线路隐患预测方法及装置制造方法及图纸

本发明专利技术实施例提供的线路隐患预测方法及装置中，用于对架空线路下的树木生长进行预测，方法包括：获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据；将生长环境数据以及天气数据作为自变量，历史生长数据作为因变量对生长预测模型进行训练，获得架空线路下的树木的生长规律；根据生长规律，获得架空线路下的树木成长为隐患的时间节点。与现有技术相比，提高隐患预测精度，提高运维人员对树木隐患的预知能力，减少人工巡查次数的同时降低此类故障发生的概率。

Method and device for predicting line hazards

The method and device of line hidden danger prediction provided by the embodiment of the present invention are used for predicting tree growth under overhead lines. The methods include: acquiring historical growth data, growth environment data and weather data of trees under overhead lines; taking growth environment data and weather data as independent variables, and historical growth. The data are used as dependent variables to train the growth prediction model and obtain the growth law of trees under overhead lines. According to the growth law, the time nodes of trees growing into hidden dangers under overhead lines are obtained. Compared with the existing technology, it improves the prediction accuracy of hidden dangers, improves the ability of operation and maintenance personnel to predict hidden dangers of trees, reduces the number of manual inspection and reduces the probability of such failures.

【技术实现步骤摘要】
线路隐患预测方法及装置
本申请涉及电路领域，具体而言，涉及一种线路隐患预测方法及装置。
技术介绍
电力架空线下的高杆植物如桉树、松树、竹子等生长速度快，非常容易引起树闪，严重威胁电力系统的安全运行。尤其是在山区，树闪造成的跳闸事故时有发生。为了避免这类故障的发生，供电公司一般会组织运维人员定期巡查输电线路，一经发现架空线下存在威胁线路安全的树障即上报，再安排清障人员将树木砍伐，此过程需要花费巨大的人力物力。由于电网跨度大，线路繁多，有很大部分是跨越山区树林，导致巡视线路困难且精度不高，很容易造成漏巡或者多巡。巡查的时间间隔一般也由人工进行预判，树木长得快间隔短，长得慢间隔长，同时也由人工对树木成长为隐患的时间节点作一个初步预计。虽然人们可以在架空输电线路下方安装探测设备来提高运维单位对树木隐患的感知能力，减少运维人员的工作量，但这样做成本高昂，难以推广普及。为了提高隐患预测精度，提高运维人员对树木隐患的预知能力，减少人工巡查次数的同时降低此类故障发生的概率，开发一种具有树木隐患预测分析功能的智能系统十分必要。申请内容有鉴于此，本申请实施例提供了一种线路隐患预测方法及装置。第一方面，本申请实施例提供了一种线路隐患预测方法，用于对架空线路下的树木生长进行预测，所述方法包括：获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据；将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律；根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点。在一个可能的设计中，在所述根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点之后，所述方法还包括：判断当前时间与所述时间节点之间的间隔是否低于第一时间段；若所述当前时间与所述时间节点之间的间隔低于第一时间段，发出生长隐患报警信号。在一个可能的设计中，所述方法还包括：若所述当前时间与所述时间节点之间的间隔未低于第一时间段，在第二时间段后，执行“判断当前时间与所述时间节点之间的间隔是否低于第一时间段”步骤。在一个可能的设计中，在步骤“获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据”与步骤“将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律”之间，所述方法包括：获取天气数据中的极端天气对应的日期；将包含所述极端天气对应的日期的第三时间段中的第一历史生长数据剔除，将剔除第一历史生长数据后的历史生长数据作为新的历史生长数据。第二方面，本申请实施例提供了一种线路隐患预测装置，所述装置包括：数据获取模块，用于获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据；模型训练模块，用于将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律；时间预测模块，用于根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点。在一个可能的设计中，所述装置还包括：时间间隔判断模块，用于判断当前时间与所述时间节点之间的间隔是否低于第一时间段；生长隐患报警模块，用于若所述当前时间与所述时间节点之间的间隔低于第一时间段，发出生长隐患报警信号。在一个可能的设计中，所述装置还包括：步骤循环模块，用于若所述当前时间与所述时间节点之间的间隔未低于第一时间段，则在第二时间段后，执行“判断当前时间与所述时间节点之间的间隔是否低于第一时间段”步骤。在一个可能的设计中，所述装置还包括：极端天气获取模块，用于获取天气数据中的极端天气对应的日期；极端天气剔除模块，用于将包含所述极端天气对应的日期的第三时间段中的第一历史生长数据剔除，将剔除第一历史生长数据后的历史生长数据作为新的历史生长数据。第三方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令在被运行时，执行上述的方法。本专利技术实施例提供的线路隐患预测方法及装置中，用于对架空线路下的树木生长进行预测，所述方法包括：获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据；将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律；根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点。本专利技术实施例可以将历史生长数据、生长环境数据以及天气数据放入模型中进行训练，从而得到架空线路下树木的生长规律，然后根据训练出的生长规律来预测树木成长为隐患的时间节点，从而可以提醒运维人员到现场勘察排除隐患，与现有技术相比，提高隐患预测精度，提高运维人员对树木隐患的预知能力，减少人工巡查次数的同时降低此类故障发生的概率。为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚的说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请第一实施例提供的线路隐患预测方法的流程图；图2是本申请第一实施例提供的线路隐患预测方法的一种具体实施方式的流程图；图3是本申请第一实施例提供的线路隐患预测方法的部分步骤的流程图；图4是本申请第二实施例提供的线路隐患预测装置的结构框图。具体实施方式第一实施例请参见图1，图1示出了本申请第一实施例提供的线路隐患预测方法的流程示意图，具体包括如下步骤：步骤S110，获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据。运维人员在巡视时发现架空线路下方生长的高杆植物，运维人员可以记录该植物所在的地理位置、植物品种、土壤情况等信息。然后运维人员把巡视记录的数据录入架空线下树木隐患管理系统，该系统可以自动为该植物建档，并把其存入数据库中。所述生长环境数据包括土壤以及坡位，所述天气数据包括气温、降水量以及天气状况。应用程序可以获取生长环境数据以及从气象网站获取该区域的天气数据，从而执行接下来的操作。请参见图3，在步骤S110之后步骤S120之前，具体还包括如下步骤：步骤S111，获取天气数据中的极端天气对应的日期。步骤S112，将包含所述极端天气对应的日期的第三时间段中的第一历史生长数据剔除，将剔除第一历史生长数据后的历史生长数据作为新的历史生长数据。应用程序可以先对历史生长数据、生长环境数据以及天气数据进行预处理，预处理包括校验、剔除以及归一化处理等。具体地，应用程序可以获得天气数据中的极端天气，极端天气包括台风、冰雹、龙卷风等较为少见但破坏性较大的天气，由于该极端天气较少出现，但对树木生长的影响为无规律性的，因此可以将极端天气对应的日期以及相应的日期对应的历史生长数据剔除，避免上述异常量对模型训练造成影响。步骤S120，将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律。可以将生长环境数据以及天气数据作为自变量，历史本文档来自技高网...

