基于卫星遥感的输电线路走廊积雪灾害监测方法及系统技术方案

本发明专利技术公开了一种基于卫星遥感的输电线路走廊积雪灾害监测方法及系统，涉及电力系统技术领域。所述方法：通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；建立输电线路走廊的积雪雪深反演模型；在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测。本发明专利技术采用改进后的蜂群算法优化神经网络阈值和权值，提高反演模型精度。

Monitoring method and system for snow disaster in transmission corridor based on satellite remote sensing

The invention discloses a snow disaster monitoring method and system for transmission line corridor based on satellite remote sensing, and relates to the technical field of power system. The method described in this paper includes: acquiring surface data of any transmission line corridor by remote sensing satellite, pretreatment and correction; establishing snow depth inversion model of transmission line corridor; bringing the location data of target area into snow depth inversion model on the basis of measured snow depth data of transmission line corridor. The output parameters of snow depth in the target area are output and the monitoring of snow disaster in transmission corridors is completed. The improved bee colony algorithm is adopted to optimize the neural network threshold and weight value, and the inversion model precision is improved.

【技术实现步骤摘要】
基于卫星遥感的输电线路走廊积雪灾害监测方法及系统
本专利技术涉及电力系统
，尤其涉及一种基于卫星遥感的输电线路走廊积雪灾害监测方法及系统。
技术介绍
积雪是地球表面最为活跃的气象要素之一，影响着全球能量和水汽平衡，同时也影响天气、工农业和生活用水资源、环境、寒区工程等一系列与人类活动有关的要素积。在电力系统运行过程中，积雪过多会给野外输电线路造成巨大的影响。例如2008年元月，中国南方地区严重的雪冻灾害使得电网瘫痪，给部分地区的生产生活带来巨大影响。因此，积雪深度作为输电线路区域评估的重要环境参数受到重视，人们对于积雪的研究越来越多。至今为止，利用MODIS的相关波段数据与NDSI和NDVI相结合的方法。现有利用上述经验数据建立积雪分布反演模型基本上能满足大尺度气候和水文模式的精度要求，但，依旧存在很多问题，譬如说算法的区域性较强，为保证精度，积雪分布反演模型系数需经常更新，同时，现有技术中并不存在一个能够满足多种条件的积雪分布反演模型。
技术实现思路
本专利技术的目的在于提供一种基于卫星遥感的输电线路走廊积雪灾害监测方法及系统，从而解决现有技术中存在的前述问题。为了实现上述目的，本专利技术所述基于卫星遥感的输电线路走廊积雪灾害监测方法，所述方法包括：S1，通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；S2，建立输电线路走廊的积雪雪深反演模型；S3，在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测。优选地，步骤S2，建立输电线路走廊的积雪雪深反演模型，具体按照下述步骤实现：S21，建立初始模型库在经过预处理和校正后的输电线路走廊的地表数据的基础上，利用NDSI和NDVI算法，模拟多种不同厚度的雪深，提取形成任意一种厚度的信息参数，建立每种厚度的地表初始子模型，多个地表初始子模型组成初始模型库；S22，以初始模型库为训练集，建立基于神经网络的分类模型，然后在基于神经网络的分类模型的基础上对基于径向基函数的神经网络分类器的权系数和阈值进行优化，得到最优值；S23，将最优值带入基于径向基函数的神经网络分类器中，以初始模型库为训练集，训练基于径向基函数的神经网络分类器，得到积雪雪深反演模型。更优选地，步骤S21中子模型采用公式(1)描述：其中，X(xj,j＝1,2,...,N)为输入信息参数；y(X)∈RN，y(X)为在输入信息参数X的作用下积雪雪深反演模型的输出结果；mi为反演参数，所述反演参数包括：雪颗粒的平均直径，积雪厚度和温度；n为反演参数数量；为调度变量；ρi为基函数，是反演参数mi对应的归一化后的隶属度值，ρi的表达式为公式(2)：λi是高斯函数。更优选地，所述高斯函数λi计算获得任意一个地表初始子模型的隶属度，所述高斯函数λi为公式(3)：ci是高斯函数的中心变量，Si用以确定高斯函数的宽度，通过先验知识测定。优选地，步骤S23，采用人工蜂群算法进行优化。优选地，在步骤S3之后，还包括以下步骤：判断目标区的积雪深度反演参数值与目标区的实测值之间的差值是否在预设范围内，如果是，则继续判断下一个；如果否，则发出预警。本专利技术实现所述基于卫星遥感的输电线路走廊积雪灾害监测方法的监测系统，所述检测系统包括：数据采集和处理单元：负责通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；反演模型建立单元：用于建立输电线路走廊的积雪雪深反演模型；监测单元：用于在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测。优选地，所述反演模型建立单元包括：初始模型库构建模块：在经过预处理和校正后的输电线路走廊的地表数据的基础上，利用NDSI和NDVI算法，模拟多种不同厚度的雪深，提取形成任意一种厚度的信息参数，建立每种厚度的地表初始子模型，多个地表初始子模型组成初始模型库；优化计算模块：以初始模型库为训练集，建立基于神经网络的分类模型，然后在基于神经网络的分类模型的基础上对基于径向基函数的神经网络分类器的权系数和阈值进行优化，得到最优值；积雪雪深反演模型建立模块：将最优值带入基于径向基函数的神经网络分类器中，以初始模型库为训练集，训练基于径向基函数的的神经网络分类器，得到积雪雪深反演模型。本专利技术的有益效果是：本专利技术所述方法采用人工智能算法，以经验数据建立积雪初始模型库，作为训练样本，利用神经网络反演积雪模型地表参数，所述地表参数包括平均颗粒的体积、积雪密度和积雪温度，建立地表积雪反演模型，根据遥感影像上对应的位置数据，进行相关性分析得到反演关系式，并将实际遥感数据入到反演关系式，计算得到最终的积雪厚度覆盖图，并用不同颜色显示不同厚度。同时，本专利技术提高神经网络反演模型的精度，采用改进后的蜂群算法优化神经网络阈值和权值，提高反演模型精度。附图说明图1是基于卫星遥感的输电线路走廊积雪灾害监测方法的流程示意图；图2是人工蜂群算法的流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不用于限定本专利技术。实施例本实施例所述基于卫星遥感的输电线路走廊积雪灾害监测方法，包括：步骤1：数据预处理。通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；步骤2：建立输电线路走廊的积雪雪深反演模型。步骤a：在经过预处理和校正后的输电线路走廊的地表数据的基础上，利用NDSI和NDVI算法，模拟多种不同厚度的雪深，提取形成任意一种厚度的信息参数，模拟得到2.7—5.3μm的水平、垂直极化亮温与积雪深度的关系，并建立多个不同厚度的地表初始子模型形成模型库。模型库中所包含积雪深度范围为5cm—300cm。所述信息参数是以气象卫星为遥感平台，资源卫星和航拍为辅助平台监测到的多组图像和数据信息。步骤b：以所述初始模型库为训练集，建立基于神经网络的分类模型。为了提高神经网络的分类效果，提高收敛速度降低训练时间，然后在基于神经网络的分类模型的基础上对基于径向基函数的神经网络分类器的权系数和阈值进行优化，得到最优值。进行优化运算时，采用改进后的人工蜂群算法(即ABC算法)对基于径向基函数的神经网络分类器进行优化。其中，改进后的ABC算法实现步骤如下：1.设置蜂群种群数量为m＝100，最大迭代步数为max＝1000，循环次数L＝100；2.初始化当前迭代次数m＝1，初始化蜂群中当前对应食物源的侦查蜂数量为k＝1，初始化当前未被选中的训练样本比例为c＝100％；3.按照上述算法步骤，进行优化，得到基于径向基函数的神经网络分类器的权系数和阈值的最优解，将最优解带入基于径向基函数的神经网络分类器。步骤c：以初始模型库为训练集，训练基于径向基函数的神经网络分类器，得到积雪雪深反演模型。步骤3：积雪深度反演模型与精度检验。1.参考CLPX(TheColdLandProcessesFieldExperiment)实验的积雪深度实测数据，将相应的地理位置的数据(如山西省)以及2.7—5.3μm的水平、垂直极化亮温数据带本文档来自技高网...

【技术保护点】
1.一种基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，所述方法包括：S1，通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；S2，建立输电线路走廊的积雪雪深反演模型；S3，在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测。

【技术特征摘要】
1.一种基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，所述方法包括：S1，通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；S2，建立输电线路走廊的积雪雪深反演模型；S3，在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测。2.根据权利要求1所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，步骤S2，建立输电线路走廊的积雪雪深反演模型，具体按照下述步骤实现：S21，建立初始模型库在经过预处理和校正后的输电线路走廊的地表数据的基础上，利用NDSI和NDVI算法，模拟多种不同厚度的雪深，提取形成任意一种厚度的信息参数，建立每种厚度的地表初始子模型，多个地表初始子模型组成初始模型库；S22，以初始模型库为训练集，建立基于神经网络的分类模型，然后在基于神经网络的分类模型的基础上对基于径向基函数的神经网络分类器的权系数和阈值进行优化，得到最优值；S23，将最优值带入基于径向基函数的神经网络分类器中，以初始模型库为训练集，训练基于径向基函数的神经网络分类器，得到积雪雪深反演模型。3.根据权利要求2所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，步骤S21中子模型采用公式(1)描述：其中，X(xj,j＝1,2,...,N)为输入信息参数；y(X)∈RN，y(X)为在输入信息参数X的作用下积雪雪深反演模型的输出结果；mi为反演参数，所述反演参数包括：雪颗粒的平均直径，积雪厚度和温度；n为反演参数数量；为调度变量；ρi为基函数，是反演参数mi对应的归一化后的隶属度值，ρi的表达式为公式(2)：λi是高斯函数。4.根据权利要求3所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，所述高斯函数λi计算获得任...

【专利技术属性】
技术研发人员：武国亮，曹明德，原敏宏，李震宇，罗永勤，任学武，牛彪，王志利，
申请(专利权)人：国网山西省电力公司，国家电网公司，华大天元北京电力科技有限公司，
类型：发明
国别省市：山西,14