CN111062488A - 舞动轨迹预警方法及*** - Google Patents
舞动轨迹预警方法及*** Download PDFInfo
- Publication number
- CN111062488A CN111062488A CN201911250918.0A CN201911250918A CN111062488A CN 111062488 A CN111062488 A CN 111062488A CN 201911250918 A CN201911250918 A CN 201911250918A CN 111062488 A CN111062488 A CN 111062488A
- Authority
- CN
- China
- Prior art keywords
- galloping
- data
- transmission line
- power transmission
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 230000016507 interphase Effects 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 239000004020 conductor Substances 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000000872 buffer Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供了一种舞动轨迹预警方法，所述方法包含：获取输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；当所述相间距离小于预定阈值时，生成预警信号。
Description
技术领域
本发明涉及输电线路安全监测领域，尤指一种舞动轨迹预警方法及***。
背景技术
当前，为了应对高压输电线路的舞动，电力***中一般采用舞动监测仪。舞动监测仪是采集实时高压输电线路舞动数据的专用仪器。长期稳定且准确的监测数据意义重大。包括：分析输电线路覆冰舞动的影响因素，揭示线路舞动形成的作用机理和微地形条件下舞动发生规律；建立不同影响因素的预测因子阈值库，建立基于气象、地形、线路结构等多因素和微尺度数值预报模式的输电线路覆冰舞动预测模型，提出架空线路覆冰舞动智能预警方法；实现架空线路舞动预测预警***与微尺度气象数值预报结果、地形、线路结构和历史舞动线路等数据库的***集成。服务于建设输电线路舞动预报预警示范工程，能够显著降低输电线路舞动跳闸事故的发生，提高电网抵御线路覆冰舞动灾害的能力；但是该些舞动监测项目均是在发生舞动情况过后予以预警，无法提供提前提醒，而电网在发生危险舞动后，人工检修及救援往往已超出检修最佳时间。
发明内容
本发明目的在于提供一种有效预测输电线路舞动风险的舞动轨迹预警方法及***，以提前给出预警信号，帮助工作人员预防灾害风险。
为达上述目的，本发明所提供的舞动轨迹预警方法，具体包含：获取输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；当所述相间距离小于预定阈值时，生成预警信号。
在上述舞动轨迹预警方法中，优选的，所述方法还包含：获取所述输电线路的各导线的相关参数，根据所述相关参数计算获得各导线的裂损阈值；根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数；将各导线预定周期内的裂损指数之和与各导线的裂损阈值比较，根据比较结果生成预警信号。
在上述舞动轨迹预警方法中，优选的，通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型包含：以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程；根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数；根据所述关系方程、所述权重系数和所述偏置量系数构建获得舞动监测模型。
在上述舞动轨迹预警方法中，优选的，以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程包含：通过以下公式获得关系方程：
∑jWi,jxj+bi＝yi(x)；
在上式中，Wi,j为权重系数，bi为偏置量系数，xj为气象数据，yi(x)为舞动轨迹数据，i，j为常数编号。
在上述舞动轨迹预警方法中，优选的，根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数包含：
通过以下公式计算获得权重系数：
在上式中，m取值为9；α为拉格朗日乘子，采用SMO算法可求解α；x与y为训练集数据；
通过以下公式计算获得偏置量系数：
在上式中，w为权重系数，x与y为训练集数据。
在上述舞动轨迹预警方法中，优选的，根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离包含：根据所述输电线路中各导线的舞动轨迹数据获得各导线的偏移距；根据预存的各导线之间的间距与所述偏移距，获得各导线之间的相间距离。
