本发明专利技术提供了一种水电站下游水位的预测方法、装置及终端设备，所述方法应用于服务器，所述服务器与无人机通信连接，所述方法包括：获取目标大坝对应的大坝下游水位预测模型；其中，所述大坝下游水位预测模型是基于所述目标大坝的大坝参数构建得到的；控制所述无人机采集所述目标大坝的下游水域的当前高程信息；将所述当前高程信息和所述目标大坝的大坝出库流量输入至所述大坝下游水位预测模型，得到所述下游水域的水位信息。本发明专利技术可以降低水位预测所需的成本，提高水位预测的效率和准确性，从而实现无人化全自动巡检和预测。从而实现无人化全自动巡检和预测。从而实现无人化全自动巡检和预测。
【技术实现步骤摘要】
水电站下游水位的预测方法、装置及终端设备
[0001]本专利技术涉及无人机巡检
，尤其是涉及一种水电站下游水位的预测方法、装置及终端设备。
技术介绍
[0002]在水电站运行调度过程中，蓄洪调度运行后的下泄流量会对坝下游河道水位和流量变幅产生影响，长期以来，大量观察资料表明水电站下游水位受多种因素影响，尤其在承担调峰、调频任务时，水电站出库流量会产生剧烈变化，容易在下游河道形成水位、流速急剧变动的非恒定水流(即水电站下游非恒定流特性)。这种由出库流量引起的下游水位复杂变化会影响水电站的正常工作及给下游安全带来不确定性，因此需要对出库流量与下游水位上涨进行精准的预测。目前，主要利用各种地面传感器等监测设备采集坝下游水位等信息，还有结合人工安放等，不仅工作量大、人工成本高，传感器工作还容易受采集环境和工作年限影响，不利于低成本、高效准确的预测下游水位。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种水电站下游水位的预测方法、装置及终端设备，可以降低水位预测所需的成本，提高水位预测的效率和准确性，从而实现无人化全自动巡检和预测。
[0004]第一方面，本专利技术实施例提供了一种水电站下游水位的预测方法，所述方法应用于服务器，所述服务器与无人机通信连接，所述方法包括：获取目标大坝对应的大坝下游水位预测模型；其中，所述大坝下游水位预测模型是基于所述目标大坝的大坝参数构建得到的；控制所述无人机采集所述目标大坝的下游水域的当前高程信息；将所述当前高程信息和所述目标大坝的大坝出库流量输入至所述大坝下游水位预测模型，得到所述下游水域的水位信息。
[0005]在一种实施方式中，所述大坝下游的步骤，包括：获取目标大坝的大坝参数和预设的下游水位公式；基于所述大坝参数和所述下游水位公式构建所述目标大坝的大坝下游水位预测模型。
[0006]在一种实施方式中，所述无人机搭载激光点云吊舱；所述控制所述无人机采集所述目标大坝的下游水域的当前高程信息的步骤，包括：将点云采集任务下发至所述无人机，以通过所述无人机的所述激光点云吊舱采集所述目标大坝的下游水域的点云数据；其中，所述点云数据包括所述目标大坝的下游目标区域与所述下游水域交界处的点云；接收所述无人机采集的所述点云数据，并基于所述点云数据确定所述下游水域的当前高程信息。
[0007]在一种实施方式中，将所述当前高程信息和所述目标大坝的大坝出库流量输入至所述大坝下游水位预测模型，得到所述下游水域的水位信息的步骤，包括：利用所述水位预测模型基于所述目标大坝的大坝出库流量和所述当前高程信息预估高程差值，并基于所述当前高程信息和所述高程差值计算所述下游水域水位信息。
[0008]在一种实施方式中，所述方法还包括：根据目标时段内所述下游水域的水位信息，生成所述下游水域的水位变化信息。
[0009]在一种实施方式中，所述方法还包括：控制所述无人机采集所述目标大坝的大坝图像，并基于所述大坝图像生成大坝三维实景模型；其中，所述大坝三维实景模型用于展示所述目标大坝和所述下游水域的实景信息；基于所述大坝三维实景模型展示所述下游水域的所述水位信息和/或所述水位变化信息。
[0010]第二方面，本专利技术实施例还提供一种水电站下游水位的预测装置，所述装置应用于服务器，所述服务器与无人机通信连接，所述装置包括：获取模块，用于获取目标大坝对应的大坝下游水位预测模型；其中，所述大坝下游水位预测模型是基于所述目标大坝的大坝参数构建得到的；采集模块，用于控制所述无人机采集所述目标大坝的下游水域的当前高程信息；预测模块，将所述当前高程信息和所述目标大坝的大坝出库流量输入至所述大坝下游水位预测模型，得到所述下游水域的水位信息。
[0011]在一种实施方式中，获取模块还用于：获取目标大坝的大坝参数和预设的下游水位公式；基于所述大坝参数和所述下游水位公式构建所述目标大坝的大坝下游水位预测模型。
[0012]第三方面，本专利技术实施例还提供一种终端设备，包括存储器以及处理器；所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面和第二方面任一项所述的方法的步骤。
[0013]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述第一方面和第二方面任一项所述的方法。
[0014]本专利技术实施例提供的水电站下游水位的预测方法、装置及终端设备，首先获取基于大坝参数构建得到的目标大坝对应的大坝下游水位预测模型，然后控制无人机采集目标大坝下游水域的当前高程信息，再将当前高程信息和预先设定的大坝出库流量输入到大坝下游水位预测模型中，以利用该大坝下游水位预测模型得到下游水域对应的水位信息。上述方法通过无人机采集下游水域的当前高程信息，并利用大坝下游水位预测模型基于该当前高程信息和大坝出库流量确定水位信息，实现对水电站大坝的全自动巡检和水位预测，相较于现有技术中人工巡检的方式，本专利技术实施例不仅能够降低确定下游水位信息的成本，而且显著提高了目标大坝水位预测的效率和准确性。
[0015]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0016]为使本专利技术的上述目的、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
[0017]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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。
[0018]图1为本专利技术实施例提供的一种水电站下游水位的预测方法的流程示意图；
[0019]图2为本专利技术实施例提供的另一种水电站下游水位的预测方法的流程示意图；
[0020]图3为本专利技术实施例提供的一种水电站下游水位的预测装置的结构示意图；
[0021]图4为本专利技术实施例提供的一种终端设备的结构示意图。
具体实施方式
[0022]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合实施例对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0023]在实际应用中，大坝下游水位的变化不仅与当前时段的出库流量有关，还与以前工作状态有关，也就是具有一定的“后效性”，而下游河道的非恒定流特性，会导致相同出库流量在不同时刻下的实际下游水位不同，另外，由于下游河道非恒定流现象的复杂性，受河道自身条件影响本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种水电站下游水位的预测方法，其特征在于，所述方法应用于服务器，所述服务器与无人机通信连接，所述方法包括：获取目标大坝对应的大坝下游水位预测模型；其中，所述大坝下游水位预测模型是基于所述目标大坝的大坝参数构建得到的；控制所述无人机采集所述目标大坝的下游水域的当前高程信息；将所述当前高程信息和所述目标大坝的大坝出库流量输入至所述大坝下游水位预测模型，得到所述下游水域的水位信息。2.根据权利要求1所述的方法，其特征在于，所述获取目标大坝对应的大坝下游水位预测模型的步骤，包括：获取目标大坝的大坝参数和预设的下游水位公式；基于所述大坝参数和所述下游水位公式构建所述目标大坝的大坝下游水位预测模型。3.根据权利要求1所述的方法，其特征在于，所述无人机搭载激光点云吊舱；所述控制所述无人机采集所述目标大坝的下游水域的当前高程信息的步骤，包括：将点云采集任务下发至所述无人机，以通过所述无人机的所述激光点云吊舱采集所述目标大坝的下游水域的点云数据；其中，所述点云数据包括所述目标大坝的下游目标区域与所述下游水域交界处的点云；接收所述无人机采集的所述点云数据，并基于所述点云数据确定所述下游水域的当前高程信息。4.根据权利要求1所述的方法，其特征在于，将所述当前高程信息和所述目标大坝的大坝出库流量输入至所述大坝下游水位预测模型，得到所述下游水域的水位信息的步骤，包括：利用所述水位预测模型基于所述目标大坝的大坝出库流量和所述当前高程信息预估高程差值，并基于所述当前高程信息和所述高程差值计算所述下游水域水位信息。5.根据权利要求4所述的方法，其特征在于，所述方法包括：根...
【专利技术属性】
技术研发人员：祝尉洪，高明，陆煜衡，魏小强，
申请(专利权)人：天津云圣智能科技有限责任公司，
类型：发明
国别省市：
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。