CN106052745A - 一种电力线路监测方法 - Google Patents

Abstract

本发明提供一种电力线路监测方法可以通过分布式监测设备中的每个传感器采集每个监测对象的一种监测信息，对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果。当第一监测结果指示监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果，基于第一监测结果和第二监测结果，以对可能发生异常的监测对象进行异常确认，当确认可能发生异常的监测对象异常时，发送预警信息。即电力线路监测方法可以通过多个分布式监测设备的多种监测信息监控监测对象是否异常，进而在基于多样化监测信息进行监控时使得监控的准确度提高，从而降低虚警率并提高系统可靠性。

Description

一种电力线路监测方法

技术领域

本发明属于电气工程领域，更具体的说，尤其涉及一种电力线路监测方法。

背景技术

智能电网的目标是以特高压电网为骨干网架、各级电网协调发展的电网为基础，利用先进的通信、信息和控制技术，构建以信息化、自动化、互动化为特征的国际领先、自主创新、中国特色的智能电网。其中，对特高压电网各个环节重要运行参数的在线监测，以便从安全性、可靠性、可调节、抗扰动等方面加强对设备状态的预测、预防、调控，基于可靠的运行参数建立输电线路的智能决策，是实现智能电网的核心要求。而为了能够实现这一核心要求，必须依托于透彻的信息感知技术，可靠的数据传输和健全的网络构建技术，以及海量感知信息的智能管理和多维数据处理技术。

目前对智能电网的在线监测通常采用高压在线监测设备，其中高压在线监测设备可以采用诸如视频或红外等监测手段，但是目前高压在线监测设备的监测手段单一，其都只能监测一种信息，且各个高压在线监测设备间的信息独立，不具备信息共享功能，这样在基于单一信息进行状态监测时得到的虚警率提高，并降低系统可靠性。

发明内容

有鉴于此，本发明的目的在于提供一种电力线路监测方法，用来降低虚警率，并提高系统可靠性。

本发明提供一种电力线路监测方法，应用于分布式线路监测系统中，所述分布式线路监测系统包括：多个分布式监测设备、基站设备和主控端设备，其中每个所述分布式监测设备包括采集多个监测对象的不同信息的传感器；所述电力线路监测方法包括：

通过所述分布式监测设备中的每个传感器分别采集每个监测对象的一种监测信息，得到每个监测对象的多种监测信息；

对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果；

当所述第一监测结果指示对应的监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果；

基于所述第一监测结果和所述第二监测结果，对所述可能发生异常的监测对象的异常情况进行分析，以对所述可能发生异常的监测对象进行异常确认；

当确认所述可能发生异常的监测对象异常时，发送预警信息。

优选的，所述基于所述第一监测结果和所述第二监测结果，对所述可能发生异常的监测对象的异常情况进行分析，以对所述可能发生异常的监测对象进行异常确认，包括：

基于所述第一监测结果和所述第二监测结果，判断所述可能发生异常的监测对象是否异常；

当所述第一监测结果和所述第二监测结果指示所述可能发生异常的监测对象异常时，调取对所述可能发生异常的监测对象进行监测的分布式监测设备得到的环境视频，所述环境视频通过对对所述可能发生异常的监测对象进行监测的分布式监测设备中的摄像头获得；

对所述环境视频中的视频内容进行分析，得到所述视频内容中的人物信息；

当所述人物信息为空或者所述人物信息中包含预设图标信息时，确认所述可能发生异常的监测对象未发生异常，其中所述预设图标信息为用于表示合法监测人员的信息；

当所述人物信息不为空，且所述人物信息中未包括预设图标信息时，确认所述可能发生异常的监测对象异常。

优选的，所述基于所述第一监测结果和所述第二监测结果，判断所述可能发生异常的监测对象是否异常，包括：

基于公式：对所述第一监测结果和所述第二监测结果进行融合分析，以判断所述可能发生异常的监测对象是否异常，其中MCS(x)为融合分析结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的监测结果属于类别j的概率值，L是传感器个数，C是类别数，所述第i个传感器为得到第一监测结果和第二监测结果时分布式监测设备中的一个传感器。

优选的，所述基于所述第一监测结果和所述第二监测结果，判断所述可能发生异常的监测对象是否异常，包括：

在得到第一监测结果后，基于每个第二监测结果分别对所述第一监测结果进行加权修正，得到多个加权监测结果；

将多个加权监测结果进行相加，得到融合处理结果，以指示所述可能发生异常的监测对象是否异常；

其中基于每个第二监测结果分别对所述第一监测结果进行加权修正包括：基于加权模型 $\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.$ 对第一监测结果进行加权修正，w_ij表示第二监测结果s_j对第一监测结果s_i的影响因子；SNR_j和SNR_i分别表示第二监测结果s_j和第一监测结果s_i的当前接收信号的信噪比；k₁、k₂和k₃是常数，m是选取第二监测结果的个数；d_j是第二监测结果；z_i是第一监测结果经过加权后的加权监测结果，r_ij是第二监测结果s_j对应的分布式监测设备和第一监测结果s_i对应的分布式监测设备之间的距离。

优选的，对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果，包括：

获取每个监测对象的每种监测信息的判决结果；

基于公式：对每个监测对象的不同种监测信息的判决结果进行分析得到每个监测对象的第一监测结果，其中MCS(x)为第一监测结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的判决结果属于类别j的概率值，L是传感器个数，C是类别数。

优选的，对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果，包括：

获取每个监测对象的每种监测信息的判决结果；

基于每个监测对象的每种监测信息的判决结果构建每个监测对象的判决矩阵；

将每个监测对象的判决矩阵分别与判决模板进行比对，得到每个监测对象的第一监测结果。

优选的，所述对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果，包括：

获得每个监测对象的每种监测信息的判决结果；

基于加权模型对所述判决结果进行加权修正，得到加权判决结果；

对每个监测对象的每种监测信息的加权判决结果进行相加，得到第一监测结果；

其中加权模型为：

$\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.,$ w_ij表示传感器s_j对传感器s_i的影响因子；SNR_j和SNR_i分别表示传感器s_j和传感器s_i的当前接收信号的信噪比；k₁、k₂和k₃是常数，m是选取最近传感器的个数；d_j是邻居传感器的判决结果；z_i是传感器经过加权后的判决结果，r_ij是传感器s_j和传感器s_i之间的距离。

与现有技术相比，本发明提供的上述技术方案具有如下优点：

本发明提供的电力线路监测方法可以通过分布式监测设备中的每个传感器采集每个监测对象的一种监测信息，以得到每个监测对象的多种监测信息，然后对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果。当第一监测结果指示对应的监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果，基于第一监测结果和第二监测结果，对可能发生异常的监测对象的异常情况进行分析，以对可能发生异常的监测对象进行异常确认，当确认可能发生异常的监测对象异常时，发送预警信息。由此可知本发明提供的电力线路监测方法可以通过多个分布式监测设备的多种监测信息对监测对象是否异常进行监控，相对于现有技术中通过一个分布式监测设备进行监控的方式来说，其基于的监测信息增加，进而在基于多样化监测信息进行监控时使得监控的准确度提高，从而降低虚警率并提高系统可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。

图1是本发明实施例提供的电力线路监测方法的一种流程图；

图2是本发明实施例提供的分布式线路监测系统的结构示意图；

图3是本发明实施例提供的分布式线路监测系统中分布式监测设备的结构示意图；

图4是本发明实施例提供的基于判决矩阵得到第一监测结果的示意图；

图5是本发明实施例提供的电力线路监测方法的另一种流程图。

具体实施方式

为使本领域技术人员更好地理解本发明实施例，首先对本发明实施例涉及的专业术语进行说明：

传感网技术：传感器网技术是一种全新的信息获取和处理技术，是计算、通信和传感器三项技术相结合的产物，传感网体系可分为感知网络、传输网络和应用网络三个层次。在传感网中，感知器件被嵌入或装备到电网、铁路、隧道、公路、建筑、油气管道等各种物体中，并且被普遍连接，形成感知网络，然后将感知网络与现有的互联网整合起来，实现人类社会与物理系统的整合。其具体表现是通过大量、多种类型传感器节点组成的传感器网络以实现更透彻感知，将多种类型传感器互联实现更广泛的互联，将获取的多维信息进行融合处理从而得到可信的信息；

无线传感器网络(wireless sensor network)：是由布设大量多种类无线传感器节点组成信息感知网络，以实现更透彻感知、更广泛的互联和更深入信息融合，可获取更细致、更可信的信息，为智能决策和智能行为提供准确的、可信的信息支撑；

多维传感：“多维”是指监测信息的来源不仅包括电压、电流等基本电力信息，还包括相关的输电导线、电力杆塔和环境信息等。通过对以上多种类型信息的实时、准确、快速的采集、融合、处理和使用，可有效提高电力输电线路故障处理决策的准确性和可靠性；

协同感知：协同感知是协同系统的核心技术之一，在输电线路检测应用中，用于感知各种信息和环境的变化，是实现快速决策行动和跨组织协同工作的基础。通过多种类型传感器信息的有效整合和良好互动,并通过借鉴利用成熟技术，能够有效提高感知系统的整体效率；

电力设施智能巡检：电力设施智能巡检是电力系统运维维护的重要内容之一，也是及时发现设备缺陷，避免设备电网事故的重要手段之一。智能巡检即通过采用物联网技术实时在线对电力设施工况信息进行有效采集，提高运维人员对电力设施巡检的准确性和灵活性。

在本发明实施例中，电力线路监测方法可以通过多个分布式监测设备的多种监测信息对监测对象是否异常进行监控，相对于现有技术中通过一个分布式监测设备进行监控的方式来说，其基于的监测信息增加，进而在基于多样化监测信息进行监控时使得监控的准确度提高，从而降低虚警率并提高系统可靠性。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明实施例提供的电力线路监测方法，用于降低虚警率并提高系统的可靠性，可以包括以下步骤：

101：通过分布式监测设备中的每个传感器分别采集每个监测对象的一种监测信息，得到每个监测对象的多种监测信息。

其中分布式监测设备位于分布式线路监测系统中，也就是说本发明实施例提供的电力线路监测方法应用于分布式线路监测系统中，如图2所示分布式线路监测系统，所述分布式线路监测系统包括：多个分布式监测设备1、基站设备2和主控端设备3，每个分布式监测设备1包括采集多个监测对象的不同信息的传感器。

例如分布式监测设备1至少包括两种类型的监测设备，一种是安装于导线上，用于监测导线的变化情况的监测设备，另一种是安装于杆塔上，用于监测杆塔的变化情况的监测设备，如图3所示分布式监测设备1的结构，其包括第一监测设备11和第二监测设备12，其中第一监测设备11上包括用于监测导线温度的传感器、用于监测导线弧垂的传感器、用于监测导线摆动的传感器以及用于监测外力破坏的传感器，除此之外还包括摄像头，用于获得导线周边环境的视频，以监测导线周边环境。第二监测设备12上包括用于监测杆塔倾斜的传感器、用于监测杆塔振动的传感器以及用于监测外力破坏的传感器，除此之外还包括摄像头，用于获得杆塔周边环境的视频，以监测杆塔周边环境。

从图3所示分布式监测设备的结构可知，从功能上分为：针对导线防护的防外破、导线弧垂、导线温度、线路交跨(导线摆动)和视频等进行监测的第一监测设备11，针对杆塔防护的杆塔倾斜、杆塔振动、视频以及针对环境信息的微气象等进行监测的第二监测设备12。也就是说第一监测设备11中的传感器和第二监测设备12中的传感器可以分别采集导线和杆塔这两个监测对象不同的监测信息，具体的第一监测设备11中的传感器主要采集导线上的监测信息，而第二监测设备12中的传感器主要采集杆塔上的监测信息，且每个监测设备可以采集多种监测信息。

也就是说，分布式监测设备可以采用多种类型传感器节点组成的传感器网络结构，不仅可实现对监测目标(导线和杆塔)的全面实时信息采集，还可实现更透彻的高压电力工况信息感知，这样分布式线路监测系统可通过的大量、多类型传感器互联实现更广泛的互联，将获取的多维信息进行融合处理从而得到可信的信息，为高压电网的运行决策提供及时、准确、可信的信息。其中高压电力工况信息包括：导线温度、导线弧垂角度、导线舞动摆动、导线震动等信息以及杆塔的倾角和震动，线路周边温度、湿度、风速风向等环境微气象等信息。

并且从图2所示分布式线路监测系统中，多个分布式监测设备1间采用多跳中继通信方式将采集到的监测信息发送给基站设备2，所述基站设备2将接收到的监测信息转发给所述主控平台3。由于多个分布式监测设备1间可以采用多跳中继通信方式将采集到的监测信息发送给基站设备2，那么对于单一分布式监测设备1来说，其可以通过与其相邻的多个分布式监测设备1上传采集到的信息，当与其相邻的多个分布式监测设备1中一条传输路径发生故障时，其可以在其他正常的传输路径中任意选取一条进行信息传输，所以相对于现有分布式线路监测系统中监测设备与主控平台的点对点通信方式来说，降低了分布式监测设备1对公网的依赖性。

102：对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果。在本发明实施例中，可以对每个监测对象的一种监测信息进行分析，得到该监测对象的第一监测结果。当对一种监测信息进行分析时，可以将每次得到的监测信息与预先设定的报警阈值进行比对，在经过多次比对后即可得到第一监测结果，其中第一监测结果用于指示监测对象是否异常，在本发明实施例中可以第一监测结果可以采用不同标识来指示监测对象是否异常。例如第一监测结果可以以不同的数值来指示监测对象的当前情况，如数值0指示监测对象正常，而数值1则指示监测对象异常。并且每个传感器的报警阈值根据实际应用场景和环境可以随意设置，在此本发明实施例并不限定其具体取值。

下面以导线温度检测为例，说明对单一监测信息进行分析得到第一监测结果的过程：用于监测导线温度的温度传感器按照预设时间周期性监测导线温度，当监测到温度变化过快或超出报警阈值时，则会向分布式监测设备发送温度异常信息，例如上述图3中第一监测设备接收温度异常信息，在接收到温度异常信息后，会将异常温度值与当前的环境温度，同一个温度传感器得到的相间温升和不同温度传感器得到的相对温升分别进行比较处理，以判定该异常温度值的预警信息是否准确，以得到最终的第一监测结果，而第一监测结果可以通过导线温度和环境温度传的协同感知和信息融合，实现设备与环境、同一设备相间数据的横向比较，同类设备间相对温升数据的纵向比较，因此基于这些多种数据的对比可以提高第一监测结果的准确度。其中相间温升指的是导线的三相之间的两相之间的温升，而相对温升指的是导线的任意一相在不同时刻对比后的温升。

在本发明实施例中，用于监测导线温度的温度传感器采用先进的一体化、微型化封装技术，将无线温度传感器直接安装在输电线路外壳处，实现温度、相间温升和相对温升的高可靠实时在线监测和故障分析预警，以及输电线路运行温度的自动管理，为电网安全运行提供数据支持。

当然，本发明实施例还可以对每个监测对象的多种监测信息进行分析来得到第一监测结果，其采用的方式包括但不限于下述几种：

第一种，首先获取每个监测对象的每种监测信息的判决结果，其中每种监测信息的判决结果的获取方式与上述温度传感器获得第一监测结果的方式相同，对此本发明实施例不再对每种监测信息得到判决结果的过程进行说明。

在得到每种监测信息的判决结果后，基于公式：

对每个监测对象的不同种监测信息的判决结果进行分析得到每个监测对象的第一监测结果，其中MCS(x)为第一监测结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的判决结果属于类别j的概率值，L是传感器个数，C是类别数，类别则用于指示判决结果指示监测对象当前情况，其至少分别监测对象正常和监测对象异常这两类，每个传感器得到的判决结果的权重根据传感器得到的监测信息在整个监测过程中的重要性而预先设定。

以防外破检测为例，x表示传感器监测到的监测信息，权重w_i和概率值d_i,j(x)是根据不同类别传感器与外部破坏事件的相关程度来设定的，如壁挂震动传感器权重为0.7，概率值为0.8；防外破监测传感器权重为0.9，概率值为0.9，杆塔倾角传感器测量为权重为0.5，概率值为0.5。

第二种方式是：首先，获取每个监测对象的每种监测信息的判决结果，其中每种监测信息的判决结果的获取方式与上述温度传感器获得第一监测结果的方式相同，对此本发明实施例不再对每种监测信息得到判决结果的过程进行说明。

然后，基于每个监测对象的每种监测信息的判决结果构建每个监测对象的判决矩阵，然后将每个监测对象的判决矩阵分别与判决模板进行比对，得到每个监测对象的第一监测结果。其中判决矩阵的行向量对应同一个传感器在不同时刻下的判决结果，其以上述第i个传感器得到的判决结果属于类别j的概率值，列向量则表示不同传感器得到的判决结果属于哪一类的概率值。如图4所示，其中x表示一个传感器得到的监测信息，D_i表示第i个传感器得到的判决结果属于哪一类的概率值，DP(x)为判决矩阵，DT_j表示第j个判决函数，在实际执行过程中，可以将判决矩阵代入一个判决函数中，得出输出结果Max，即第一监测结果。

第三种方式是：首先，获得每个监测对象的每种监测信息的判决结果d_i＝I(y_i≥τ_i)，y_i为监测信息，i＝1,2,...,N，N为监测信息的总个数，τ_i为监测信息的报警阈值，其中每种监测信息的判决结果的获取方式与上述温度传感器获得第一监测结果的方式相同，对此本发明实施例不再对每种监测信息得到判决结果的过程进行说明。

其次，基于加权模型对判决结果进行加权修正，得到加权判决结果z_i，并对每个监测对象的每种监测信息的加权判决结果进行相加，得到第一监测结果z_L为加权判决结果对应的报警阈值。其中加权模型为：

$\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.,$ w_ij表示传感器s_j对传感器s_i的影响因子。SNR_j和SNR_i分别表示传感器s_j和传感器s_i的当前接收信号的信噪比。k₁、k₂和k₃是常数，m是选取最近传感器的个数。d_j是邻居传感器的判决结果。z_i是传感器经过加权后的判决结果，r_ij是传感器s_j和传感器s_i之间的距离。即对每个传感器来说，选取与其距离最近的m个对其具有影响的传感器，根据信噪比和距离，对每个传感器的判决结果进行加权修正，其中传感器的选取方式为现有方式或者可以由管理人员预设设定，对此不再详述。

当不同传感器在监测区域中部署完毕，且各个传感器相互影响关系确定之后，就可以通过仿真方法建立系统虚警率F与报警阈值z_L和传感器虚警率α之间的映射关系表，通过该映射关系表可以查询满足系统虚警率F和传感器虚警率指标α的报警阈值z_L。

103：当第一监测结果指示对应的监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果。

在这里需要说明的是：第一监测结果和第二监测结果仅是为了进行区分，其都是用于指示单一分布式监测设备对监测对象进行监测得到的监测结果，且得到第二监测结果的过程与得到第一监测结果的过程相同，对此不再阐述。

其中同一监测区域内可以是包括得到第一监测结果的分布式监测设备的一个监测区域，且该监测区域内还布置有其他分布式监测设备，例如同一监测区域可以是：以得到第一监测结果的分布式监测设备为中心，以预设距离为半径的一个圆形监测区域，其中预设距离为预先设定的一个监测半径，对其具体取值本发明实施例不再进行阐述。

当然同一监测区域还可以是在布置各个分布式监测设备时划定的监测区域，即由管理人员事先对哪些分布式监测设备属于哪个监测区域进行划定，这样在一个监测区域内的分布式监测设备得到的第一监测结果指示监测对象可能异常时，则获取其所在划定的监测区域内的其他分布式监测设备的第二监测结果，对可能发生异常的监测对象是否真正异常进行判断。

104：基于第一监测结果和第二监测结果，对可能发生异常的监测对象的异常情况进行分析，以对可能发生异常的监测对象进行异常确认。之所以基于第一监测结果和第二监测结果，对可能发生异常的监测对象的异常情况进行分析是因为第一监测结果和第二监测结果来自不同分布式监测设备，这样可以基于不同分布式监测设备对同一个监测对象的监测结果来最终确认其异常情况。也就是说本发明实施例提供的电力线路监测方法可以协同感知处理各种监测信息，具体包括分布式监测设备的多种传感器的协同监测以及对多个分布式监测设备间协同感知处理，其本质是在完成对分布式线路监测系统的部署后，通过多种传感器的协同监测来以提高系统的可靠性和准确率。

其中基于第一监测结果和第二监测结果，对可能发生异常的监测对象的异常情况进行分析的方式包括但不限于下述几种方式：

第一种方式：基于公式：对第一监测结果和第二监测结果进行融合分析，以判断可能发生异常的监测对象是否异常，其中MCS(x)为融合分析结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的监测结果属于类别j的概率值，L是传感器个数，C是类别数，第i个传感器为得到第一监测结果和第二监测结果时分布式监测设备中的一个传感器。

在得到融合分析结果MCS(x)后，即可以根据融合分析结果MCS(x)来确认可能发生异常的监测对象是否异常。例如为融合分析结果MCS(x)设定一阈值，当得到的融合分析结果MCS(x)大于设定的阈值时，确认可能发生异常的监测对象确实异常，而当得到的融合分析结果MCS(x)大于设定的阈值时，确认可能发生异常的监测对象未发生异常，其中设定的阈值根据实际应用而定，对此本发明实施例不限定其取值。

第二种方式是：在得到第一监测结果后，基于每个第二监测结果分别对第一监测结果进行加权修正，得到多个加权监测结果，并将多个加权监测结果进行相加，得到融合处理结果以指示可能发生异常的监测对象是否异常。与融合分析结果MCS(x)一样，在本发明实施例中也可以为融合处理结果d设定一阈值来判定可能发生异常的监测对象是否异常。

其中基于每个第二监测结果分别对第一监测结果进行加权修正包括：基于加权模型 $\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.$ 对第一监测结果进行加权修正，w_ij表示第二监测结果s_j对第一监测结果s_i的影响因子。SNR_j和SNR_i分别表示第二监测结果s_j和第一监测结果s_i的当前接收信号的信噪比。k₁、k₂和k₃是常数，m是选取第二监测结果的个数。d_j是第二监测结果。z_i是第一监测结果经过加权后的加权监测结果，r_ij是第二监测结果s_j对应的分布式监测设备和第一监测结果s_i对应的分布式监测设备之间的距离。即对每个第一监测结果来说，选取与得到第一监测结果的分布式监测设备距离最近的m个对其具有影响的其他分布式监测设备得到的第二监测结果，根据信噪比和距离，对分布式监测设备得到的第一监测结果进行加权修正，其中其他分布式监测设备得到的第二监测结果的选取方式为现有方式或者可以由管理人员预设设定，对此不再详述。

105：当确认可能发生异常的监测对象异常时，发送预警信息。相应的预警信息可以发送至分布式线路监测系统的主控端设备中，如远程的主控平台或者是工作人员手持的移动终端中，用于指示工作人员对监测对象进行检查，其可以是远程通过设置在监测对象处的摄像头进行实时检查，也可以是到现场实地检查。

从上述技术方案可知，本发明提供实施例的电力线路监测方法可以通过分布式监测设备中的每个传感器采集每个监测对象的一种监测信息，以得到每个监测对象的多种监测信息，然后对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果。当第一监测结果指示对应的监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果，基于第一监测结果和第二监测结果，对可能发生异常的监测对象的异常情况进行分析，以对可能发生异常的监测对象进行异常确认，当确认可能发生异常的监测对象异常时，发送预警信息。由此可知本发明实施例提供的电力线路监测方法可以通过多个分布式监测设备的多种监测信息对监测对象是否异常进行监控，相对于现有技术中通过一个分布式监测设备进行监控的方式来说，其基于的监测信息增加，进而在基于多样化监测信息进行监控时使得监控的准确度提高，从而降低虚警率并提高系统可靠性。

此外，本发明实施例提供的电力线路监测方法除可以通过对传感器监测到的多种监测信息的协同处理后，还可以调取其他信息来联动处理，如调取监测对象所处环境的环境视频，具体可以参阅图5所示的流程图，其示出了如何基于传感器监测到的各种监测信息和环境视频来进行监测，可以包括以下步骤：

501：通过分布式监测设备中的每个传感器分别采集每个监测对象的一种监测信息，得到每个监测对象的多种监测信息。

502：对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果。

503：当第一监测结果指示对应的监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果。

在本发明实施例中，上述步骤501至步骤503的执行过程：与上述步骤101至步骤103相同，对此本发明实施例不再阐述。

504：基于第一监测结果和第二监测结果，判断可能发生异常的监测对象是否异常。其中基于第一监测结果和第二监测结果，判断可能发生异常的监测对象是否异常的方式包括但不限于下述几种方式：

第一种方式：基于公式：对第一监测结果和第二监测结果进行融合分析，以判断可能发生异常的监测对象是否异常，其中MCS(x)为融合分析结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的监测结果属于类别j的概率值，L是传感器个数，C是类别数，第i个传感器为得到第一监测结果和第二监测结果时分布式监测设备中的一个传感器。

在得到融合分析结果MCS(x)后，即可以根据融合分析结果MCS(x)来确认可能发生异常的监测对象是否异常。例如为融合分析结果MCS(x)设定一阈值，当得到的融合分析结果MCS(x)大于设定的阈值时，确认可能发生异常的监测对象确实异常，而当得到的融合分析结果MCS(x)大于设定的阈值时，确认可能发生异常的监测对象未发生异常，其中设定的阈值根据实际应用而定，对此本发明实施例不限定其取值。

第二种方式是：在得到第一监测结果后，基于每个第二监测结果分别对第一监测结果进行加权修正，得到多个加权监测结果，并将多个加权监测结果进行相加，得到融合处理结果以指示可能发生异常的监测对象是否异常。与融合分析结果MCS(x)一样，在本发明实施例中也可以为融合处理结果d设定一阈值来判定可能发生异常的监测对象是否异常。

其中基于每个第二监测结果分别对第一监测结果进行加权修正包括：基于加权模型 $\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.$ 对第一监测结果进行加权修正，w_ij表示第二监测结果s_j对第一监测结果s_i的影响因子。SNR_j和SNR_i分别表示第二监测结果s_j和第一监测结果s_i的当前接收信号的信噪比。k₁、k₂和k₃是常数，m是选取第二监测结果的个数。d_j是第二监测结果。z_i是第一监测结果经过加权后的加权监测结果，r_ij是第二监测结果s_j对应的分布式监测设备和第一监测结果s_i对应的分布式监测设备之间的距离。即对每个第一监测结果来说，选取与得到第一监测结果的分布式监测设备距离最近的m个对其具有影响的其他分布式监测设备得到的第二监测结果，根据信噪比和距离，对分布式监测设备得到的第一监测结果进行加权修正，其中其他分布式监测设备得到的第二监测结果的选取方式为现有方式或者可以由管理人员预设设定，对此不再详述。

505：当第一监测结果和第二监测结果指示可能发生异常的监测对象异常时，调取对可能发生异常的监测对象进行监测的分布式监测设备得到的环境视频。在本发明实施例中，环境视频通过对对可能发生异常的监测对象进行监测的分布式监测设备中的摄像头获得，这样可以为线路监控提供实时的图像数据支持，以确定监测对象异常是否是由非法人员入侵导致。

506：对环境视频中的视频内容进行分析，得到视频内容中的人物信息。其中得到视频内容中的人物信息可以通过现有图像识别技术得到，对此本发明实施例不再阐述。

507：当人物信息为空或者人物信息中包含预设图标信息时，确认可能发生异常的监测对象未发生异常，其中预设图标信息为用于表示合法监测人员的信息，这样在人物信息中包含预设图标信息时，可以确定是合法监测人员在对监测对象进行检测，此时则可以不进行预警，降低预警率。

如果监测对象可能发生的异常是由动物导致，此时从视频内容中得到的人物信息为空，此时可以确定监测对象实际处于正常状态，同样不进行预警，降低预警率。

508：当人物信息不为空，且人物信息中未包括预设图标信息时，确认可能发生异常的监测对象异常。当人物信息不为空，且人物信息中未包括预设图标信息时，说明此时有非法人员入侵，进而需要发送预警信息来报警，提示工作人员到实际现场进行检查。

509：当确认可能发生异常的监测对象异常时，发送预警信息。

从上述技术方案可知，本发明实施例在基于多种类型传感器协同处理的基础上，增加了环境视频联动处理，这样可以确定监测对象的可能发生异常是由哪些事物导致，从而可以排除动物这些非人员触碰的情况，降低虚警率并提高系统的可靠性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上所述仅是本发明的优选实施方式，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 (7)

1.一种电力线路监测方法，其特征在于，应用于分布式线路监测系统中，所述分布式线路监测系统包括：多个分布式监测设备、基站设备和主控端设备，其中每个所述分布式监测设备包括采集多个监测对象的不同信息的传感器；所述电力线路监测方法包括：

通过所述分布式监测设备中的每个传感器分别采集每个监测对象的一种监测信息，得到每个监测对象的多种监测信息；

对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果；

当所述第一监测结果指示对应的监测对象可能发生异常时，获得位于同一监测区域范围内其他分布式监测设备对可能发生异常的监测对象进行监测的第二监测结果；

基于所述第一监测结果和所述第二监测结果，对所述可能发生异常的监测对象的异常情况进行分析，以对所述可能发生异常的监测对象进行异常确认；

当确认所述可能发生异常的监测对象异常时，发送预警信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一监测结果和所述第二监测结果，对所述可能发生异常的监测对象的异常情况进行分析，以对所述可能发生异常的监测对象进行异常确认，包括：

基于所述第一监测结果和所述第二监测结果，判断所述可能发生异常的监测对象是否异常；

当所述第一监测结果和所述第二监测结果指示所述可能发生异常的监测对象异常时，调取对所述可能发生异常的监测对象进行监测的分布式监测设备得到的环境视频，所述环境视频通过对对所述可能发生异常的监测对象进行监测的分布式监测设备中的摄像头获得；

对所述环境视频中的视频内容进行分析，得到所述视频内容中的人物信息；

当所述人物信息为空或者所述人物信息中包含预设图标信息时，确认所述可能发生异常的监测对象未发生异常，其中所述预设图标信息为用于表示合法监测人员的信息；

当所述人物信息不为空，且所述人物信息中未包括预设图标信息时，确认所述可能发生异常的监测对象异常。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一监测结果和所述第二监测结果，判断所述可能发生异常的监测对象是否异常，包括：

基于公式：对所述第一监测结果和所述第二监测结果进行融合分析，以判断所述可能发生异常的监测对象是否异常，其中MCS(x)为融合分析结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的监测结果属于类别j的概率值，L是传感器个数，C是类别数，所述第i个传感器为得到第一监测结果和第二监测结果时分布式监测设备中的一个传感器。

4.根据权利要求2所述的方法，其特征在于，所述基于所述第一监测结果和所述第二监测结果，判断所述可能发生异常的监测对象是否异常，包括：

在得到第一监测结果后，基于每个第二监测结果分别对所述第一监测结果进行加权修正，得到多个加权监测结果；

将多个加权监测结果进行相加，得到融合处理结果，以指示所述可能发生异常的监测对象是否异常；

其中基于每个第二监测结果分别对所述第一监测结果进行加权修正包括：基于加权模型 $\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.$ 对第一监测结果进行加权修正，w_ij表示第二监测结果s_j对第一监测结果s_i的影响因子；SNR_j和SNR_i分别表示第二监测结果s_j和第一监测结果s_i的当前接收信号的信噪比；k₁、k₂和k₃是常数，m是选取第二监测结果的个数；d_j是第二监测结果；z_i是第一监测结果经过加权后的加权监测结果，r_ij是第二监测结果s_j对应的分布式监测设备和第一监测结果s_i对应的分布式监测设备之间的距离。

5.根据权利要求1所述的方法，其特征在于，对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果，包括：

获取每个监测对象的每种监测信息的判决结果；

基于公式：对每个监测对象的不同种监测信息的判决结果进行分析得到每个监测对象的第一监测结果，其中MCS(x)为第一监测结果，w_i为第i个传感器得到的判决结果的权重，d_i,j(x)为第i个传感器得到的判决结果，用于指示第i个传感器得到的判决结果属于类别j的概率值，L是传感器个数，C是类别数。

6.根据权利要求1所述的方法，其特征在于，对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果，包括：

获取每个监测对象的每种监测信息的判决结果；

基于每个监测对象的每种监测信息的判决结果构建每个监测对象的判决矩阵；

将每个监测对象的判决矩阵分别与判决模板进行比对，得到每个监测对象的第一监测结果。

7.根据权利要求1所述的方法，其特征在于，所述对每个监测对象的至少一种监测信息进行分析，得到每个监测对象的第一监测结果，包括：

获得每个监测对象的每种监测信息的判决结果；

基于加权模型对所述判决结果进行加权修正，得到加权判决结果；

对每个监测对象的每种监测信息的加权判决结果进行相加，得到第一监测结果；

其中加权模型为：

$\left\{\begin{array}{c}{w}_{ij}=\frac{1}{(1+k_1{r_{ij}}^{k_2})(1+e^{-k_3({\mathrm{SNR}}_j-{\mathrm{SNR}}_i)})}\\ z_i=\frac{{\Σ}_{j=1}^m{w}_{ij}{d}_j}{{\Σ}_{j=1}^m{w}_{ij}}\end{array}\right.,$ w_ij表示传感器s_j对传感器s_i的影响因子；SNR_j和SNR_i分别表示传感器s_j和传感器s_i的当前接收信号的信噪比；k₁、k₂和k₃是常数，m是选取最近传感器的个数；d_j是邻居传感器的判决结果；z_i是传感器经过加权后的判决结果，r_ij是传感器s_j和传感器s_i之间的距离。