本发明专利技术提供了一种输变电项目重大变动多源协同检测方法与系统，包括：S1、收集整理输变电项目历史环境影响数据；S2、将历史环境影响数据进行量化归一，获取各要素环境影响数值；S3、对各要素环境影响数值进行样本构建，进行多尺度集成学习，构建独立评估模型；S4、将各独立评估模型汇总，形成新的样本；S5、对新的样本进行二次深度学习训练，构建二次训练模型,进行重大变动演化学习；S6、根据二次训练模型，对输变电项目是否为重大变动进行快速检测以及模拟预测。本发明专利技术通过构建两级深度学习模型实现对待建/新建输变电项目重大变动的预测和检测，能够有效提升评估精度，降低评估成本，为输变电项目的规划和建设提供有力支撑。
【技术实现步骤摘要】
一种输变电项目重大变动多源协同检测方法与系统
本专利技术涉及自动化检测领域，特别是一种输变电项目重大变动多源协同检测方法与系统。
技术介绍
为进一步规范输变电建设项目环境管理，国家、地方环境保护部门先后出台了多项规定。根据规定：输变电建设项目发生清单中一项或一项以上，且可能导致不利环境影响显著加重的，界定为重大变动，其他变更界定为一般变动。因此，如何有效的在输变电项目规划、筹建阶段，评估、检测该项目的周边环境影响的程度和范围，具有重大意义。传统的环境评估、评价方法，以人工经验为主，依靠专业技术人员对项目实施评价评估，预测其对环境可能产生的影响，这种方法具有一定的局限性，主要表现为：1)人工评估受主观主体因素影响，无法根据项目实施地点、时间、规模等，产生绝对一致性的评估标准，难免产生评估偏差；2)人工评估需要采集收集大量的环境影响因素、历史比对数据等，耗时耗力，评估成本高昂；3)人工经验评估往往为定性评估，无法根据历史数据、实时数据，做到定量预测，较为准确的预测环境可能产生的各类影响，及影响大小。因此，如何设计并实现一种借助于现代化的人工智能技术，高度自动化、智能化的输变电项目重大变动预测、检测方法和系统，具有较强的现实意义与应用价值。
技术实现思路
本专利技术的目的是提供一种输变电项目重大变动多源协同检测方法与系统，旨在解决现有技术中输变电项目的评估依靠人工经验的问题，实现有效提升评估精度，降低评估成本，克服评估主观差异，为输变电项目的规划和建设提供有力支撑。。为达到上述技术目的，本专利技术提供了一种输变电项目重大变动多源协同检测方法，所述方法包括以下操作：S1、收集整理输变电项目历史环境影响数据；S2、将历史环境影响数据进行量化归一，获取各要素环境影响数值；S3、对各要素环境影响数值进行样本构建，进行多尺度集成学习，构建独立评估模型；S4、将各独立评估模型汇总，形成新的样本；S5、对新的样本进行二次深度学习训练，构建二次训练模型,进行重大变动演化学习；S6、根据二次训练模型，对输变电项目是否为重大变动进行快速检测以及模拟预测。优选地，所述步骤S2中，历史环境影响数据采集结果若本身和空间分布相关，则直接应用；采集结果如果为描述性结论，则将该类环境影响结论转换为以输变电实施项目为中心，周围空间的高斯分布。优选地，所述步骤S3中样本的构建流程如下：(1)根据输变电项目所在位置、类型等，自定义检测区域范围；(2)选定网格单元大小，构建检测区域空间网格；(3)网格中随机选择一个坐标点，计算该点的各类环境影响的数值；(4)将检测区域内选定的N个空间坐标点的每一类影响，都量化为0-255之间的任一数值；(5)以网格中点的量化影响数值为灰度，结合该点的空间位置，对每一类环境影响的空间结果，可构建三维灰度图像；(6)将预先采集的多时间点、多区域的输变电项目构建一定规模的样本集；(7)通过卷积神经网络模型训练样本集，得到针对各类环境影响的多个独立预测模型，对需要预测、检测的输变电项目，可根据模型生成P大气、P水、T土壤，P表示为该影响确实存在的百分比大小。优选地，所述输变电项目是否为重大变动的可能性的计算公式如下：P黄大变动＝K大气P大气+K水P水+K土壤P土壤K大气、K水、K土壤为标识各项环境影响对最终是否为重大变动的影响大小。优选地，所述二次训练模型具体为：P重大变动＝T大气K大气P大气+T水K水P水+T土壤K土壤P土壤其中T为每类环境影响样本平均采集时间归一化后的数值。本专利技术还提供了一种输变电项目重大变动多源协同检测系统，所述系统包括：数据预处理模块，用于收集整理输变电项目历史环境影响数据，并进行量化归一，获取各要素环境影响数值；多尺度集成学习模块，用于对各要素环境影响数值进行样本构建，进行多尺度集成学习，构建独立评估模型；新样本构建模块，用于将各独立评估模型汇总，形成新的样本；重大变动演化学习模块，用于对新的样本进行二次深度学习训练，构建二次训练模型,进行重大变动演化学习；重大变动检测模块，用于根据二次训练模型，对输变电项目是否为重大变动进行快速检测以及模拟预测。优选地，所述环境影响数据包括：输变电项目周边的多时段高分遥感数据、无人机影像数据和多光谱遥感数据，以及对周边环境的影响情况。优选地，所述环境影响数据采集结果若本身和空间分布相关，则直接应用；采集结果如果为描述性结论，则将该类环境影响结论转换为以输变电实施项目为中心，周围空间的高斯分布。优选地，所述二次训练模型优化为：P重大变动＝T大气K大气P大气+T土K水P水+T土壤K土壤P土壤其中P大气、P水、P土壤标识各类环境影响的数值(0-255)；K大气、K水、K土壤为标识各项环境影响对最终是否为重大变动的影响大小；T大气、T水、T土壤标识时间因素影响参数。
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：与现有技术相比，本专利技术通过对已实施输变电项目环境影响数据的采集、整理，构建两级深度学习模型，对大气、水、岩石、土壤等各类环境影响单独运用深度学习模型评估后，进而引入时间因素、权重因素进行二次评估，最终实现对待建/新建输变电项目重大变动的预测和检测。相比传统人工评估方法，能够有效提升评估精度，降低评估成本，克服评估主观差异，为输变电项目的规划和建设提供有力支撑。附图说明图1为本专利技术实施例中所提供的一种输变电项目重大变动多源协同检测方法流程图；图2为本专利技术实施例中所提供的一种输变电项目重大变动多源协同检测系统结构框图。具体实施方式为了能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本专利技术进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本专利技术的不同结构。为了简化本专利技术的公开，下文中对特定例子的部件和设置进行描述。此外，本专利技术可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本专利技术省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本专利技术。下面结合附图对本专利技术实施例所提供的一种输变电项目重大变动多源协同检测方法与系统进行详细说明。如图1所示，本专利技术实施例公开了一种输变电项目重大变动多源协同检测方法，所述方法包括以下操作：S1、收集整理输变电项目历史环境影响数据；S2、将历史环境影响数据进行量化归一，获取各要素环境影响数值；S3、对各要素环境影响数值进行样本构建，进行多尺度集成学习，构建独立评估模型；S4、将各独立评估模型汇总，形成新的样本；S5、对新的样本进行二次深度学习训练，构建二次训练模型,进行重大变动演化学习；S6、根据二次训练模型，对输变电项目是否为重大变动进行快速检测以及模拟预测。在本专利技术实施例中，环境影响因素选取水、大气、土壤三项为例，数据源以多时段高分遥感影像、无人机影像、多光谱数据为主，深度学习平台采用Tensorflow，深度学习模型采用ResNet和自定义的演化学习模型，系统以软件的方式实现。对输变电项目历史环境影响数据进行收集整理，收集已实施输变电项目对环境影响的情况，收集到的数据包括输变电项目周边的多时段高分遥感数据、无人机影本文档来自技高网...
【技术保护点】
1.一种输变电项目重大变动多源协同检测方法，其特征在于，所述方法包括以下操作：S1、收集整理输变电项目历史环境影响数据；S2、将历史环境影响数据进行量化归一，获取各要素环境影响数值；S3、对各要素环境影响数值进行样本构建，进行多尺度集成学习，构建独立评估模型；S4、将各独立评估模型汇总，形成新的样本；S5、对新的样本进行二次深度学习训练，构建二次训练模型,进行重大变动演化学习；S6、根据二次训练模型，对输变电项目是否为重大变动进行快速检测以及模拟预测。
【技术特征摘要】
1.一种输变电项目重大变动多源协同检测方法，其特征在于，所述方法包括以下操作：S1、收集整理输变电项目历史环境影响数据；S2、将历史环境影响数据进行量化归一，获取各要素环境影响数值；S3、对各要素环境影响数值进行样本构建，进行多尺度集成学习，构建独立评估模型；S4、将各独立评估模型汇总，形成新的样本；S5、对新的样本进行二次深度学习训练，构建二次训练模型,进行重大变动演化学习；S6、根据二次训练模型，对输变电项目是否为重大变动进行快速检测以及模拟预测。2.根据权利要求1所述的一种输变电项目重大变动多源协同检测方法，其特征在于，所述步骤S2中，历史环境影响数据采集结果若本身和空间分布相关，则直接应用；采集结果如果为描述性结论，则将该类环境影响结论转换为以输变电实施项目为中心，周围空间的高斯分布。3.根据权利要求1所述的一种输变电项目重大变动多源协同检测方法，其特征在于，所述步骤S3中样本的构建流程如下：(1)根据输变电项目所在位置、类型等，自定义检测区域范围；(2)选定网格单元大小，构建检测区域空间网格；(3)网格中随机选择一个坐标点，计算该点的各类环境影响的数值；(4)将检测区域内选定的N个空间坐标点的每一类影响，都量化为0-255之间的任一数值；(5)以网格中点的量化影响数值为灰度，结合该点的空间位置，对每一类环境影响的空间结果，可构建三维灰度图像；(6)将预先采集的多时间点、多区域的输变电项目构建一定规模的样本集；(7)通过卷积神经网络模型训练样本集，得到针对各类环境影响的多个独立预测模型，对需要预测、检测的输变电项目，可根据模型生成P大气、P水、P土壤，P表示为该影响确实存在的百分比大小。4.根据权利要求3所述的一种输变电项目重大变动多源协同检测方法，其特征在于，所述输变电项目是否为重大变动的可能性的计算公式如下：P重大变动＝K大气P大气+K水P水...
【专利技术属性】
技术研发人员：谢连科，臧玉魏，李勇，张永，马新刚，巩泉泉，许乃媛，张国英，刘辉，王娟娟，秦昌龙，尹建光，王坤，窦丹丹，
申请(专利权)人：国网山东省电力公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。