一种输电线路树障生长预测方法技术

本发明专利技术提供一种输电线路树障生长预测方法，包括以下步骤：S101、获取输电线路树障隐患样本数据；S102、对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展样本数据；S103、将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，获得二次扩展样本数据；S104、通过二次扩展样本数据对树高生长模型进行训练；S105、将实时采集的输电线路树障隐患数据输入到树高生长模型中，获得树高预测数据，所述方法使用较少的初始样本数据就能将树高生长模型训练出较高的性能，有助于提高树高生长模型的预测准确性。生长模型的预测准确性。生长模型的预测准确性。

【技术实现步骤摘要】
一种输电线路树障生长预测方法


[0001]本专利技术涉及树木生长预测
，尤其涉及一种输电线路树障生长预测方法。

技术介绍

[0002]热带地区的植被生长速度快，植物种类繁多。输电线路附近的树木长得过高时，刮大风引起的树木枝叶摆动，可能会触及导线造成漏电，甚至砸断导线。在输电线路下面的树木过高时，也可能触及导线造成漏电、断路，甚至引起停电事故。树障处理的难点之一是估算树木到电线的距离，为了解决传统作业中人工巡视输电线路的方式工作量大、人工测算距离较为困难且难以避免误差等问题，目前行业中通过机器学习模型对树木生长高度进行预测，从而辅助运维单位编制树障清理计划，减小树木对线路安全运行造成的风险，但仍存在一些问题，例如为了满足输电线路周边范围的覆盖需求以及不同树种的生长多样性，需要大量的树障隐患和生长训练数据，单单从自然环境中收集足量的训练数据耗时耗力，而从网络获取的训练数据不一定符合要求，导致预测模型的训练难度提高，影响预测准确性。

