System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 输电杆塔洪灾风险评估方法、装置、设备及介质制造方法及图纸_技高网

输电杆塔洪灾风险评估方法、装置、设备及介质制造方法及图纸

技术编号:40592438 阅读:6 留言:0更新日期:2024-03-12 21:53
本申请揭示了一种输电杆塔洪灾风险评估方法、装置、设备及介质,其中方法包括:根据预设监测范围,获取目标输电杆塔对应的多源数据,根据多源数据,对每个洪灾风险指标确定目标指标值和第一信息量;根据第一信息量依次进行曲线生成及分级临界值划分,根据同一个洪灾风险指标对应的分级临界值及目标指标值进行指标分级,得到单指标分级结果;根据单指标分级结果和各个目标指标值进行分级的信息量计算,作为第二信息量;将各个第二信息量输入预训练的预测模型进行输电杆塔洪灾风险预测,得到预测数据;对预测数据按自然断点法进行划分,得到目标输电杆塔洪灾风险等级。从而提高了评估出的结果的准确性和可靠性。

【技术实现步骤摘要】

本专利技术涉及电力系统自然灾害事件监测技术,尤其涉及一种输电杆塔洪灾风险评估方法、装置、设备及介质


技术介绍

1、洪涝灾害(以下简称洪灾)导致输电线路的杆塔(又称为输电杆塔)的塔基受洪水冲刷,可能冲垮杆塔导致杆塔断线、淹没电力设施导致供电中断等,严重威胁电力系统的安全稳定运行。因此,输电杆塔的洪灾风险识别是电网安全监测的重要部分,其能为洪灾灾情评估和应急抢险提供准确客观的数据。

2、现有在采用基于信息量法的模型进行输电杆塔的洪灾风险评估时,基于信息量法的模型仅对输电杆塔洪灾风险指标信息熵进行线性叠加求和,从而导致评估出的结果的准确性和可靠性一般。


技术实现思路

1、基于此,有必要针对现有技术的基于信息量法的模型仅对输电杆塔洪灾风险指标信息熵进行线性叠加求和,从而导致评估出的结果的准确性和可靠性一般的技术问题,提出了一种输电杆塔洪灾风险评估方法、装置、设备及介质。

2、第一方面,提供了一种输电杆塔洪灾风险评估方法,所述方法包括:

3、根据预设监测范围,获取目标输电杆塔对应的多源数据,根据所述多源数据,对每个洪灾风险指标进行指标值及信息量计算,作为目标指标值和第一信息量;

4、根据所述第一信息量依次进行曲线生成及分级临界值划分,根据同一个所述洪灾风险指标对应的所述分级临界值及所述目标指标值进行指标分级,得到单指标分级结果;

5、根据所述单指标分级结果和各个所述目标指标值进行分级的信息量计算,作为第二信息量;

6、将各个所述第二信息量输入预训练的预测模型进行输电杆塔洪灾风险预测,得到预测数据,其中,所述预测模型基于svm模型训练得到的模型;

7、对所述预测数据按自然断点法进行划分,得到目标输电杆塔洪灾风险等级。

8、第二方面,提供了一种输电杆塔洪灾风险评估装置,所述装置包括:

9、信息量计算模块,用于根据预设监测范围,获取目标输电杆塔对应的多源数据,根据所述多源数据,对每个洪灾风险指标进行指标值及信息量计算,作为目标指标值和第一信息量;

10、单指标分级结果确定模块,用于根据所述第一信息量依次进行曲线生成及分级临界值划分,根据同一个所述洪灾风险指标对应的所述分级临界值及所述目标指标值进行指标分级,得到单指标分级结果;

11、第二信息量确定模块,用于根据所述单指标分级结果和各个所述目标指标值进行分级的信息量计算,作为第二信息量;

12、预测模块,用于将各个所述第二信息量输入预训练的预测模型进行输电杆塔洪灾风险预测,得到预测数据,其中,所述预测模型基于svm模型训练得到的模型;

13、目标输电杆塔洪灾风险等级确定模块,用于对所述预测数据按自然断点法进行划分,得到目标输电杆塔洪灾风险等级。

14、第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并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输电杆塔洪灾风险评估方法的步骤。

15、第四方面,提供了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计算机程序,所述计算机程序被处理器执行时实现上述输电杆塔洪灾风险评估方法的步骤。