本发明还提供一种舞动轨迹预警***，所述***包含气象传感器、中继器、建模单元、分析单元和计算单元；所述中继器用于由远端服务器获得输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；所述建模单元用于通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；所述气象传感器用于获取输电线路的待监测区域的天气预警数据；所述分析单元用于根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；所述计算单元用于根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；以及，当所述相间距离小于预定阈值时，生成预警信号。
在上述舞动轨迹预警***中，优选的，所述计算单元还用于获取所述输电线路的各导线的相关参数，根据所述相关参数计算获得各导线的裂损阈值；根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数；将各导线预定周期内的裂损指数之和与各导线的裂损阈值比较，根据比较结果生成预警信号。
在上述舞动轨迹预警***中，优选的，所述***还包含舞动监测装置，所述舞动监测装置用于获取所述输电线路的各导线的实时舞动轨迹数据，将所述实时舞动轨迹数据交由所述分析单元比对调整所述舞动监测模型。
在上述舞动轨迹预警***中，优选的，所述建模单元还包含：以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程；根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数；根据所述关系方程、所述权重系数和所述偏置量系数构建获得舞动监测模型。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明所提供的舞动监测预警方法及***，可以***电网因舞动导致的风险情况，极大的提高了灾害应对能力，同时，利用该舞动监测预警方法及***也便于工作人员提前部署维护管理。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1为本发明一实施例所提供的舞动轨迹预警方法的流程示意图；
图2为本发明一实施例所提供的裂损检测的流程示意图；
图3为本发明一实施例所提供的舞动监测模型的建模流程示意图；
图4为本发明一实施例所提供的舞动监测模型的建模原理示意图；
图5为本发明一实施例所提供的舞动轨迹预警***的结构示意图；
图6为本发明一实施例所提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
请参考图1所示，本发明所提供的舞动轨迹预警方法，具体包含：S101获取输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；S102通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；S103根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；S104根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；当所述相间距离小于预定阈值时，生成预警信号。在该实施例中，利用气象数据与输电线路舞动之间的关联性建立预测模型，其后利用气象数据短时可预测的特性，提前预警输电线路可能发生的舞动现象，利用舞动现象进一步确认导线之间的相间距离，从而判断是否需要提前维护或安排人员准备检修该些输电线路。其中，所述气象数据可包含风速、风向、环境温度、覆冰厚度等信息，所述历史舞动轨迹数据包含舞动状态下的舞动幅值、垂直舞动幅值、水平舞动幅值、舞动椭圆倾斜角、舞动频率等信息；值得说明的是，所述气象数据中信息的类别数量及所述舞动轨迹数据中舞动状态信息的类别并不仅限于上述实例，例如需进一步提高预测模型的精度可加入更多相关类别，如需降低计算量，则可减少所述类别，本发明对其并不做进一步限制；实际工作中，所述气象数据可利用传统的中继器设备予以接收当地气象管理单位所提供的气象预警，也可采用气象检测仪提前分析气象变化趋势；所述历史舞动轨迹数据可由远端服务器获得，也可利用安设于输电线路上的舞动监测仪分析确认获得，本领域相关技术人员可根据实际需要选择适合的方式来获取所述气象数据和所述历史舞动轨迹数据，本发明对其并不做限制。
请参考图2所示，在本发明一实施例中，所述方法还可包含：S201获取所述输电线路的各导线的相关参数，根据所述相关参数计算获得各导线的裂损阈值；S202根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数；S203将各导线预定周期内的裂损指数之和与各导线的裂损阈值比较，根据比较结果生成预警信号。值得说明的是，实际工作中导线的裂损阈值可由导线的供给设备商处直接获得，也可根据导线的材质所处环境的那个信息计算获得，本领域相关技术人员可根据实际需求选择适当的方式，本发明在此并不做进一步限制。
在上述实施例中，所述根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数主要包含：根据各导线的舞动轨迹数据中倾斜角确定弯折情况，根据导线的相关参数获得导线所处环境及使用时长，其后基于该些数据进一步确认裂损指数并予以判断该导线的运行可靠性。例如：根据导线的相关参数确定导线的使用时长为10年，当前为运行的第8年；导线在干燥大风环境下损耗为百分之3每年，高强度弯折的情况下，导线的损耗为百分之7；此时根据前述参数即可计算获得导线损耗程度已到百分之80；为保证输电线路的运行安全，通常高于百分60的损耗就得更换导线，因此明显超出裂损阈值，需要输出预警信号予以通知工作人员进行更换。
