CN103455708B - 基于卫星及气象信息的输电线路灾害监测与风险评估系统 - Google Patents
基于卫星及气象信息的输电线路灾害监测与风险评估系统 Download PDFInfo
- Publication number
- CN103455708B CN103455708B CN201310315133.3A CN201310315133A CN103455708B CN 103455708 B CN103455708 B CN 103455708B CN 201310315133 A CN201310315133 A CN 201310315133A CN 103455708 B CN103455708 B CN 103455708B
- Authority
- CN
- China
- Prior art keywords
- satellite
- data
- fire
- transmitting line
- disaster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Alarm Systems (AREA)
- Image Processing (AREA)
Abstract
本发明为了有效地进行灾害预警,提供了一种基于卫星及气象信息的输电线路灾害监测与风险评估平台。该平台包括输电线路地理信息子平台、卫星遥感数据接收子平台、数据建模与风险评估子平台、灾害预警与处置子平台,以及支撑和运营子平台。所述数据建模与风险评估子平台包括火灾发展趋势预测子模块,该子模块采用自回归集成移动平均作为时间预测方法预测火灾数据的时序,采用动态回归神经网络作为空间预测方法捕获火灾间隐藏的空间相关性,再用马尔可夫链模型来模拟火灾的随机扰动,最后用统计回归得到时空集成、去扰动的预测结果。
Description
技术领域
本发明涉及一种输电线路灾害监测与风险评估系统,特别是涉及一种基于卫星及气象信息的输电线路灾害监测与风险评估系统。
背景技术
经济发展导致电力需求持续增长,电力建设相应迅猛发展,电压等级逐渐提高,电力输送能力不断增大,我国已成为当今世界交流、直流输电电压等级最高的国家之一。随着近年来出台的保护原有植被、退耕还林、封山育林等政策,我国的森林覆盖率和森林植被密度大幅提高。但我国的能源资源和负荷中心呈逆向分布:70%以上的能源需求集中在东中部经济较发达地区,76%的煤炭资源分布在北部和西北部,约80%的水能资源分布在西南部,风电等新能源也主要集中在北部和西北部,且能源开发中心西移北移、负荷中心在东中部地区的基本格局长期不会改变,能源资源大规模、跨区域、远距离传输和大范围优化配置势在必行。种种因素都使得线路走廊日益紧张,越来越多的线路经过植被茂密的山区、森林和田地,同一条输电线路可能经过不同的区域、经受各种复杂的考验。
在全球变暖、我国环境问题日益严重、异常地质灾害频繁突发的背景下,强风、雾霾、冰雪等气象灾害频发,对输电线路的影响不可忽视:因季节性气候问题导致山火爆发的次数呈上升趋势,在春节、清明、冬至等周期性传统节日的习惯性大量燃放烟花爆竹或焚烧纸钱都极容易造成山火,持续干旱也使得山火易发,而在农作物收割季节的大面积秸秆焚烧,山火或秸秆火如果蔓延到架空输电线路附近则可能导致跳闸,其中绝大部分重合闸失败造成停电事故且恢复难度较大;在风荷载作用下,架空输电线路的绝缘子串及其悬挂的输电线将产生风偏摇摆,在摇摆过程中,如果带电体部分与杆塔之间的距离小于容许的电气间隙,在输电线与杆塔之间将发生放电现象,即风偏闪络;因工业燃煤和汽车尾气排放造成的大面积雾霾天气中,空气中的污染物盘旋不去,水份的湿润使绝缘子表面污层(含可溶性盐类和酸、碱等)的电导率增加、绝缘特性大大降低,沿面闪络电压显著降低,严重时能降低到清洁表面闪络电压的10%以下;导地线在裹冰时截面形状改变,在其他一些因素影响下,即使风速不高时也可能引起舞动,造成电弧烧伤、断股、断线、杆塔损坏、倒塔、防振锤或间隔棒损坏等;输电线路的冰雪灾害分为雨凇、雾凇、混合凇、积雪和白霜5种,雨凇覆冰由于密度较大,最常见且其危害最大,严重覆冰使杆塔及导线因过荷载而产生不平衡张力,造成倒塔、断线事故;在山区,泥石流、山体滑坡灾害频繁发生,尤其是暴雨或小级别地震后极易发生,具有分布广泛、成灾迅速的特点,会导致输电杆塔的倒塌。当同一走廊内多条输电线路同时受到上述自然灾害影响时,其后果更加严重。
随着空间技术的飞速发展,各国相继发射不同用途的卫星,用于军事、通讯、导航与定位、气象、资源勘探、科学技术试验等。其中,极轨气象卫星是倾角为90°的太阳同步轨道卫星,绕地球周期短,约100分钟/圈,其搭载的红外传感器可以有效监测到某一区域内的温度异常变化。目前在运的由中国、美国、欧洲等国发射,如果能够优化利用,基本可以达到全天候覆盖某一固定区域;资源卫星绕地周期一般约15天/圈,其可见光传感器分辨率极高,能清晰地分辨1公里甚至500米范围的植被信息,目前在运的由中国、美国、欧洲等国发射。
总而言之,输电线路分布区域广、途经地形复杂,各种恶劣的环境甚至气象或地质灾害都会对其安全运行造成威胁。在有效减少恶劣环境或灾害影响所采取的技术手段中,基于局部地面监测设施以及人工巡线的方式,很难做到全线监控,且耗时、费力、低效;卫星是一种有效的宏观手段,借助卫星的遥感及大范围覆盖功能,充分挖掘极轨气象卫星、资源卫星的宏观数据,结合地面微观气象数据,监测输电线路经受的灾害,据此针对性地实现山火或秸秆焚烧引发的输电线路故障的监测与预警,以及气象灾害(强风、雾霾、冰雪)和地质灾害(泥石流或滑坡)对输电线路影响的风险评估,可以提前采取措施,为救助提供技术手段,有效减少其破坏程度。
发明内容
本发明要解决的技术问题是:提供基于卫星及气象信息的输电线路灾害监测与风险评估系统。结合天基卫星宏观与地面微观数据,针对山火或秸秆火、恶劣气候或地质灾害对输电线路的危害进行监测与风险评估。
本发明所采取的技术方案如下:一种基于卫星及气象信息的输电线路灾害监测与风险评估系统,该系统包括输电线路地理信息子系统、卫星遥感数据接收子系统、数据建模与风险评估子系统、灾害预警与处置子系统,以及支撑和运营子系统;
所述输电线路地理信息子系统用于提供输电线路杆塔及输电线路所经区域的地理经纬度坐标位置;
所述卫星遥感数据接收子系统包括天线控制模块、接收信道解调译码模块、数据输入-处理-存储-传输模块,以及站管模块,实现卫星遥感数据、极轨气象卫星数据、资源卫星数据和各种地面气象数据的采集和整理,其中,所述地面气象数据包括气象部门提供的地面气象数据、电力系统自身安装的地面微气象数据,经采集和整理后的数据被与所述输电线路地理信息子系统得到的地理经纬度坐标位置相叠加,所述地面气象数据包括气象部门提供的地面气象数据、电力系统自身安装的地面微气象数据;
所述数据建模与风险评估子系统包括根据接收到的数据进行包括火灾在内的灾害的建模、分析、判别和风险评估模块,其中,该模块进一步包括卫星红外遥感数据预处理子模块、火灾识别子模块、火灾发展趋势预测子模块、对输电线路影响的风险评估子模块,其中,火灾发展趋势预测子模块采用自回归集成移动平均(ARIMA)作为时间预测方法预测火灾数据的时序,采用动态回归神经网络(DRNN)作为空间预测方法捕获火灾间隐藏的空间相关性,再用马尔可夫链模型来模拟火灾的随机扰动,最后用统计回归得到时空集成、去扰动的预测结果,所述火灾识别子模块,完成火点的初步识别、高温点识别以及火点区域与输电线路地理信息合并的定位、火场面积估算、伪火点的识别与剔除;
所述灾害预警与处置子系统,实现火灾、气象灾害和地质灾害对输电线路影响的信息分析、发布、接收反馈、最终处置和损失分析,包括预警信息发布和反馈子模块、应急处置子模块和损失分析子模块;
所述支撑和运营子系统,实现配置和参数设置及常用管理功能,包括用户登陆及主界面子模块、矢量信息展示子模块、卫星监控展示子模块、灾害告警与处置展示子模块、权限管理子模块、报表统计子模块、系统日志子模块。
进一步地,所述极轨气象卫星数据为极轨气象卫星所搭载的可见光红外扫描辐射计(VIRR)传感器所下发的数据,所用的极轨气象卫星包括中国FY-3A、FY-3B,美国NOAA16、NOAA17、NOAA18、NOAA19、EOS-Aqua、EOS-Terra、NPP,以及欧洲Metop-A、Metop-B。
