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()
【技术实现步骤摘要】
本专利技术属于水电站管理,具体而言,涉及一种水电站风险感知系统。
技术介绍
1、水电站具有占地面积大、设备分散、环境复杂、作业人员多、安全隐患多变、事故危害大等特点,水电站的安全风险感知管控是一项十分重要的工作,同时也关乎电网的稳定运行与和谐发展。
2、水电站中存在的风险包括静态风险和动态风险,静态风险指相对稳定的风险,例如各种规律性风险;动态风险指时刻动态变化的风险,例如按人员位置、设备运行、环境状态等随机性风险。通常对水电站进行安全风险感知管控时,采用风险预估的方式,即预测水电站将来会存在的安全风向。由于水电站中的很多安全事故都是发生在作业过程中,现有技术中的安全风险感知管控方式重点在风险作业前预估,属于粗放型、被动式、静态化、人防为主的管控模式,无法对作业过程中的动态风险进行实时管控,从而导致对水电站中的风险的监控效率较低。此外,现有的安全风险监控方式无法及时、主动、精准的定向推送展示及报警,并且风险报警信息错乱无重点,不能为相关人员提供精准的决策信息,往往导致错失风险的最佳处理时机进而引发安全事故。
3、基于此,本专利技术期望提出一种水电站风险感知系统,能够实时的感知水电站场景中的动态风险信息,以及及时发出相应的报警信息。
技术实现思路
1、本专利技术的目的在于提供一种水电站风险感知系统,用以实时感知水电站的动态风险,尤其是关于库区水位的风险。
2、本专利技术的实施例通过以下技术方案实现:
3、提供一种水电站风险感知系统,包括
4、所述数据获取模块用于获取库区水位数据和库区水位变化数据,并将获取的数据发送至所述风险感知模块存储与处理;
5、所述风险感知模块用于基于其存储的历史库区水位数据和库区水位变化数据感知预测库区水位安全风险;具体为:
6、基于库区水位数据和库区水位变化数据的历史数据,获取库区水位数据序列和库区水位变化数据序列;
7、基于库区水位数据序列获取对应历史时间段的第一风险指数;基于库区水位变化数据序列获取对应历史时间段的第二风险指数;
8、根据每个历史时间段对应的第一、第二风险指数,确认每个历史时间段对应的库区水位安全风险指数;
9、再将每个历史时间段对应的第一风险指数时间序列与第二风险指数时间序列分别输入时间序列预测模型,得到水电站在下一时间段的第一风险指数和第二风险指数。
10、进一步的,所述获取库区水位数据序列和库区水位变化数据序列之前还包括库区水位数据和库区水位变化数据的历史数据的处理,具体为:
11、对库区水位数据和库区水位变化数据的历史数据中的时序数据缺失进行填补;包括获取缺失数据的前一时刻数据d1、后一时刻数据d2以及以年为单位的同期数据d3,并以d1、d2、d3的平均值作为插值填补缺失数据。
12、进一步的,所述基于库区水位数据序列获取对应历史时间段的第一风险指数,具体为:
13、通过一年中不同时段的库区水位安全线数据,确定预设的每个时段对应的库区水位数据风险阈值x;
14、对多个不同年份中每个时段的库区水位数据序列进行聚类处理,得到一年中每个时段对应的库区水位安全风险簇;
15、根据每个簇中的数据数量确定该簇的权重,数量越多权重越大;进而获取加权平均后的库区水位数据k;
16、第一风险指数为(k/x)×100%。
17、进一步的,所述基于库区水位变化数据序列获取对应历史时间段的第二风险指数,具体为:
18、对预设的每个时段的库区水位变化数据进行拟合并获取拟合曲线;并基于预设的库区水位变化趋势与风险的第一映射关系,建立风险与拟合曲线的第二映射关系,进而通过第二映射关系获取第二风险指数。
19、进一步的,所述时间序列预测模型为arima模型。
20、进一步的,所述库区水位数据的获取具体为:
21、获取库区水尺影像信息,并获取预设时间段内的连续多帧画面;
22、对多帧画面进行处理,获得水尺图像的特征向量;
23、再基于所述水尺图像的特征向量与标准库中的不同刻度图像的标准特征向量进行匹配,获取水位信息。
24、进一步的,在对多帧画面进行处理之前还包括对多个帧画面进行预处理,所述预处理具体包括:
25、a.对画面进行灰度化处理,得到多帧画面的灰度图像;
26、b.根据预设的窗口大小,设置含有奇数个点的采样窗口;
27、c.通过采样窗口在灰度图像中获取奇数个像素,并对采样窗口中的像素的灰度值进行排序;
28、d.根据排序结果获取采样窗口中像素灰度值的中值;
29、e.并将采样窗口中间的像素的灰度值替换为中值;