请参考图3所示，在本发明一实施例中，通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型包含：S301以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程；S302根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数；S303根据所述关系方程、所述权重系数和所述偏置量系数构建获得舞动监测模型。具体的，以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程包含：通过以下公式获得关系方程：
∑jWi,jxj+bi＝yi(x)；
在上式中，Wi,j为权重系数，bi为偏置量系数，xj为气象数据，yi(x)为舞动轨迹数据，i，j为常数编号。其中，根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数包含：
通过以下公式计算获得权重系数：
在上式中，m取值为9；α为拉格朗日乘子，采用SMO算法可求解α；x与y为训练集数据；
通过以下公式计算获得偏置量系数：
在上式中，w为权重系数，x与y为训练集数据。
在实际工作中，上述关系方程的建立方式主要实现原理在于求出舞动和非舞动状态概率，并以概率值最大的类作为预测值，使用下式来计算类概率：
其中x是第i个类软性最大化的输入值，yi(i＝1,2,3…)分别代表每个类的概率值，取最大的yi所属的类作为预测值，则公示可以简化为：
yi(x)＝normalize(ex)
请参考图4所示，图中x1、x2、x3以及y1、y2、y3分别代表不同导线的样本输入和样本输出；b1、b2、b3代表对应导线的偏置量参数；在舞动监测报警模型中，模型输出有2个，输入x是9×1的向量(风速、风向、环境温度、覆冰厚度、舞动幅值、垂直舞动幅值、水平舞动幅值、舞动椭圆倾斜角、舞动频率),2个输出(舞动、非舞动)对应2组权重，每组权重都是9×1的向量(与x向量每个元素逐一对应)，则权重可以用2×9的矩阵来表示，有W，x，b的现行组合可以运算得到2×1的feature向量，取其中最大的元素对应的类作为输出，如下式，
featurei＝∑jWi,jxj+bi；
在上式中权重矩阵W为决策边界超平面的法向量。偏置量向量b是位移量，决定了超平面与原点距离。根据拉格朗日最优化方法和对偶特性，可将W和b都由拉格朗日乘子α表示，权重矩阵W与偏置量向量b的确定方法如下：
对权重矩阵W的求解转换为对α极大值的求解，通常采用SMO算法求解α；W确定之后，偏置量向量b的确定方法如下：
在上述实施例中，根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离包含：根据所述输电线路中各导线的舞动轨迹数据获得各导线的偏移距；根据预存的各导线之间的间距与所述偏移距，获得各导线之间的相间距离。具体的，实际工作中可根据各导线同一时间节点下各自的舞动轨迹数据计算获得对应的横向和纵向的偏移量；根据各导线原始安设位置及其之间的间距，利用前述偏移量即可确认导线是否有发生接近、碰撞或交叉的风险，此时如所述导线两两之间存在距离过近的风险时，即可输出预警信号予以告警。
请参考图5所示，本发明还提供一种舞动轨迹预警***，所述***包含气象传感器、中继器、建模单元、分析单元和计算单元；所述中继器用于由远端服务器获得输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；所述建模单元用于通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；所述气象传感器用于获取输电线路的待监测区域的天气预警数据；所述分析单元用于根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；所述计算单元用于根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；以及，当所述相间距离小于预定阈值时，生成预警信号。
在上述实施例中，所述计算单元还用于获取所述输电线路的各导线的相关参数，根据所述相关参数计算获得各导线的裂损阈值；根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数；将各导线预定周期内的裂损指数之和与各导线的裂损阈值比较，根据比较结果生成预警信号。
在本发明一实施例中，所述***还可包含舞动监测装置，所述舞动监测装置用于获取所述输电线路的各导线的实时舞动轨迹数据，将所述实时舞动轨迹数据交由所述分析单元比对调整所述舞动监测模型。
在上述实施例中，所述建模单元还包含：以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程；根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数；根据所述关系方程、所述权重系数和所述偏置量系数构建获得舞动监测模型。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明所提供的舞动监测预警方法及***，可以***电网因舞动导致的风险情况，极大的提高了灾害应对能力，同时，利用该舞动监测预警方法及***也便于工作人员提前部署维护管理。
如图6所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图6中所示的所有部件；此外，电子设备600还可以包括图6中没有示出的部件，可以参考现有技术。
如图6所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种舞动轨迹预警方法，其特征在于，所述方法包含：
获取输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；
