一种基于机器学习的边坡智能防结冰控制系统技术方案

本发明专利技术公开了一种基于机器学习的边坡智能防结冰控制系统，具体涉及人工智能领域，包括边坡区域划分模块、子区域参数获取模块、子区域参数处理与分析模块、子区域凝冰指数计算模块、目标区域凝冰指数计算模块、预警异常模块、人机交互区域。本发明专利技术通过对大坝边坡长度区域划分和多种传感器数据的实时采集，能够全面、准确地监测大坝边坡以及水体的环境变化。确保了监测的全面性和准确性，通过子区域凝冰指数计算模块以及结冰风险评估模块的计算评估，能够及时发现潜在的安全隐患，并通过预警异常系统及时发出预警，有效避免边坡结冰的风险，显著提高了防结冰系统的安全性和稳定性。

【技术实现步骤摘要】

本专利技术涉及人工智能，更具体地说，本专利技术涉及一种基于机器学习的边坡智能防结冰控制系统。

技术介绍

1、随着人们用水量和水力发电的需求越来越多，在水库里制作边坡，防止水面结冰，成为了水电站中至关重要的问题。由于水面在湿度较大、温度较低时易出现结冰，引起水位上涨，影响水利工程的运行安全，不但会给库区带来极大的安全隐患，还会影响其经济效益。常见的防冻措施有除冰、破冰，这种方式不仅效率低下，而且难以及时发现和解决潜在的问题。因此，使用智能防结冰控制系统，做到监测预警，预防为主，具有重大意义。

2、传统的大坝边坡防结冰控制系统包括边坡区域划分模块、子区域参数获取模块、子区域参数处理与分析模块、监控中心模块、报警模块，其中边坡区域划分模块将大坝边坡划分为n个子区域以便数据的采集；子区域参数获取模块会通过变送器、传感器定时采集智能防结冰系统的各种数据，以确保数据的准确性；子区域参数处理与分析模块对采集的数据进行转换、集成等处理，形成统一的数据格式并对其进行分析，得到大坝边坡结冰状况、风险预警等信息，为工作人员提供数据支持；监控中心模块负责接受、存储、展本文档来自技高网...

【技术保护点】

1.一种基于机器学习的边坡智能防结冰控制系统，其特征在于，包括：

2.根据权利要求1所述的一种基于机器学习的边坡智能防结冰控制系统，其特征在于：所述子区域温度参数包括子区域波动水温，记作mi，单位时间记作Δt，其中i＝1,2,…，n,i表示第i个监测子区域的编号；子区域单位时间波动降水量，记作pi；以及子区域单位时间波动蒸发量，记作qi；子区域压力参数包括子区域上的水压，记作P；子区域水流流速，记作v；以及子区域含盐量，记作S。

3.根据权利要求1所述的一种基于机器学习的边坡智能防结冰控制系统，其特征在于：所述子区域参数处理与分析模块用于将子区域参数获取模块中采集...

【技术特征摘要】

1.一种基于机器学习的边坡智能防结冰控制系统，其特征在于，包括：

2.根据权利要求1所述的一种基于机器学习的边坡智能防结冰控制系统，其特征在于：所述子区域温度参数包括子区域波动水温，记作mi，单位时间记作δt，其中i＝1,2,…，n,i表示第i个监测子区域的编号；子区域单位时间波动降水量，记作pi；以及子区域单位时间波动蒸发量，记作qi；子区域压力参数包括子区域上的水压，记作p；子区域水流流速，记作v；以及子区域含盐量，记作s。

3.根据权利要求1所述的一种基于机器学习的边坡智能防结冰控制系统，其特征在于：所述子区域参数处理与分析模块用于将子区域参数获取模块中采集的数据进行分析处理得到温度波动系数、水位波动系数以及压力波动系数，子区域温度波动系数计算公式为子区域水位波动系数计算公式为子区域压力波动系数计算公式为z＝ε1*(e-1)ρ*g*s*cosθ+ε2*(e-2)v+ε3*es，其中e表示为自然常数，ρ表示为水的密度，g表示为重力加速度，s表示为小板车在边坡到岸边的距离，ε1,ε2和ε3分别表示水压影响因子，水流流速影响因子和含盐量影响因子。

4.根据权利要求1所述的一种基于机器学习的边坡智能防结冰控制系统，其特征在于：所述子区域凝冰指数计算模块用于将子区域温度波动系数值、子区域水位波动系数值以及子区域压力波动系数值导入子区域凝冰指数数学模型中，得到子区域凝冰指数，将目标大坝边坡区域内各指定监测子区域的温度波动系数x、各指定监测子区域的水位波动系数y和各指定监测子区域的压力波动系数z代入大坝边坡凝冰指数分析公式得到目标大坝边坡各指定监测子区域的凝冰...

【专利技术属性】
技术研发人员：韩品德，刘小宁，刘顺虎，贾物海，黄豪，师宏磊，范仲文，刘靖，三梅英，贺亚文，刘晓刚，李海亮，田发辉，党国军，
申请(专利权)人：青海黄河中型水电开发有限责任公司，
类型：发明
国别省市：