本申请涉及一种输电线路状态评估方法、装置、计算机设备、介质和产品，通过获取输电线路的多个故障影响指标的样本数据，并基于各训练集数据对初始神经网络模型进行训练，得到故障预测模型，分别调整各测试集数据，并将调整后的测试集数据输入至故障预测模型得到输出预测数据，并根据输出预测数据获取各测试集数据对应的影响变化值，从而根据影响变化值从多个故障影响指标中筛选出目标指标，确定各目标指标的评价等级，最后根据目标指标、以及各目标指标的评价等级，能够全面分析影响输电线路状态的各故障影响指标，准确对输电线路状态进行评估。评估。评估。
【技术实现步骤摘要】
输电线路状态评估方法、装置、计算机设备、介质和产品
[0001]本申请涉及输电线路运维
，特别是涉及一种输电线路状态评估方法、装置、计算机设备、介质和产品。
技术介绍
[0002]电网运维需要定期检测输电线路及杆塔的状态，并反馈给相关的运维人员，运维人员根据检测的状态数据分析并采取对应措施。
[0003]传统技术中，对输电线路及杆塔的状态进行评估，通常是根据输电线路及杆塔的实时数据进行的，例如通过输电线路杆塔上安装的物联网边缘感知设备，获取杆塔倾斜度、杆塔温度以及杆塔电流等数据，基于获取的数据对输电线路状态进行分析，确定输电线路是否出现某种故障。
[0004]但是，在实际分析中，输电线路的故障类型有多种，并不能完全确定每种故障类型的产生机理，因此在根据输电线路的实时数据进行评估时，只能对部分产生机理明确的故障进行分析，从而导致分析结果出现误差。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够准确对输电线路状态进行分析的输电线路状态评估方法、装置、计算机设备、介质和产品。
[0006]第一方面，本申请提供了一种输电线路状态评估方法，该方法包括：
[0007]获取输电线路的多个故障影响指标的样本数据；样本数据包括训练集数据和测试集数据；
[0008]基于各训练集数据对初始神经网络模型进行训练，得到故障预测模型；
[0009]分别调整各测试集数据，并将调整后的测试集数据输入至故障预测模型得到输出预测数据，并根据输出预测数据获取各测试集数据对应的影响变化值；
[0010]根据影响变化值从多个故障影响指标中筛选出目标指标，确定各目标指标的评价等级；
[0011]根据目标指标、以及各目标指标的评价等级，对输电线路状态进行评估。
[0012]在其中一个实施例中，分别调整各测试集数据，并将调整后的测试集数据输入至故障预测模型得到输出预测数据，并根据输出预测数据获取各测试集数据对应的影响变化值步骤包括：
[0013]对各测试集数据中各特征值分别进行增值处理和减值处理，得到增值处理对应的第一测试数据和减值处理对应的第二测试数据；
[0014]将第一测试数据输入至故障预测模型得到第一输出预测数据；
[0015]将第二测试数据输入至故障预测模型得到第二输出预测数据；
[0016]将第一输出预测数据和第二输出预测数据间的差值作为各测试集数据对应的影响变化值。
[0017]在其中一个实施例中，根据影响变化值从多个故障影响指标中筛选出目标指标步骤包括：
[0018]计算每个测试集数据对应的影响变化值的平均值，得到多个平均影响值；
[0019]根据预设数值要求从多个平均影响值中筛选出目标平均影响值；
[0020]将目标平均影响值对应的故障影响指标作为目标指标。
[0021]在其中一个实施例中，确定各目标指标的评价等级步骤包括：
[0022]构建预设模糊评价矩阵；
[0023]基于预设模糊评价矩阵和各目标指标对应的平均影响值，获取多个模糊子集；
[0024]根据预设隶属度原则获取模糊子集中满足隶属度要求的模糊子集；
[0025]基于满足隶属度要求的模糊子集确定各目标指标的评价等级。
[0026]在其中一个实施例中，基于预设模糊评价矩阵和各目标指标对应的平均影响值，获取多个模糊子集步骤包括：
[0027]基于各目标指标对应的平均影响值构建权重向量；权重向量用于表示各测试集数据对相应的输出预测数据的影响程度；
[0028]根据预设模糊评价矩阵对权重向量和预设评价等级进行模糊线性变换处理，得到多个模糊子集。
[0029]在其中一个实施例中，根据目标指标、以及各目标指标的评价等级，对输电线路状态进行评估步骤包括：
[0030]获取多个目标指标中需要进行目标风险确认的风险指标；
[0031]当风险指标对应的评价等级为目标风险等级时，获取定位坐标处的周围环境数据和现场图像数据；
[0032]根据周围环境数据对输电线路的输电通道进行目标风险确认，并根据现场图像数据对输电线路的对输电通道目标风险进行确认；
[0033]若根据周围环境数据确认存在目标风险，以及根据现场图像数据确认存在目标风险，则确定输电线路处于风险状态，并发出告警信号。
[0034]第二方面，本申请还提供了一种输电线路状态评估装置，该装置包括：
[0035]数据获取模块，用于获取输电线路的多个故障影响指标的样本数据；样本数据包括训练集数据和测试集数据；
[0036]模型训练模块，用于基于各训练集数据对初始神经网络模型进行训练，得到故障预测模型；
[0037]影响获取模块，用于分别调整各测试集数据，并将调整后的测试集数据输入至故障预测模型得到输出预测数据，并根据输出预测数据获取各测试集数据对应的影响变化值；
[0038]等级确定模块，用于根据影响变化值从多个故障影响指标中筛选出目标指标，确定各目标指标的评价等级；
[0039]状态评估模块，用于根据目标指标、以及各目标指标的评价等级，对输电线路状态进行评估。
[0040]第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任一项的方法步骤。
[0041]第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项的方法步骤。
[0042]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项的方法步骤。
[0043]上述输电线路状态评估方法、装置、计算机设备、介质和产品，通过获取输电线路的多个故障影响指标的样本数据，并基于各训练集数据对初始神经网络模型进行训练，得到故障预测模型，分别调整各测试集数据，并将调整后的测试集数据输入至故障预测模型得到输出预测数据，并根据输出预测数据获取各测试集数据对应的影响变化值，从而根据影响变化值从多个故障影响指标中筛选出目标指标，确定各目标指标的评价等级，根据目标指标、以及各目标指标的评价等级，能够全面分析影响输电线路状态的各故障影响指标，准确对输电线路状态进行评估。
附图说明
[0044]图1为一个实施例中输电线路状态评估方法的应用环境图；
[0045]图2为一个实施例中输电线路状态评估方法的流程示意图；
[0046]图3为一个实施例中获取影响变化值步骤的流程示意图；
[0047]图4为一个实施例中对输电线路状态进行评估步骤的流程示意图；
[0048]图5为另一个实施例中基于北斗的输电线路状态评估系统的结构框图；
[0049]图6为另一个实施例中基于北斗的输电线路状态评估方法的流程示意图；
[0050]图7为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种输电线路状态评估方法，其特征在于，所述方法包括：获取输电线路的多个故障影响指标的样本数据；所述样本数据包括训练集数据和测试集数据；基于各所述训练集数据对初始神经网络模型进行训练，得到故障预测模型；分别调整各所述测试集数据，并将调整后的测试集数据输入至所述故障预测模型得到输出预测数据，并根据所述输出预测数据获取各所述测试集数据对应的影响变化值；根据所述影响变化值从多个故障影响指标中筛选出目标指标，确定各所述目标指标的评价等级；根据所述目标指标、以及各所述目标指标的评价等级，对输电线路状态进行评估。2.根据权利要求1所述的方法，其特征在于，所述分别调整各所述测试集数据，并将调整后的测试集数据输入至所述故障预测模型得到输出预测数据，并根据所述输出预测数据获取各所述测试集数据对应的影响变化值，包括：对各所述测试集数据中各特征值分别进行增值处理和减值处理，得到所述增值处理对应的第一测试数据和所述减值处理对应的第二测试数据；将所述第一测试数据输入至所述故障预测模型得到第一输出预测数据；将所述第二测试数据输入至所述故障预测模型得到第二输出预测数据；将所述第一输出预测数据和所述第二输出预测数据间的差值作为各所述测试集数据对应的影响变化值。3.根据权利要求1所述的方法，其特征在于，所述根据所述影响变化值从多个故障影响指标中筛选出目标指标，包括：计算每个所述测试集数据对应的影响变化值的平均值，得到多个平均影响值；根据预设数值要求从所述多个平均影响值中筛选出目标平均影响值；将所述目标平均影响值对应的故障影响指标作为目标指标。4.根据权利要求3所述的方法，其特征在于，所述确定各所述目标指标的评价等级，包括：构建预设模糊评价矩阵；基于所述预设模糊评价矩阵和各所述目标指标对应的平均影响值，获取多个模糊子集；根据预设隶属度原则获取所述模糊子集中满足隶属度要求的模糊子集；基于满足隶属度要求的模糊子集确定各所述目标指标的评价等级。5.根据权利要求4所述的方法，其特征在于，所述基于所述预设模糊评价矩阵和各所述目标指标对应的平均影响值，获取多个模糊子集，包括：基...
【专利技术属性】
技术研发人员：黄炜昭，辛拓，徐曙，张成巍，余广译，陈远，黄林超，覃平，吉丽娅，刘佳，何林，吴新桥，
申请(专利权)人：深圳供电局有限公司，
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。