开云优惠体育网页版入口

专利名称：一种基于光学识别标签的输电塔周围环境监测系统

专利类型：发明专利

专利申请号：CN202411275232.8

专利申请（专利权）人：国网甘肃省电力公司
权利人地址：甘肃省兰州市城关区北滨河东路8号

专利发明（设计）人：王仕俊,白文远,刘成龙,尤峰,田云飞,徐慧慧,王琳琳,李贺佳

专利摘要：本发明公开了一种基于光学识别标签的输电塔周围环境监测系统，属于环境监测技术领域，包括综合信息获取模块，用于获取预设输电塔所处的区域位置，以及预设输电塔于冬季的历史覆冰数据和预设输电塔所处区域位置于冬季的历史降雪量数据，光学图像数据采集模块，用于预设输电塔区域位置在降雪时采集该区域位置的覆冰光学图像数据，以及用于采集区域位置历史覆冰光学图像数据。本发明利用深度融合学习技术，对预设输电塔及其线路可能形成的覆冰面积和/或厚度进行预测，在对其进行预测的同时，深度采集及根据输电塔历史运行数据对输电塔未来时段可能发生的故障状态进行预警分析，并指定管理方案，利于输电塔及其线路安全稳定运行。

主权利要求：
1.一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，包括：
综合信息获取模块，用于获取预设输电塔所处的区域位置，以及所述预设输电塔于冬季的历史覆冰数据和所述预设输电塔所处区域位置于冬季的历史降雪量数据；
光学图像数据采集模块，用于预设输电塔区域位置在降雪时采集该区域位置的覆冰光学图像数据，以及用于采集所述区域位置历史覆冰光学图像数据；
数据融合分析模块，用于响应所述综合信息获取模块的历史覆冰数据以及历史降雪量数据和所述光学图像数据采集模块采集的覆冰光学图像数据，并对预设区域位置于冬季不同月份采集的光学图像数据进行分析比对，将冬季不同月份采集的光学图像数据生成数据集，采集所述数据集中对应月份的光学图像数据特征；
图像数据监测单元，用于监测预设区域位置于不同降雪量情况下的输电塔覆冰光学图像数据，并将所述覆冰光学图像数据进行标签分类，对所述标签分类的覆冰光学图像数据的积雪面积与厚度进行关联分析，所述图像数据监测单元包括预测模块、分析模块和计算模块；
所述预测模块用于在不同降雪量情况下预测预设输电塔的覆冰面积，并指定单位降雪时间和单位监测时间，同时于所述单位监测时间内监测降雪量数据；
所述分析模块用于在所述单位监测时间内给定积雪面积变化量，并将所述变化量进行划分，分析不同变化量情况下积雪厚度的增加值；
所述计算模块用于计算积雪厚度随降雪时间增加所需的时间；
动态决策单元，用于根据降雪量变化情况和/或预测的降雪持续时间预设积雪厚度在不同时段的增加值，当于所述时段的积雪厚度超出预设增加值时，则系统判定预设输电塔处于风险运行状态，并进行预警，反之，则不判定；
所述动态决策单元包括接收模块和追踪模块，所述接收模块用于根据实时监测的覆冰光学图像数据接收输电塔运行数据，并分析覆冰光学图像数据变化与所述输电塔运行数据的关联变化；
所述追踪模块用于在预设月份追踪输电塔运行数据的最大变化值，所述预设月份包括覆冰光学图像数据最大月份，并于所述月份采集输电塔运行数据最大变化值情况下的覆冰光学图像数据特征，计算出覆冰光学图像数据特征对输电塔运行数据的影响变化，根据如下公式计算得出：；
式中， 表示预设输电塔所处区域位置于历史采集的运行数据中第 个最大变化值，表示对预设输电塔第 次采集的与其运行数据变化对应的第 个覆冰光学图像数据特征， 表示对预设输电塔于所述月份第 次采集的覆冰光学图像数据的差值；
将采集的所述覆冰光学图像数据的差值按照第一最大差值、第二最大差值和第三最大差值阶梯式划分，获取三种差值数据情况下预设输电塔区域位置的降雪量变化特征，并将所述变化特征分为若干个评估指标，统计出预设输电塔于所述月份的评估指标数据，将数据归一化处理，计算出每个评估指标的权重；
监测终端，用于记录与所述预设输电塔匹配的通信基站和/或通信基站运营方，并接收采集监测点上传的现场数据，同时进行后台数据更新，当预设输电塔所处区域发出预警时，则向该预设输电塔所处区域内对应的通信基站和/或通信基站运营方发起输电塔预警状态的信息获取请求。