通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；
根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；
根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；
当所述相间距离小于预定阈值时，生成预警信号。
2.根据权利要求1所述的舞动轨迹预警方法，其特征在于，所述方法还包含：
获取所述输电线路的各导线的相关参数，根据所述相关参数计算获得各导线的裂损阈值；
根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数；
将各导线预定周期内的裂损指数之和与各导线的裂损阈值比较，根据比较结果生成预警信号。
3.根据权利要求1所述的舞动轨迹预警方法，其特征在于，通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型包含：
以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程；
根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数；
根据所述关系方程、所述权重系数和所述偏置量系数构建获得舞动监测模型。
4.根据权利要求3所述的舞动轨迹预警方法，其特征在于，以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程包含：通过以下公式获得关系方程：
∑jWi,jxj+bi＝yi(x)；
在上式中，Wi,j为权重系数，bi为偏置量系数，xj为气象数据，yi(x)为舞动轨迹数据，i，j为常数编号。
5.根据权利要求4所述的舞动轨迹预警方法，其特征在于，根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数包含：
通过以下公式计算获得权重系数：
在上式中，m取值为9；α为拉格朗日乘子，采用SMO算法可求解α；x与y为训练集数据；i为常数编号
通过以下公式计算获得偏置量系数：
在上式中，w为权重系数，x与y为训练集数据,i为常数编号。
6.根据权利要求1所述的舞动轨迹预警方法，其特征在于，根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离包含：
根据所述输电线路中各导线的舞动轨迹数据获得各导线的偏移距；
根据预存的各导线之间的间距与所述偏移距，获得各导线之间的相间距离。
7.一种舞动轨迹预警***，其特征在于，所述***包含气象传感器、中继器、建模单元、分析单元和计算单元；
所述中继器用于由远端服务器获得输电线路的待监测区域的历史舞动轨迹数据和对应时间节点的气象数据；
所述建模单元用于通过所述气象数据和所述历史舞动轨迹数据之间的时间对应关系建立舞动监测模型；
所述气象传感器用于获取输电线路的待监测区域的天气预警数据；
所述分析单元用于根据输电线路的待监测区域的天气预警数据和所述舞动监测模型计算获得所述输电线路中各导线的舞动轨迹数据；
所述计算单元用于根据所述输电线路中各导线的舞动轨迹数据计算获得所述输电线路中各导线之间的相间距离；以及，当所述相间距离小于预定阈值时，生成预警信号。
8.根据权利要求7所述的舞动轨迹预警***，其特征在于，所述计算单元还用于获取所述输电线路的各导线的相关参数，根据所述相关参数计算获得各导线的裂损阈值；根据各导线的舞动轨迹数据和导线的相关参数按预设规则计算获得各导线的裂损指数；将各导线预定周期内的裂损指数之和与各导线的裂损阈值比较，根据比较结果生成预警信号。
9.根据权利要求8所述的舞动轨迹预警***，其特征在于，所述***还包含舞动监测装置，所述舞动监测装置用于获取所述输电线路的各导线的实时舞动轨迹数据，将所述实时舞动轨迹数据交由所述分析单元比对调整所述舞动监测模型。
10.根据权利要求7所述的舞动轨迹预警***，其特征在于，所述建模单元还包含：以舞动轨迹数据和气象数据作为样本输入，对应时间节点下导线的舞动状态作为样本输出建立关系方程；根据历史舞动轨迹数据与其时间对应的所述气象数据通过机器学习算法训练所述关系方程获得权重系数和偏置量系数；根据所述关系方程、所述权重系数和所述偏置量系数构建获得舞动监测模型。
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911250918.0A CN111062488A (zh) | 2019-12-09 | 2019-12-09 | 舞动轨迹预警方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911250918.0A CN111062488A (zh) | 2019-12-09 | 2019-12-09 | 舞动轨迹预警方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111062488A true CN111062488A (zh) | 2020-04-24 |
Family
ID=70300158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911250918.0A Pending CN111062488A (zh) | 2019-12-09 | 2019-12-09 | 舞动轨迹预警方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062488A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112525256A (zh) * | 2020-11-12 | 2021-03-19 | 国网湖南省电力有限公司 | 基于实时气象监测的舞动事件发展状态预测方法和装置 |
| CN113917566A (zh) * | 2021-09-28 | 2022-01-11 | 国网湖南省电力有限公司 | 考虑效率-资源最优平衡的微地形气象预测方法及*** |
| CN114777711A (zh) * | 2022-06-22 | 2022-07-22 | 南方电网数字电网研究院有限公司 | 多参数融合的架空线路风偏距离测量与安全预警方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559557A (zh) * | 2013-11-01 | 2014-02-05 | 国家电网公司 | 基于电力***输电线路的舞动预警方法及*** |
| CN104573980A (zh) * | 2015-01-26 | 2015-04-29 | 国家电网公司 | 一种架空输电线路弧垂实时评估及预警方法 |
| WO2016033883A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种基于Adaboost的输电线舞动风险预警方法 |
| CN106570582A (zh) * | 2016-10-26 | 2017-04-19 | 中国电力科学研究院 | 一种用于建立输电线路舞动跳闸风险预测的网络模型的方法及*** |
| CN206146455U (zh) * | 2016-08-30 | 2017-05-03 | 北京国网富达科技发展有限责任公司 | 一种输电线路舞动在线监测及预警*** |
| CN107796434A (zh) * | 2016-08-30 | 2018-03-13 | 北京国网富达科技发展有限责任公司 | 一种输电线路舞动在线监测及预警*** |
| CN109886396A (zh) * | 2019-03-18 | 2019-06-14 | 国家电网有限公司 | 一种输电线路舞动在线预测***及方法 |
| CA3030125A1 (en) * | 2018-01-15 | 2019-07-15 | Reliance Core Consulting LLC | Methods, systems, apparatuses and devices for facilitating motion analysis in a field of interest |
| CN110062011A (zh) * | 2019-05-30 | 2019-07-26 | 海南大学 | 基于V-SVM的DDoS攻击检测方法和装置 |
| CN110110801A (zh) * | 2019-05-15 | 2019-08-09 | 国网湖南省电力有限公司 | 一种输电线路灭火必要性的判识方法及*** |
| CN110221266A (zh) * | 2019-06-11 | 2019-09-10 | 哈尔滨工程大学 | 一种基于支持向量机的航海雷达目标快速检测方法 |
| DE102018206805B3 (de) * | 2018-05-03 | 2019-09-12 | Robert Bosch Gmbh | Verfahren, Vorrichtung und Computerprogramm zum Prädizieren einer zukünftigen Bewegung eines Objekts |
-
2019
- 2019-12-09 CN CN201911250918.0A patent/CN111062488A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559557A (zh) * | 2013-11-01 | 2014-02-05 | 国家电网公司 | 基于电力***输电线路的舞动预警方法及*** |
| WO2016033883A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种基于Adaboost的输电线舞动风险预警方法 |
| CN104573980A (zh) * | 2015-01-26 | 2015-04-29 | 国家电网公司 | 一种架空输电线路弧垂实时评估及预警方法 |
| CN206146455U (zh) * | 2016-08-30 | 2017-05-03 | 北京国网富达科技发展有限责任公司 | 一种输电线路舞动在线监测及预警*** |
| CN107796434A (zh) * | 2016-08-30 | 2018-03-13 | 北京国网富达科技发展有限责任公司 | 一种输电线路舞动在线监测及预警*** |
| CN106570582A (zh) * | 2016-10-26 | 2017-04-19 | 中国电力科学研究院 | 一种用于建立输电线路舞动跳闸风险预测的网络模型的方法及*** |
| CA3030125A1 (en) * | 2018-01-15 | 2019-07-15 | Reliance Core Consulting LLC | Methods, systems, apparatuses and devices for facilitating motion analysis in a field of interest |