【技术保护点】
1.一种线路隐患预测方法，其特征在于，用于对架空线路下的树木生长进行预测，所述方法包括：获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据；将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律；根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点。

【技术特征摘要】
1.一种线路隐患预测方法，其特征在于，用于对架空线路下的树木生长进行预测，所述方法包括：获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据；将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律；根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点。2.根据权利要求1所述的方法，其特征在于，在所述根据所述生长规律，获得所述架空线路下的树木成长为隐患的时间节点之后，所述方法还包括：判断当前时间与所述时间节点之间的间隔是否低于第一时间段；若所述当前时间与所述时间节点之间的间隔低于第一时间段，发出生长隐患报警信号。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述当前时间与所述时间节点之间的间隔未低于第一时间段，在第二时间段后，执行“判断当前时间与所述时间节点之间的间隔是否低于第一时间段”步骤。4.根据权利要求1所述的方法，其特征在于，在步骤“获取架空线路下的树木的历史生长数据、生长环境数据以及天气数据”与步骤“将所述生长环境数据以及天气数据作为自变量，所述历史生长数据作为因变量对生长预测模型进行训练，获得所述架空线路下的树木的生长规律”之间，所述方法包括：获取天气数据中的极端天气对应的日期；将包含所述极端天气对应的日期的第三时间段中的第一历史生长数据剔除，将剔除第一历史生长数据后的历史生长数据作为新的历史生长数据。5.根据权利要求1所述的方法，其特征在于，所述生长环境数...

【专利技术属性】
技术研发人员：苏超，胡金磊，邓杰文，唐小亮，欧锐明，罗建军，尹祖春，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司清远供电局，
类型：发明
国别省市：广东,44