2.如权利要求1所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，于所述数据融合分析模块中，将所述不同月份划分为覆冰光学图像数据最大月份和覆冰光学图像数据最小月份，将所述覆冰光学图像数据最大月份的数据集划分训练集、验证集和测试集，并构建覆冰光学图像数据最大月份的数据模型，同时分析所述最大月份覆冰光学图像数据的变化特征。
3.如权利要求2所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，基于所述覆冰光学图像数据变化特征，采集所述变化特征于所述月份的中间值图像数据，并于所述月份分析所述中间值图像数据向最大覆冰光学图像数据的变化规律，将所述变化规律上传至所述数据模型，并对所述数据模型进行更新。
4.如权利要求3所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，获取所述月份的中间值图像数据出现的最多时间段，将所述最多时间段划分为 ，和 时间段，且每个时间段代表的时间范围依次为所述月份的上旬、中旬和下旬，并于所述最多时间段预设最低降雪量数据，同时获取所述最多时间段的历史最大中间值图像数据，当所述时间段内监测到的降雪量数据未超出所述最低降雪量数据时，则系统判定该时间段内的覆冰数据不会超出所述历史最大中间值图像数据，反之，则不判定。
5.如权利要求1所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，于所述图像数据监测单元中，将所述标签分类按照 ， ，...， 进行划分，其中，表示第 个标签数据，并采集不同标签数据情况下预设输电塔的运行指标，分析所述运行指标与所述覆冰光学图像数据变化的关联规律。
6.如权利要求1所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，采用MonteCarlo方法于所述月份对预设输电塔区域涉及的面积范围的覆冰光学图像数据进行抽样，获取所述面积范围内不同输电塔覆冰光学图像数据，并分析不同覆冰光学图像数据情况下输电塔的运行状态，同时建立不同月份降雪数据对输电塔的影响及可靠性评估。
7.如权利要求6所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，对抽样数据对应的预设输电塔运行状态特征进行历史评估比对，并对不同评估比对结果数据制定不同的分级管理方案，具体地所述评估比对结果数据包括预设输电塔区域位置范围内其它输电塔的评估比对结果数据，同时分析所述比对结果数据的数据特征。
8.如权利要求7所述的一种基于光学识别标签的输电塔周围环境监测系统，其特征在于，于不同所述分级管理方案中给定最小覆冰光学图像数据，并基于所述最小覆冰光学图像数据预设临界阈值，当未来时段预设输电塔区域于覆冰光学图像数据最大月份的抽样数据未超出所述临界阈值时，则系统判定未达到启动对应分级管理方案条件，反之，则不判定。 说明书 : 一种基于光学识别标签的输电塔周围环境监测系统技术领域[0001] 本发明涉及环境监测技术领域，特别是一种基于光学识别标签的输电塔周围环境监测系统。背景技术[0002] 输电线路作为电能远距离传输的主要通道，其正常运行是保证电力系统安全稳定的基。彩巧缁峋梅⒄购臀榷ǖ幕，其承担着能源资源配置，是保障国家能源安全和满足国民经济发展的重要装置，而输电塔是架空输电线路的支撑点，现实生活中，对输电塔进行安全监测是极为必要的，尤其是在冬季，大风降雪天气会使输电塔表面覆冰，进而导致输电塔及其支撑的输电线路过载，严重时更会引发倒塔断线的事故，继而引发火灾，对周边居民的生命财产安全带来威胁，然而，现有对输电塔周围的环境监测技术难以通过采集输电塔所在区域的覆冰情况以及结合该地区历史数据进行深度融合学习而对其可能遭遇的覆冰和其安全运行状态进行预测分析，导致对输电塔面临的实时环境状态的影响难以根据监测需求而进行安全预警，这不仅不利于确保输电塔的稳定以及输电线路的安全运行，也会将输电塔周边的居民及财产置于风险之中。发明内容[0003] 鉴于上述现有的环境监测技术领域中存在的问题，提出了本发明。