
由高速脉冲光源发出的脉冲光经过波分复用器进入测温光纤中，在测温光纤各点位置上产生携带温度信息的自发拉曼散射，其中后向传输的自发拉曼散射光(斯托克斯光和反斯托克斯光，反斯托克斯光为携带温度信息的信号光，斯托克斯光为不携带温度信息的参考光)再次经过波分复用器耦合进高信噪比光电转换放大模块，经过光电转换变为电信号，再经过高信噪比放大电路放大，最后由嵌入式采集预处理模块进行预处理(整形、滤波、模数转化)和一次累加，最后完成预处理和一次累加的信号由嵌入式采集预处理模块送入上位机。同时，温度标定电路模块测量得到的标定光纤环的温度信息也送入上位机。在上位机中，两组温度信息通过本发明所述的数据优化算法，对温度信息进行解调。
实施例中所使用的测温光纤为普通单模光纤，长度为30km，置于室温环境下。将测温光纤尾端29450m～29550m的约100m光纤绕制成的光纤环，放入50℃恒温槽内，然后进行分布式测温。
本发明公开了一种分布式光纤感温报警系统的数据优化方法，包括以下步骤：如图1所示，开始初始化：
步骤s11:在上位机的数据空间中建立两个移位寄存器l1和l2，每个的存储空间均为n，n为二次累加次数。
n越大，温度精度越高，但是系统的响应时间越慢。通过计算可以得到n的最优值，使温度精度和系统的响应时间同时满足要求。例如，本例中在上位机的数据空间中建立两个移位寄存器l1和l2，每个存储空间均为10，10为二次累加次数。
步骤s12：下位机嵌入式采集预处理模块持续采集分布式光纤感温报警系统的待处理数据，并按照预设的一次累加次数进行一次累加，每进行一次一次累加得到一组斯托克斯一次累加光强数据和反斯托克斯一次累加光强数据，输入上位机。
步骤s13：上位机将斯托克斯一次累加光强数据曲线和反斯托克斯一次累加光强数据依次存入l1和l2中，l1和l2中的数据按存储时间先后依次排列为l1(1)、l1(2)…l1(n)和l2(1)、l2(2)…l2(n)。
步骤s14：当移位寄存器l1和l2的存储空间没有存满时，不进行二次累加，继续采集数据(即下位机持续按照图8介绍中的流程进行数据处理至一次累加，上位机持续采集下位机输入的数据)。当移位寄存器l1和l2的存储空间存满时，计算反斯托克斯二次累加光强数据序列
步骤s15：通过温度解调算法输出温度数据t。
如图2所示，初始化完成后，当下一组下位机的嵌入式采集预处理模块输入的斯托克斯一次累加光强数据和反斯托克斯一次累加光强数据进入l1和l2时，移位寄存器l1和l2中的数据依次左移一位，空出移位寄存器数据项l1(n)和l2(n)，新的数据补充到移位寄存器数据项l1(n)和l2(n)。
监测移位寄存器l1和l2的数据状态，l1和l2发生移位操作时，计算反斯托克斯二次累加光强数据序列
上面提及的温度解调算法可以采用背景技术中指出的现有算法，也可以采用下面图3所示的本发明独创的方式，本发明温度解调算法包括以下步骤：
步骤s21：输入反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)。
步骤s22：对反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)进行自动色散补偿，得到自动色散补偿之后的斯托克斯二次累加光强数据i′s(z)。
步骤s23：将两组数据相除得到反斯托克斯和斯托克斯光强比数据
步骤s24：进行fir加窗函数低通滤波算法，得到滤波后的反斯托克斯和斯托克斯光强比数据r′(z)。
步骤s25：采集当前的参考光纤温度t0，进行线性温度解调t＝p1r′(z)+p2。其中
如图4所示，自动色散补偿包括以下步骤：
步骤s31：输入反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)。
步骤s32：反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)相邻点相减，即δias(i)＝ias(i)-ias(i-1)和δis(i)＝is(i)-is(i-1)i＝1...z。得到差值数组δias(z)和δis(z)。
步骤s33：δias(z)取极值，得到反斯托克斯二次累加光强数据ias(z)的尾端光强为零段的起始位置nas，δis(z)取极值，得到斯托克斯二次累加光强数据is(z)的尾端光强为零段的起始位置ns，由于斯托克斯光在光纤中传播的速度比反斯托克斯光快，则可知ns＞nas。
步骤s34：计算反斯托克斯二次累加光强数据ias(z)和斯托克斯二次累加光强数据is(z)的色散偏差
步骤s35：斯托克斯二次累加光强数据is(z)每隔δn点删除一个数据点，斯托克斯二次累加光强数据is(z)尾端光强为零段的最后δn点复制到is(z)的尾端，得到自动色散补偿之后的斯托克斯二次累加光强数据is′(z)。
如图5所示，fir加窗函数低通滤波算法包括以下步骤：
步骤s41：设计fir加凯泽窗函数低通滤波器，阶数为n，窗参数为β，通过matlab计算出滤波器参数f(n)。
例如，本例中设计fir加凯泽窗函数低通滤波器，阶数为30，窗参数为10，通过matlab设计计算出滤波器参数f(n)。
步骤s42：反斯托克斯和斯托克斯光强比数据r(z)的尾端光强为零段的最后n点进行复制，得出新的数组r(z+n)。
步骤s43：r(z+n)与滤波器参数f(n)进行递推卷积，得到数组
进一步地，使用优化算法前的分布式光纤感温报警系统数据和使用优化算法后的分布式光纤感温报警系统数据进行比较如下：
使用优化算法前，分布式光纤感温报警系统的响应时间为1分钟以上。从原理上可以论证，使用优化算法后，数据优化算法的温度解调与采集数据刷新同步进行，采集数据时间为5秒，温度解调算法运行时间1秒，所以系统的响应时间为6秒。
如图6a、6b所示，使用本发明优化方法前，二次累加的斯托克斯和反斯托克斯数据曲线存在明显的色散误差；使用优化算法后，消除了色散误差。
如图7a所示，使用本发明优化方法前，分布式光纤感温报警系统的温度精度约为±5℃，而且在50℃温度段存在色散偏差造成的温度曲线错位，使用优化算法后(图7b)，分布式光纤感温报警系统风的温度精度约为±2.5℃，50℃温度段的温度曲线正常，无明显错位。
本发明未详细描述内容为本领域技术人员公知技术。以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。