CN109741209A - 台风灾害下配电网多源数据融合方法、系统及存储介质 - Google Patents

台风灾害下配电网多源数据融合方法、系统及存储介质 Download PDF

Info

Publication number
CN109741209A
CN109741209A CN201811541512.3A CN201811541512A CN109741209A CN 109741209 A CN109741209 A CN 109741209A CN 201811541512 A CN201811541512 A CN 201811541512A CN 109741209 A CN109741209 A CN 109741209A
Authority
CN
China
Prior art keywords
distribution network
power distribution
source data
grid
space
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.)
Granted
Application number
CN201811541512.3A
Other languages
English (en)
Other versions
CN109741209B (zh
Inventor
徐泰山
倪明
周霞
郁琛
陈彬
李悦岑
吴涵
刘冰倩
罗翔
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
NARI Group Corp
Nari Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
NARI Group Corp
Nari Technology 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, NARI Group Corp, Nari Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811541512.3A priority Critical patent/CN109741209B/zh
Publication of CN109741209A publication Critical patent/CN109741209A/zh
Application granted granted Critical
Publication of CN109741209B publication Critical patent/CN109741209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明公开了一种台风灾害下配电网多源数据融合方法、系统及存储介质，所述方法包括：采集台风灾害下配电网多源数据；根据配电网多源数据的时间维度和空间维度，构建时空地理网格；对配电网多源数据进行一致性关联匹配；根据时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据。本发明考虑配电网多源数据的时间维度和空间维度，便于分析其变化规律和不同研究对象的差异；对所述配电网多源数据进行一致性关联匹配，解决了矢量数据和影像数据在融合前的不一致性问题，有助于提高配电网多源数据融合度。

Description

台风灾害下配电网多源数据融合方法、系统及存储介质
技术领域
本发明涉及一种台风灾害下配电网多源数据融合方法、系统及存储介质，属于配电网技术领域。
背景技术：
由于灾害环境下，数据较一般环境下会出现较大的波动，而目前的应急指挥中心、应急通信系统虽集成了多种数据库，但其分布较为离散，多源数据融合不足，海量数据引起信息冗余、信息差错，导致指挥决策受到干扰。
目前评估系统灾害状态所涉及到的设备、运行、环境、灾损等数据来源于不同系统，由于各系统基于不同平台、不同应用目标、不同协议、不同数据结构构建，呈现高度离散性、时空分布性的特点，导致跨平台数据之间存在数据结构不一致、结构化和非结构化数据存储方式不相同、相关性弱等问题；其次受各系统数据接入方式的影响，配电网多源数据融合不足，海量数据引起信息冗余、信息差错，使指挥决策受到干扰。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种台风灾害下配电网多源数据融合方法、系统及存储介质，解决现有技术中台风灾害下配电网多源数据不一致、融合不足的技术问题。
为解决上述技术问题，本发明是采用下述技术方案实现的：
第一方面，本发明实施例提供了一种台风灾害下配电网多源数据融合方法，所述方法包括如下步骤：
采集台风灾害下配电网多源数据；
根据所述配电网多源数据的时间维度和空间维度，构建时空地理网格；
对所述配电网多源数据进行一致性关联匹配；
根据所述时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；
逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据。
结合第一方面，进一步的，所述时空地理网格按照时空对象发展变化最小时间尺度定义时空剖分的最小时间单元。
结合第一方面，进一步的，所述一致性关联匹配的方法包括：
对配电网多源数据中的矢量数据和影像数据分别进行转换处理，实现图面坐标一致；
选取配电网设备作为矢量数据控制点集；
检索配电网拓扑结构中所有电力节点的坐标，对影像中配电网设备进行初步定位；
根据初步定位范围，通过计算归一化相关系数实现矢量数据控制点集与影像数据控制点集的关联和匹配，从而完成配电网多源数据一致性关联匹配。
结合第一方面，进一步的，所述数据网格化处理方法包括：
根据受灾配电网所在区域的大小确定网格大小；
将时空地理网格与地理位置图像进行叠加，并为每个时空地理网格进行网格属性标注；
根据地理位置将一致性关联匹配后的配电网多源数据与受灾配电网所在区域的地理位置图像进行叠加。
结合第一方面，进一步的，所述属性标注包括：网格大小标注、网格中心点标注、网格等级标注、网格编码标注。
结合第一方面，进一步的，所述时空地理网格编码包括空间网格编码、时间网格编码和网格层级编码。
结合第一方面，进一步的，所述配电网多源数据的提取融合方法包括：
在时空地理网格配电网多源数据关联匹配的基础上，对配电网多源数据逐条构建时空地理网格编码索引；
获取受灾配电网所在区域内的多尺度地理网格列表；
根据地理网格列表，通过时空地理网格编码索引，提取合并时空地理网格内的配电网多源数据；
通过文本、坐标和影像手段，实现多来源、多时间尺度、多数据类型的台风灾害下配电网多源数据的融合；
通过时空地理网格编码对网格内配电网设备的多源数据进行提取并融合，形成同一配电网设备的多源数据集。
第二方面，本发明实施例提供一种台风灾害下配电网多源数据融合系统，所述系统包括：
数据采集模块：用于采集台风灾害下配电网多源数据；
网格构建模块：用于根据所述配电网多源数据的时间维度和空间维度，构建时空地理网格；
关联匹配模块：用于对所述配电网多源数据进行一致性关联匹配；
网格化处理模块：用于根据所述时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；
提取融合模块：用于逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据。
结合第二方面，进一步的，所述关联匹配模块包括：
转换处理模块：用于对配电网多源数据中的矢量数据和影像数据分别进行转换处理，实现图面坐标一致；
选取模块：用于选取配电网设备作为矢量数据控制点集；
定位模块：用于检索配电网拓扑结构中所有电力节点的坐标，对影像中配电网设备进行初步定位；
关联匹配子模块：用于根据初步定位范围，通过计算归一化相关系数实现矢量数据控制点集与影像数据控制点集的关联和匹配，从而完成配电网多源数据一致性关联匹配。
结合第二方面，进一步的，所述网格化处理模块包括：
确定模块：用于根据受灾配电网所在区域的大小确定网格大小；
第一叠加模块：用于将时空地理网格与地理位置图像进行叠加；
属性标注模块：用于为每个时空地理网格进行网格属性标注；
第二叠加模块：根据地理位置将一致性关联匹配后的配电网多源数据与受灾配电网所在区域的地理位置图像进行叠加。
结合第二方面，进一步的，所述属性标注模块包括：网格大小标注子模块、网格中心点标注子模块、网格等级标注子模块、网格编码标注子模块。
结合第二方面，进一步的，所述提取融合模块包括：
索引构建模块：用于在时空地理网格配电网多源数据关联匹配的基础上，对配电网多源数据逐条构建时空地理网格编码索引；
地理网格列表获取模块：用于获取受灾配电网所在区域内的多尺度地理网格列表；
提取合并模块：用于根据地理网格列表，通过时空地理网格编码索引，提取合并时空地理网格内的配电网多源数据；
融合模块：用于通过文本、坐标和影像手段，实现多来源、多时间尺度、多数据类型的台风灾害下配电网多源数据的融合；
提取融合子模块：用于通过时空地理网格编码对网格内配电网设备的多源数据进行提取并融合，形成同一配电网设备的多源数据集。
第三方面，本发明实施例还提供了一种台风灾害下配电网多源数据融合系统，包括处理器和存储器，所述存储器用于存储指令，所述处理器用于加载执行所述指令；所述处理器加载执行所述指令时，能够使所述系统执行前述台风灾害下配电网多源数据融合方法，实现台风灾害下配电网多源数据融合。
第四方面，本发明实施例提供了一种机器可读存储介质，其上存储有指令，所述指令被处理器加载执行时，能够执行前述台风灾害下配电网多源数据融合方法，实现台风灾害下配电网多源数据融合。
与现有技术相比，本发明实施例所提供的台风灾害下配电网多源数据融合方法、系统及存储介质，根据配电网多源数据的时间维度和空间维度，构建时空地理网格，能够在时间上形成以网格为基础的时间序列，便于分析其变化规律；在空间上形成网格间的数据梯度，可以分析不同研究对象的差异；对所述配电网多源数据进行一致性关联匹配，提出了一种基于配电网拓扑节点要素的台风灾害下配电网多源数据的一致性处理方法，解决了矢量数据和影像数据在融合前的不一致性问题，减少信息冗余、信息差错，提高配电网多源数据融合度。
附图说明
图1是根据本发明实施例提供的一种台风灾害下配电网多源数据融合方法的流程图；
图2是根据本发明实施例提供的对配电网多源数据进行一致性关联匹配的方法流程图；
图3是根据本发明实施例提供的配电网多源数据融合方法流程图；
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1～3所示，本发明实施例提供的台风灾害下配电网多源数据融合方法，包括如下步骤：
步骤一：采集台风灾害下配电网多源数据；
台风灾害下配电网多源数据来源广泛，主要包括配网DMS数据、台风气象数据、地理GIS数据、无人机勘察数据，按照形式主要有地图数据、影像数据、文本数据等。
步骤二：根据所述配电网多源数据的时间维度和空间维度，构建时空地理网格；
传统地理网格划分方法是一种静态的，只具备空间属性，针对具有较强时效性的特殊环境，如台风灾害，传统地理网格划分方法显然已不适用。因此，本发明实施例在传统地理网格划分的基础上，扩展时间维度，提出时空地理网格划分方法。时间维度的设定以国际时间单位秒为主要单位，按照时空对象发展变化最小时间尺度定义时空剖分的最小时间单元。
步骤三：对所述配电网多源数据进行一致性关联匹配；
由于配电网多源数据在几何位置上存在不一致性，所以要将台风灾害下配电网多源数据基于几何位置对矢量数据和影像数据进行一致性关联匹配，如图2所示，具体步骤如下：
步骤3.1：对配电网多源数据中的矢量数据和影像数据分别进行转换处理，实现图面坐标一致；
影像数据与矢量数据之间因空间基准和数学基础的差异存在较大的坐标差异，因此必须针对矢量数据和影像数据分别进行相应的转换处理，实现图面坐标一致；
步骤3.2：选取配电网设备作为矢量数据控制点集；检索配电网拓扑结构中所有电力节点的坐标，对影像中配电网设备进行初步定位；
控制点集是由矢量数据的控制点与影像数据的相对应点构成的，如何识别并提取矢量和影像中相对应的控制点是一致性关联匹配的关键。矢量数据中，在配电网拓扑结构中，配电网设备节点具有拓扑意义及其自身设备属性意义同时在更新目标的影像中，配电网设备较为突出，所以选取配电网设备节点作为控制点集。
步骤3.3：根据初步定位范围，通过计算归一化相关系数实现矢量数据控制点集与影像数据控制点集的关联和匹配，从而完成配电网多源数据一致性关联匹配。
步骤四：根据所述时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；具体包括如下步骤：
根据台风灾害下配电网所在区域的大小确定时空地理网格单元大小，一般网格大小尺度取源区域单元平均面积大小的0.2％；
将时空地理网格与地理位置图像进行叠加，在每个时空地理网格内标注相应的属性信息，包括：网格大小(即边长)、网格中心点(经纬度，用来确定其地理位置)、网格等级(Ⅰ、Ⅱ、Ⅲ)、网格编码(等级+行号+列号)；
将一致性关联匹配后的台风灾害下配电网多源数据在经纬度坐标下，与该区域地理位图像叠加。
步骤五：逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据。如图3所示，具体包括下列步骤：
步骤5.1)在时空地理网格配电网多源数据一致性关联匹配的基础上，对台风灾害下配电网多源数据进行逐条标引，为多源数据增加时空地理网格编码；
所述时空地理网格编码包括空间网格编码、时间网格编码和网格层级编码。
步骤5.2)对于台风灾害下配电网所在区域，快速获取区域内多尺度地理网格列表；
步骤5.3)根据地理网格列表，通过时空地理网格编码索引，提取合并网格内的配电网多源数据；
步骤5.4)通过文本、坐标、和影像手段，实现多来源、多时间尺度、多数据类型的台风灾害下配电网多源数据的融合和一体化展示；
步骤5.5)针对配电网状态的评估，对网格内配电网设备的多源数据通过时空地理网格编码进行提取并融合，形成同一配电网设备的多源数据集，为接下来的评估工作做好准备。
本发明实施例还提供了一种台风灾害下配电网多源数据融合系统，所述系统能够用于执行前述的台风灾害下配电网多源数据融合方法，所述系统包括：
数据采集模块：用于采集台风灾害下配电网多源数据；
网格构建模块：用于根据所述配电网多源数据的时间维度和空间维度，构建时空地理网格；
关联匹配模块：用于对所述配电网多源数据进行一致性关联匹配；具体包括：
转换处理模块：用于对配电网多源数据中的矢量数据和影像数据分别进行转换处理，实现图面坐标一致；
选取模块：用于选取配电网设备作为矢量数据控制点集；
定位模块：用于检索配电网拓扑结构中所有电力节点的坐标，对影像中配电网设备进行初步定位；
关联匹配子模块：用于根据初步定位范围，通过计算归一化相关系数实现矢量数据控制点集与影像数据控制点集的关联和匹配，从而完成配电网多源数据一致性关联匹配。
网格化处理模块：用于根据所述时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；具体包括：
确定模块：用于根据受灾配电网所在区域的大小确定网格大小；
第一叠加模块：用于将时空地理网格与地理位置图像进行叠加；
属性标注模块：用于为每个时空地理网格进行网格属性标注；
第二叠加模块：根据地理位置将一致性关联匹配后的配电网多源数据与受灾配电网所在区域的地理位置图像进行叠加。
所述属性标注模块包括：网格大小标注子模块、网格中心点标注子模块、网格等级标注子模块、网格编码标注子模块。
提取融合模块：用于逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据，具体包括：
索引构建模块：用于在时空地理网格配电网多源数据关联匹配的基础上，对配电网多源数据逐条构建时空地理网格编码索引；
地理网格列表获取模块：用于获取受灾配电网所在区域内的多尺度地理网格列表；
提取合并模块：用于根据地理网格列表，通过时空地理网格编码索引，提取合并时空地理网格内的配电网多源数据；
融合模块：用于通过文本、坐标和影像手段，实现多来源、多时间尺度、多数据类型的台风灾害下配电网多源数据的融合；
提取融合子模块：用于通过时空地理网格编码对网格内配电网设备的多源数据进行提取并融合，形成同一配电网设备的多源数据集。
本发明实施例还提供了一种台风灾害下配电网多源数据融合系统，同样能够实现前述的台风灾害下配电网多源数据融合方法，包括处理器和存储器，所述存储器用于存储指令，所述处理器用于加载执行所述指令；所述处理器加载执行所述指令时，能够使所述系统执行前述台风灾害下配电网多源数据融合方法，实现台风灾害下配电网多源数据融合。
本发明实施例提供了一种机器可读存储介质，其上存储有指令，所述指令被处理器加载执行时，能够执行前述台风灾害下配电网多源数据融合方法，实现台风灾害下配电网多源数据融合。
本发明实施例所提供的台风灾害下配电网多源数据融合方法、系统及存储介质，根据配电网多源数据的时间维度和空间维度，构建时空地理网格，能够在时间上形成以网格为基础的时间序列，便于分析其变化规律；在空间上形成网格间的数据梯度，可以分析不同研究对象的差异；对所述配电网多源数据进行一致性关联匹配，提出了一种基于配电网拓扑节点要素的台风灾害下配电网多源数据的一致性处理方法，解决了矢量数据和影像数据在融合前的不一致性问题，减少信息冗余、信息差错，提高配电网多源数据融合度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (14)

1.一种台风灾害下配电网多源数据融合方法，其特征在于，所述方法包括如下步骤：
采集台风灾害下配电网多源数据；
根据所述配电网多源数据的时间维度和空间维度，构建时空地理网格；
对所述配电网多源数据进行一致性关联匹配；
根据所述时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；
逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据。
2.根据权利要求1所述的台风灾害下配电网多源数据融合方法，其特征在于，所述时空地理网格按照时空对象发展变化最小时间尺度定义时空剖分的最小时间单元。
3.根据权利要求1所述的台风灾害下配电网多源数据融合方法，其特征在于，所述一致性关联匹配的方法包括：
对配电网多源数据中的矢量数据和影像数据分别进行转换处理，实现图面坐标一致；
选取配电网设备作为矢量数据控制点集；
检索配电网拓扑结构中所有电力节点的坐标，对影像中配电网设备进行初步定位；
根据初步定位范围，通过计算归一化相关系数实现矢量数据控制点集与影像数据控制点集的关联和匹配，从而完成配电网多源数据一致性关联匹配。
4.根据权利要求1所述的台风灾害下配电网多源数据融合方法，其特征在于，所述数据网格化处理方法包括：
根据受灾配电网所在区域的大小确定网格大小；
将时空地理网格与地理位置图像进行叠加，并为每个时空地理网格进行网格属性标注；
根据地理位置将一致性关联匹配后的配电网多源数据与受灾配电网所在区域的地理位置图像进行叠加。
5.根据权利要求4所述的台风灾害下配电网多源数据融合方法，其特征在于，所述属性标注包括：网格大小标注、网格中心点标注、网格等级标注、网格编码标注。
6.根据权利要求1所述的台风灾害下配电网多源数据融合方法，其特征在于，所述时空地理网格编码包括空间网格编码、时间网格编码和网格层级编码。
7.根据权利要求1所述的台风灾害下配电网多源数据融合方法，其特征在于，所述配电网多源数据的提取融合方法包括：
在时空地理网格配电网多源数据关联匹配的基础上，对配电网多源数据逐条构建时空地理网格编码索引；
获取受灾配电网所在区域内的多尺度地理网格列表；
根据地理网格列表，通过时空地理网格编码索引，提取合并时空地理网格内的配电网多源数据；
通过文本、坐标和影像手段，实现多来源、多时间尺度、多数据类型的台风灾害下配电网多源数据的融合；
通过时空地理网格编码对网格内配电网设备的多源数据进行提取并融合，形成同一配电网设备的多源数据集。
8.一种台风灾害下配电网多源数据融合系统，其特征在于，所述系统包括：
数据采集模块：用于采集台风灾害下配电网多源数据；
网格构建模块：用于根据所述配电网多源数据的时间维度和空间维度，构建时空地理网格；
关联匹配模块：用于对所述配电网多源数据进行一致性关联匹配；
网格化处理模块：用于根据所述时空地理网格，结合一致性关联匹配后的配电网多源数据进行数据网格化处理；
提取融合模块：用于逐条为配电网多源数据增加时空地理网格编码，提取融合同一时空地理网格内的配电网多源数据。
9.根据权利要求8所述的台风灾害下配电网多源数据融合系统，其特征在于，所述关联匹配模块包括：
转换处理模块：用于对配电网多源数据中的矢量数据和影像数据分别进行转换处理，实现图面坐标一致；
选取模块：用于选取配电网设备作为矢量数据控制点集；
定位模块：用于检索配电网拓扑结构中所有电力节点的坐标，对影像中配电网设备进行初步定位；
关联匹配子模块：用于根据初步定位范围，通过计算归一化相关系数实现矢量数据控制点集与影像数据控制点集的关联和匹配，从而完成配电网多源数据一致性关联匹配。
10.根据权利要求8所述的台风灾害下配电网多源数据融合系统，其特征在于，所述网格化处理模块包括：
确定模块：用于根据受灾配电网所在区域的大小确定网格大小；
第一叠加模块：用于将时空地理网格与地理位置图像进行叠加；
属性标注模块：用于为每个时空地理网格进行网格属性标注；
第二叠加模块：根据地理位置将一致性关联匹配后的配电网多源数据与受灾配电网所在区域的地理位置图像进行叠加。
11.根据权利要求10所述的台风灾害下配电网多源数据融合系统，其特征在于，所述属性标注模块包括：网格大小标注子模块、网格中心点标注子模块、网格等级标注子模块、网格编码标注子模块。
12.根据权利要求8所述的台风灾害下配电网多源数据融合系统，其特征在于，所述提取融合模块包括：
索引构建模块：用于在时空地理网格配电网多源数据关联匹配的基础上，对配电网多源数据逐条构建时空地理网格编码索引；
地理网格列表获取模块：用于获取受灾配电网所在区域内的多尺度地理网格列表；
提取合并模块：用于根据地理网格列表，通过时空地理网格编码索引，提取合并时空地理网格内的配电网多源数据；
融合模块：用于通过文本、坐标和影像手段，实现多来源、多时间尺度、多数据类型的台风灾害下配电网多源数据的融合；
提取融合子模块：用于通过时空地理网格编码对网格内配电网设备的多源数据进行提取并融合，形成同一配电网设备的多源数据集。
13.一种台风灾害下配电网多源数据融合系统，包括处理器和存储器，所述存储器用于存储指令，所述处理器用于加载执行所述指令；其特征在于，所述处理器加载执行所述指令时，能够使所述系统执行权利要求1至7任一项所述的方法，实现台风灾害下配电网多源数据融合。
14.一种机器可读存储介质，其上存储有指令，其特征在于，所述指令被处理器加载执行时，能够执行权利要求1至7任一项所述的方法，实现台风灾害下配电网多源数据融合。
CN201811541512.3A 2018-12-17 2018-12-17 台风灾害下配电网多源数据融合方法、系统及存储介质 Active CN109741209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811541512.3A CN109741209B (zh) 2018-12-17 2018-12-17 台风灾害下配电网多源数据融合方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811541512.3A CN109741209B (zh) 2018-12-17 2018-12-17 台风灾害下配电网多源数据融合方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN109741209A true CN109741209A (zh) 2019-05-10
CN109741209B CN109741209B (zh) 2022-08-19

Family

ID=66359544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811541512.3A Active CN109741209B (zh) 2018-12-17 2018-12-17 台风灾害下配电网多源数据融合方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN109741209B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078815A (zh) * 2019-12-12 2020-04-28 浙江华云信息科技有限公司 一种电网数据的混合加载方法
CN112347118A (zh) * 2021-01-08 2021-02-09 阿里云计算有限公司 数据存储、查询与生成方法、数据库引擎及存储介质
CN112835997A (zh) * 2020-10-22 2021-05-25 北京旋极伏羲科技有限公司 一种基于GeoSOT网格的电网巡检空间网格编码方法
CN113313190A (zh) * 2021-06-11 2021-08-27 湖北省地震局(中国地震局地震研究所) 一种多源重力数据融合方法
WO2023206983A1 (zh) * 2022-04-27 2023-11-02 河北先河环保科技股份有限公司 一种多源大气环境数据融合方法、装置、终端及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488736A (zh) * 2013-09-18 2014-01-01 中国科学技术大学 一种多源地理空间信息关联模型的构建方法及系统
CN107092680A (zh) * 2017-04-21 2017-08-25 中国测绘科学研究院 一种基于地理网格的政务信息资源整合方法
CN107153711A (zh) * 2017-05-19 2017-09-12 北京旋极伏羲大数据技术有限公司 地理信息数据处理方法及装置
CN107402976A (zh) * 2017-07-03 2017-11-28 国网山东省电力公司经济技术研究院 一种基于多元异构模型的电网多源数据融合方法及系统
CN107766471A (zh) * 2017-09-27 2018-03-06 中国农业大学 一种多源数据的组织管理方法与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488736A (zh) * 2013-09-18 2014-01-01 中国科学技术大学 一种多源地理空间信息关联模型的构建方法及系统
CN107092680A (zh) * 2017-04-21 2017-08-25 中国测绘科学研究院 一种基于地理网格的政务信息资源整合方法
CN107153711A (zh) * 2017-05-19 2017-09-12 北京旋极伏羲大数据技术有限公司 地理信息数据处理方法及装置
CN107402976A (zh) * 2017-07-03 2017-11-28 国网山东省电力公司经济技术研究院 一种基于多元异构模型的电网多源数据融合方法及系统
CN107766471A (zh) * 2017-09-27 2018-03-06 中国农业大学 一种多源数据的组织管理方法与装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078815A (zh) * 2019-12-12 2020-04-28 浙江华云信息科技有限公司 一种电网数据的混合加载方法
CN111078815B (zh) * 2019-12-12 2023-08-15 浙江华云信息科技有限公司 一种电网数据的混合加载方法
CN112835997A (zh) * 2020-10-22 2021-05-25 北京旋极伏羲科技有限公司 一种基于GeoSOT网格的电网巡检空间网格编码方法
CN112835997B (zh) * 2020-10-22 2024-02-20 北京旋极伏羲科技有限公司 一种基于GeoSOT网格的电网巡检空间网格编码方法
CN112347118A (zh) * 2021-01-08 2021-02-09 阿里云计算有限公司 数据存储、查询与生成方法、数据库引擎及存储介质
CN113313190A (zh) * 2021-06-11 2021-08-27 湖北省地震局(中国地震局地震研究所) 一种多源重力数据融合方法
WO2023206983A1 (zh) * 2022-04-27 2023-11-02 河北先河环保科技股份有限公司 一种多源大气环境数据融合方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN109741209B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN109741209A (zh) 台风灾害下配电网多源数据融合方法、系统及存储介质
CN112115198B (zh) 一种城市遥感智能服务平台
CN107153711A (zh) 地理信息数据处理方法及装置
CN102411764B (zh) 电网设备的数据管理系统及管理方法
CN110321443B (zh) 三维实景模型数据库构建方法、装置及数据服务系统
CN105320811A (zh) 一种建立城市地下电力管网拓扑连通模型的方法
CN107170033A (zh) 基于激光雷达技术的智慧城市3d实景地图系统
CN110909093B (zh) 智慧地标控制网的构建方法及装置
CN111597170A (zh) 一种无损地由bim模型构建空间语义数据库的方法
CN116069882B (zh) 空域网格图生成方法
CN110334164A (zh) 一种生态空间数据的融合方法
CN113776534A (zh) 一种基于立体剖分网格的无人机三维时变空域导航方法
CN113656477A (zh) 一种国土空间多源异构数据的校验与融合方法
Karimi et al. Exploring Real‐Time Geoprocessing in Cloud Computing: Navigation Services Case Study
CN106951453A (zh) 一种快速更新和数据共享的地理实体编码方法
CN103714124A (zh) 超大规模低压数据处理方法
CN114925043A (zh) 基于时空网格块数据的应用方法、装置及电子设备
CN113626437B (zh) 一种海量矢量数据快速查询方法及系统
CN106897425A (zh) 一种地球重力场数据的三维可视化方法
Yang et al. A comprehensive and up-to-date web-based interactive 3D emergency response and visualization system using Cesium Digital Earth: taking landslide disaster as an example
Nkomeje Comparative performance of multi-source reference data to assess the accuracy of classified remotely sensed imagery: Example of Landsat 8 OLI Across Kigali City-Rwanda 2015
CN114418243B (zh) 分布式新能源云端网格预测方法与系统
CN110942029B (zh) 基于GIS技术和空间数据的地物检测Mask R-CNN模型训练方法
Lam et al. Semantic 3D City Model Data Visualization for Smar t City Digital Twin
Ma et al. OSMsc: a framework for semantic 3D city modeling using OpenStreetMap

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