进一步地,所述资源卫星数据为资源卫星所搭载的宽视场成像仪(WFI)传感器所下发的数据,所用的资源卫星包括中巴地球资源一号卫星、中国资源一号02C卫星、中国资源二号卫星、中国资源三号卫星,美国大地Landsa卫星系列、法国Spot系列卫星、加拿大Radarsat雷达卫星、欧洲太空总署ERS卫星。
进一步地,所述地面微气象数据为电力系统自身安装在输电线路上的微气象在线监测装置所测数据。
进一步地,所述灾害影响因素分析包括山火或秸秆焚烧、气象、地质灾害的影响因素分析。
进一步地,所述灾害影响因素分析包括通过对典型输电线路灾害事故案例进行统计分析,确定灾害因素评价指标,从而建立灾害因素与输电线路关系模型;通过灰色关联评价模型对影响灾害事故的各非线性、动态因素进行量化分析,确定各灾害因素的危险值。
进一步地,所述天线控制模块包括:X-Y天线座、天线、X波段和L波段双馈源、天线控制单元、X-Y轴测角单元,以及天线的X轴驱动单元和Y轴驱动单元,所述天线控制模块完成对极轨气象卫星的跟踪并接收卫星同时下发的可见光及红外数据,以及完成天线自身信息的控制与显示。
进一步地,所述接收信道解调译码模块包括低噪声放大器、下变频器和中频解调器,完成对极轨气象卫星下发的X波段及L频段信号的放大、变频、解调处理,低噪声放大器在接收机前端,放大接收到的微弱信号、降低噪声干扰,下变频器接收来自低噪声放大器的已调射频载波,将已调射频载波信号从卫星下行频率变换到中频,中频解调器采用相移键控调制中的QPSK方式解调。
进一步地,所述数据输入-处理-存储-传输模块,完成对极轨气象卫星数据的采集记录、解包、预处理,以及资源卫星遥感数据的记录与预处理,评估接收到的资料数据质量、生成显示报告,并对各种数据进行记录、存储和管理。
进一步地,所述火场面积估算包括三种不同通道组合估算亚像元火点面积和温度的方法:3.7μm的CH3和11μm的CH4通道组合;11μm的CH4和12μm的CH5通道组合;1.6μm的近红外和11μm的CH4通道组合。
本发明的有益效果是:借助并充分挖掘极轨气象卫星、资源卫星的宏观数据,结合地面微观气象数据,据此实现山火或秸秆焚烧引发的输电线路故障的监测与预警,以及气象灾害和地质灾害对输电线路影响的风险评估,增强输电线路抵抗和预防自然灾害的能力,并大幅减少巡线人员的工作量。
附图说明
图1为本发明系统组成图;
图2为本发明天线控制模块组成及原理框图;
图3为本发明QPSK调制解调框图;
图4为本发明数据输入-处理-存储-传输模块流程图;
图5为本发明卫星数据预处理模块的去噪、增强流程图,其中,图5(a)是工作流程图,图5(b)是分段线性增强的示意图;
图6为本发明卫星数据预处理模块的弯弓效应去除流程图;
图7为本发明卫星数据预处理模块的薄云层去除工作流程图;
图8为本发明卫星数据预处理模块的厚云层去除工作流程图;
图9为本发明卫星数据预处理模块的图像拼接流程图;
图10为本发明卫星数据预处理模块的图像配准流程图;
图11为本发明卫星数据预处理模块的图像融合流程图;
图12为本发明卫星数据预处理模块的等值线提取流程图;
图13为本发明卫星数据预处理模块的插值流程图;
图14为本发明火灾识别模块的火情判断流程图;
图15为本发明火灾识别模块的火场面积估算流程图;
图16为本发明火灾识别模块的火点定位流程图;
图17为本发明火灾识别模块的伪火点剔除流程图;
图18为本发明火灾情况预测模块的基于时序ARIMA模型的火灾发展趋势预测流程图;
图19为本发明火灾情况预测模块的基于空间DRNN模型的火灾发展趋势预测流程图;
图20为本发明火灾情况预测模块的时空综合预测及精度评估流程图;
图21为本发明火灾情况预测模块的基于随机过程预测的火灾随机扰动模拟流程图;
图22为本发明火灾情况预测模块的因素分析流程图;
图23为本发明的灾害对线路影响风险评估流程图;
图24为本发明灾害对线路影响的级别判断流程图;
图25为本发明火灾监测预警工作流程图;
图26为本发明气象、地质灾害风险评估工作流程图。
具体实施方式
如图1所示,根据本发明的优选的实施例,示出了本发明的一种基于卫星及气象信息的输电线路灾害监测与风险评估系统的组成及原理框图,该系统包括输电线路地理信息子系统、卫星遥感数据接收子系统、数据建模与风险评估子系统、灾害预警与处置子系统,以及支撑和运营子系统。
所述输电线路地理信息子系统用于提供输电线路杆塔及输电线路所经区域的地理经纬度坐标位置。
在一个优选的实施例中,该系统采用电力系统专用的公共系统。
所述卫星遥感数据接收子系统包括天线控制模块、接收信道解调译码模块、数据输入-处理-存储-传输模块,以及站管模块,实现卫星遥感数据、极轨气象卫星数据、资源卫星数据和各种地面气象数据的采集和整理,经采集和整理后的数据被与所述输电线路地理信息子系统得到的地理经纬度坐标位置相叠加。
所述天线控制模块包括:X-Y天线座、天线、X波段和L波段双馈源、天线控制单元、X-Y轴测角单元,以及天线的X轴驱动单元和Y轴驱动单元,所述天线控制模块完成对极轨气象卫星的跟踪并接收卫星同时下发的可见光及红外数据,以及完成天线自身信息的控制与显示。
其中,X波段馈源主要发送星上直接广播的中分辨率光谱成像仪数据,L波段馈源主要发送星上直接广播数据。
所述天线为4.2米口径主焦式双反射镜抛物面式天线;双馈源将发射机送来射频信号传送到天线上,并将天线接收到的信号送到接收机;天线的X轴驱动单元和Y轴驱动单元分别用以驱动X-Y天线座;X-Y轴测角单元将天线的角度位置转换为数字量;
天线控制单元是天线控制模块的控制中心,它完成天线运动的各种方式控制、天线控制模块内的其他组成部分的监控、数据通讯、位置编码以及各种控制策略的实施,最终完成天线对卫星的精确跟踪并接收卫星下发的可见光、红外数据。
接收信道解调译码模块,对接收到的各种探测数据进行解调和译码。
在一个优选的实施例中,所述接收信道解调译码模块包括低噪声放大器、下变频器和中频解调器,完成对极轨气象卫星下发的X波段及L频段信号的放大、变频、解调处理。低噪声放大器在接收机前端,放大接收到的微弱信号、降低噪声干扰,下变频器接收来自低噪声放大器的已调射频载波,将已调射频载波信号从卫星下行频率变换到中频,中频解调器采用相移键控调制中的QPSK方式解调。
所述数据输入-处理-存储-传输模块,完成对极轨气象卫星数据的采集记录、解包、预处理,以及资源卫星遥感数据的记录与预处理,评估接收到的资料数据质量、生成显示报告,并对各种数据进行记录、存储和管理。
所述站管模块包括计划调度子模块、运行状态监视子模块、设备状态监视子模块、频谱监视子模块和业务数据库管理子模块,完成对接收设备、接收状态、接收任务进行管理,根据作业表负责设备参数配置、数据图像快视。
所述计划调度子模块根据卫星的运行控制中心的调度指挥、卫星过境轨道预报、地面接收站设备工作状态,合理安排接收任务;根据卫星轨道测量数据,对卫星轨道进行初轨计算、轨道改进、轨道预报;根据所接收的卫星下行工作频率、信号极化形式、信号带宽、数据速率、信号调制类型进行运行控制中心的控制设备组配和设备参数设定;卫星离境后,自动产生任务运行报告;
所述运行状态监视子模块用于采集、显示接收过程中的状态数据、卫星轨道三维信息、数据快视运行状态,生成系统运行日志文件及每轨接收情况文件,显示数据的作业信息流程(包括传输、存储状态)和故障部位,并将运行状态数据包发送给远程计算机;
所述设备状态监视子模块用于采集、显示各设备在线配置状态和当前运行状态,对设备的参数进行设置和修改,将采集到的设备状态向运行控制中心传送,生成设备故障记录日志,显示设备状态自检结果,进行故障告警,并为远程诊断提供设备状态数据库;
所述频谱监视子模块用于监视接收轨道过程中的中频信号频谱,频谱数据可被打印、存储,并可在运行控制要求时被发送到运行控制中心;
所述业务数据库管理子模块用于对接收的资料进行在线自动滚动存储管理,将接收的气象数据通过通信网络系统实时传送到资料处理系统以进行气象信息的加工和处理,同时将快视图像以及系统运行状态、任务执行报告通过通信网络系统传送到运行控制中心。
