本发明专利技术属于输电线路监测技术领域，具体涉及一种输电线路沿线山火监测方法及系统。获取输电线路沿线的当前用于识别火险的微气象数据，并输入至构建的山火险情等级划分模型中，得到当前微气象条件下输电线路沿线的山火险情等级；其中，山火险情等级划分模型为改进神经网络模型，所述改进神经网络模型的改进点在于神经网络的权值和阈值利用遗传算法得到，并根据设置的适应度函数进行更新。该方法无需耗费过多的人力，不仅对输电线路可能发生的山火险情做出提前分析预测，具备提前感知火险能力，也为可能爆发的山火险情争取更多的救援时间。间。间。
【技术实现步骤摘要】
一种输电线路沿线山火监测方法及系统
[0001]本专利技术属于输电线路监测
，具体涉及一种输电线路沿线山火监测方法及系统。
技术介绍
[0002][0003]目前，对于跨越山区的输电线路沿线周边爆发山火险情的问题，传统的巡检方式包括人工定期山区巡检和传统视频图像监拍两种方式，人工定期山区巡检难度大，耗费人力，且巡检范围有限，很多高海拔地区无法到达；传统视频图像监控需要依靠值班人员24小时轮流值班，昼夜监控和判断各个监视点传来的现场视频图像，既耗费人力，也很难精准预测和发现早期爆发的山火险情，严重情况下将延误救援时间，造成不可弥补的损失。
技术实现思路
[0004]本专利技术的目的在于提供一种输电线路沿线山火监测方法及系统，用以解决现有技术的监测方法造成的耗费人力且难以发现早期山火险情造成的烟雾救援时间的问题。
[0005]为解决上述技术问题，本专利技术提供了一种输电线路沿线山火监测方法，获取输电线路沿线的当前用于识别火险的微气象数据，并输入至构建的山火险情等级划分模型中，得到当前微气象条件下输电线路沿线的山火险情等级；其中，山火险情等级划分模型为改进神经网络模型，所述改进神经网络模型的改进点在于采用遗传算法优化神经网络的权值和阈值，并根据设置的适应度函数进行更新。
[0006]其有益效果为：本专利技术利用遗传算法改进神经网络，即利用遗传算法优化神经网络的权值和阈值，进而利用训练数据对优化后的神经网络模型进行训练，并根据适应度函数对其进行更新，不断重复该过程，以得到最优的网络权值和阈值，从而得到最优的神经网络模型，即山火险情等级划分模型，进而将输电线路沿线的当前用于识别火险的微气象数据输入至山火险情等级划分模型中，便可得到当前微气象条件下输电线路沿线的山火险情等级。该方法无需耗费过多的人力，不仅对输电线路可能发生的山火险情做出提前分析预测，具备提前感知火险能力，也为可能爆发的山火险情争取更多的救援时间，以降低应对山区输电线路防治的难度和山火对输电线路造成的损失。
[0007]进一步地，用于识别火险的微气象数据包括温度、大气湿度和降雨量。
[0008]其有益效果为：利用温度、大气湿度和降雨量三项对山火影响较大的数据对山火险情进行提前分析预测，可以准确预测当前微气象条件下输电线路沿线的山火险情等级。
[0009]进一步地，在当前微气象条件下输电线路沿线的山火险情等级高于设定的山火险情等级阈值时，获取输电线路周边的图像，对图像中符合山火特征和烟雾特征的样点进行识别，以找到潜在山火爆发点，并采集潜在山火爆发点的温度，在温度大于设定温度阈值时，判定潜在山火爆发点为山火爆发点；其中，山火险情等级越高，发生山火的概率越高。
[0010]其有益效果为：在发现当前微气象条件下输电线路沿线的山火险情等级较高的情
况下，进一步通过可见光图像找到潜在山火爆发点，并利用温度对潜在山火爆发点进行进一步确定，以准确找到山火爆发点。
[0011]进一步地，在识别出山火爆发点后，测量输电线路与山火爆发点之间的距离。
[0012]其有益效果为：对输电线路与山火爆发点之间的距离进行测量，可以用于检测火势蔓延趋势，为尽可能降低山火对输电线路运行造成的影响打下基础。
[0013]进一步地，还需获取用于识别火势蔓延趋势的微气象数据，所述用于识别火势蔓延趋势的微气象数据包括输电线路沿线的风速和风向数据，确定山火爆发点的火势蔓延速度，且火势蔓延速度的计算公式为：
[0014]V＝V0×
K0×
K
f
[0015]式中，V表示顺风向火势蔓延速度；V0表示无风时火势蔓延速度，V0＝aT+bV
w
+cH
‑
D，T表示日最高气温，V
w
表示中午平均风级，H表示日最小湿度，a、b、c、D均是系数；K0表示速度更正系数；K
f
表示可燃物配置更正系数。
[0016]其有益效果为：结合风速、风向、山火爆发点的位置可以准确确定山火爆发点的火势蔓延趋势，为山火可能途径的区域沿线做出提前预警，便于尽可能降低山火对输电线路运行造成的影响。