[0004] 因此，本发明其中的一个目的是提供一种基于光学识别标签的输电塔周围环境监测系统，其利用深度融合学习技术，依据预设地区于冬季实时监测得到的降雪数据和历史该区域监测的降雪数据，对预设输电塔及其线路可能形成的覆冰面积和/或厚度进行预测，在对其进行预测的同时，根据输电塔历史运行数据对输电塔未来时段可能发生的故障状态进行预警分析，并指定管理方案，利于输电塔及其线路安全稳定运行。[0005] 为解决上述技术问题，本发明提供如下技术方案：[0006] 本发明提供一种基于光学识别标签的输电塔周围环境监测系统，包括：[0007] 综合信息获取模块，用于获取预设输电塔所处的区域位置，以及所述预设输电塔于冬季的历史覆冰数据和所述预设输电塔所处区域位置于冬季的历史降雪量数据；[0008] 光学图像数据采集模块，用于预设输电塔区域位置在降雪时采集该区域位置的覆冰光学图像数据，以及用于采集所述区域位置历史覆冰光学图像数据；[0009] 数据融合分析模块，用于响应所述综合信息获取模块的历史覆冰数据以及历史降雪量数据和所述光学图像数据采集模块的覆冰光学图像数据，并对预设区域位置于冬季不同月份采集的光学图像数据进行分析比对，将冬季不同月份采集的光学图像数据生成数据集，采集所述数据集中对应月份的光学图像数据特征；[0010] 图像数据监测单元，用于监测预设区域位置于不同降雪量情况下的输电塔覆冰光学图像数据，并将所述覆冰光学图像数据进行标签分类，对所述标签分类的覆冰光学图像数据的积雪面积与厚度进行关联分析，所述图像数据监测单元包括预测模块、分析模块和计算模块；[0011] 所述预测模块用于在不同降雪量情况下预测预设输电塔的覆冰面积，并指定单位降雪时间和单位监测时间，同时于所述单位监测时间内监测降雪量数据；[0012] 所述分析模块用于在所述单位时间内给定积雪面积变化量，并将所述变化量进行划分，分析不同变化量情况下积雪厚度的增加值；[0013] 所述计算模块用于计算积雪厚度随降雪时间增加所需的时间；[0014] 动态决策单元，用于根据降雪量变化情况和/或预测的降雪持续时间预设积雪厚度在不同时段的增加值，当于所述时段的积雪厚度超出预设增加值时，则系统判定预设输电塔处于风险运行状态，并进行预警，反之，则不判定；[0015] 监测终端，用于记录与所述预设输电塔匹配的通信基站和/或通信基站运营方，并接收采集监测点上传的现场数据，同时进行后台数据更新，当预设输电塔所处区域发出预警时，则向该预设监测区域内对应的通信基站和/或通信基站运营方发起输电塔预警状态的信息获取请求。[0016] 作为本发明的一种优选方案，其中：于所述数据融合分析模块中，将所述不同月份划分为覆冰光学图像数据最大月份和覆冰光学图像数据最小月份，并基于所述覆冰光学图像数据最大月份的数据集划分训练集、验证集和测试集，并构建覆冰光学图像数据最大月份的数据模型，同时分析所述月份覆冰光学图像数据的变化特征。[0017] 作为本发明的一种优选方案，其中：基于所述覆冰光学图像数据变化特征，采集所述变化特征于所述月份的中间值图像数据，并于所述月份分析所述中间值图像数据向最大覆冰光学图像数据的变化规律，将所述变化规律上传至所述数据模型，并对所述数据模型进行更新。[0018] 作为本发明的一种优选方案，其中：获取所述月份的中间值图像数据出现的最多时间段，将所述最多时间段划分为 ， 和 时间段，且每个时间段代表的时间范围依次为所述月份的上旬、中旬和下旬，并于所述最多时间段预设最低降雪量数据，同时获取所述最多时间段的历史最大中间值图像数据，当所述时间段内监测到的降雪量数据未超出所述最低降雪量数据时，则系统判定该时间段内的覆冰数据不会超出所述历史最大中间值图像数据，反之，则不判定。[0019] 作为本发明的一种优选方案，其中：于所述图像数据监测单元中，将所述标签分类按照 ， ，...， 进行划分，其中， 表示第 个标签数据，并采集不同标签数据情况下预设输电塔的运行指标，分析所述运行指标与所述覆冰光学图像数据变化的关联规律。[0020] 作为本发明的一种优选方案，其中：所述动态决策单元包括接收模块和追踪模块，所述接收模块用于根据实时监测的覆冰光学图像数据接收输电塔运行数据，并分析覆冰光学图像数据变化与所述输电塔运行数据的关联变化；[0021] 所述追踪模块用于在预设月份追踪输电塔运行数据的最大变化值，所述预设月份包括覆冰光学图像数据最大月份，并于所述月份采集输电塔运行数据最大变化值情况下的覆冰光学图像数据特征，计算出覆冰光学图像数据特征对输电塔运行数据的影响变化，根据如下公式计算得出：[0022] ；[0023] 式中， 表示预设输电塔所处区域位置于历史采集的运行数据中第 个最大变化值， 表示对预设输电塔第 次采集的与其运行数据变化对应的第 个覆冰光学图像数据特征， 表示对预设输电塔于所述月份第 次采集的覆冰光学图像数据的差值。