16、本申请的输电杆塔洪灾风险评估方法、装置、设备及介质,其中方法通过根据所述多源数据,对每个洪灾风险指标进行指标值及信息量计算,作为目标指标值和第一信息量,根据所述第一信息量依次进行曲线生成及分级临界值划分,根据同一个所述洪灾风险指标对应的所述分级临界值及所述目标指标值进行指标分级,得到单指标分级结果,根据所述单指标分级结果和各个所述目标指标值进行分级的信息量计算,作为第二信息量,将各个所述第二信息量输入预训练的预测模型进行输电杆塔洪灾风险预测,得到预测数据,其中,所述预测模型基于svm模型训练得到的模型,对所述预测数据按自然断点法进行划分,得到目标输电杆塔洪灾风险等级。本申请通过在洪灾风险指标的信息量基础上,考虑输电杆塔洪灾风险与各个洪灾风险指标之间的非线性关系,再引入基于svm模型训练得到的模型进行输电杆塔洪灾风险等级预测,能够综合考虑不同洪灾风险指标的特征,提高了评估出的结果的准确性和可靠性。

本文档来自技高网...

【技术保护点】

1.一种输电杆塔洪灾风险评估方法,所述方法包括:

2.根据权利要求1所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述多源数据,对每个洪灾风险指标进行指标值及信息量计算,作为目标指标值和第一信息量的步骤,包括:

3.根据权利要求2所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述多源数据和所述目标数据,对每个所述洪灾风险指标进行指标值计算,得到所述目标指标值的步骤,包括:

4.根据权利要求3所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述土壤数据库、所述数字高程模型、所述多源数据、所述杆塔矢量、所述洪水淹没范围矢量和所述洪水淹没范围,对每个所述洪灾风险指标进行指标值计算,得到所述目标指标值的步骤,包括:

5.根据权利要求4所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述数字高程模型、所述洪水淹没范围矢量和所述洪水淹没范围,计算水深分布的步骤,包括:

6.根据权利要求2所述的输电杆塔洪灾风险评估方法,其特征在于,在所述根据同一个所述洪灾风险指标对应的所述分级临界值及所述目标指标值进行指标分级,得到单指标分级结果的步骤中,所述杆塔距洪水最近距离包括:0-50m、50-200m、200-500m、500-1000m、>1km,所述杆塔第一范围缓冲区内洪水面积占比:0-50%、50-75%、75-100%,所述杆塔第一范围缓冲区内距杆塔最近的洪水水深:0-0.75m、0.75-1.25m、1.25-2m、>2m,所述杆塔第二范围缓冲区内土壤类型:松弛土壤、较松弛土壤和不松驰土壤,所述杆塔第二范围缓冲区内植被覆盖度均值:0-0.5、0.5-0.7、0.7-1,所述杆塔第二范围缓冲区内地势低洼指数均值:<1、1-20、20-50、>50。

7.根据权利要求2所述的输电杆塔洪灾风险评估方法,其特征在于,所述第一信息量的计算公式I表述为:

8.一种输电杆塔洪灾风险评估装置,其特征在于,所述装置包括:

9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述输电杆塔洪灾风险评估方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述输电杆塔洪灾风险评估方法的步骤。

...

【技术特征摘要】

1.一种输电杆塔洪灾风险评估方法,所述方法包括:

2.根据权利要求1所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述多源数据,对每个洪灾风险指标进行指标值及信息量计算,作为目标指标值和第一信息量的步骤,包括:

3.根据权利要求2所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述多源数据和所述目标数据,对每个所述洪灾风险指标进行指标值计算,得到所述目标指标值的步骤,包括:

4.根据权利要求3所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述土壤数据库、所述数字高程模型、所述多源数据、所述杆塔矢量、所述洪水淹没范围矢量和所述洪水淹没范围,对每个所述洪灾风险指标进行指标值计算,得到所述目标指标值的步骤,包括:

5.根据权利要求4所述的输电杆塔洪灾风险评估方法,其特征在于,所述根据所述数字高程模型、所述洪水淹没范围矢量和所述洪水淹没范围,计算水深分布的步骤,包括:

6.根据权利要求2所述的输电杆塔洪灾风险评估方法,其特征在于,在所述根据同一个所述洪灾风险指标对应的所述分级临界值及所述目标指标值进行指标分级,得到单指标分级结果的步骤中,所述杆塔距洪水最近距离包括:0-50m、50-200m...

【专利技术属性】
技术研发人员:周仿荣马仪钱国超王一帆王国芳马御棠文刚耿浩曹俊朱龙昌
申请(专利权)人:云南电网有限责任公司电力科学研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1