所述卫星遥感数据接收子系统中,被预先存入线路历史灾害数据,供建模及参考。
所述数据建模与风险评估子系统包括根据接收到的数据进行包括火灾在内的灾害的建模、分析、判别和风险评估模块。
其中,所述进行包括火灾在内的灾害的建模、分析、判别和风险评估模块包括卫星红外遥感数据预处理子模块、火灾识别子模块、火灾发展趋势预测子模块、对输电线路影响的风险评估子模块。
所述卫星红外遥感数据预处理子模块,完成对卫星遥感图像的去噪、增强、拼接、配准、融合、去除图像中的弯弓效应、厚云层和薄云层的去除,以及遥感图像中气象信息中等值线的提取和插值;
所述弯弓效应是由极轨气象卫星探测器的成像特点造成的两个相邻的扫描带边缘存在10km的重重复扫描区域、扫描数据的50%是地面同一区域的信息的现象。
所述火灾识别子模块,完成火点的初步识别、高温点识别以及火点区域与输电线路地理信息合并的定位、火场面积估算、伪火点的识别与剔除;
所述火场面积估算包括三种不同通道组合估算亚像元火点面积和温度的方法:3.7μm的CH3和11μm的CH4通道组合;11μm的CH4和12μm的CH5通道组合;1.6μm的近红外和11μm的CH4通道组合。CH3、CH4、CH5三个通道相当于远红外通道,是极轨气象卫星自身所带探测器发送红外信号的通道。CH3的波长为3.7μm,CH4的波长为11μm,CH5的波长为12μm。近红外通道的波长为1.6μm。上述通道的作用就是传输或接收对温度敏感的红外信号,通过温度敏感的红外信号来识别火点。
所述火灾发展趋势预测子模块,根据火灾的燃烧面积、燃烧时间、资源卫星得到的输电线路周围可燃物分布、气候及环境情况,预测火灾的发展趋势;
对输电线路影响的风险评估子模块,完成包括火灾影响因素分析、影响级别判断和风险评估。
其中,进行包括火灾在内的灾害的建模、分析、判别和风险评估模块还包括灾害影响因素分析子模块、风险评估及预警子模块。其中,所述灾害影响因素分析子模块,对影响灾害的诸多因素,结合历史数据,进行灰色关联分析;所述风险评估及预警子模块,根据气象信息和灾害预报情况,结合输电线路的地理位置信息,综合判定其对输电线路的影响级别并做出相应警告。所述诸多因素包括降水、湿度、温度、气压,以及风速风向。
所述灾害预警与处置子系统,实现火灾、气象灾害和地质灾害对输电线路影响的信息分析、发布、接收反馈、最终处置和损失分析,包括预警信息发布和反馈子模块、应急处置子模块和损失分析子模块。
其中,所述预警信息发布和反馈子模块,完成灾害信息管理、灾害信息反馈、告警方式选择、告警对象查询、告警级别和对象审核、多方式告警、告警成功判定、告警信息反馈、告警信息登记;应急处置模块完成读取反馈信息、确认读取反馈信息、处置意见生成、处置意见审核、处置意见显示、处置对象发布选择、处置发布、发布审核、处置反馈读取、记录存储、事故自理报告生成、处理报告数据库管理;损失分析子模块完成灾害基本信息查询、损失分析专家系统、损失报告生成、损失报告管理。
所述支撑和运营子系统,实现配置和参数设置及常用管理功能,包括用户登陆及主界面子模块、矢量信息展示子模块、卫星监控展示子模块、灾害告警与处置展示子模块、权限管理子模块、报表统计子模块、系统日志子模块。
所述矢量信息包括输电线路地理信息数据、卫星数据和气象数据。
其中,所述用户登陆及主界面子模块完成登陆界面及安全认证、用户信息展示、用户注销、密码修改、退出系统和实现功能菜单;
所述矢量信息展示子模块,完成输电线路所经过的包括行政区域、山川、河流、森林在内的地图信息展示,卫星遥感获取的红外及可见光数据展示,包括温度、湿度、气压、风向在内的气象数据的展示,以及包括灾害发生区域、发展趋势、灾害等级及风险评估在内的信息展示;
所述卫星监控展示子模块,完成卫星的状态、轨道信息、接收设备运行状态的显示;
所述灾害告警与处置展示子模块,实现对灾害的判断与趋势分析、灾害告警与告警处置、告警实时状态、灾害的重要信息标识;
所述权限管理子模块,实现用户管理、角色管理、操作管理;
所述报表统计子模块,完成灾害发生区域、时间、原因、处理方式、告警信息、异常信息、用户访问、用户操作在内的信息统计;
所述系统日志子模块,实现系统操作日志信息记录、查询。
所述极轨气象卫星数据为极轨气象卫星所搭载的可见光红外扫描辐射计(VIRR)传感器所下发的数据,所用的极轨气象卫星包括中国FY-3A、FY-3B,美国NOAA16、NOAA17、NOAA18、NOAA19、EOS-Aqua、EOS-Terra、NPP,以及欧洲Metop-A、Metop-B。
所述资源卫星数据为资源卫星所搭载的宽视场成像仪(WFI)传感器所下发的数据,所用的资源卫星包括中巴地球资源一号卫星、中国资源一号02C卫星、中国资源二号卫星、中国资源三号卫星,美国大地Landsa卫星系列、法国Spot系列卫星、加拿大Radarsat雷达卫星、欧洲太空总署ERS卫星。
所述地面微气象数据为电力系统自身安装在输电线路上的微气象在线监测装置所测数据。
火灾发展趋势预测子模块在建模时,采用自回归集成移动平均(ARIMA)作为时间预测方法预测火灾数据的时序,采用动态回归神经网络(DRNN)作为空间预测方法捕获火灾间隐藏的空间相关性,再用马尔可夫链模型来模拟火灾的随机扰动,最后用统计回归得到时空集成、去扰动的预测结果。
所述灾害影响因素分析包括山火或秸秆焚烧、气象、地质灾害的影响因素分析,具体包括:通过对典型输电线路灾害事故案例进行统计分析,确定灾害因素评价指标,从而建立灾害因素与输电线路关系模型;通过灰色关联评价模型对影响灾害事故的各非线性、动态因素进行量化分析,确定各灾害因素的危险值。
所有信息均在支撑和运营子系统上进行展示、数据存储和管理。对灾害的监测与预警过程大致相同:以输电线路地理位置为基准,获取相关数据后,判别相应灾害及其对输电线路的影响,据此作出处置,并将整个过程保存便于管理和查询。
上述子系统中;
A输电线路地理信息子系统为电力系统专用的公共系统,既存在现有技术中的成熟产品,本发明的技术方案中可以只是直接借用,也可以由本领域技术人员根据公知常识在不付出创造性劳动的前提下设计和实现。
B卫星遥感数据接收子系统主要是利用地面天线对气象卫星进行跟踪,并对接收到的信号进行调制解调,卫星遥感数据接收子系统及其调制解调技术也都是通用成熟技术,本发明中通过图2~3列出了其工作流程图。通过该流程图,本领域技术人员根据现有技术即可实现该卫星遥感数据接收子系统。
C数据建模与风险评估子系统中,对气象卫星所发出的红外数据进行处理得出图像的算法参见附图4~13给出的工作流程图。
D数据建模与风险评估子系统中,针对接收气象卫星发出的红外数据进行处理得到图像的算法参见附图14~17给出的工作流程图。
E数据建模与风险评估子系统中,对火灾发展趋势预测的方法参见附图18~21给出的工作流程图。数据建模与风险评估子系统的算法参见附图22~24给出的工作流程图。
F灾害预警与处置子系统的工作流程参见附图25~26给出的工作流程图。
G支撑和运营子系统可以通过用户界面等方式实现,其通用性较强。本领域技术人员可以根据具体情况的需求,在不付出创造性劳动的前提下设计和实现出来。
根据另一实施例,本发明的基于卫星及气象信息的输电线路灾害监测与风险评估系统的工作过程如下:
1.输电线路定位
利用电力系统自有的输电线路地理信息子系统,确定输电线路地理位置,作为基础比对系统。
2.确定输电线路周围的植被
在输电线路已定位的基础上,结合资源卫星搭载的宽视场成像仪(WFI)传感器通道所下发的数据,确定输电线路周围的植被情况。
3.气象卫星数据接收功能
利用搭建的地面接收系统,接收气象卫星下发的数据并处理,得到火灾信息。卫星接收天线控制模块组成及原理框图如图2,接收信道的调制解调框图见图3,数据输入-处理-存储-传输模块的工作流程见图4。
图4中,卫星原始数据经解调后给数据摄入器,以“后台作业”和“前台显示”两种方式进入系统主机,分两路流程:一路将数据存盘,经提取用户增加的图像文件后,作为“原始存盘的图像文件”;另一路完成以下几件工作:生成预定义的图像文件、生成参数文件、生成丢线文件、提取DOC(即是常见的MicrosoftWord的标准文档.DOC格式)文件、提取图像信息后,批处理生成图像文件或将数据文件质量检验、处理及存盘,再将批处理生成各种图像产品并存盘后输出。