[0017]为解决上述技术问题，本专利技术还提供了一种输电线路沿线山火监测系统，包括供电模块、微气象传感器和数据处理模块；所述供电模块用于为监测系统中需供电设备供电；所述微气象传感器用于采集输电线路沿线的当前用于识别火险的微气象数据，并发送给数据处理模块；所述数据处理模块用于将获取的当前用于识别火险的微气象数据输入至构建的山火险情等级划分模型中，得到当前微气象条件下输电线路沿线的山火险情等级，其中，山火险情等级划分模型为改进神经网络模型，所述改进神经网络模型的改进点在于采用遗传算法优化神经网络的权值和阈值，并根据设置的适应度函数进行更新。
[0018]其有益效果为：该输电线路沿线山火监测系统中设置有数据处理模块，数据处理模块可以利用微气象数据对山火险情等级进行预测，而且，在预测时，使用遗传算法改进神经网络，即利用遗传算法优化神经网络的权值和阈值，进而利用训练数据对优化后的神经网络模型进行训练，并根据适应度函数对其进行更新，不断重复该过程，以得到最优的网络权值和阈值，从而得到最优的神经网络模型，即山火险情等级划分模型。该方法无需耗费过多的人力，不仅对输电线路可能发生的山火险情做出提前分析预测，具备提前感知火险能力，也为可能爆发的山火险情争取更多的救援时间。
[0019]进一步地，输入至构建的山火险情等级划分模型的微气象数据包括温度、空气相对湿度和降雨量。
[0020]其有益效果为：利用温度、大气湿度和降雨量三项对山火影响较大的数据对山火险情进行提前分析预测，可以准确预测当前微气象条件下输电线路沿线的山火险情等级。
[0021]进一步地，所述监测系统还包括可见光模块和红外热成像模块；所述可见光模块用于在输电线路沿线的山火险情等级高于设定的山火险情等级阈值时实时拍摄输电线路周边的图像，以识别出拍摄的图像中的符合山火特征和烟雾特征的样点从而找到潜在山火爆发点，以及在输电线路沿线的山火险情等级低于或者等于设定的山火险情等级阈值时定时拍摄输电线路周边的图像；所述红外热成像模块用于采集潜在山火爆发点的温度，以从潜在山火爆发点中找到山火爆发点。
[0022]其有益效果为：在发现当前微气象条件下输电线路沿线的山火险情等级较高的情况下，进一步通过可见光图像找到潜在山火爆发点，并利用温度对潜在山火爆发点进行进一步确定，以准确找到山火爆发点。而且，可见光模块的工作模式分为定时和实时两种模式，降低了整个输电线路沿线山火监测系统的功耗，延长了系统在恶略天气下续航的时间。
[0023]进一步地，所述监测系统还包括测距模块，用于测量输电线路与山火爆发点之间的距离。
[0024]其有益效果为：对输电线路与山火爆发点之间的距离进行测量，可以用于检测火势蔓延趋势，为尽可能降低山火对输电线路运行造成的影响打下基础。
[0025]进一步地，所述微气象传感器本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种输电线路沿线山火监测方法，其特征在于，获取输电线路沿线的当前用于识别火险的微气象数据，并输入至构建的山火险情等级划分模型中，得到当前微气象条件下输电线路沿线的山火险情等级；其中，山火险情等级划分模型为改进神经网络模型，所述改进神经网络模型的改进点在于采用遗传算法优化神经网络的权值和阈值，并根据设置的适应度函数进行更新。2.根据权利要求1所述的输电线路沿线山火监测方法，其特征在于，用于识别火险的微气象数据包括温度、大气湿度和降雨量。3.根据权利要求1所述的输电线路沿线山火监测方法，其特征在于，在当前微气象条件下输电线路沿线的山火险情等级高于设定的山火险情等级阈值时，获取输电线路周边的图像，对图像中符合山火特征和烟雾特征的样点进行识别，以找到潜在山火爆发点，并采集潜在山火爆发点的温度，在温度大于设定温度阈值时，判定潜在山火爆发点为山火爆发点；其中，山火险情等级越高，发生山火的概率越高。4.根据权利要求3所述的输电线路沿线山火监测方法，其特征在于，在识别出山火爆发点后，测量输电线路与山火爆发点之间的距离。5.根据权利要求4所述的输电线路沿线山火监测方法，其特征在于，还需获取用于识别火势蔓延趋势的微气象数据，所述用于识别火势蔓延趋势的微气象数据包括输电线路沿线的风速和风向数据，确定山火爆发点的火势蔓延速度，且火势蔓延速度的计算公式为：V＝V0×
K0×
K
f
式中，V表示顺风向火势蔓延速度；V0表示无风时火势蔓延速度，V0＝aT+bV
w
+cH
‑
D，T表示日最高气温，V
w
表示中午平均风级，H表示日最小湿度，a、b、c、D均是系数；K0表示速度更正系数；K
f
表示可燃物配置更正系数。6.一种输电线路沿线山火监测系统，其特征在于，包括供电模块、微气象传感器和数据处理模块；所述供电模块用于为监测系统中需供电设备供电；所述微气象传感器用于采集输电线路沿线的当前用于识别火险的微气象数据，并发送给数据...
【专利技术属性】
技术研发人员：云红剑，田二胜，郭帅超，刘佳仪，王汝松，曹诚路，王韬尉，程宇航，杨浩克，张邵杰，李晓冰，赵启明，
申请(专利权)人：许继电气股份有限公司，
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。