30、f.重复步骤b~f,对灰度图像中的所有像素点进行处理,获取预处理后的画面图像。
31、进一步的,所述对多帧画面进行处理,获得水尺图像的特征向量具体为:
32、采用高斯函数对画面图像进行模糊以及降采样处理获取图像高斯金字塔;
33、将图像高斯金字塔每组中的相邻两层相减获取高斯差分金字塔;
34、将所述高斯差分金字塔的第2层至倒数第2层的每一层中的每一个像素点与其所有的相邻点比较获取第2层至倒数第2层中每层的极值点;
35、基于三元二次函数对所有极值点进行拟合,去除对比度较低的极值点,并将剩余的极值点作为特征点;
36、对特征点进行方向匹配并获得特征点的归一化特征向量。
37、进一步的,所述对特征点进行方向匹配并获得特征点的特征向量具体为:
38、获取特征点的梯度直方图信息,并对梯度直方图进行平滑处理,通过梯度直方图给特征点指定主方向和辅方向;其中,采用梯度直方图来统计特征点邻域窗口的梯度方向,梯度直方图包括36个柱,每个柱为10度,以36个柱的峰值来确定特征点的主方向,当存在一个相当于主峰值80%的值时,将其定位为特征点的辅方向;
39、基于梯度直方图生成128维特征向量,即取以特征点为中心的8×8窗口,将8×8窗口分成4×4的小块并计算梯度方向直方图,绘制每个梯度方向的累加值,每个特征点包括8个方向的向量信息,进而生成128维的sift特征向量;
40、再将特征点的128维sift特征向量进行归一化,得到归一化特征向量;
41、再对多帧画面处理后得到的归一化特征向量取均值,得到水尺图像的特征向量。
42、进一步的,所述库区水位变化数据根据相邻时间节点的库区水位数据获取,具体如下式:
43、wc=(wt-wt0)/(t-t0)
44、其中,wc为库区水位变化值,wt为当前库区水位值,wt0为上一次获取的库区水位值,t为当前时间,t0为上一次获取库区水位值的时间。
45、本专利技术实施例的技术方案至少具有如下优点和有益效果本文档来自技高网...
【技术保护点】
1.一种水电站风险感知系统,其特征在于,包括数据获取模块以及风险感知模块;
2.根据权利要求1所述的水电站风险感知系统,其特征在于,所述获取库区水位数据序列和库区水位变化数据序列之前还包括库区水位数据和库区水位变化数据的历史数据的处理,具体为:
3.根据权利要求1所述的水电站风险感知系统,其特征在于,所述基于库区水位数据序列获取对应历史时间段的第一风险指数,具体为:
4.根据权利要求3所述的水电站风险感知系统,其特征在于,所述基于库区水位变化数据序列获取对应历史时间段的第二风险指数,具体为:
5.根据权利要求1-4任一项所述的水电站风险感知系统,其特征在于,所述时间序列预测模型为ARIMA模型。
6.根据权利要求1所述的水电站风险感知系统,其特征在于,所述库区水位数据的获取具体为:
7.根据权利要求6所述的水电站风险感知系统,其特征在于,在对多帧画面进行处理之前还包括对多个帧画面进行预处理,所述预处理具体包括:
8.根据权利要求7所述的水电站风险感知系统,其特征在于,所述对多帧画面进行处理,获得水
9.根据权利要求8所述的水电站风险感知系统,其特征在于,所述对特征点进行方向匹配并获得特征点的特征向量具体为:
10.根据权利要求6所述的水电站风险感知系统,其特征在于,所述库区水位变化数据根据相邻时间节点的库区水位数据获取,具体如下式:
...【技术特征摘要】
1.一种水电站风险感知系统,其特征在于,包括数据获取模块以及风险感知模块;
2.根据权利要求1所述的水电站风险感知系统,其特征在于,所述获取库区水位数据序列和库区水位变化数据序列之前还包括库区水位数据和库区水位变化数据的历史数据的处理,具体为:
3.根据权利要求1所述的水电站风险感知系统,其特征在于,所述基于库区水位数据序列获取对应历史时间段的第一风险指数,具体为:
4.根据权利要求3所述的水电站风险感知系统,其特征在于,所述基于库区水位变化数据序列获取对应历史时间段的第二风险指数,具体为:
5.根据权利要求1-4任一项所述的水电站风险感知系统,其特征在于,所述时间序列预测模型为arim...
【专利技术属性】
技术研发人员:田若朝,余建生,袁静,蔡木,李潜,徐超波,任群,李亚洲,黄海,黄人伟,曾自理,张凯,廖力,王涛,曾亚丽,侯秀竹,周佳炜,夏辉,
申请(专利权)人:国能大渡河枕头坝发电有限公司,
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。