[0024] 作为本发明的一种优选方案，其中：将采集的所述覆冰光学图像数据的差值按照第一最大差值、第二最大差值和第三最大差值阶梯式划分，获取三种差值数据情况下预设输电塔区域位置的降雪量变化特征，并将所述变化特征分为若干个评估指标，统计出预设输电塔于所述月份的评估指标数据，将数据归一化处理，计算出每个评估指标的权重。[0025] 作为本发明的一种优选方案，其中：采用MonteCarlo方法于所述月份对预设输电塔区域涉及的面积范围的覆冰光学图像数据进行抽样，获取所述面积范围内不同输电塔覆冰光学图像数据，并分析不同覆冰光学图像数据情况下输电塔的运行状态，同时建立不同月份降雪数据对输电塔的影响及可靠性评估。[0026] 作为本发明的一种优选方案，其中：对所述抽样数据对应的预设输电塔运行状态特征进行历史评估比对，并对不同评估比对结果数据制定不同的分级管理方案，具体地，所述评估比对结果数据包括预设输电塔区域位置范围内其它输电塔的评估比对结果数据，同时分析所述比对结果数据的数据特征。[0027] 作为本发明的一种优选方案，其中：于不同所述分级管理方案中给定最小覆冰光学图像数据，并基于所述最小覆冰光学图像数据预设临界阈值，当未来时段预设输电塔区域于覆冰光学图像数据最大月份的抽样数据未超出所述临界阈值时，则系统判定未达到启动对应分级管理方案条件，反之，则不判定。[0028] 本发明的有益效果：本发明利用深度融合学习技术，依据预设地区于冬季实时监测得到的降雪数据和历史该区域监测的降雪数据，对预设输电塔及其线路可能形成的覆冰面积和/或厚度进行预测，在对其进行预测的同时，根据输电塔历史运行数据对输电塔未来时段可能发生的故障状态进行预警分析，同时基于采集的输电塔覆冰的光学图像数据的变化，判断输电塔及其线路发生故障的概率，并指定管理方案，进而利于输电塔及其线路安全稳定运行。附图说明[0029] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：[0030] 图1为本发明实施例的基于光学识别标签的输电塔周围环境监测系统的模块化结构示意图；[0031] 图2为本发明实施例的动态决策单元的模块化结构示意图；[0032] 图3为本发明实施例的基于光学识别标签的输电塔周围环境监测系统的网络结构示意图；[0033] 图4为本发明实施例的系统流程结构示意图；[0034] 图中标号：110?综合信息获取模块；120?光学图像数据采集模块；130?数据融合分析模块；140?图像数据监测单元；1401?预测模块；1402?分析模块；1403?计算模块；150?动态决策单元；1501?接收模块；1502?追踪模块；160?监测终端。具体实施方式[0035] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。[0036] 由于现有技术难以通过采集输电塔所在区域的覆冰情况以及结合该地区历史数据进行深度融合学习而对其可能遭遇的覆冰和其安全运行状态进行预测分析，导致对输电塔面临的实时环境状态的影响难以根据监测需求而进行安全预警，这不仅不利于确保输电塔的稳定以及输电线路的安全运行，也会将输电塔周边的居民及财产置于风险之中。[0037] 基于此，本发明提出了一种基于光学识别标签的输电塔周围环境监测系统，其利用深度融合学习技术，依据预设地区于冬季实时监测得到的降雪数据和历史该区域监测的降雪数据，对预设输电塔及其线路可能形成的覆冰面积和/或厚度进行预测，在对其进行预测的同时，根据输电塔历史运行数据对输电塔未来时段可能发生的故障状态进行预警分析，并指定管理方案，利于输电塔及其线路安全稳定运行。[0038] 下面通过实施例并结合附图对本方案做进一步具体说明。[0039] 参照图1至图4，为本发明的一个实施例，该实施例提供了一种基于光学识别标签的输电塔周围环境监测系统，包括：[0040] 综合信息获取模块110，用于获取预设输电塔所处的区域位置，以及预设输电塔于冬季的历史覆冰数据和预设输电塔所处区域位置于冬季的历史降雪量数据；[0041] 本实施例需要说明的是，综合信息获取模块110包括GPS卫星导航定位仪和/或北斗卫星导航定位仪，其中，综合信息获取模块110还包括获取与预设输电塔连接的输电线路面积；[0042] 光学图像数据采集模块120，用于预设输电塔区域位置在降雪时采集该区域位置的覆冰光学图像数据，以及用于采集区域位置历史覆冰光学图像数据；[0043] 本实施例需要说明地是，覆冰光学图像数据为预设输电塔表面覆冰的光学图像数据，还包括与之连接的输电线路的光学图像数据；[0044] 本实施例还需要说明地是，光学图像数据采集模块120包括CCD摄像机和/或光学相机；[0045] 数据融合分析模块130，用于响应综合信息获取模块110的历史覆冰数据以及历史降雪量数据和光学图像数据采集模块120的覆冰光学图像数据，并对预设区域位置于冬季不同月份采集的光学图像数据进行分析比对，将冬季不同月份采集的光学图像数据生成数据集，采集数据集中对应月份的光学图像数据特征；[0046] 本实施例需要说明的是，冬季不同月份包括12月、1月和2月；[0047] 本实施例具体地，还包括将对应月份采集的光学图像数据特征与数据集中其它月份采集的光学图像数据特征进行分析比对，获取其中的关联数据特征，并综合关联数据特征生成预测模型；同时，使用Q?learning算法进行增强学习，以优化预测模型；[0048] 本实施例需要强调地是，将不同月份划分为覆冰光学图像数据最大月份和覆冰光学图像数据最小月份，并基于覆冰光学图像数据最大月份的数据集划分训练集、验证集和测试集，并构建覆冰光学图像数据最大月份的数据模型，同时分析月份覆冰光学图像数据的变化特征；[0049] 其中，基于覆冰光学图像数据变化特征，采集变化特征于月份的中间值图像数据，并于月份分析中间值图像数据向最大覆冰光学图像数据的变化规律，将变化规律上传至数据模型，并对数据模型进行更新；[0050] 本实施例进一步地，获取月份的中间值图像数据出现的最多时间段，将最多时间段划分为 ， 和 时间段，且每个时间段代表的时间范围依次为月份的上旬、中旬和下旬，并于最多时间段预设最低降雪量数据，同时获取最多时间段的历史最大中间值图像数据，当时间段内监测到的降雪量数据未超出最低降雪量数据时，则系统判定该时间段内的覆冰数据不会超出历史最大中间值图像数据，反之，则不判定；[0051] 图像数据监测单元140，用于监测预设区域位置于不同降雪量情况下的输电塔覆冰光学图像数据，并将覆冰光学图像数据进行标签分类，对标签分类的覆冰光学图像数据的积雪面积与厚度进行关联分析，图像数据监测单元140包括预测模块1401、分析模块1402和计算模块1403；[0052] 本实施例进一步说明地，将标签分类按照 ， ，...， 进行划分，其中，表示第 个标签数据，并采集不同标签数据情况下预设输电塔的运行指标，分析运行指标与覆冰光学图像数据变化的关联规律；[0053] 其中，运行指标包括置于预设输电塔上的绝缘子闪络续流电流值，以及与预设输电塔连接的输电线路的电流、电压和功率。[0054] 预测模块1401用于在不同降雪量情况下预测预设输电塔的覆冰面积，并指定单位降雪时间和单位监测时间，同时于单位监测时间内监测降雪量数据；[0055] 分析模块1402用于在单位时间内给定积雪面积变化量，并将变化量进行划分，分析不同变化量情况下积雪厚度的增加值；[0056] 本实施例具体地，将给定的积雪面积变化量划分为第一变化量、第二变化量和第三变化量，且每种变化量的积雪面积均按照10%进行扩增，并给定积雪面积每扩增10%，预设输电塔的积雪厚度就增加3～5%，同时以第二变化量为基础预设风险阈值，当预设输电塔积雪面积超出风险阈值时，则系统判定输电塔处于风险运行状态，并进行预警，反之，则不判定；[0057] 计算模块1403用于计算积雪厚度随降雪时间增加所需的时间；[0058] 动态决策单元150，用于根据降雪量变化情况和/或预测的降雪持续时间预设积雪厚度在不同时段的增加值，当于时段的积雪厚度超出预设增加值时，则系统判定预设输电塔处于风险运行状态，并进行预警，反之，则不判定；[0059] 本实施例进一步说明地，动态决策单元150包括接收模块1501和追踪模块1502，接收模块1501用于根据实时监测的覆冰光学图像数据接收输电塔运行数据，并分析覆冰光学图像数据变化与输电塔运行数据的关联变化；[0060] 本实施例需要说明的是，输电塔运行数据包括量测数据，其中，量测数据包括绝缘子温度、电气参数和预设输电塔杆塔倾斜数据；[0061] 追踪模块1502用于在预设月份追踪输电塔运行数据的最大变化值，预设月份包括覆冰光学图像数据最大月份，并于该月份采集输电塔运行数据最大变化值情况下的覆冰光学图像数据特征，计算出覆冰光学图像数据特征对输电塔运行数据的影响变化，根据如下公式计算得出：[0062] ；[0063] 式中， 表示预设输电塔所处区域位置于历史采集的运行数据中第 个最大变化值， 表示对预设输电塔第 次采集的与其运行数据变化对应的第 个覆冰光学图像数据特征， 表示对预设输电塔于所述月份第 次采集的覆冰光学图像数据的差值；[0064] 同时，本实施例在上述基础上，将采集的覆冰光学图像数据的差值按照第一最大差值、第二最大差值和第三最大差值阶梯式划分，获取三种差值数据情况下预设输电塔区域位置的降雪量变化特征，并将变化特征分为若干个评估指标，统计出预设输电塔于月份的评估指标数据，将数据归一化处理，计算出每个评估指标的权重；[0065] 监测终端160，用于记录与预设输电塔匹配的通信基站和/或通信基站运营方，并接收采集监测点上传的现场数据，同时进行后台数据更新，当预设输电塔所处区域发出预警时，则向该预设监测区域内对应的通信基站和/或通信基站运营方发起输电塔预警状态的信息获取请求。[0066] 其中，在上述基础上，本实施例还包括进一步地实施方案：采用MonteCarlo方法于月份对预设输电塔区域涉及的面积范围的覆冰光学图像数据进行抽样，获取面积范围内不同输电塔覆冰光学图像数据，并分析不同覆冰光学图像数据情况下输电塔的运行状态，同时建立不同月份降雪数据对输电塔的影响及可靠性评估。[0067] 进一步地，对抽样数据对应的预设输电塔运行状态特征进行历史评估比对，并对不同评估比对结果数据制定不同的分级管理方案，具体地评估比对结果数据包括预设输电塔区域位置范围内其它输电塔的评估比对结果数据，同时分析比对结果数据的数据特征。[0068] 具体地，于不同分级管理方案中给定最小覆冰光学图像数据，并基于最小覆冰光学图像数据预设临界阈值，当未来时段预设输电塔区域于覆冰光学图像数据最大月份的抽样数据未超出临界阈值时，则系统判定未达到启动对应分级管理方案条件，反之，则不判定。[0069] 综上所述，本发明利用深度融合学习技术，依据预设地区于冬季实时监测得到的降雪数据和历史该区域监测的降雪数据，对预设输电塔及其线路可能形成的覆冰面积和/或厚度进行预测，在对其进行预测的同时，根据输电塔历史运行数据对输电塔未来时段可能发生的故障状态进行预警分析，同时基于采集的输电塔覆冰的光学图像数据的变化，判断输电塔及其线路发生故障的概率，并指定管理方案，进而利于输电塔及其线路安全稳定运行。[0070] 在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。[0071] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。[0072] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。[0073] 流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。[0074] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。[0075] 应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。[0076] 此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。[0077] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

专利地区：甘肃

专利申请日期：2024-09-12

专利公开日期：2024-11-29

专利公告号：CN118799818B