技术实现思路

[0003]鉴于此，本专利技术的目的在于提供一种输电线路树障生长预测方法，以克服或至少部分解决现有技术所存在的上述问题。
[0004]为实现上述专利技术目的，本专利技术提供一种输电线路树障生长预测方法，所述方法包括以下步骤：
[0005]S101、获取输电线路树障隐患样本数据；
[0006]S102、对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展样本数据；
[0007]S103、将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，获得二次扩展样本数据；
[0008]S104、通过二次扩展样本数据对树高生长模型进行训练；
[0009]S105、将实时采集的输电线路树障隐患数据输入到树高生长模型中，获得树高预测数据。
[0010]进一步的，所述输电线路树障隐患样本数据包括树种、树龄、郁闭度、植株数量、当前树高、当前胸径、距离导线的当前水平距离和垂直距离、生长速率。
[0011]进一步的，对输电线路树障隐患样本数据进行一次扩展处理，具体包括：
[0012]S201、从扩展策略集合中选择一扩展策略；
[0013]S202、根据选中的扩展策略对输电线路树障隐患样本数据进行一次扩展处理。
[0014]进一步的，从扩展策略集合中选择一扩展策略，具体包括以下步骤：
[0015]S301、获取输电线路区段信息列表，从输电线路区段信息列表中随机选择一区段作为目标区段；
[0016]S302、获取目标区段的历史树障清除数据，基于历史树障清除数据从扩展策略集合中选择扩展策略。
[0017]进一步的，基于历史树障清除数据从扩展策略集合中选择扩展策略，具体包括以下步骤：
[0018]S401、根据历史树障清除数据生成历史树障清除数据变化曲线图；
[0019]S402、计算历史树障清除数据变化曲线图中曲线的平均曲率；
[0020]S403、对平均曲率进行分级，根据平均曲率所属级别从扩展策略集合中选择扩展策略。
[0021]进一步的，将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，具体包括以下步骤：
[0022]S501、创建用于组成循环预测模型的预测模型和倒推模型，设定预测模型的目标为根据输入的树障隐患数据预测树障生长数据，设定倒推模型的目标为根据输入的树障生长数据倒推树障隐患数据；
[0023]S502、通过一次扩展样本数据对预测模型和倒推模型进行多轮协同训练，在每次多轮中生成更准确的树障隐患数据和树障生长数据，获得二次扩展样本数据。
[0024]进一步的，所述步骤S502具体包括：
[0025]S601、提取一次扩展样本数据中相对应的树障隐患数据和树障生长数据，作为有解样本数据集；
[0026]S602、通过有解样本数据集对预测模型和倒推模型进行预训练；
[0027]S603、提取一次扩展样本数据中的树障隐患数据形成树障隐患样本，提取其中的树障生长数据形成树障生长样本；
[0028]S604、通过树障隐患样本和树障生长样本对预测模型和倒推模型进行协同训练。
[0029]进一步的，所述步骤S604具体包括：
[0030]S701、在首轮协同训练时，将树障隐患样本输入到预测模型中，获得与树障隐患样本对应的树障生长数据，将树障隐患样本与相对应的树障生长数据添加到第一训练数据集中；
[0031]S702、在首轮协同训练时，将树障生长样本输入到倒推模型中，获得与树障生长样本对应的树障隐患数据，将树障生长样本与相对应的树障隐患数据添加到第二训练数据集中；
[0032]S703、在后续每轮协同训练时，使用上一轮协同训练输出的第一训练数据集和第二训练数据集分别对预测模型、倒推模型进行训练，对预测模型和倒推模型的参数进行更新。
[0033]与现有技术相比，本专利技术的有益效果是：
[0034]本专利技术所提供的一种输电线路树障生长预测方法，在获取输电线路树障隐患样本数据后，先对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展样本数据，再将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，获得二次扩展样本数据，通过二次扩展样本数据对树高生长模型进行训练，使得使用较少的初始样本数据就能将树高生长模型训练出较高的性能，使树高生长模型的预测准确性提高。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的优选实施例，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。
[0036]图1是本专利技术实施例提供的输电线路树障生长预测方法整体流程示意图。
[0037]图2是本专利技术实施例提供的一次扩展处理流程示意图。
[0038]图3是本专利技术实施例提供的扩展策略选择流程示意图。
[0039]图4是本专利技术实施例提供的基于历史树障清除数据选择扩展策略流程示意图。
[0040]图5是本专利技术实施例提供的二次扩展处理流程示意图。
[0041]图6是本专利技术实施例提供的一次扩展样本数据处理流程示意图。
[0042]图7是本专利技术实施例提供的协同训练流程示意图。
具体实施方式
[0043]以下结合附图对本专利技术的原理和特征进行描述，所列举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0044]参照图1，本实施例提供一种输电线路树障生长预测方法，所述方法包括以下步骤：
[0045]S101、获取输电线路树障隐患样本数据。
[0046]本实施例中，所述输电线路树障隐患样本数据包括树种、树龄、郁闭度、植株数量、当前树高、当前胸径、距离导线的当前水平距离和垂直距离、生长速率。
[0047]S102、对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路树障生长预测方法，其特征在于，所述方法包括以下步骤：S101、获取输电线路树障隐患样本数据；S102、对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展样本数据；S103、将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，获得二次扩展样本数据；S104、通过二次扩展样本数据对树高生长模型进行训练；S105、将实时采集的输电线路树障隐患数据输入到树高生长模型中，获得树高预测数据。2.根据权利要求1所述的一种输电线路树障生长预测方法，其特征在于，所述输电线路树障隐患样本数据包括树种、树龄、郁闭度、植株数量、当前树高、当前胸径、距离导线的当前水平距离和垂直距离、生长速率。3.根据权利要求1所述的一种输电线路树障生长预测方法，其特征在于，对输电线路树障隐患样本数据进行一次扩展处理，具体包括：S201、从扩展策略集合中选择一扩展策略；S202、根据选中的扩展策略对输电线路树障隐患样本数据进行一次扩展处理。4.根据权利要求3所述的一种输电线路树障生长预测方法，其特征在于，从扩展策略集合中选择一扩展策略，具体包括以下步骤：S301、获取输电线路区段信息列表，从输电线路区段信息列表中随机选择一区段作为目标区段；S302、获取目标区段的历史树障清除数据，基于历史树障清除数据从扩展策略集合中选择扩展策略。5.根据权利要求4所述的一种输电线路树障生长预测方法，其特征在于，基于历史树障清除数据从扩展策略集合中选择扩展策略，具体包括以下步骤：S401、根据历史树障清除数据生成历史树障清除数据变化曲线图；S402、计算历史树障清除数据变化曲线图中曲线的平均曲率；S403、对平均曲率进行分级，根据平均曲率所属级别从扩展策略集合中选择扩展策略。6...

【专利技术属性】
技术研发人员：夏云峰，杨杰，劳全，赖叶茗，叶盛，
申请(专利权)人：海南电网有限责任公司海南输变电检修分公司，
类型：发明
国别省市：