也可将“批处理生成图像的文件”、“对数据文件质量进行检验、处理及存盘”、“原始存盘的图像文件”以及“批处理生成各种图像产品并存盘”这四种处理结果通过“应用软件”处理后,再与“历史资料地面数据”经“获取数据和转换格式”和“分析、处理和显示”的结果相结合,形成“交互作业生成的产品”,最终将该产品输出。
“数据文件质量检验、处理及存盘”、“批处理生成各种图像产品并存盘”这两种操作得到的信息及“原始存盘的图像文件”可直接“存档或传送给其他用户”。
4.火灾(山火或秸秆焚烧)监测与预警
以输电线路为基准对象,利用极轨气象卫星和资源卫星的数据,结合气象部门地面观测站数据和来自供电系统的微气象数据,监测输电线路周围环境的火灾,并及时发布和反馈监测信息,据此作出预警和处置措施,经审核批准后实施,最后提供损失分析报告。具体过程见图2。
a)火灾识别与监测
根据极轨气象卫星搭载的可见光红外扫描辐射计(VIRR)传感器通道所下发的数据,进行火点判断、火点定位、估算火场面积,并对伪火点加以识别与剔除;结合输电线路的地理位置信息,判断山火或秸秆焚烧点与输电线路的距离。
数据预处理模块中,图像的去噪、增强工作流程图见图5。其中,图5(a)是工作流程图,图5(b)是分段线性增强的示意图。
“图像的空间域滤波”是指在图像空间域上直接对像素值采用某种滤波方法直接进行滤波处理,经典的有算术均值滤波、中值滤波和自适应滤波方法。
“用空间域和频率域算法增强”是指分段线性增强,即将图像灰度f(x,y)的区间分割为若干区间,然后对每个区间进行线性拉伸,常用的是分三段线性变换。假设原图像灰度的范围为(MINf,MAXf),则把图像分割为三段(MINf,a)、(a,b)、(b,MAXf),分别拉伸到对应三个区间(MINg,c)、(c,d)、(d,MAXg),通过调节可以对任意区间的分线段斜率进行调节,如图5(b)所示。
图像中的弯弓效应去除工作流程图见图6,其中,
(1)弯弓效应
MODIS卫星影像的效应,主要是由探测器的成像特点造成的。探测器采用多元并扫的被动式摆动扫描方式,对地球观测的视野受一些因素的影响,如地球表面的曲率、地形的起伏、几何特性和探测器运动中的抖动等。对于1km分辨率的图像,沿航迹方向上,扫描带的纵向宽度在星下点为10km,每经过一次描,探测器沿轨道前行了10km,前行的区域就是一个扫描条带。随着扫描角度的增大,越向边缘扫描带的宽度就越大。在影像边缘增大到20km,该处扫描条带之间的错位现象最严重,两个相邻的扫描带边缘存在10km的重重复扫描区域,扫描数据的50%是地面同一区域的信息,这种现象被称为弯弓效应。
(2)“粗定位重叠位置处理”
MODIS数据通常被称为“地理订正文件”,其中1km分辨率的数据点和经纬度数据点之间一一对应。图像的重叠现象本质在于纬度的上下重叠,可以采用图像中每条扫描带与下一条扫描带在每一列上的重叠像素个数作为扫描带的重叠度,具体为依次计算每列上一条扫描带的最后一个像素的纬度落在下一条扫描带的位置。
(3)重叠位置修正
重影区域主要集中在图像的边缘位置,图像的中心区域的像素扫描是正确的。需要对粗定位的重叠位置结果进行修正,修正主要针对每条扫描带进行处理,具体步骤:步骤1,计算该扫描带每列与上一条扫描带对应列重复行的个数,具有相同重叠行的相邻列合并到一起,因此可将该扫描带划分成具有不同重叠行的数据块;步骤2,定位每个数据块的开始列和结束列的位置;步骤3,如果某个数据块的列间距小于某一阂值则将该数据块合并到相邻数据块中,即该数据块与相邻数据块具有同样的重叠行;步骤4,重新调整扫描带每个数据块的开始列和结束列的位置。通过以上步骤,对粗定位的重叠位置进行修正,以备后期数据处理。
薄云层去除工作流程图见图7,厚云层去除工作流程图见图8,图像拼接工作流程图见图9。图像配准工作流程图见图10,其中,其中,通过特征建立两幅图像之间的多项式变换关系(指主要包括角点、边缘特征(线型)、纹理特征、灰度特征点之间的匹配算法),达到以点代面的效果。从两幅图像中提取灰度变化明显的点、线等特征形成的集合即为特征集。“提取特征集”是指在两幅图像对应的特征集中利用特征匹配算法尽可能的将存在匹配关系的特征对选择出来。对于非特征像素点,利用上述多项式变换关系来进行几何校正,从而实现两幅图像之间逐像素的配准,即“选择匹配特征对”。
图像融合工作流程图见图11,图像中的等值线提取工作流程图见图12。
图像插值工作流程图见图13:当用户接收到从卫星接收系统传来的红外遥感图像时,从图像中提取离散时间的气象信息,通过插值获得各个时间段的气象信息。其中,
“划分子流域栅格”是指将红外遥感图像划分网格。
“各子流域面平均信息”是指以网格面为单位,得到其面平均图像信息。
“输出子流域气象信息”是指将网格面为单位,输出气象信息。
“插值算法得出插值”是指采用插值方法获得各个时间段的气象信息。常用多项式插值。在一般插值问题中,若选取Φ为n次多项式类,由插值条件可以唯一确定一个n次插值多项式满足上述条件。从几何上看可以理解为:已知平面上n+1个不同点,要寻找一条n次多项式曲线通过这些点。“插值算法”常见的表达形式有拉格朗日插值多项式和牛顿插值多项式两种。
火灾识别模块中,火点识别工作流程图见图14。其中,由卫星数据得到的温度值,不满足两种情况(i)T>360K(夜间为330K);(ii)T>320K(夜间为315K)且ΔT>50K(夜间为20K)之一的,可认为是非火点(T为点的温度,ΔT为点的瞬间变化温度);满足上述两种情况后,如果其T、ΔT均不大于设定值可认为是高温点,均大于可认为是火点。
火场面积估算流程图见图15,火点定位流程图见图16,伪火点剔除流程图见图17。
b)火灾发展趋势预测
结合资源卫星获取的植被信息、极轨气象卫星获取的火点信息、地面气象提供的信息如温度、湿度、风速风向等,采用基于时间和空间关联集成分析的预测算法,用自回归集成移动平均(ARIMA)时间预测方法预测火灾数据的时序,用动态回归神经网络(DRNN)空间预测方法捕获火灾间隐藏的空间相关性,再用马尔可夫链模型来模拟火灾的随机扰动,最后用统计回归得到火灾发展趋势的时空集成、去扰动的预测结果。
基于时序ARIMA模型的火灾发展趋势预测流程图见图18。将时间序列视为一组依赖于时间的随机变量,这组随机变量所具有的自相关性表征了预测对象发展的延续性,而这种自相关性一旦被相应的数学模型描述出来,就可以从时间序列的过去值及现在值预测其未来的值。
时间预测模型建立的步骤:对历史火灾数据做时间序列预处理分析(d阶差分),使其趋于平稳;对平稳序列{Yt}执行序列相关性检验,验证其自相关函数和偏自相关函数都是拖尾的;建立ARIMA(p,d,q)模型,最佳p、q值运用AIC和BIC信息准则确定;得到该地区输电线路山火时间序列ARIMA模型;利用非线性最小二乘法估计模型参数;模型中各参数估计的统计显著性采用t-检验;得到该地区的时间预测模型(本段所述的算法均为数学上的标准算法)。
ARIMA模型的建立步骤:建模;用ARIMA模型对数排除万难进行建模和参数估计;根据所建模型进行预测值与实际值的比较;将预测值与可信区间对比,未超出可信区间的范围,则说明模型的预测结果较准确;预测;显示预测结果以及评估发展趋势。
基于空间DRNN模型的火灾发展趋势预测流程图见图19。时空综合预测及精度评估流程图见图20。基于随机过程预测的火灾随机扰动模拟流程图见图21。
图20中,将单独的时间预测结果(YCt)和空间预测结果(YCs)整合,即“时间和空间预测结果”分别由图18、19所得。产生最终的时空集成预测结果(YCs-t)。为使整合保持易理解性并尽可能简单,采用最普遍的线性回归方法,回归方程如下:
YCs-t=a0+a1×YCt+a2×YCs,式中,a0是回归常数,a1、a2是回归系数,可用最常用的最小二乘法来估计。
然后,再采用相对平方误差、正态均方误差、均方根误差以及平均绝对误差几个评价指标来衡量模型的预测效果,“得到结果评估和精度表”。
图21中,对于一个随机过程,如果给定了当前时刻t的值Xt,未来Xs(s>t)的值不受过去的值Xu(u<t)的影响就称为具有马尔可夫性。当指标集T是非负整数值时,随机过程称为离散时间马尔可夫链,而当t是连续时间时就是连续时间马尔可夫链。进一步若状态空间也是连续的就是马尔可夫过程。
在火灾起火发生率年度间的发生状态序列中,把它的发生程度分为若干个有限等级。序列中每一个结果只出现可数或有限个两两相斥事件状态E1、E2、……、Ei,同时系统由状态Ei(k)经过1次转移到状态Ej(k+1)的概率只与在第k次发生事件有关,因此火灾起火发生率年度间发生状态可视为马尔可夫链。火灾起火发生率发生状态经过m次转移,由状态Ei转移到状态Ej的转移概率为:
Pij(m)=Nj(m)/mi
式中,m为状态转移次数;Pij(m)表示起火发生率发生的状态指标等级经过m次转移,由状态Ei转移到状态Ej的概率;mi为起火发生率的等级为Ei的总次数;Nj(m)为起火发生率的等级由Ei经过m次转移后到Ej的次数。
M阶概率矩阵:
计算出步长为m的转移矩阵P(m):
式中,Nn→k(m)是等级n经过m步转移变为等级k的次数;mn是等级n的总次数。最后根据表预测以后年份年的火灾等级概率。
c)火灾对输电线路影响风险评估
灾害影响因素分析。通过典型输电线路灾害事故案例分析,确定影响火灾的各灾害因素如温度、湿度、风向、日照、降水等评价指标后,与输电线路的关系建模,通过灰色关联评价模型量化分析这些诸多非线性、动态因素,确定各灾害因素的危险值。因素分析流程图见图22,线路影响风险评估流程图见图23。
影响级别判断,在影响因素分析的基础上,根据线路架设与火灾间距离及线路导线等自身情况,以及火焰温度、电导率和烟气对线路的影响等因素,判断火灾对输电线路的影响级别。根据灾害影响因素分析及影响级别判断,结合发展趋势预测结果,给出风险评估结论。影响级别判断流程图见图24。
其中,图22中,分析因素指对影响灾害的诸多气象因素(如温度、湿度、风向、降水、日照时间等)、地理特征因素(植被类型、地形结构)等进行灰色关联分析。灰色关联分析的特征是依据因素之间的几何相似程度,来判定因素间的相互结构关系和基本因素对主因素的作用程度。灰色关联分析算法为标准算法,此处不作赘述。
现在以火灾(山火或秸秆)为例说明图23:
根据输电线路的架设情况、导线情况,山火的火焰温度、火焰电导率、灰烬和雾霾,秸秆燃烧时火点距导线的距离、燃烧的持续时间、燃烧的面积、燃烧的烟雾范围对输电线路相关因素影响的分值进行融合,综合判定出火情对输电线路的影响。
架设情况指山火发生时导线与地面的最小净空距离、导线放电点与塔杆的距离、导线的相间距离、燃烧的植被与塔杆的水平距离、导线放电点与地线的最小净空距离、导线与地面的最小净空距离等因素。
导线情况指输电线路导线类型与电流的情况。
“是否构成灾害”指参考历史数据设定的阈值,比较后大于阈值则构成,小于阈值则不构成。
“训练处理”、“向量机处理”都是常见的对数据的一种处理算法。训练和处理的内容指输电线路的架设情况、导线情况,山火的火焰温度、火焰电导率、灰烬和雾霾,秸秆燃烧时火点距导线的距离、燃烧的持续时间、燃烧的面积、燃烧的烟雾范围等因素。
现在以山火为例说明图24:
根据输电线路的架设情况、山火的火焰温度、火焰电导率、灰烬和雾霾,秸秆燃烧时火点距导线的距离、燃烧的持续时间、燃烧的面积、燃烧的烟雾范围对输电线路相关因素影响的分值进行融合,综合判定出火情对输电线路的影响级别。
“输入各因素影响分值”由图23计算得出。
对该分值与设定的灾害值进行比较,“可否造成灾害”。
“影响分值融合处理”。处理的算法采用模糊分类。模糊分类器通常是从数字化的数据中产生规则,一般由两个阶段组成:输入特征空间的模糊划分;决定与模糊子空间相适应的模糊规则。模糊集合使得某特征可以一定的程度属于某集合。某特征属于某集合的程度由“0’与“l”之间的一个数值一隶属度来描述。把一个具体的元素映射到一个合适的隶属度是由隶属函数来实现。隶属函数可以是任意形式的曲线,取什么形状取决于是否让使分类器简单、快速、有效,惟一的约束条件是隶属函数的值域为[0,1]。
多分类器融合指将多个分类器得到的分类信息进行综合,得出最终的分类结果。此处采用并行组合获得融合结果。融合一般分为数据级融合、特征级融合和决策级融合三个层次,融合器相应分为抽象层、排序层和度量层三个层次的融合。决策级融合是对每个分类器执行一个判断得出一个独立的判定,再对来自每个分类器的判定进行融合。这里所说的融合指决策级融合,即多个分类器都在同样的特征空间上进行训练,在整个空间上的性能被认为近似相同,根据各个分类器的整体性能将这些分类器的输出结果按某种方式结合在一起来达到“共识”,得到最终的分类决策。
融合后即“得出综合影响分值”,据此“根据分值分级影响级别”。
d)火灾对输电线路影响预警与处置
根据风险评估结论相应发出预警,根据工作流程进行应急处置,最后提供损失分析报告,存入数据库。火灾监测与预警工作流程图见图25。其中,损失分析主要指灾害发生后的实际损失信息收集,在受灾信息基础上分析灾害的后果,包括时间跨度、损失(包括直接经济损失和间接经济损失)、原因、相关对策及减灾措施等系统现场处置的效果统计。属于手工输入数据统计资料类工作。
5.气象灾害对输电线路影响的风险评估
以输电线路地理信息为基础,利用地面气象数据和微气象信息,给出气象灾害对输电线路影响的风险评估,根据风险评估结果相应给出警告并得出损失分析。因素分析流程图见图22,气象灾害风险评估流程图见图26。
6.地质灾害对输电线路影响的风险评估
以输电线路地理信息为基础,利用资源卫星、极轨气象卫星及地面气象的数据,进行灰色关联评价建模,给出地质灾害对输电线路影响的风险评估,根据风险评估结果相应给出警告并得出损失分析。因素分析流程图见图22,地质灾害风险评估流程图见图26。
上面以文字和附图说明的方式阐释了本发明一些具体实施方式的结构,并非详尽无遗或限制于上述所述具体形式。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,该系统包括输电线路地理信息子系统、卫星遥感数据接收子系统、数据建模与风险评估子系统、灾害预警与处置子系统,以及支撑和运营子系统;
所述输电线路地理信息子系统用于提供输电线路杆塔及输电线路所经区域的地理经纬度坐标位置;
所述卫星遥感数据接收子系统包括天线控制模块、接收信道解调译码模块、数据输入-处理-存储-传输模块,以及站管模块,实现卫星遥感数据、极轨气象卫星数据、资源卫星数据和各种地面气象数据的采集和整理,其中,所述地面气象数据包括气象部门提供的地面气象数据、电力系统自身安装在输电线路上的微气象在线监测装置所测的地面微气象数据,经采集和整理后的数据被与所述输电线路地理信息子系统得到的地理经纬度坐标位置相叠加;
所述数据建模与风险评估子系统包括根据接收到的数据进行包括火灾在内的灾害的建模、分析、判别和风险评估模块,其中,该模块进一步包括卫星红外遥感数据预处理子模块、火灾识别子模块、火灾发展趋势预测子模块、对输电线路影响的风险评估子模块,其中,火灾发展趋势预测子模块采用自回归集成移动平均(ARIMA)作为时间预测方法预测火灾数据的时序,采用动态回归神经网络(DRNN)作为空间预测方法捕获火灾间隐藏的空间相关性,再用马尔可夫链模型来模拟火灾的随机扰动,最后用统计回归得到时空集成、去扰动的预测结果;所述火灾识别子模块,完成火点的初步识别、高温点识别以及火点区域与输电线路地理信息合并的定位、火场面积估算、伪火点的识别与剔除;
所述灾害预警与处置子系统,实现火灾、气象灾害和地质灾害对输电线路影响的信息分析、发布、接收反馈、最终处置和损失分析,包括预警信息发布和反馈子模块、应急处置子模块和损失分析子模块;
所述支撑和运营子系统,实现配置和参数设置及常用管理功能,包括用户登陆及主界面子模块、矢量信息展示子模块、卫星监控展示子模块、灾害告警与处置展示子模块、权限管理子模块、报表统计子模块、系统日志子模块。
2.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述极轨气象卫星数据为极轨气象卫星所搭载的可见光红外扫描辐射计(VIRR)传感器所下发的数据,所用的极轨气象卫星包括中国FY-3A、FY-3B,美国NOAA16、NOAA17、NOAA18、NOAA19、EOS-Aqua、EOS-Terra、NPP,以及欧洲Metop-A、Metop-B。
3.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述资源卫星数据为资源卫星所搭载的宽视场成像仪(WFI)传感器所下发的数据,所用的资源卫星包括中巴地球资源一号卫星、中国资源一号02C卫星、中国资源二号卫星、中国资源三号卫星,美国大地Landsa卫星系列、法国Spot系列卫星、加拿大Radarsat雷达卫星、欧洲太空总署ERS卫星。
4.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述灾害影响因素分析包括山火或秸秆焚烧、气象、地质灾害的影响因素分析。
5.根据权利要求1或4所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述灾害影响因素分析包括通过对典型输电线路灾害事故案例进行统计分析,确定灾害因素评价指标,从而建立灾害因素与输电线路关系模型;通过灰色关联评价模型对影响灾害事故的各非线性、动态因素进行量化分析,确定各灾害因素的危险值。
6.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述天线控制模块包括:X-Y天线座、天线、X波段和L波段双馈源、天线控制单元、X-Y轴测角单元,以及天线的X轴驱动单元和Y轴驱动单元,所述天线控制模块完成对极轨气象卫星的跟踪并接收卫星同时下发的可见光及红外数据,以及完成天线自身信息的控制与显示。
7.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述接收信道解调译码模块包括低噪声放大器、下变频器和中频解调器,完成对极轨气象卫星下发的X波段及L频段信号的放大、变频、解调处理,低噪声放大器在接收机前端,放大接收到的微弱信号、降低噪声干扰,下变频器接收来自低噪声放大器的已调射频载波,将已调射频载波信号从卫星下行频率变换到中频,中频解调器采用相移键控调制中的QPSK方式解调。
8.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述数据输入-处理-存储-传输模块,完成对极轨气象卫星数据的采集记录、解包、预处理,以及资源卫星遥感数据的记录与预处理,评估接收到的资料数据质量、生成显示报告,并对各种数据进行记录、存储和管理。
9.根据权利要求1所述的基于卫星及气象信息的输电线路灾害监测与风险评估系统,其特征在于,所述火场面积估算包括三种不同通道组合估算亚像元火点面积和温度的方法:3.7μm的CH3和11μm的CH4通道组合;11μm的CH4和12μm的CH5通道组合;1.6μm的近红外和11μm的CH4通道组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310315133.3A CN103455708B (zh) | 2013-07-24 | 2013-07-24 | 基于卫星及气象信息的输电线路灾害监测与风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310315133.3A CN103455708B (zh) | 2013-07-24 | 2013-07-24 | 基于卫星及气象信息的输电线路灾害监测与风险评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103455708A CN103455708A (zh) | 2013-12-18 |
CN103455708B true CN103455708B (zh) | 2016-06-01 |
Family
ID=49738063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310315133.3A Active CN103455708B (zh) | 2013-07-24 | 2013-07-24 | 基于卫星及气象信息的输电线路灾害监测与风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103455708B (zh) |
Families Citing this family (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927840B (zh) * | 2014-05-09 | 2015-04-15 | 国家电网公司 | 一种输电线路山火告警方法 |
CN103956017B (zh) * | 2014-05-09 | 2015-04-15 | 国家电网公司 | 输电线路山火告警方法 |
CN103942628A (zh) * | 2014-05-13 | 2014-07-23 | 国家电网公司 | 区域输电线路灭火装备优化配置方法 |
CN104063981B (zh) * | 2014-07-09 | 2015-05-06 | 国家电网公司 | 基于区域分块查找策略的输电线路杆塔山火告警定位方法 |
CN104156888A (zh) * | 2014-08-14 | 2014-11-19 | 国网上海市电力公司 | 基于风险综合评价模型的电力系统运营风险监测方法 |
CN104408293A (zh) * | 2014-11-03 | 2015-03-11 | 中国人民解放军63961部队 | 一种北斗差分基准站布设中的卫星可见性分析方法 |
CN104778517B (zh) * | 2015-04-30 | 2019-01-25 | 国家电网公司 | 基于微气象与卫星遥感数据的微气象灾害预警方法及系统 |
CN104835279B (zh) * | 2015-06-02 | 2016-06-29 | 国家电网公司 | 一种输电线路山火告警集中时期计算方法 |
CN105005702B (zh) * | 2015-07-24 | 2018-01-30 | 中国科学技术大学 | 一种基于计算机数据处理技术的基础经济数据拟合方法 |
CN105069558A (zh) * | 2015-07-28 | 2015-11-18 | 江苏励维逊电气科技有限公司 | 一种基于气象数据的电力设施受损情况的预警分析方法 |
CN105512803B (zh) * | 2015-11-26 | 2019-12-10 | 国网北京市电力公司 | 电力数据的处理方法及处理装置 |
CN105893749B (zh) * | 2016-03-29 | 2018-08-24 | 国网安徽省电力公司宿州供电公司 | 一种输电线路雷击缺失数据填补方法 |
CN107292478B (zh) * | 2016-04-13 | 2022-08-09 | 中国电力科学研究院 | 一种灾害对配电网影响态势的获取方法 |
CN106683038B (zh) * | 2016-11-17 | 2020-07-07 | 云南电网有限责任公司电力科学研究院 | 一种生成火情态势图的方法及装置 |
CN108242052A (zh) * | 2016-12-23 | 2018-07-03 | 航天星图科技(北京)有限公司 | 一种应用于农田的火点确定方法 |
CN106845080B (zh) * | 2016-12-23 | 2019-06-28 | 广西师范学院 | 基于差异修正的景区旅游气象灾害智能预测方法 |
CN107066927A (zh) * | 2017-01-04 | 2017-08-18 | 中国电力科学研究院 | 一种确定输电线路在洪涝灾害中的损毁程度的方法和系统 |
CN108510098B (zh) * | 2017-02-27 | 2021-04-20 | 国网山西省电力公司 | 基于卫星遥感的输电线路走廊雪深估算与预警方法及系统 |
CN107038833B (zh) * | 2017-06-13 | 2019-08-30 | 广东电网有限责任公司电力科学研究院 | 一种山火火点二次甄别方法及系统 |
CN107452185A (zh) * | 2017-09-21 | 2017-12-08 | 深圳市晟达机械设计有限公司 | 一种有效的山区自然灾害预警系统 |
CN108346252A (zh) * | 2018-03-29 | 2018-07-31 | 深圳市鑫汇达机械设计有限公司 | 一种基于大数据挖掘的集成化森林防火信息化系统 |
CN110503805A (zh) * | 2018-05-16 | 2019-11-26 | 中国石油化工股份有限公司天然气分公司 | 管道地质灾害监测预警方法及装置 |
CN109118001A (zh) * | 2018-08-09 | 2019-01-01 | 成都天地量子科技有限公司 | 一种基于卫星遥感数据的山火监测方法和系统 |
CN109064050A (zh) * | 2018-08-17 | 2018-12-21 | 公安部沈阳消防研究所 | 基于大数据的多元线性回归火灾风险评估方法 |
CN109409682B (zh) * | 2018-09-28 | 2022-03-08 | 国网湖南省电力有限公司 | 跨区域电网覆冰程度的评估方法及系统 |
CN109448292A (zh) * | 2018-10-18 | 2019-03-08 | 国网山东省电力公司应急管理中心 | 一种电网山火监测预警方法 |
CN109359779A (zh) * | 2018-11-14 | 2019-02-19 | 遵义华正电缆桥架有限公司 | 一种电力灾害分析系统 |
CN109596165A (zh) * | 2018-11-23 | 2019-04-09 | 湖南城市学院 | 一种智能地理信息动态预警布控系统及方法 |
CN110207671B (zh) * | 2018-12-29 | 2021-08-24 | 中国科学院软件研究所 | 一种天基智能成像系统 |
CN110570615A (zh) * | 2019-09-04 | 2019-12-13 | 云南电网有限责任公司带电作业分公司 | 天空地联合的输电线路通道山火趋势预警方法、装置、系统及存储介质 |
CN110930632B (zh) * | 2019-11-01 | 2021-12-21 | 杨勇 | 一种基于人工智能的预警系统 |
CN111027402B (zh) * | 2019-11-15 | 2022-09-02 | 国网江西省电力有限公司电力科学研究院 | 一种自然灾害风险智能检测与评估方法 |
CN112818073B (zh) * | 2019-11-15 | 2022-12-09 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种输电线路气象覆冰位置确定方法 |
CN110907984A (zh) * | 2019-11-21 | 2020-03-24 | 中国地震局地震预测研究所 | 一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法 |
CN111008599B (zh) * | 2019-12-06 | 2023-07-18 | 国网湖南省电力有限公司 | 一种基于时间尺度特征评估的山火同步卫星监测预警方法及系统 |
CN111027881B (zh) * | 2019-12-17 | 2022-08-12 | 福州大学 | 基于改进灰色关联度的输电杆塔自然灾害损失评估方法 |
CN112183805B (zh) * | 2019-12-23 | 2023-10-24 | 成都思晗科技股份有限公司 | 一种输电线路在线巡视结果状态的预测方法 |
CN111355733B (zh) * | 2020-02-29 | 2021-01-29 | 中国地震局地震研究所 | 一种基于svm算法的震害信息入侵检测系统和检测方法 |
CN111445011B (zh) * | 2020-04-01 | 2023-07-28 | 成都思晗科技股份有限公司 | 一种基于气象和遥感数据的山火预警方法 |
CN111611444B (zh) * | 2020-04-22 | 2023-05-23 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种极轨气象卫星通用故障诊断系统 |
CN111612334A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网数据的驾驶行为风险评级的判定方法 |
CN111681129B (zh) * | 2020-06-05 | 2023-08-22 | 云南电网有限责任公司昆明供电局 | 一种基于卫星数据的输电线路山火风险判定方法及系统 |
CN111783634A (zh) * | 2020-06-29 | 2020-10-16 | 北京华云星地通科技有限公司 | 基于卫星遥感数据的火点检测方法 |
CN112232590B (zh) * | 2020-11-02 | 2023-06-30 | 国网湖南省电力有限公司 | 多源电力气象融合数据整体评估方法、系统及存储介质 |
CN112491999B (zh) * | 2020-11-18 | 2022-10-11 | 成都佳华物链云科技有限公司 | 一种数据上报方法及装置 |
CN112434957B (zh) * | 2020-11-27 | 2022-09-06 | 广东电网有限责任公司肇庆供电局 | 一种基于元胞自动机的配网线路巡检区域网格划分方法 |
CN112581710B (zh) * | 2020-11-30 | 2022-04-29 | 南京林业大学 | 一种基于大数据的森林防火报警系统及方法 |
CN112989567B (zh) * | 2021-02-05 | 2022-04-19 | 中国科学院武汉岩土力学研究所 | 降雨作用下确定杆塔基础滑坡成灾模式的方法及设备 |
CN113536576B (zh) * | 2021-07-20 | 2022-04-22 | 中国气象局气象干部培训学院四川分院(四川省信息工程学校) | 一种数值预报产品距平积分动力统计订正方法和系统 |
CN113625645A (zh) * | 2021-08-19 | 2021-11-09 | 福州大学 | 一种堆石混凝土坝智能监测方法及管理系统 |
CN113674192B (zh) * | 2021-08-24 | 2024-02-02 | 燕山大学 | 红外视频图像与可见光视频图像融合方法、系统及装置 |
CN114255569A (zh) * | 2021-11-09 | 2022-03-29 | 云南电网有限责任公司 | 一种融合5g的输电线路自然灾害智能预警方法 |
CN115995141A (zh) * | 2023-02-10 | 2023-04-21 | 北京北斗星通导航技术股份有限公司 | 一种基于北斗卫星的信息采集监控方法 |
CN117876362B (zh) * | 2024-03-11 | 2024-05-28 | 国任财产保险股份有限公司 | 一种基于深度学习的自然灾害损失评估方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289915A (zh) * | 2011-06-24 | 2011-12-21 | 贵州东方世纪科技有限责任公司 | 一种灾害监测预警系统 |
CN202166754U (zh) * | 2011-05-12 | 2012-03-14 | 福建省电力有限公司 | 电网气象灾害预警系统 |
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
CN103164748A (zh) * | 2011-12-16 | 2013-06-19 | 安徽省电力科学研究院 | 一种电力变电站火灾风险评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120310555A1 (en) * | 2011-05-31 | 2012-12-06 | Gaarder Paal Even | Method and Apparatus for Monitoring Power Transmission in an Electric Power Transmission Network |
-
2013
- 2013-07-24 CN CN201310315133.3A patent/CN103455708B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202166754U (zh) * | 2011-05-12 | 2012-03-14 | 福建省电力有限公司 | 电网气象灾害预警系统 |
CN102289915A (zh) * | 2011-06-24 | 2011-12-21 | 贵州东方世纪科技有限责任公司 | 一种灾害监测预警系统 |
CN103164748A (zh) * | 2011-12-16 | 2013-06-19 | 安徽省电力科学研究院 | 一种电力变电站火灾风险评估方法 |
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
Non-Patent Citations (2)
Title |
---|
一种输电线路微气象环境监测系统的研究;杨洋;《中国优秀硕士学位论文全文数据库(工程科技II辑)》;20130715;全文 * |
三维GIS输电线路运行管理系统;刘小玲;《中国优秀硕士学位论文全文数据库(工程科技II辑)》;20130215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103455708A (zh) | 2013-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103455708B (zh) | 基于卫星及气象信息的输电线路灾害监测与风险评估系统 | |
Effat | Selection of potential sites for solar energy farms in Ismailia Governorate, Egypt using SRTM and multicriteria analysis | |
CN202434011U (zh) | 森林火灾自动监测与报警系统 | |
Yibo et al. | The temporal and spatial changes of the ecological environment quality of the urban agglomeration on the northern slope of Tianshan Mountain and the influencing factors | |
Tekin et al. | Selection of renewable energy systems sites using the MaxEnt model in the Eastern Mediterranean region in Turkey | |
CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
CN112750280B (zh) | 一种复合式地质灾害专业监测预警方法和装置 | |
Engeset et al. | Snow map system for Norway | |
Xu et al. | Dynamic detection of offshore wind turbines by spatial machine learning from spaceborne synthetic aperture radar imagery | |
Wade et al. | Developing H++ climate change scenarios for heat waves, droughts, floods, windstorms and cold snaps | |
Jiang et al. | Mapping local climate zones: A bibliometric meta-analysis and systematic review | |
Khouakhi et al. | Atmospheric rivers and associated extreme rainfall over Morocco | |
CN113313342A (zh) | 多种自然灾害引发电网设备故障概率分析方法和系统 | |
Chen et al. | Estimation of potential wildfire behavior characteristics to assess wildfire danger in southwest China using deep learning schemes | |
Macedo et al. | Selection of potential sites for sustainable development of solar photovoltaic plants in northeastern Brazil using GIS and multi-criteria analysis | |
Di et al. | Research on secondary analysis method of synchronous satellite monitoring data of power grid wildfire | |
CN113191670B (zh) | 一种精细化雷电灾害风险评价与区划方法 | |
Peng et al. | An evaluation of the NOAA global daily gap-filled VIIRS surface albedo | |
KR102308748B1 (ko) | 폭우 재해취약성 분석 고도화 시스템 | |
Tadesse et al. | Characterization of warm season convective systems over US in terms of cloud to ground lightning, cloud kinematics, and precipitation | |
Englefield et al. | Applying geographic information systems and remote sensing to forest fire monitoring, mapping and modelling in Canada | |
McVicar et al. | A review of predictive modelling from a natural resource management perspective: the role of remote sensing of the terrestrial environment | |
Sykas et al. | EO4WildFires: an Earth observation multi-sensor, time-series machine-learning-ready benchmark dataset for wildfire impact prediction | |
Liou et al. | Landsat 8 operational land imager-derived variables for environmental risk assessment in Taoyuan | |
CN116843528A (zh) | 多源卫星高时频电网火险监测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |