【技术实现步骤摘要】
基于深度学习图像识别的电网覆冰长期预测方法及系统
[0001]本专利技术涉及电网安全
，尤其涉及基于深度学习图像识别的电网覆冰长期预测方法及系统。
技术介绍
[0002]覆冰灾害是对电网安全稳定运行威胁最大的自然灾害之一，输电线路覆冰严重时可能导致线路断线、舞动、脱冰跳跃以及杆塔倒塔、金具损坏等故障，大范围覆冰还可能导致电网发生连锁故障和大面积停电。
[0003]当杆塔、输电线路发生严重覆冰后，电网应对的手段主要有电流融冰、热风除冰及激光除冰等，但电网融除冰设备体积庞大运输所需时间长，部分固定式设备无法运输，因此需要对电网冬季覆冰情况提前进行长期预测，提前将融除冰装备运送部署至覆冰风险大的区域，保证当覆冰发生时能及时采取应对措施，最大程度降低覆冰对电网造成的损失。
技术实现思路
[0004]本专利技术提供了一种基于深度学习图像识别的电网覆冰长期预测方法及系统，用以解决对电网冬季覆冰情况提前进行长期预测，以便提前运送部署融除冰装备的技术问题。
[0005]为解决上述技术问题，本专利技术提出
【技术保护点】
【技术特征摘要】
1.一种基于深度学习图像识别的电网覆冰长期预测方法，其特征在于，包括以下步骤：确定待预测区域的经纬度范围和待预测日期；并绘制对应的经纬度范围和待预测日期在设定高空气压值的等高线图；将所述等高线图压缩后的图像输入已训练好的卷积神经网络模型中，输出图像所对应标签；根据所述标签判断待预测日期是否会发生覆冰。2.根据权利要求1所述的基于深度学习图像识别的电网覆冰长期预测方法，其特征在于，所述已训练好的卷积神经网络模型，通过以下步骤进行训练得到：选取待预测区域历史上有覆冰的多天和无覆冰的多天；逐一绘制设定高空气压值的多张等高线图，将所述多张等高线图以及对应的是否覆冰的标签作为训练样本；将等高线图压缩后的图像输入至卷积神经网络模型中，输出图像所对应标签，对所述卷积神经网络模型进行训练。3.根据权利要求1所述的基于深度学习图像识别的电网覆冰长期预测方法，其特征在于，所述卷积神经网络模型的卷积神经网络包括：依次设置的卷积层、池化层、卷积层、池化层以及全连接层。4.根据权利要求1所述的基于深度学习图像识别的电网覆冰长期预测方法，其特征在于，所述绘制对应的经纬度范围和待预测日期在设...
【专利技术属性】
技术研发人员：简洲，郭俊，冯涛，蔡泽林，
申请(专利权)人：国网湖南省电力有限公司防灾减灾中心国家电网有限公司，
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。