CN113340353B - 一种输电线路的监测方法、设备及介质 - Google Patents
一种输电线路的监测方法、设备及介质 Download PDFInfo
- Publication number
- CN113340353B CN113340353B CN202110662515.8A CN202110662515A CN113340353B CN 113340353 B CN113340353 B CN 113340353B CN 202110662515 A CN202110662515 A CN 202110662515A CN 113340353 B CN113340353 B CN 113340353B
- Authority
- CN
- China
- Prior art keywords
- transmission line
- monitoring
- data
- power transmission
- detection device
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种输电线路的监测方法、设备及介质,用以解决现有的输电线路上的检测装置采集的采集数据之间相互独立,进而对输电线路进行整体的分析比较困难的技术问题。方法包括:获取相应的监测区域中输电线路上预设的各检测装置采集的采集数据;按照输电线路的监测类型,对采集数据进行分类,得到各数据集合;确定数据集合对应的边缘计算设备,以得到输电线路监测结果;通过随机赋权神经网络模型以及来自各边缘计算设备反的监测结果,确定检测装置对应监测区域的输电线路是否存在风险监测结果,本申请通过上述方法实现了同时获取在同一段输电线路上的采集数据,进而实现了对该段输电线路的整体分析。
Description
技术领域
本申请涉及电力设备监测技术领域,尤其涉及一种输电线路的监测方法、设备及介质。
背景技术
输电线路是电力***整体功能的重要组成环节,其工作的稳定与否直接影响电网运行的安全。因此,完善监测输电线路的监测方法十分重要。
现有的监测输电线路的方法主要有风速监测***、雷电监测***、覆冰和绝缘子监测***监控输电线路的情况。
但是,现有的用于输电线路监测的输电线路上的检测装置相互独立,相互之间不能进行数据共享,获取在同一时刻的同一段输电线路的监测数据较为困难,进而对输电线路进行整体的监测及分析也比较困难。
发明内容
本申请实施例提供了一种输电线路的监测方法、设备及介质,用以解决现有的输电线路上的检测装置的采集数据之间相互独立,且检测装置相互之间不能进行数据共享,进而对输电线路进行整体的监测及分析比较困难的技术问题。
第一方面,本申请实施例提供了一种输电线路的监测方法,该方法包括:获取相应的监测区域中输电线路上预设的各检测装置采集的采集数据,其中,采集数据至少包括:输电线路环境数据、输电线路绝缘子数据以及输电线路状态数据;基于各检测装置的位置信息,确定检测装置对应的监测区域,并基于监测区域对应的输电线路的监测类型确定监测区域对应的边缘计算设备;其中,监测类型还用于对采集数据进行分类,以得到各数据集合;且各数据集合的监测类型各不相同;根据各数据集合的监测类型,在监测区域对应的边缘计算设备中,确定数据集合对应的边缘计算设备,以使边缘计算设备根据相应的预设算法,对相应的数据集合进行分析,得到输电线路的监测结果;通过随机赋权神经网络模型以及来自各边缘计算设备的监测结果,确定检测装置对应的输电线路是否存在风险监测结果。
本申请实施例提供的监测方法,通过获取监测区域对应的检测装置采集的全部采集数据,实现了获取在同一时刻的同一段输电线路的数据;通过将检测装置按照位置划分对应的监测区域,然后,通过将各个监测区域上传的采集数据进行数据集合的分类,实现了将大量数据划分成小数据,化繁为简,方便了服务器后续的处理;通过各数据集合的监测类型确定边缘计算设备,实现了对采集数据的精准分类处理,避免了服务器处理过多数据,而造成的时间浪费;通过直接获取边缘计算设备分析的输电线路监测结果,减轻了服务器前期对采集数据进行处理的宽带成本和负荷;通过服务器将各个边缘计算设备的监测结果进行整合,进而确定监测区域的输电线路是否存在风险监测结果,实现了对输电线路的整体监测及分析。
在本申请的一种实现方式中,当检测装置对应的输电线路存在风险监测结果时,向检测装置发送共享指令,以使检测装置与以检测装置为中心,以预设距离为半径的其他检测装置共享风险监测结果;进而使得其他检测装置启动数据采集,以采集其他检测装置对应的采集数据。