| DE102018206805B3 (de) * | 2018-05-03 | 2019-09-12 | Robert Bosch Gmbh | Verfahren, Vorrichtung und Computerprogramm zum Prädizieren einer zukünftigen Bewegung eines Objekts |
| CN109886396A (zh) * | 2019-03-18 | 2019-06-14 | 国家电网有限公司 | 一种输电线路舞动在线预测***及方法 |
| CN110110801A (zh) * | 2019-05-15 | 2019-08-09 | 国网湖南省电力有限公司 | 一种输电线路灭火必要性的判识方法及*** |
| CN110062011A (zh) * | 2019-05-30 | 2019-07-26 | 海南大学 | 基于V-SVM的DDoS攻击检测方法和装置 |
| CN110221266A (zh) * | 2019-06-11 | 2019-09-10 | 哈尔滨工程大学 | 一种基于支持向量机的航海雷达目标快速检测方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112525256A (zh) * | 2020-11-12 | 2021-03-19 | 国网湖南省电力有限公司 | 基于实时气象监测的舞动事件发展状态预测方法和装置 |
| CN113917566A (zh) * | 2021-09-28 | 2022-01-11 | 国网湖南省电力有限公司 | 考虑效率-资源最优平衡的微地形气象预测方法及*** |
| CN113917566B (zh) * | 2021-09-28 | 2023-06-27 | 国网湖南省电力有限公司 | 考虑效率-资源最优平衡的微地形气象预测方法及*** |
| CN114777711A (zh) * | 2022-06-22 | 2022-07-22 | 南方电网数字电网研究院有限公司 | 多参数融合的架空线路风偏距离测量与安全预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111062488A (zh) | 舞动轨迹预警方法及*** | |
| US10565516B2 (en) | Updating prediction model | |
| US9953517B2 (en) | Risk early warning method and apparatus | |
| US20160343093A1 (en) | Utility resource asset management system | |
| US10923915B2 (en) | System and method for congestion forecasting in electrical networks | |
| US10288768B2 (en) | Method and apparatus for lightning forecast | |
| US20160004969A1 (en) | System and method for predicting runway risk levels | |
| CN108184203B (zh) | 基于运营商位置信令的多级防控方法、装置、设备及介质 | |
| CN113223293B (zh) | 路网仿真模型的构建方法、装置及电子设备 | |
| CN115204701B (zh) | 体育场馆的消防风险防控方法、***、设备和存储介质 | |
| CN116744357A (zh) | 基站故障预测方法、装置、设备和介质 | |
| US11379274B2 (en) | Hybrid spatial-temporal event probability prediction method | |
| CN116029395A (zh) | 商业区域的人流预警方法、装置、电子设备及存储介质 | |
| Wilkinson et al. | Consequence forecasting: A rational framework for predicting the consequences of approaching storms | |
| JP2006220445A (ja) | 砂嵐予測システムとその砂嵐警報発令方法 | |
| CN111541188A (zh) | 输电线路检测装置及方法 | |
| JP2020149209A (ja) | 残差特性推定モデル作成方法および残差特性推定モデル作成システム | |
| KR20220169733A (ko) | 기계 학습 기반의 교량 수위 예측 시스템 및 그를 이용한 수위 예측 방법 | |
| CN112446525A (zh) | 一种输电导线舞动预警方法及装置 | |
| JP2008186285A (ja) | 地震被害予測装置、地震被害予測方法及び地震被害予測プログラム | |
| CN114979221B (zh) | 车辆的信号处理方法、装置、电子设备及存储介质 | |
| KR102416362B1 (ko) | 낙뢰 피격 및 지락 사고 철탑 표시 기능을 갖는 항공장애등의 제어 방법 | |
| KR102344522B1 (ko) | 재해 리스크 모델을 이용한 운영 피해 추정 방법 및 이를 수행하는 운영 피해 추정 장치 | |
| CN109541728B (zh) | 一种电网工程项目气象预警方法 | |
| CN118229272B (zh) | 基于事件检测的智能化巡检决策方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |