CN106651166B - 基于物联网的自然灾害风险处理方法和系统 - Google Patents

基于物联网的自然灾害风险处理方法和系统 Download PDF

Info

Publication number
CN106651166B
CN106651166B CN201611163615.1A CN201611163615A CN106651166B CN 106651166 B CN106651166 B CN 106651166B CN 201611163615 A CN201611163615 A CN 201611163615A CN 106651166 B CN106651166 B CN 106651166B
Authority
CN
China
Prior art keywords
data
risk
historical
flood
lightning
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
Application number
CN201611163615.1A
Other languages
English (en)
Other versions
CN106651166A (zh
Inventor
童紫原
陈夏
王晓娟
董朝阳
孟科
郑宇�
赵俊华
徐岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China South Power Grid International Co ltd
Original Assignee
China South Power Grid International Co ltd
Power Grid Technology Research Center of China Southern Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China South Power Grid International Co ltd, Power Grid Technology Research Center of China Southern Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN201611163615.1A priority Critical patent/CN106651166B/zh
Publication of CN106651166A publication Critical patent/CN106651166A/zh
Application granted granted Critical
Publication of CN106651166B publication Critical patent/CN106651166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及基于物联网的自然灾害风险处理系统，该方法包括：获取地震检测数据；获取洪涝检测数据；获取风灾检测数据；获取雷电检测数据；对地震检测数据、洪涝检测数据、风灾检测数据和雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数；根据第一预设权重对地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数进行计算，生成风险模型；输出风险模型。通过获取地震检测数据、洪涝检测数据、风灾检测数据以及雷电检测数据等物联网数据，并对上述检测数据进行计算，从而生成风险模型，进而能够获取全面的自然灾害风险模型，提高风险的处理效率，有效提高电网的安全和可靠性。

Description

基于物联网的自然灾害风险处理方法和系统
技术领域
本发明涉及物联网技术领域，尤其是涉及基于物联网的自然灾害风险处理方法和系统。
背景技术
目前，自然灾害对电网的危害经常发生，往往造成大面积的停电，严重影响了生产和人们的正常生活。为了提高电网的安全可靠性，需要利用各种信息传输手段，根据自然灾害的监测信息，及时对电网的危害风险进行计算，以便采取应急预案，避免或减少自然灾害对电网的影响，保障电网的安全可靠运行。但传统的自然灾害风险计算较为不全面，无法准确计算处理风险，导致电网的运行存在因自然灾害而产生事故的情况，无法充分保障电网的安全可靠。
发明内容
基于此，有必要针对传统的自然灾害风险计算较为不全面，无法准确计算处理风险的缺陷，提供一种基于物联网的自然灾害风险处理方法和系统。
一种基于物联网的自然灾害风险处理系统，包括：
获取地震检测数据；
获取洪涝检测数据；
获取风灾检测数据；
获取雷电检测数据；
对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数；
根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型；
输出所述风险模型。
在一个实施例中，所述输出所述风险模型的步骤之前还包括：
获取历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据；
根据第二预设权重对所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据进行计算，获取风险修正系数，根据所述风险修正系数对所述风险模型进行修正。
在一个实施例中，输出所述风险模型之后，还包括：根据所述风险模型执行应急预案。
在一个实施例中，所述获取风灾检测数据的步骤包括：
采用风速仪获取所述风灾检测数据。
在一个实施例中，所述获取洪涝检测数据的步骤包括：
采用水位检测仪获取所述洪涝检测数据。
一种基于物联网的自然灾害风险处理系统，包括：地震信息检测模块、洪涝信息检测模块、风灾信息检测模块、雷电信息检测模块以及风险处理模块，所述地震信息检测模块、所述洪涝信息检测模块、所述风灾信息检测模块、所述雷电信息检测模块均与所述风险处理模块连接；
所述地震信息检测模块用于获取地震检测数据，并将所述地震检测数据发送至风险处理模块；
所述洪涝信息检测模块用于获取洪涝检测数据，并将所述洪涝检测数据发送至风险处理模块；
所述风灾信息检测模块用于获取风灾检测数据，并将所述风灾检测数据发送至风险处理模块；
所述雷电信息检测模块用于获取雷电检测数据，并将所述雷电检测数据发送至风险处理模块；
所述风险处理模块用于对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数，根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型并输出。
在一个实施例中，还包括历史信息模块，所述历史信息模块用于获取历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据；
所述风险处理模块还用于根据第二预设权重对所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据进行计算，获取风险修正系数，根据所述风险修正系数对所述风险模型进行修正。
在一个实施例中，还包括与所述风险处理模块连接的执行模块，用于根据所述风险模型执行应急预案。
在一个实施例中，所述风灾信息检测模块包括风速仪。
在一个实施例中，所述洪涝信息检测模块包括水位检测仪。
上述的基于物联网的自然灾害风险处理方法和系统，通过获取地震检测数据、获取洪涝检测数据、获取风灾检测数据以及获取雷电检测数据等物联网数据，并对上述检测数据进行计算，对电网存在的自然灾害风险进行处理，从而生成风险模型，进而能够获取全面的自然灾害风险模型，使得电网维护人员能够准确预测风险，提高风险的处理效率，有效提高电网的安全和可靠性。
附图说明
图1A为一实施例的基于物联网的自然灾害风险处理方法的流程示意图；
图1B为另一实施例的基于物联网的自然灾害风险处理方法的流程示意图；
图2A为一实施例的基于物联网的自然灾害风险处理系统的模块框图；
图2B为另一实施例的基于物联网的自然灾害风险处理系统的模块框图；
图2C为另一实施例的基于物联网的自然灾害风险处理系统的模块框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以某大型省级电网为实施例，结合附图对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
例如，一种基于物联网的自然灾害风险处理方法，包括：获取地震检测数据；获取洪涝检测数据；获取风灾检测数据；获取雷电检测数据；对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数；根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型；输出所述风险模型。
例如，一种基于物联网的自然灾害风险处理系统，包括：地震信息检测模块、洪涝信息检测模块、风灾信息检测模块、雷电信息检测模块以及风险处理模块，所述地震信息检测模块、所述洪涝信息检测模块、所述风灾信息检测模块、所述雷电信息检测模块均与所述风险处理模块连接；所述地震信息检测模块用于获取地震检测数据，并将所述地震检测数据发送至风险处理模块；所述洪涝信息检测模块用于获取洪涝检测数据，并将所述洪涝检测数据发送至风险处理模块；所述风灾信息检测模块用于获取风灾检测数据，并将所述风灾检测数据发送至风险处理模块；所述雷电信息检测模块用于获取雷电检测数据，并将所述雷电检测数据发送至风险处理模块；所述风险处理模块用于对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数，根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型并输出。
如图1所示，一种基于物联网的自然灾害风险处理方法的一个实施例，包括：
步骤102，获取地震检测数据。
具体地，该地震检测数据由地震信息检测模块获取，例如，该地震信息检测模块包括地震检测仪，例如，该地震检测仪包括声呐模块，通过声呐对地壳运动进行监测，实时获取地震检测数据。
步骤104，获取洪涝检测数据。
例如，采用水位检测仪获取所述洪涝检测数据，例如，采用水位检测仪获取水位数据和流速数据，并根据水位数据和流速数据计算获取洪涝检测数据。
例如，根据水位数据、流速数据以及降雨量数据计算获取洪涝检测数据，例如，获取水位数据、流速数据以及降雨量数据，根据水位数据、流速数据以及降雨量数据计算生成洪涝检测数据，应该理解的是，洪涝不仅与水库的水位有关，还与河流的水位以及流速有关，并且，降雨量也将对洪涝有很大的影响，因此，本实施例中，获取水库的水位数据、河流的水位数据以及流速数据，并获取降雨量数据，并根据上述的水位数据、流速数据以及降雨量数据生成洪涝检测数据，从而使得洪涝检测数据结果更为精确。
步骤106，获取风灾检测数据。
例如，采用风速仪获取所述风灾检测数据，例如，采用风速仪获取风速数据、风向数据，并根据风速数据和风向数据计算生成所述风灾检测数据。
例如，根据风速数据、风向数据和气压数据计算获取风灾检测数据，例如，获取风速数据、风向数据和气压数据，根据风速数据、风向数据和气压数据计算获取风灾检测数据。具体地，该风速数据能够直接反映风速大小，风速数据与风灾直接相关，风向数据则反映了风灾的局部分布，并且反映风力的分布以及走向，而气压数据则反映了风向的整体运动方向以及空气密度。通过将风速数据、风向数据和气压数据结合计算，从而获得准确的风灾检测数据。
步骤108，获取雷电检测数据。
例如，根据气压数据和云图卫星数据计算生成雷电检测数据，例如，获取气压数据和云图卫星数据，根据气压数据和云图卫星数据计算获取雷电检测数据，本步骤中，根据气压数据和云图卫星数据计算生成雷电检测数据。又如，获取预设区域内的气压数据和云图卫星数据，根据该预设区域内的气压数据和云图卫星数据生成该预设区域内的雷电检测数据。
步骤110，对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数。
例如，该地震风险系数与所述地震检测数据呈正相关函数关系，该洪涝风险系数与所述洪涝检测数据呈正相关函数关系，该风灾风险系数与所述风灾检测数据呈正相关函数关系，该雷电风险系数与所述雷电检测数据呈正相关函数关系，例如，地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数为所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据对应的权重，可视作各灾害的发生系数，或者是各灾害发生的比例，对应的系数越大，则该灾害发生的概率越大。
步骤112，根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型。
具体地，该第一预设权重为所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数对该风向模型的贡献比例，该第一预设权重越大，则现有检测的数据可靠性越高，则生成的风险模型的可靠性越高。
该风险模型用于反映预设区域内各灾害发生的概率，这样，电网维护人员能够根据该风险模型准确地预估灾害的发生，提高风险的处理效率，有效提高电网的安全和可靠性。
步骤114，输出所述风险模型。
例如，将风险模型输出至显示模块，进行显示，例如，该显示模块包括显示屏。又如，将风险模型输出至管理终端，例如，管理终端为管理员的手机等；例如，将风险模型输出至报警系统，例如，将风险模型输出至执行模块，例如，将风险模型输出至执行系统，由执行系统根据风险模型执行应急预案。
值得一提的是，本实施例中的步骤102至步骤108的实施顺序可以是并行实施，在另外的实施例中，步骤102至步骤108可以是其他的实时顺序，也就是说，步骤102至步骤108的实时顺序并不对基于物联网的自然灾害风险处理方法的最终结果产生影响，步骤102至步骤108获取的各检测数据可以是同时获取，也可以是以不同的先后顺序获取。
本实施例中，通过获取地震检测数据、获取洪涝检测数据、获取风灾检测数据以及获取雷电检测数据等物联网数据，并对上述检测数据进行计算，对电网存在的自然灾害风险进行处理，从而生成风险模型，进而能够获取全面的自然灾害风险模型，使得电网维护人员能够准确预测风险，提高风险的处理效率，有效提高电网的安全和可靠性。
在一个实施例中，步骤114之后还包括步骤：根据所述风险模型执行应急预案。
例如，根据所述风险模型自动执行应急预案，例如，所述应急预案包括执行备用线路切换；又如，执行所述应急预案包括切换备用线路；例如，执行所述应急预案包括调整主干线电压。例如，该应急预案预存于存储空间中，在风险模型大于预设值时触发启动。这样，能够实现对灾害风险的自动处理和规避，有效提高了风险的处理效率。
在一个实施例中，如图1B所示，步骤114之前还包括：
步骤113a，获取历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据。
具体地，该历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据为预存的数据，例如，历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据预存于存储空间中，例如，历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据预存于数据库中。具体地，该历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据为各时期检测获取的地震数据、洪涝数据、风灾数据以及雷电数据，并在获取后存储于存储空间中。
步骤113b，根据第二预设权重对所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据进行计算，获取风险修正系数，根据所述风险修正系数对所述风险模型进行修正。
具体地，该历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据用于对该风向模型进行修正，值得一提的是，该第二预设权重为所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据对该风险模型的贡献比例，即该历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据占该风险模型计算结果的比重，该第二预设权重越小，则该风险模型的可靠性越高。又如，所述第二预设权重包括横向对比权重与纵向对比权重。例如，根据地域横向对比的所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据，生成或调整所述横向对比权重；以及，根据时间纵向对比的所述历史地震数据的均值、所述历史洪涝数据的均值、所述历史风灾数据的均值和所述历史雷电数据的均值，生成或调整所述纵向对比权重。例如，所述第二预设权重为横向对比权重与纵向对比权重之和。
在一个实施例中，所述第一预设权重和所述第二预设权重相异。例如，该第一预设权重与第二预设权重之和为1。第一预设权重用于反映当前灾害数据与风险模型的占比，而第二预设权重用于反映历史信息与风险模型的占比，由第二预设权重对该风险模型进行校正，能够有效提高该风险模型的准确性和可靠性。
例如，一种基于物联网的自然灾害风险处理系统，采用上述任一实施例所述的基于物联网的自然灾害风险处理方法实现；例如，一种基于物联网的自然灾害风险处理系统，包括上述任一实施例所述的基于物联网的自然灾害风险处理方法的各步骤相应的功能模块；如图2A所示，一种基于物联网的自然灾害风险处理系统的一个实施例，包括：地震信息检测模块210、洪涝信息检测模块220、风灾信息检测模块230、雷电信息检测模块240以及风险处理模块250，所述地震信息检测模块210、所述洪涝信息检测模块220、所述风灾信息检测模块230、所述雷电信息检测模块240均与所述风险处理模块250连接。
所述地震信息检测模块210用于获取地震检测数据，并将所述地震检测数据发送至风险处理模块250；所述洪涝信息检测模块220用于获取洪涝检测数据，并将所述洪涝检测数据发送至风险处理模块250；所述风灾信息检测模块230用于获取风灾检测数据，并将所述风灾检测数据发送至风险处理模块250；所述雷电信息检测模块240用于获取雷电检测数据，并将所述雷电检测数据发送至风险处理模块250；所述风险处理模块250用于对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数，根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型并输出。
在一个实施例中，如图2B所示，还包括历史信息模块260，所述历史信息模块260用于获取历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据。
所述风险处理模块250还用于根据第二预设权重对所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据进行计算，获取风险修正系数，根据所述风险修正系数对所述风险模型进行修正。
在一个实施例中，所述第一预设权重和所述第二预设权重相异。
在一个实施例中，如图2C所示，自然灾害风险处理系统还包括与所述风险处理模块250连接的执行模块270，执行模块270用于根据所述风险模型执行应急预案。
在一个实施例中，所述风灾信息检测模块230包括风速仪。
在一个实施例中，所述洪涝信息检测模块220包括水位检测仪。
下面是基于物联网的自然灾害风险处理方法的一个具体实施例：
在本实施例中，首先获取地震检测数据、洪涝检测数据、风灾检测数据以及雷电检测数据，对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数。
基于地震检测数据、洪涝检测数据、风灾检测数据以及雷电检测数据获得地震等级信息的一级数据，获取地震烈度、洪涝面积、降水量、预计水位、台风预警信息、风速等级、雷电预警等级以及雷电持续时间等二级数据，并根据各二级数据生成对应的各风险系数，各风险系数为三级数据，将各风险系数整合生成比较矩阵T：
Figure BDA0001181685390000091
该矩阵中，地震风险系数B1，洪涝风险系数B2，风灾风险系数B3，雷电风险系数B4与灾害对电网危害风险值Ak有关系，则bij表示对于Ak来说Bi比Bj的重要程度，或者说，Bi相对于Bj对Ak的贡献比例。利用3级标度法，使各系数的相对重要性量化，其中，2表示Bi比Bj重要；1表示Bi比Bj同样重要；0表示Bi没有Bj重要。针对比较矩阵T，计算各风险系数的重要性的排序指数
Figure BDA0001181685390000092
式中：ri为第各风险系数Bi的重要性排序指数，bij为对比矩阵T中的元素(i,j＝1，...，n)。
针对比较矩阵T，计算各风险系数重要性的排序指数
Figure BDA0001181685390000101
式中：ri为各风险系数Bi的重要性排序指数；bij为对比矩阵T中的元素(i,j＝1，...，n)
同样的对风险系数下的指标，基于地震检测数据、洪涝检测数据、风灾检测数据以及雷电检测数据分别建立比较矩阵，共4个。
利用极差法将比较矩阵T转化成判断矩阵T'
Figure BDA0001181685390000102
式中R＝rmax—rmin，称为极差，rmax＝max{r1,r2,...rn}，rmin＝min{r1,r2,...rn}；tb为一常量，是按预先给定的极差元素对的相对重要程度(一般取tb＝9)由此，得到的判断矩阵T'为一致性判断矩阵。
对构造出的判断矩阵，计算出最大特征值λmax和对应的特征向量W，对特征向量归一化后即为各指标相对权重。计算低层级数据相对最高层的相对重要性权值，需要将底层中风险系数相对于上一层数据的相对权重(即第二预设权重)分别乘以上一数据的各系数对应的权重(即第一预设权重)，再求和，直至顶层一级数据。
计算相容性指标
Figure BDA0001181685390000103
(n为判断矩阵的阶数)，检验判断矩阵的一致性。当C1<0.1，认为判断矩阵的一致性可以接受，当C1≥0.1，应重新对判断矩阵作适当修改，再对改正后的判断矩阵重新计算权重并进行一致性检验。
一致性检验通过后，将各指标值按预设程序量化后，按5级风险值标度，即特大(5)、重大(4)、较大(3)、一般A类(2)、一般B类(1)。并根据层次分析所得权重，计算风险。
这样，计算得出各种灾害对电网造成的各种危害的程度，例如，输出的风险模型包括：根据地震信息计算得出对线路断路、变压器爆炸、杆塔倒塌以及断路器爆炸等故障的风险值，进而使得维护人员能够及时作出维护和维修。
应该说明的是，上述系统实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于可读取存储介质中。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于物联网的自然灾害风险处理方法，其特征在于，包括：
获取地震检测数据；
获取洪涝检测数据；
获取风灾检测数据；
获取雷电检测数据；
对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数；
根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型；
输出所述风险模型；
所述输出所述风险模型的步骤之前还包括：
获取历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据；
根据第二预设权重对所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据进行计算，获取风险修正系数，根据所述风险修正系数对所述风险模型进行修正；
所述第二预设权重包括横向对比权重与纵向对比权重；
其中，根据地域横向对比的所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据，生成或调整所述横向对比权重；以及，根据时间纵向对比的所述历史地震数据的均值、所述历史洪涝数据的均值、所述历史风灾数据的均值和所述历史雷电数据的均值，生成或调整所述纵向对比权重；
所述第一预设权重和所述第二预设权重相异。
2.根据权利要求1所述的基于物联网的自然灾害风险处理方法，其特征在于，所述第一预设权重与所述第二预设权重之和为1。
3.根据权利要求1所述的基于物联网的自然灾害风险处理方法，其特征在于，输出所述风险模型之后，还包括：根据所述风险模型执行应急预案。
4.根据权利要求1所述的基于物联网的自然灾害风险处理方法，其特征在于，所述获取风灾检测数据的步骤包括：
采用风速仪获取所述风灾检测数据。
5.根据权利要求1所述的基于物联网的自然灾害风险处理方法，其特征在于，所述获取洪涝检测数据的步骤包括：
采用水位检测仪获取所述洪涝检测数据。
6.一种基于物联网的自然灾害风险处理系统，其特征在于，包括：地震信息检测模块、洪涝信息检测模块、风灾信息检测模块、雷电信息检测模块以及风险处理模块，所述地震信息检测模块、所述洪涝信息检测模块、所述风灾信息检测模块、所述雷电信息检测模块均与所述风险处理模块连接；
所述地震信息检测模块用于获取地震检测数据，并将所述地震检测数据发送至风险处理模块；
所述洪涝信息检测模块用于获取洪涝检测数据，并将所述洪涝检测数据发送至风险处理模块；
所述风灾信息检测模块用于获取风灾检测数据，并将所述风灾检测数据发送至风险处理模块；
所述雷电信息检测模块用于获取雷电检测数据，并将所述雷电检测数据发送至风险处理模块；
所述风险处理模块用于对所述地震检测数据、所述洪涝检测数据、所述风灾检测数据和所述雷电检测数据进行解析，获取地震风险系数、洪涝风险系数、风灾风险系数和雷电风险系数，根据第一预设权重对所述地震风险系数、所述洪涝风险系数、所述风灾风险系数和所述雷电风险系数进行计算，生成风险模型并输出；
还包括历史信息模块，所述历史信息模块用于获取历史地震数据、历史洪涝数据、历史风灾数据和历史雷电数据；
所述风险处理模块还用于根据第二预设权重对所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据进行计算，获取风险修正系数，根据所述风险修正系数对所述风险模型进行修正；
所述第二预设权重包括横向对比权重与纵向对比权重；
其中，根据地域横向对比的所述历史地震数据、所述历史洪涝数据、所述历史风灾数据和所述历史雷电数据，生成或调整所述横向对比权重；以及，根据时间纵向对比的所述历史地震数据的均值、所述历史洪涝数据的均值、所述历史风灾数据的均值和所述历史雷电数据的均值，生成或调整所述纵向对比权重；
所述第一预设权重和所述第二预设权重相异。
7.根据权利要求6所述的基于物联网的自然灾害风险处理系统，其特征在于，所述第一预设权重与所述第二预设权重之和为1。
8.根据权利要求6所述的基于物联网的自然灾害风险处理系统，其特征在于，还包括与所述风险处理模块连接的执行模块，用于根据所述风险模型执行应急预案。
9.根据权利要求6所述的基于物联网的自然灾害风险处理系统，其特征在于，所述风灾信息检测模块包括风速仪。
10.根据权利要求6所述的基于物联网的自然灾害风险处理系统，其特征在于，所述洪涝信息检测模块包括水位检测仪。
CN201611163615.1A 2016-12-15 2016-12-15 基于物联网的自然灾害风险处理方法和系统 Active CN106651166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611163615.1A CN106651166B (zh) 2016-12-15 2016-12-15 基于物联网的自然灾害风险处理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611163615.1A CN106651166B (zh) 2016-12-15 2016-12-15 基于物联网的自然灾害风险处理方法和系统

Publications (2)

Publication Number Publication Date
CN106651166A CN106651166A (zh) 2017-05-10
CN106651166B true CN106651166B (zh) 2020-06-30

Family

ID=58823626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611163615.1A Active CN106651166B (zh) 2016-12-15 2016-12-15 基于物联网的自然灾害风险处理方法和系统

Country Status (1)

Country Link
CN (1) CN106651166B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118035B (zh) * 2018-06-25 2022-04-05 南瑞集团有限公司 基于网格化预警信息的台风风涝灾害配电网风险评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914951A (zh) * 2014-04-03 2014-07-09 云南电力试验研究院（集团）有限公司电力研究院 基于gis电网自然灾害数据信息挖掘与预警响应分析方法
CN105046362A (zh) * 2015-07-24 2015-11-11 河南科技大学 一种基于关联规则挖掘的食品安全实时预测方法
CN105809372A (zh) * 2016-04-20 2016-07-27 国家电网公司 一种基于卫星遥感图像的自然灾害风险监测系统
CN205581960U (zh) * 2016-04-20 2016-09-14 国家电网公司 一种基于卫星遥感图像的自然灾害风险监测系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012198886A (ja) * 2011-03-10 2012-10-18 Yamaguchi Univ 火山活動度に応じた土砂災害発生危険度評価システムとそのプログラム
KR101663679B1 (ko) * 2014-11-17 2016-10-10 서울대학교산학협력단 기하학적 증폭계수를 고려한 지진시 산사태 재해도 도출방법 및 도출시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914951A (zh) * 2014-04-03 2014-07-09 云南电力试验研究院（集团）有限公司电力研究院 基于gis电网自然灾害数据信息挖掘与预警响应分析方法
CN105046362A (zh) * 2015-07-24 2015-11-11 河南科技大学 一种基于关联规则挖掘的食品安全实时预测方法
CN105809372A (zh) * 2016-04-20 2016-07-27 国家电网公司 一种基于卫星遥感图像的自然灾害风险监测系统
CN205581960U (zh) * 2016-04-20 2016-09-14 国家电网公司 一种基于卫星遥感图像的自然灾害风险监测系统

Also Published As

Publication number Publication date
CN106651166A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
Panteli et al. Power system resilience to extreme weather: Fragility modeling, probabilistic impact assessment, and adaptation measures
EP3276521A1 (en) Methods and system for detecting false data injection attacks
US20150331063A1 (en) Dynamic Modeling and Resilience for Power Distribution
CN105450448B (zh) 基于电力通信网的故障分析方法及装置
CN104318320A (zh) 基于静态安全分析的电网气象灾害风险评估方法及装置
CN111210102A (zh) 一种极端灾害条件下电网故障建模方法
US11086278B2 (en) Adaptive system monitoring using incremental regression model development
CN111191832A (zh) 一种台风灾害配电网杆塔故障预测方法及系统
CN107679744B (zh) 基于线路脆弱性指标的大电网战略通道动态辨识方法
CN106651166B (zh) 基于物联网的自然灾害风险处理方法和系统
CN114707796A (zh) 一种弹性配电网运行风险的滚动评估方法
CN106651206A (zh) 一种继电保护测试性评估指标体系的评估方法
CN106228283A (zh) 输电线路山火灾害风险评估方法及系统
CN111222662A (zh) 一种电网台风洪涝灾害预警方法和装置
CN206235747U (zh) 基于物联网的自然灾害风险处理装置
CN112578232B (zh) 风力发电机组的雷电预警方法和雷电预警设备
CN111027827B (zh) 保底通信网运行风险分析的方法、装置及计算机设备
CN112684294A (zh) 一种基于环境动态影响的配电网故障抢修定位方法
CN116895134A (zh) 一种基于5g技术的水电站下游水位突涨预警方法及系统
CN107886220B (zh) 一种基于历史因素分析的配电线路风险概率评估方法
CN105678460B (zh) 雷电灾害与设备过载及断面越限的关联度分析方法
Xu et al. Early Warning Method of Power Grid Meteorological Disasters Based on Scene Recognition
JP6818658B2 (ja) 電力系統監視システム、電力系統監視方法、及びプログラム
KR102579897B1 (ko) 건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법
CN118153786B (zh) 基于深度学习的对流性大风短时预报方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210611

Address after: 510700 3rd, 4th and 5th floors of building J1 and 3rd floor of building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Patentee after: China South Power Grid International Co.,Ltd.

Address before: 510663 No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee before: China South Power Grid International Co.,Ltd.