本申请实施例提供的监测方法,通过向存在风险监测结果的检测装置发送共享指令,进而使检测装置向其他检测装置进行数据共享,实现了检测装置之间的数据共享,有利于使服务器发现其他检测装置的对应的检测区域的隐藏风险,通过采集可能存在风险的检测装置的采集数据,提高了服务器对输电线路可能存在的风险的排查能力。
在本申请的一种实现方式中,当数据集合对应的采集数据为输电线弧垂数据以及输电线温度数据时,边缘计算设备根据输电线弧垂数据中的弧垂值,确定比载值和应力值;根据比载值、应力值以及电线温度数据,确定覆冰厚度;以根据覆冰厚度以及预设覆冰数据库,确定检测装置对应的输电线路状态数据结果;其中预设覆冰数据库包括覆冰厚度与输电线路状态数据结果的对应关系,输电线路状态数据结果按照输电线的安全程度从高到低分为:正常监测结果以及风险监测结果。
在本申请的一种实现方式中,当数据集合对应的采集数据为绝缘子泄漏电力、绝缘子脉冲电流以及绝缘子脉冲频次时,边缘计算设备接收到绝缘子泄漏电力、绝缘子脉冲电流以及绝缘子脉冲频次后,根据所绝缘子泄漏电力、脉冲电流、脉冲频次,确定绝缘子表面污秽程度;根据绝缘子表面污秽程度以及预设绝缘子数据库,确定检测装置对应的输电线路绝缘子数据结果;其中,预设绝缘子数据库包括绝缘子表面污秽程度与输电线路绝缘子数据结果的对应关系,输电线路绝缘子数据结果按照输电线的安全程度从高到低分为:正常监测结果以及风险监测结果。
在本申请的一种实现方式中,当确定检测装置的对应监测区域的输电线路存在风险时,生成风险警报和风险任务,将风险警报发送给维护终端,同时将风险任务添加到维护终端的任务数据库中,以使维护终端根据风险任务,对输电线路进行安全检查。
在本申请的一种实现方式中,当接收到来自维护终端的风险任务对应的完成指令后,确定风险任务对应的检测装置;获取风险任务对应的检测装置的采集数据,以确定检测装置对应的输电线路是否解除风险;当检测装置对应的输电线路解除风险时,撤销风险任务;当检测装置对应的输电线路未解除风险时,向对应的维护终端再次发送风险任务。
在本申请的一种实现方式中,基于训练样本完成随机赋权神经网络模型的训练,其中,训练样本包含监测结果以及监测结果的处理报告;将监测结果输入到随机赋权神经网络模型中,以确定监测结果对应的处理报告。
在本申请的一种实现方式中,通过结巴分词,获取监测结果的分词;根据预设权重数据库以及分词,对分词进行赋权处理;将权重大于预设权重值的分词作为监测结果输入到随机赋权神经网络模型中。
第二方面,本申请实施例还提供了一种输电线路的监测设备,设备包括:处理器;以及存储器,其上存储有可执行代码,当可执行代码被执行时,使得处理器执行上述的一种输电线路的监测方法。
第三方面,本申请实施例还提供了一种非易失性计算机存储介质,其上存储有计算机指令,使计算机指令执行上述的一种输电线路的监测方法。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种输电线路的监测方法流程图;
图2为本申请实施例提供的一种输电线路的监测设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例提供了一种输电线路的监测方法、设备及介质,通过获取输电线路对应的多种监测类型的采集数据,实现了获取在同一时刻的同一段输电线路的采集数据。通过检测装置的位置,确定检测装置对应的监测区域,进而确定了检测装置对应的边缘计算设备。通过将各个检测装置的采集数据进行分区处理,避免了服务器同时接收过多检测装置的采集数据而造成的内存不足,以及避免了一个服务器处理过多采集数据造成的数据处理过慢等问题。通过对采集数据进行分类,进而确定采集数据对应的各个数据集合。然后,进一步确定该采集数据对应的边缘计算设备,实现了进一步细分处理采集数据的对应设备(边缘计算设备),避免了一个边缘计算设备处理过多的采集数据,而导致的处理延时等问题,实现了云计算服务的下沉。在确定数据集合对应的边缘计算设备后,能够通过各个边缘计算设备获取各个数据集合对应的输电线路的监测结果。通过预先训练随机权神经网络,以使服务器实现了通过输电线路的监测结果,直接确定该监测结果对应的处理报告,避免了传统的通过专业人员阅读输电线路的监测结果进而提出处理报告的繁琐过程。当服务器检测到存在风险监测结果时,通过生成风险警报以及风险任务,使得该风险监测结果对应的维护终端能够通过该风险警报以及风险任务,对相应的输电线路进行安全检查;除此之外,服务器会向存在风险监测结果的检测装置发送共享指令,以使该检测装置与以该检测装置为中心,以预设距离为半径的其他检测装置共享该风险监测结果。也就是说,实现了同一输电线路上的检测装置的数据共享。
另外,在本申请实施例中提出的一种输电线路的监测方法,其执行主体是服务器。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种输电线路的监测方法。如图1所示,本申请实施例提供的监测方法方法,主要包括以下步骤:
步骤101、获取相应的监测区域中输电线路上预设的各检测装置采集的采集数据。
需要说明的是,监测区域为服务器根据输电线路的区域划分的区域,其具体区域范围可以是任意可行的范围,本领域技术人员可以通过多次实验,来确定监测区域的具体范围,此外,监测区域中至少具有一个检测装置。进一步地,检测装置用于采集预设区域内的全部输电线路传感器采集到的输电线路数据,其中,预设区域为任意可行区域,其具体范围可由本领域技术人员通过多次实验获得;上述输电线路传感器至少包括风速传感器、雷电采集传感器、输电线弧垂传感器、温度传感器、绝缘子泄露电力采集传感器以及脉冲采集传感器。另外,检测装置采集的采集数据至少包括:输电线路环境数据、输电线路绝缘子数据以及输电线路状态数据;其中,输电线路环境数据至少包括风速数据、输电线温度数据以及雷电电流量;输电线路绝缘子数据至少包括绝缘子泄漏电力、绝缘子脉冲电流以及绝缘子脉冲频次;输电线路状态数据至少包括输电线弧垂数据。
具体地,服务器按照预设时间顺序,获取对应的监测区域内的全部检测装置采集的采集数据。其中,预设时间顺序可以是任意可行的数据,本领域技术人员可以通过多次实验,来确定监预设时间顺序的具体内容。
此外,服务器获取检测装置的采集数据的实现过程,可以通过现有的方法或者技术实现,本申请实施例对此不作限定。
步骤102、基于各检测装置的位置信息,确定检测装置对应的监测区域,并基于监测区域对应的输电线路的监测类型确定监测区域对应的边缘计算设备。
需要说明的是,服务器按照输电线路的监测类型,对采集数据进行分类,得到各数据集合;其中,各数据集合的监测类型各不相同。进一步地,监测类型至少包括风速类型、覆冰类型、雷电类型以及绝缘子类型。从步骤101中知检测装置采集的采集数据至少包括风速数据、输电线温度数据、雷电电流量、绝缘子泄漏电力、绝缘子脉冲电流、绝缘子脉冲频次以及输电线弧垂数据。具体地,风速类型的采集数据至少包括风速数据(也就是,风速类型的数据集合);覆冰类型的采集数据至少包括输电线温度数据以及输电线弧垂数据(也就是,覆冰类型的数据集合);雷电类型的采集数据至少包括雷电电流量(也就是,雷电类型的数据集合);绝缘子类型的采集数据至少包括绝缘子泄漏电力、绝缘子脉冲电流以及绝缘子脉冲频次(也就是,绝缘子类型的数据集合)。
需要说明的是,根据步骤101可知,监测区域为服务器根据输电线路的区域划分的区域,在服务器确定各个监测区域的区域范围后,服务器从位置数据库中获取各个检测装置的位置信息,进而将检测装置的位置信息与监测区域的区域范围进行匹配,进而确定了各个检测装置对应的监测区域。
另外,服务器通过预设类型数据库获取监测区域对应的输电线路的监测类型,根据该监测类型为该监测区域分配对应的边缘计算设备,其中,预设类型数据库可由本领域技术人员经过多次实验获得。此外,监测类型与边缘计算设备一一对应,也就是说,在本申请中的边缘计算设备可以根据对应的监测类型,将边缘计算设备至少分为风速类型边缘计算设备、覆冰类型边缘计算设备、雷电类型边缘计算设备以及绝缘子类型边缘计算设备。
步骤103、根据各数据集合的监测类型,在监测区域对应的边缘计算设备中,确定数据集合对应的边缘计算设备,以使边缘计算设备根据相应的预设算法,对相应的数据集合进行分析,得到输电线路的监测结果。
需要说明的是,本申请中的预设算法包括计算风速结果的算法、计算覆冰结果的算法、计算雷电结果的算法以及计算绝缘子结果的算法。另外,输电线路的监测结果根据监测类型至少可以分为风速结果、覆冰结果、雷电结果以及绝缘子结果。此外,监测类型与边缘计算设备一一对应,即,边缘计算设备至少分为风速类型的边缘计算设备、覆冰类型的边缘计算设备、雷电类型的边缘计算设备以及绝缘子类型的边缘计算设备。
具体地,当风速类型的边缘计算设备接收到风速数据(风速类型的数据集合)时,风速类型边缘计算设备获取预设时间段内该检查设备采集的风速数据的风速增量,然后将该风速增量带入预设风速数据库,从预设风速数据库中确定该风速增量对应的风速结果的风险等级。其中,预设时间段可以是任意可行数据,例如,50秒、1分钟、72秒等。需要说明的是,风速结果按照输电线的安全程度分为:正常监测结果以及风险监测结果。进一步地,预设风速数据库包含风速增量与风速结果的对应关系,其具体内容可由本领域技术人员经过多次实验获得。
至此,完成风速结果的获取。
具体地,当覆冰类型的边缘计算设备接收到输电线弧垂数据以及输电线温度数据(覆冰类型的数据集合)时,
需要说明的是,输电线弧垂数据包括预设区域内的输电线路的长度l、预设区域内的输电线路的档距r、预设区域内的输电线路的高度差h、预设区域内的输电线路的高差角α、预设区域内的输电线路的质量m以及输电线路的导线外径d。覆冰类型边缘计算设备将根据公式q=m/l,计算预设区域内的输电线路的比载值q。需要进一步说明的是,预设区域为各个检测设备对应的区域,因此,这里的预设区域内的输电线路是指各个检测设备对应的预设区域内的输电线路。
进一步地,确定比载值q后,根据公式计算预设区域内的输电线弧垂的最大值f,其中,σ待求应力值。将公式带入应力公式中,以获得应力值。进而,根据公式确定覆冰厚度b,其中,t1为预设参考温度,t2为输电线温度数据。进而覆冰类型的边缘计算设备将覆冰厚度带入预设覆冰数据库中,以获得该覆冰厚度对应的覆冰结果。需要说明的是,覆冰结果按照输电线的安全程度分为:正常监测结果以及风险监测结果,进一步地,预设覆冰数据库包括覆冰厚度与覆冰结果的对应关系,其具体内容可由本领域技术人员经过多次实验获得。
至此,完成覆冰结果的获取。
具体地,当雷电类型的边缘计算设备接收到雷电电流量时,雷电类型的边缘计算设备获取预设时间段内该检查设备采集的雷电电流量的电流增量,然后将该电流增量带入预设电流数据库中,以从预设电流数据库中确定该电流增量对应的雷电结果。另外,预设时间段可以是任意可行数据,例如,49秒、1分钟、73秒等。需要说明的是,雷电结果按照输电线的安全程度分为:正常监测结果以及风险监测结果。进一步地,预设电流数据库包含电流增量与电流结果的对应关系,其具体内容可由本领域技术人员经过多次实验获得。
至此,完成雷电结果的获取。
具体地,当绝缘子类型的边缘计算设备接收到绝缘子泄漏电力U、绝缘子脉冲电流I以及绝缘子脉冲频次S后,根据导电率公式计算导电率λ,其中L为预设区域内输电线路的长度。进而绝缘子类型的边缘计算设备将导电率λ带入预设绝缘子数据库中,以从预设绝缘子数据库中获取该导电率对应的绝缘子表面污秽程度,进而根据该绝缘子表面污秽程度从预设绝缘子数据库中获取该绝缘子表面污秽程度对应的绝缘子结果。需要说明的是,绝缘子结果按照输电线的安全程度分为:正常监测结果以及风险监测结果。进一步地,预设绝缘子数据库包括导电率与绝缘子表面污秽程度的对应关系,以及绝缘子表面污秽程度与绝缘子结果的对应关键,其具体对应内容可由本领域技术人员经过多次实验获得。
至此,完成绝缘子结果的获取。
步骤104、通过随机赋权神经网络模型以及来自各边缘计算设备的监测结果,确定检测装置对应的输电线路是否存在风险监测结果。
需要说明的是,监测结果包括监测类型以及监测结论,监测结果的监测类型可以分为风速结果、覆冰结果、雷电结果以及绝缘子结果,监测结果的监测结论可以分为正常监测结果以及风险监测结果。在将来自各边缘计算设备的监测结果输入随机赋权神经网络模型之前,需要将该监测结果进行预先处理,以确定该监测结果的关键词。
具体地,服务器将监测结果输入结巴分词算法中,以获取该监测结果对应的若干分词;服务器将若干分词输入预设权重数据库中,获取各个分词的权重。其中,预设权重数据库包含分词与权重的对应关系,其具体内容可由本领域技术人员经过多次实验获得。在服务器确定各个分词的权重后,将权重大于预设权重值的分词作为监测结果输入到随机赋权神经网络模型中。其中,预设权重值可以是任意可行数据,例如0.8、0.86、0.9等。
需要说明的是,监测结果在通过随机赋权神经网络模型获取检测结果之前,需要对该随机赋权神经网络模型进行训练。具体地,基于训练样本完成随机赋权神经网络模型的训练,其中,训练样本包含监测结果以及该监测结果的处理报告。
进一步地,在完成监测结果的预先处理以及完成随机赋权神经网络模型的训练之后,服务器将完成预先处理的监测结果(也就是,关键词)输入到完成训练的随机赋权神经网络模型中,以获得该监测结果对应的处理报告。需要说明的是,存在处理方案数据库。其中,该处理方案数据库中包含若干关键词以及该关键词对应的处理方案,其具体内容可由本领域技术人员经过多次实验获得。需要进一步说明的是,该处理报告包含监测结果以及该监测结果对应的处理方案。
当检测到该处理报告中的监测结果存在风险监测结果时,服务器获取该处理报告对应的维护终端,并生成风险警报和风险任务,以将风险警报发送给维护终端。同时将风险任务添加到维护终端的任务数据库中,以使维护终端根据风险任务,对输电线路进行安全检查。进一步地,当服务器接收到来自维护终端的该风险任务对应的完成指令后,确定风险任务对应的检测装置;再次获取风险任务对应的检测装置的采集数据,将该采集数据输入对应的边缘计算装置中,以确定该检测装置对应的输电线路是否解除风险;当检测装置对应的输电线路解除风险时,服务器撤销该风险任务;当检测装置对应的输电线路未解除风险时,服务器再次向该检测装置对应的维护终端发送风险任务。
此外,为了排查潜在风险,当检测装置对应的输电线路存在风险监测结果时,服务器将向该检测装置发送共享指令,以使该检测装置与以该检测装置为中心,以预设距离为半径的其他检测装置共享风险监测结果;进而使得其他检测装置启动数据采集,以采集其他检测装置对应的采集数据。需要说明的是,预设距离为任意可行数据,本领域技术人员可由多次实验获得。
除此之外,本申请实施例还提供了一种输电线路的监测设备,如图2所示,其上存储有可执行指令,在该可执行指令被执行时,实现如上述的一种输电线路的监测方法。具体地,服务器端通过总线向存储器发送执行指令,当存储器接收到执行指令时,通过总线向处理器发送执行信号,以激活处理器。
需要说明的是,处理器用于获取相应的监测区域中输电线路上预设的各检测装置采集的采集数据,其中,采集数据至少包括:输电线路环境数据、输电线路绝缘子数据以及输电线路状态数据;基于各检测装置的位置信息,确定检测装置对应的监测区域,并基于预设关系确定监测区域对应的边缘计算设备;按照输电线路的监测类型,对采集数据进行分类,得到各数据集合;其中,各数据集合的监测类型各不相同;根据各数据集合的监测类型,在监测区域对应的边缘计算设备中,确定数据集合对应的边缘计算设备,以使边缘计算设备根据相应的预设算法,对相应的数据集合进行分析,得到输电线路监测结果;通过随机赋权神经网络模型以及来自各边缘计算设备的监测结果,确定检测装置对应的输电线路是否存在风险监测结果。
另外,本申请实施例还提供了一种非易失性计算机存储介质,其上存储有可执行指令,在该可执行指令被执行时,实现如上述的一种输电线路的监测方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种输电线路的监测方法,其特征在于,所述方法包括:
获取相应的监测区域中输电线路上预设的各检测装置采集的采集数据,其中,所述采集数据至少包括:输电线路环境数据、输电线路绝缘子数据以及输电线路状态数据;
基于各所述检测装置的位置信息,确定所述检测装置对应的所述监测区域,并基于所述监测区域对应的输电线路的监测类型,确定所述监测区域对应的边缘计算设备;其中,所述监测类型还用于对所述采集数据进行分类,以得到各数据集合,且各所述数据集合对应的所述监测类型各不相同;
根据各所述数据集合的所述监测类型,在所述监测区域对应的所述边缘计算设备中,确定所述数据集合对应的所述边缘计算设备,以使所述边缘计算设备根据相应的预设算法,对相应的所述数据集合进行分析,得到输电线路的监测结果;
通过随机赋权神经网络模型以及来自各所述边缘计算设备的监测结果,确定所述检测装置对应的输电线路是否存在风险监测结果;
其中,所述方法还包括:
当所述检测装置对应的输电线路存在风险监测结果时,向所述检测装置发送共享指令,以使所述检测装置与以所述检测装置为中心,以预设距离为半径的其他检测装置共享所述风险监测结果;进而使所述其他检测装置启动数据采集,以采集所述其他检测装置对应的所述采集数据;使服务器发现所述其他检测装置的对应的检测区域的隐藏风险。
2.根据权利要求1所述的一种输电线路的监测方法,其特征在于,所述边缘计算设备根据相应的预设算法,对相应的数据集合进行分析,得到输电线路监测结果,具体包括:
当所述数据集合对应的监测类型为覆冰类型时,所述边缘计算设备获取的数据集合中的输电线弧垂数据中的质量、长度、高度差、高差角、导线外径以及档距,以确定比载值和应力值;
根据比载值、应力值以及输电线温度数据,确定覆冰厚度;以根据所述覆冰厚度以及预设覆冰数据库,确定所述检测装置对应的输电线路状态数据结果;其中所述预设覆冰数据库包括所述覆冰厚度与所述输电线路状态数据结果的对应关系,所述输电线路状态数据结果按照输电线的安全程度从高到低分为:正常监测结果以及风险监测结果。
3.根据权利要求1所述的一种输电线路的监测方法,其特征在于,所述边缘计算设备根据相应的预设算法,对相应的数据集合进行分析,得到输电线路监测结果,具体还包括:
当所述数据集合对应的监测类型为绝缘子类型时,所述边缘计算设备获取到的数据集合中的绝缘子泄漏电力、绝缘子脉冲电流以及绝缘子脉冲频次,以根据所述绝缘子泄漏电力、所述绝缘子脉冲电流、所述绝缘子脉冲频次,确定绝缘子表面污秽程度;
根据所述绝缘子表面污秽程度以及预设绝缘子数据库,确定所述检测装置对应的输电线路绝缘子数据结果;其中,所述预设绝缘子数据库包括所述绝缘子表面污秽程度与所述所述输电线路绝缘子数据结果的对应关系,所述输电线路绝缘子数据结果按照输电线的安全程度从高到低分为:正常监测结果以及风险监测结果。
4.根据权利要求1所述的一种输电线路的监测方法,其特征在于,所述方法还包括:
当确定所述检测装置对应的输电线路存在风险时,生成风险警报和风险任务,将所述风险警报发送给所述检测装置对应的维护终端,同时将所述风险任务添加到所述维护终端的任务数据库中,以使所述维护终端根据所述风险任务,对输电线路进行安全检查。
5.根据权利要求4所述的一种输电线路的监测方法,其特征在于,所述方法还包括:
当接收到来自所述维护终端的所述风险任务对应的完成指令后,确定所述风险任务对应的所述检测装置;
获取所述风险任务对应的检测装置的采集数据,以确定所述检测装置对应的输电线路是否解除风险;
当所述检测装置对应的输电线路解除风险时,撤销所述风险任务;
当所述检测装置对应的输电线路未解除风险时,向对应的所述维护终端再次发送所述风险任务。
6.根据权利要求1所述的一种输电线路的监测方法,其特征在于,通过随机赋权神经网络模型以及来自各所述边缘计算设备反的监测结果,确定所述检测装置对应监测区域的输电线路是否存在风险,具体包括:
基于训练样本完成所述随机赋权神经网络模型的训练,其中,所述训练样本包含所述监测结果以及所述监测结果的处理报告;
将所述所述监测结果输入到所述随机赋权神经网络模型中,以确定所述监测结果对应的处理报告。
7.根据权利要求6所述的一种输电线路的监测方法,其特征在于,在将所述所述监测结果输入到所述随机赋权神经网络模型中之前,所述方法还包括:
通过结巴分词,获取监测结果的分词;
根据预设权重数据库以及所述分词,对所述分词进行赋权处理;
将权重大于预设权重值的分词作为所述监测结果输入到所述随机赋权神经网络模型中。
8.一种输电线路的监测设备,其特征在于,所述设备包括:
处理器;
以及存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-7任一项所述的一种输电线路的监测方法。
9.一种非易失性计算机存储介质,其特征在于,其上存储有计算机指令,所述计算机指令在被执行时实现如权利要求1-7任一项所述的一种输电线路的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662515.8A CN113340353B (zh) | 2021-06-15 | 2021-06-15 | 一种输电线路的监测方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662515.8A CN113340353B (zh) | 2021-06-15 | 2021-06-15 | 一种输电线路的监测方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113340353A CN113340353A (zh) | 2021-09-03 |
CN113340353B true CN113340353B (zh) | 2023-03-07 |
Family
ID=77477229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110662515.8A Active CN113340353B (zh) | 2021-06-15 | 2021-06-15 | 一种输电线路的监测方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113340353B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643205B (zh) * | 2023-05-24 | 2023-12-01 | 湖南城市学院 | 一种输电电路的漏电流检测方法、***及介质 |
CN116665423B (zh) * | 2023-07-27 | 2023-10-31 | 国网山东省电力公司滨州市滨城区供电公司 | 一种电缆通道施工监测预警***及方法 |
CN116979702B (zh) * | 2023-09-25 | 2024-01-09 | 深圳市西研科技有限公司 | 基于大数据的输电线路智能监测质检方法、***和介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201773080U (zh) * | 2010-07-08 | 2011-03-23 | 吕强 | 一种绝缘子污秽在线监测*** |
CN102798367A (zh) * | 2011-05-27 | 2012-11-28 | 上海涌能能源科技发展有限公司 | 输电线路导线覆冰厚度检测方法、装置 |
CN103557884A (zh) * | 2013-09-27 | 2014-02-05 | 杭州银江智慧城市技术集团有限公司 | 一种输电线路杆塔监控的多传感器数据融合预警方法 |
CN104008302A (zh) * | 2014-06-09 | 2014-08-27 | 上海电力学院 | 一种基于组合赋权和模糊评分的配电网可靠性评估方法 |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106052745A (zh) * | 2015-09-10 | 2016-10-26 | 无锡群欣物联科技有限公司 | 一种电力线路监测方法 |
CN109902948A (zh) * | 2019-02-21 | 2019-06-18 | 国网山东省电力公司临沂供电公司 | 一种基于大数据的输电线路监测***及方法 |
CN110378066A (zh) * | 2019-07-29 | 2019-10-25 | 贵州电网有限责任公司 | 一种耐张塔输电线路覆冰厚度计算方法 |
CN110730327A (zh) * | 2019-09-03 | 2020-01-24 | 华为技术有限公司 | 一种对输电线路监控的方法及采集前端 |
CN111783968A (zh) * | 2020-06-30 | 2020-10-16 | 山东信通电子股份有限公司 | 一种基于云边协同的输电线路监测方法及*** |
CN112291303A (zh) * | 2020-09-30 | 2021-01-29 | 长春工程学院 | 一种基于边缘计算的多方位距离动态监测及预警方法 |
CN112835691A (zh) * | 2021-01-05 | 2021-05-25 | 华翔翔能科技股份有限公司 | 一种物联网通讯的边缘数据处理方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074021A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种配电网风险辨识***及方法 |
CN109882151A (zh) * | 2018-12-25 | 2019-06-14 | 内江师范学院 | 一种储层气体钻井安全监测*** |
-
2021
- 2021-06-15 CN CN202110662515.8A patent/CN113340353B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201773080U (zh) * | 2010-07-08 | 2011-03-23 | 吕强 | 一种绝缘子污秽在线监测*** |
CN102798367A (zh) * | 2011-05-27 | 2012-11-28 | 上海涌能能源科技发展有限公司 | 输电线路导线覆冰厚度检测方法、装置 |
CN103557884A (zh) * | 2013-09-27 | 2014-02-05 | 杭州银江智慧城市技术集团有限公司 | 一种输电线路杆塔监控的多传感器数据融合预警方法 |
CN104008302A (zh) * | 2014-06-09 | 2014-08-27 | 上海电力学院 | 一种基于组合赋权和模糊评分的配电网可靠性评估方法 |
CN106052745A (zh) * | 2015-09-10 | 2016-10-26 | 无锡群欣物联科技有限公司 | 一种电力线路监测方法 |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN109902948A (zh) * | 2019-02-21 | 2019-06-18 | 国网山东省电力公司临沂供电公司 | 一种基于大数据的输电线路监测***及方法 |
CN110378066A (zh) * | 2019-07-29 | 2019-10-25 | 贵州电网有限责任公司 | 一种耐张塔输电线路覆冰厚度计算方法 |
CN110730327A (zh) * | 2019-09-03 | 2020-01-24 | 华为技术有限公司 | 一种对输电线路监控的方法及采集前端 |
CN111783968A (zh) * | 2020-06-30 | 2020-10-16 | 山东信通电子股份有限公司 | 一种基于云边协同的输电线路监测方法及*** |
CN112291303A (zh) * | 2020-09-30 | 2021-01-29 | 长春工程学院 | 一种基于边缘计算的多方位距离动态监测及预警方法 |
CN112835691A (zh) * | 2021-01-05 | 2021-05-25 | 华翔翔能科技股份有限公司 | 一种物联网通讯的边缘数据处理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113340353A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113340353B (zh) | 一种输电线路的监测方法、设备及介质 | |
CN102016607B (zh) | 用于分析电力***的波形信号的方法和装置 | |
Frizzo Stefenon et al. | Fault diagnosis of insulators from ultrasound detection using neural networks | |
CN117471227B (zh) | 汽车线束参数性能测试方法及测试*** | |
CN110568082A (zh) | 一种基于声发射信号的缆索断丝的判别方法 | |
CN115993511A (zh) | 一种局部放电类型高精度检测识别装置、方法和设备 | |
CN117572837B (zh) | 一种智慧电厂ai主动运维方法及*** | |
CN117668751B (zh) | 一种高低压电力***故障诊断方法及装置 | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN117633479A (zh) | 一种充电桩故障分析处理方法及*** | |
CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
CN113139430A (zh) | 用于故障检测的声信号分析方法、故障检测的方法、装置 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的***及方法 | |
CN116975389A (zh) | 一种变电站故障分析方法及装置 | |
CN111060755A (zh) | 一种电磁干扰诊断方法和装置 | |
CN111325708A (zh) | 一种输电线路检测方法和服务器 | |
CN116126807A (zh) | 一种日志分析方法及相关装置 | |
CN115494871A (zh) | 一种输电线路异常的无人机巡检方法、装置以及*** | |
CN112198472B (zh) | 一种局部放电智能传感器在线远程校验方法及*** | |
CN114186586A (zh) | 基于二维卷积神经网络的损伤识别方法及设备 | |
CN114186624A (zh) | 基于二维卷积神经网络的损伤识别模型建立方法及设备 | |
Wang et al. | Conductor galloping prediction on imbalanced datasets: Svm with smart sampling | |
CN116937820B (zh) | 一种基于深度学习算法的高压电路线路状态监测方法 | |
CN112632407B (zh) | 一种顾及地理环境异质性的空间抽样方法 | |
CN117074840B (zh) | 直流充电桩在线测试*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |