CN109902948A - 一种基于大数据的输电线路监测系统及方法 - Google Patents
一种基于大数据的输电线路监测系统及方法 Download PDFInfo
- Publication number
- CN109902948A CN109902948A CN201910128709.2A CN201910128709A CN109902948A CN 109902948 A CN109902948 A CN 109902948A CN 201910128709 A CN201910128709 A CN 201910128709A CN 109902948 A CN109902948 A CN 109902948A
- Authority
- CN
- China
- Prior art keywords
- data
- transmission line
- score
- risk
- index
- 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.)
- Pending
Links
Abstract
本发明公开了一种基于大数据的输电线路监测系统及方法,包括多组监测单元,均与中央控制服务器连接;每个监测单元布设在一根输电线路上,包括视觉传感器、气象传感器、线路运行参数监测传感器;所述中央控制服务器被配置为:接收检测单元传输的数据,判断是否超出正常区间,若超出,调取当前时刻视觉传感器和气象传感器传输的数据,生成预警信息,发送至用户终端。本发明综合了多种监测数据,包括视频图像数据、气象数据以及输电线路本身的运行数据,实现对输电线路的全面监控,并且建立了风险评估模型,以便提供参考。
Description
技术领域
本发明属于输电线路安全监测技术领域,尤其涉及一种一种基于大数据的输电线路监测系统及方法。
背景技术
高压输电线路是电网运行的主设备,其安全运行是保障电力系统可靠运行的重要条件,由于自然灾害以及气象因素导致杆塔电气失效是威胁输电线路运行安全的主要因素,加之输电线路长期裸露在外界环境,雷电、鸟类及污秽等因素都会导致输电线路发生故障。输电线路的维护工作目前主要是通过定期巡检的方式,并且,由于输电线路的特殊性,借助巡检机器人来执行,进行一次全面的巡检资源耗费非常大,因此对输电线路进行实时监测是十分必要的。
发明人发现,目前输电线路的监测存在以下问题:
为了对输电线路进行全面监控,需要布设大量传感器设备,监测线路的运行状态,并将传感器数据传输至服务器进行异常判断,由于输电线路众多,传感器获得的数据量大,服务器存储压力和运算压力都非常大;
仅通过传感器数据判断实际情况,对于经验欠缺的工作人员而言是有难度的;
并且,除进行异常判断外,传感器获得的大量数据利用率低,存在大量数据浪费,因而进行数据挖掘是必要的,目前已经存在基于大数据进行的数据挖掘,例如各类故障发生的概率预测,但很少有预测方法将气象因素纳入考虑,因而预测结果准确度还有待提高。
发明内容
为克服上述现有技术的不足,本发明提供了一种基于大数据的输电线路监测系统及方法,通过视觉传感器、气象传感器、线路运行参数监测传感器对输电线路进行全面监测,判断是否超出正常区间时,调取当前时刻视觉传感器和气象传感器传输的数据,同时计算风险得分,生成预警信息,发送至用户终端。本发明综合了多种监测数据,包括视频图像数据、气象数据以及输电线路本身的运行数据,实现对输电线路的全面监控,并且基于历史大数据建立了风险评估模型,能够基于实时监测数据进行风险评估。
为实现上述目的,本发明采用如下技术方案:
一种基于大数据的输电线路监测系统,其特征在于,包括多组监测单元,均与中央控制服务器连接;每个监测单元布设在一根输电线路上,包括视觉传感器、气象传感器、线路运行参数监测传感器;所述中央控制服务器被配置为:
接收检测单元传输的数据,判断是否超出正常区间,若超出,调取当前时刻视觉传感器和气象传感器传输的数据,生成预警信息,发送至用户终端。
进一步地,所述多组监测单元的每一组连接一个数据中转服务器,监测数据经由数据中转服务器传输至中央控制服务器。
进一步地,每个监测单元还配置GPS定位模块,将监测数据和位置信息均发送至中央控制服务器。
进一步地,所述中央控制服务器中还包括预先训练的风险评估模型,实时根据监测单元发送的数据计算风险得分;所述预警信息中还包括所述风险得分。
进一步地,所述风险评估模型的训练方法包括:
构建输电线路风险评价体系,一级指标包括:气象指标和异物指标,其中,气象指标对应的二级指标包括雨或雪、雷、雾和风;异物指标对应的二级指标包括:覆冰程度、污秽程度、鸟类活动和树障指标;
调取历史故障统计数据,根据历史故障统计数据确定各级指标的权重;
计算各历史故障相应的二级指标分数以及风险总得分;
构建神经网络模型,输入节点与二级指标数目一致,输出节点为一个;
将各历史故障相应的二级指标分数以及风险总得分作为神经网络的训练数据,训练神经网络,得到风险评估模型。
进一步地,所述根据监测单元发送的数据计算风险得分包括:
基于监测单元发送的数据,结合气象数据,确定当前时刻各二级指标的得分;
将各二级指标的得分作为风险评估模型的输入,计算风险总得分。
进一步地,所述中央控制服务器中包括多个预先训练的风险评估模型,分别对应不同的地形地貌;
接收测单元发送的数据后,首先根据位置信息和地图数据,确定待预测输电线路所属地形地貌;调取相应地形地貌相应的评价体系和风险评估模型;
基于监测单元发送的数据,根据所述评价体系确定当前时刻各二级指标的得分;
将各二级指标的得分作为风险评估模型的输入,计算风险总得分。
进一步地,所述中央控制服务器存储风险总得分与维护策略的映射关系,所述维护策略包括停运检修、巡检、长期监测、短期监测。
一个或多个实施例提供了一种基于大数据的输电线路监测方法,包括以下步骤:
接收监测单元发送的监测数据,所述监测单元包括视觉传感器、气象传感器、线路运行参数监测传感器;
判断监测是否超出正常区间,若超出,调取当前时刻的图像数据和气象数据,生成预警信息。
进一步地,所述预警信息还包括风险总得分,根据风险评估模型计算得到。
进一步地,所述风险评估模型的训练方法包括:
构建输电线路风险评价体系,一级指标包括:气象指标和异物指标,其中,气象指标对应的二级指标包括雨或雪、雷、雾和风;异物指标对应的二级指标包括:覆冰程度、污秽程度、鸟类活动和树障指标;
调取历史故障统计数据,根据历史故障统计数据确定各级指标的权重;
计算各历史故障相应的二级指标分数以及风险总得分;
构建神经网络模型,输入节点与二级指标数目一致,输出节点为一个;
将各历史故障相应的二级指标分数以及风险总得分作为神经网络的训练数据,训练神经网络,得到风险评估模型。
本发明的有益效果
1、本发明的输电线路监测系统适用于大尺度的输电线路监测,分区域设置数据中转服务器,接收各区域的监测数据传输至中央控制服务器,并且其中,各区域的数据中转服务器对监测数据进行初步预处理,进行了一定程度的数据融合,减少了传输至中央控制服务器的数据量,减轻的中央控制服务器的压力。
2、本发明的监测系统综合应用了多种监测数据,包括视频图像数据、气象数据以及输电线路本身的运行数据,实现对输电线路的全面监控,同时,通过设置各监测指标的正常区间,能够在任何异常情况下进行预警,而不是输电线路发生故障后进行报警,保证了维护的及时。
3、本发明的监测系统进行预警时,将气象信息、当前图像信息和运行数据均呈现给工作人员,便于工作人员能够根据图像和输电线路周围小气候还原实际场景,判断下一步工作。
4、本发明充分利用了多种监测数据的历史大数据,基于大数据建立了风险评估模型,该风险评估模型的以层次分析法的评分为依据,综合考虑了环境、气候和输电线路上异物因素,能够在工作人员经验不足的情况下,帮助判断输电线路当前是否存在故障风险。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明实施例一中基于大数据的输电线路监测系统框架图;
图2为本发明实施例一和二中基于大数据训练风险评估模型的流程图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种基于大数据的输电线路监测系统,包括多组监测单元,每组监测单元均连接一个数据中转服务器,数据中转服务器均与中央控制服务器连接。
在输电线路上布设传感器组,每根输电线路上的传感器组构成一个监测单元,每个监测单元固定在相应输电线路的一端,包括传感器组,以及与传感器组连接的数据收发模块。其中,所述传感器组包括但不限于:视觉传感器、气象传感器(温度传感器、湿度传感器、风速传感器、雨量传感器)、线路运行参数监测传感器(电压传感器、电流传感器、张力传感器)。数据收发模块优选为射频模块,例如采用可编程RF收发芯片。
每个监测单元均包括电源模块,包括电压互感器和蓄电池,正常情况下,基于电压互感器从所安装的输电线路获取能量,以及为蓄电池供电;当输电线路出现故障或断电时,转换为蓄电池供电。
待监测的区域根据地理分布被划分为多个分区,每个分区中的多个监测单元均与一个数据中转服务器连接,所述多个监测单元将检测得到的数据均经由各自的数据收发模块发送至该数据中转服务器。
布设所述多组监测单元时,记录布设的输电线路标识信息,使得监测单元监测到的数据与具体的输电线路相关联。为了节省人工劳动,增强系统的自动化程度,本实施例中,每个监测单元还包括GPS定位模块,与相应数据收发模块连接。数据收发模块将传感器组发送的数据和位置信息打包发送至数据中转服务器。通过设置GPS定位模块,若在监测过程中检测单元发生了移动,也能够及时获知,并且不需要人为对其位置进行标注。
数据中转服务器将数据传输至中央控制服务器。
上述系统运行过程中,保存每一次发生线路故障的记录,所述记录中包括该次故障发生前一段时间的历史数据,以及检修记录。
所述中央控制服务器,包括:
风险预警模块,被配置为:
接收监测单元发送实时数据,若有一项超过正常阈值区间时,获取此时视觉传感器和气象传感器数据,生成预警信息。
其中,所述服务器中预存各监测指标的正常区间。
预警信息中包括异常的指标数据,该时刻的输电线路图像数据和气象数据,用于帮助工作人员快速了解现场情况,作出判断。
进一步地,所述预警信息中还包括风险评估得分,基于风险评估模块计算得到。
具体地,所述风险评估模块,被配置为执行以下步骤:
步骤1:建立输电线路风险评价体系;
一级指标包括:天气、异物;地理环境对应的二级指标包括:山区、平原和城市;天气对应的二级指标包括:雨或雪、雷、雾和风;异物对应的二级指标包括:覆冰程度、污秽程度、鸟类活动和树障。
获取历史故障统计数据,包括故障出现的原因、时间;
确定各指标权重的方法如下:
基于故障出现的时间调取相应的天气状况;
根据历史故障统计数据,确定各层级指标的权重;具体包括:
采用专家打分法确定各一级指标的权重W1,W2,W3;
根据天气分别为雨或雪、雷、雾和风时出现故障的比重,确定二级指标晴、雨或雪、雷、雾和风的权重w1-w4;
根据覆冰程度、污秽程度、鸟类活动和树障w5-w8。
本实施例中输电线路风险评价体系根据地形地貌的不同有所区分。所述地形地貌包括但不限于山区、树林、平原和城市,不同地形地貌对应的风险评价体系中指标的权重不同。
所述中央控制服务器与气象部门数据库建立连接,从而能够调取更全面的气象数据。
步骤2:对于历史故障统计数据,根据所述输电线路风险评价体系,计算各二级指标的得分,然后根据权重计算风险总得分;并根据实际情况调整权重系数,使得计算所得分数与实际情况尽可能相符。
本实施例采用10分制对各二级指标进行评分,具体地,对于某一历史故障,各二级指标的得分计算如下:
雨或雪:雨或雪越大,分数越高;例如,降雨量在10毫米以下,分数为2;降雨量为10~24.9毫米,分数为4;降雨量为25~49.9毫米,分数为6;降雨量为50~99.9毫米,分数为8;降雨量为100毫米以上,分数为10;
雷:雷电密度越大,分数越高;
雾:可见度越低,分数越高;
风:风越大,分数越高;
覆冰程度:根据当时的视频图像数据,识别是否存在覆冰,覆冰面积越大,分数越高;
污秽程度:根据当时的视频图像数据,识别是否存在污秽,污秽面积越大,分数越高;
鸟类活动:获取故障发生前一段时间的视频图像数据,判断该段时间视频内鸟类出现的次数,出现次数越多,分数越高;
树障:植被与电线的接近程度,越接近,分数越高。
对于雨或雪、雷、雾和风这些气象指标,预先划分阈值区间,以及各区间相应的分数。所述阈值区间的划定根据传感器所得数据,结合气象部门数据获得。对于覆冰程度、污秽程度、鸟类活动和树障,分数阈值根据以往故障情况划定。
步骤3:构建BP神经网络模型。所述神经网络的输入节点包括:环境因素输入节点、气象因素输入节点、异物因素输入节点。具体地,采用层次分析法得到的8个二级指标作为输入节点,将风险总得分作为输出节点。
将根据历史故障统计数据计算得到的二级指标得分和风险总得分训练所述神经网络。将真实输出结果与期望输出结果进行比较,若误差超过预先规定的误差范围,修改神经元之间的权重和阈值,直至达到规定的误差要求,此时网络的权重和阈值不再改变。
步骤4:基于各组监测单元传输的监测数据,采用所述神经网络进行风险预测。
对于每根待预测输电线路,均执行以下步骤:
步骤4.1:基于位置信息和地图数据,确定待预测输电线路所属地形地貌;
步骤4.2:调取相应地形地貌相应的评价体系和训练好的神经网络模型;
步骤4.3:基于各组监测单元传输的监测数据,分别计算每根输电线路当前的二级指标的分数;
步骤4:4:将所述二级指标的分数作为神经网络的输入,计算风险总得分。
步骤5:基于各输电线路的风险得分,得到监测区域内输电线路的风险分布云图;
步骤6:根据风险总得分确定维护策略,维护策略包括停运检修、巡检、长期监测、短期监测。
可选地,所述中央控制服务器还与用户终端建立连接,中央控制服务器将生成的预警信息发送至用户终端;用户终端访问所述服务器能够获取当前的输电线路网络风险情况。
实施例二
本实施例的目的是提供一种基于大数据的输电线路监测方法,包括以下步骤:
接收监测单元发送的监测数据,所述监测单元包括视觉传感器、气象传感器、线路运行参数监测传感器;
判断监测是否超出正常区间,若超出,调取当前时刻的图像数据和气象数据,生成预警信息。
进一步地,所述预警信息还包括风险总得分,根据风险评估模型计算得到。
进一步地,所述风险评估模型的训练方法包括:
构建输电线路风险评价体系,一级指标包括:气象指标和异物指标,其中,气象指标对应的二级指标包括雨或雪、雷、雾和风;异物指标对应的二级指标包括:覆冰程度、污秽程度、鸟类活动和树障指标;
调取历史故障统计数据,根据历史故障统计数据确定各级指标的权重;
计算各历史故障相应的二级指标分数以及风险总得分;
构建神经网络模型,输入节点与二级指标数目一致,输出节点为一个;
将各历史故障相应的二级指标分数以及风险总得分作为神经网络的训练数据,训练神经网络,得到风险评估模型。
所述根据监测单元发送的数据计算风险得分包括:
基于监测单元发送的数据,结合气象数据,确定当前时刻各二级指标的得分;
将各二级指标的得分作为风险评估模型的输入,计算风险总得分。
一个或多个实施例中,所述中央控制服务器中包括多个预先训练的风险评估模型,分别对应不同的地形地貌;
接收测单元发送的数据后,首先根据位置信息和地图数据,确定待预测输电线路所属地形地貌;调取相应地形地貌相应的评价体系和风险评估模型;
基于监测单元发送的数据,根据所述评价体系确定当前时刻各二级指标的得分;
将各二级指标的得分作为风险评估模型的输入,计算风险总得分。
所述中央控制服务器存储风险总得分与维护策略的映射关系,所述维护策略包括停运检修、巡检、长期监测、短期监测。
以上实施例二中涉及的各步骤与实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
上述一个或多个实施例具有以下技术效果
1、适用于大尺度的输电线路监测,分区域设置数据中转服务器,接收各区域的监测数据传输至中央控制服务器,并且其中,各区域的数据中转服务器对监测数据进行初步预处理,进行了一定程度的数据融合,减少了传输至中央控制服务器的数据量,减轻的中央控制服务器的压力。
2、该监测系统综合应用了多种监测数据,包括视频图像数据、气象数据以及输电线路本身的运行数据,实现对输电线路的全面监控,同时,通过设置各监测指标的正常区间,能够在任何异常情况下进行预警,而不是输电线路发生故障后进行报警,保证了维护的及时。
3、该监测系统进行预警时,将气象信息、当前图像信息和运行数据均呈现给工作人员,便于工作人员能够根据图像和输电线路周围小气候还原实际场景,判断下一步工作。
4、该监测系统充分利用了多种监测数据的历史大数据,基于大数据建立了风险评估模型,该风险评估模型的以层次分析法的评分为依据,综合考虑了环境、气候和输电线路上异物因素,能够在工作人员经验不足的情况下,帮助判断输电线路当前是否存在故障风险。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于大数据的输电线路监测系统,其特征在于,包括多组监测单元,均与中央控制服务器连接;每个监测单元布设在一根输电线路上,包括视觉传感器、气象传感器、线路运行参数监测传感器;所述中央控制服务器被配置为:
接收检测单元传输的数据,判断是否超出正常区间,若超出,调取当前时刻视觉传感器和气象传感器传输的数据,生成预警信息,发送至用户终端。
2.如权利要求1所述的一种基于大数据的输电线路监测系统,其特征在于,所述多组监测单元的每一组连接一个数据中转服务器,监测数据经由数据中转服务器传输至中央控制服务器。
3.如权利要求1所述的一种基于大数据的输电线路监测系统,其特征在于,每个监测单元还配置GPS定位模块,将监测数据和位置信息均发送至中央控制服务器。
4.如权利要求1所述的一种基于大数据的输电线路监测系统,其特征在于,所述中央控制服务器中还包括预先训练的风险评估模型,实时根据监测单元发送的数据计算风险得分;所述预警信息中还包括所述风险得分。
5.如权利要求4所述的一种基于大数据的输电线路监测系统,其特征在于,所述风险评估模型的训练方法包括:
构建输电线路风险评价体系,一级指标包括:气象指标和异物指标,其中,气象指标对应的二级指标包括雨或雪、雷、雾和风;异物指标对应的二级指标包括:覆冰程度、污秽程度、鸟类活动和树障指标;
调取历史故障统计数据,根据历史故障统计数据确定各级指标的权重;
计算各历史故障相应的二级指标分数以及风险总得分;
构建神经网络模型,输入节点与二级指标数目一致,输出节点为一个;
将各历史故障相应的二级指标分数以及风险总得分作为神经网络的训练数据,训练神经网络,得到风险评估模型。
6.如权利要求5所述的一种基于大数据的输电线路监测系统,其特征在于,所述根据监测单元发送的数据计算风险得分包括:
基于监测单元发送的数据,结合气象数据,确定当前时刻各二级指标的得分;
将各二级指标的得分作为风险评估模型的输入,计算风险总得分。
7.如权利要求5所述的一种基于大数据的输电线路监测系统,其特征在于,所述中央控制服务器中包括多个预先训练的风险评估模型,分别对应不同的地形地貌;
接收测单元发送的数据后,首先根据位置信息和地图数据,确定待预测输电线路所属地形地貌;调取相应地形地貌相应的评价体系和风险评估模型;
基于监测单元发送的数据,根据所述评价体系确定当前时刻各二级指标的得分;
将各二级指标的得分作为风险评估模型的输入,计算风险总得分。
8.如权利要求5所述的一种基于大数据的输电线路监测系统,其特征在于,所述中央控制服务器存储风险总得分与维护策略的映射关系,所述维护策略包括停运检修、巡检、长期监测、短期监测。
9.一种基于大数据的输电线路监测方法,其特征在于,包括以下步骤:
接收监测单元发送的监测数据,所述监测单元包括视觉传感器、气象传感器、线路运行参数监测传感器;
判断监测是否超出正常区间,若超出,调取当前时刻的图像数据和气象数据,生成预警信息。
10.如权利要求9所述的一种基于大数据的输电线路监测方法,其特征在于,所述预警信息还包括风险总得分,根据风险评估模型计算得到。
进一步地,所述风险评估模型的训练方法包括:
构建输电线路风险评价体系,一级指标包括:气象指标和异物指标,其中,气象指标对应的二级指标包括雨或雪、雷、雾和风;异物指标对应的二级指标包括:覆冰程度、污秽程度、鸟类活动和树障指标;
调取历史故障统计数据,根据历史故障统计数据确定各级指标的权重;
计算各历史故障相应的二级指标分数以及风险总得分;
构建神经网络模型,输入节点与二级指标数目一致,输出节点为一个;
将各历史故障相应的二级指标分数以及风险总得分作为神经网络的训练数据,训练神经网络,得到风险评估模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910128709.2A CN109902948A (zh) | 2019-02-21 | 2019-02-21 | 一种基于大数据的输电线路监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910128709.2A CN109902948A (zh) | 2019-02-21 | 2019-02-21 | 一种基于大数据的输电线路监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109902948A true CN109902948A (zh) | 2019-06-18 |
Family
ID=66945072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910128709.2A Pending CN109902948A (zh) | 2019-02-21 | 2019-02-21 | 一种基于大数据的输电线路监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902948A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570628A (zh) * | 2019-09-18 | 2019-12-13 | 中国电建集团贵州电力设计研究院有限公司 | 一种输电线路杆塔地质灾害监测预警分析系统及使用方法 |
CN111027402A (zh) * | 2019-11-15 | 2020-04-17 | 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及应用 |
CN112953008A (zh) * | 2021-03-04 | 2021-06-11 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输变电线路实时状态监控系统 |
CN113340353A (zh) * | 2021-06-15 | 2021-09-03 | 山东国瑞新能源有限公司 | 一种输电线路的监测方法、设备及介质 |
CN113537658A (zh) * | 2020-04-14 | 2021-10-22 | 南京南瑞继保电气有限公司 | 一种设备风险评估及检修系统和方法 |
WO2023088315A1 (zh) * | 2021-11-19 | 2023-05-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于深度学习的发电设备异常检测方法及系统 |
CN116362631A (zh) * | 2023-06-02 | 2023-06-30 | 国网安徽省电力有限公司经济技术研究院 | 一种基于大数据的直流配电网运行安全性评价系统 |
CN116485559A (zh) * | 2023-06-21 | 2023-07-25 | 杭州大鱼网络科技有限公司 | 一种批量保险业务处理风险监测方法及系统 |
CN116979702A (zh) * | 2023-09-25 | 2023-10-31 | 深圳市西研科技有限公司 | 基于大数据的输电线路智能监测质检方法、系统和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989767A (zh) * | 2010-10-13 | 2011-03-23 | 中电国科(北京)科技有限公司 | 一种高压杆塔的综合测控装置 |
CN102288153A (zh) * | 2011-06-14 | 2011-12-21 | 四川大学 | 基于振动发电的高压线风偏在线监测系统及其方法 |
US20140123750A1 (en) * | 2011-06-10 | 2014-05-08 | State Grid Information & Telecommunication Branch | Method and system for monitoring power transmission line of power grid |
CN107403268A (zh) * | 2017-07-24 | 2017-11-28 | 国网江苏省电力公司电力科学研究院 | 输电线路风险评估系统 |
-
2019
- 2019-02-21 CN CN201910128709.2A patent/CN109902948A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989767A (zh) * | 2010-10-13 | 2011-03-23 | 中电国科(北京)科技有限公司 | 一种高压杆塔的综合测控装置 |
US20140123750A1 (en) * | 2011-06-10 | 2014-05-08 | State Grid Information & Telecommunication Branch | Method and system for monitoring power transmission line of power grid |
CN102288153A (zh) * | 2011-06-14 | 2011-12-21 | 四川大学 | 基于振动发电的高压线风偏在线监测系统及其方法 |
CN107403268A (zh) * | 2017-07-24 | 2017-11-28 | 国网江苏省电力公司电力科学研究院 | 输电线路风险评估系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570628A (zh) * | 2019-09-18 | 2019-12-13 | 中国电建集团贵州电力设计研究院有限公司 | 一种输电线路杆塔地质灾害监测预警分析系统及使用方法 |
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 |
CN111027402A (zh) * | 2019-11-15 | 2020-04-17 | 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及应用 |
CN113537658A (zh) * | 2020-04-14 | 2021-10-22 | 南京南瑞继保电气有限公司 | 一种设备风险评估及检修系统和方法 |
CN112953008A (zh) * | 2021-03-04 | 2021-06-11 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输变电线路实时状态监控系统 |
CN113340353B (zh) * | 2021-06-15 | 2023-03-07 | 山东国瑞新能源有限公司 | 一种输电线路的监测方法、设备及介质 |
CN113340353A (zh) * | 2021-06-15 | 2021-09-03 | 山东国瑞新能源有限公司 | 一种输电线路的监测方法、设备及介质 |
WO2023088315A1 (zh) * | 2021-11-19 | 2023-05-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于深度学习的发电设备异常检测方法及系统 |
CN116362631A (zh) * | 2023-06-02 | 2023-06-30 | 国网安徽省电力有限公司经济技术研究院 | 一种基于大数据的直流配电网运行安全性评价系统 |
CN116362631B (zh) * | 2023-06-02 | 2023-08-11 | 国网安徽省电力有限公司经济技术研究院 | 一种基于大数据的直流配电网运行安全性评价系统 |
CN116485559A (zh) * | 2023-06-21 | 2023-07-25 | 杭州大鱼网络科技有限公司 | 一种批量保险业务处理风险监测方法及系统 |
CN116485559B (zh) * | 2023-06-21 | 2023-09-01 | 杭州大鱼网络科技有限公司 | 一种批量保险业务处理风险监测方法及系统 |
CN116979702A (zh) * | 2023-09-25 | 2023-10-31 | 深圳市西研科技有限公司 | 基于大数据的输电线路智能监测质检方法、系统和介质 |
CN116979702B (zh) * | 2023-09-25 | 2024-01-09 | 深圳市西研科技有限公司 | 基于大数据的输电线路智能监测质检方法、系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902948A (zh) | 一种基于大数据的输电线路监测系统及方法 | |
CN106017551A (zh) | 一种智能化输电线路综合监测分析预警方法 | |
US9158036B2 (en) | Method and system for monitoring power transmission line of power grid | |
CN105427019B (zh) | 一种地理气象相关的输电线路风险差异评价方法 | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
CN113159475B (zh) | 基础设施全生命周期监测平台及方法 | |
CN101614602A (zh) | 输电线路监测方法及装置 | |
CN103427367B (zh) | 一种输电线路检修方法 | |
CN106022610A (zh) | 一种电力系统防台抗台监控应急方法 | |
CN107069975B (zh) | 一种分布式输电设备状态数据反馈系统及其方法 | |
CN104517432A (zh) | 基于无人机和无线传感器网络的监控系统 | |
CN102044127A (zh) | 一种基于远程专家服务预警服务管理系统 | |
CN110346673A (zh) | 一种计及网络拓扑合理性的智能配电网风险评估方法 | |
CN104732058A (zh) | 一种多维度输电设备状态的评估方法 | |
US11481581B2 (en) | Proactive power outage impact adjustments via machine learning | |
CN109522599A (zh) | 一种台风导致的输电线路突发故障预警方法 | |
US20210072303A1 (en) | Power distribution fault location estimation using transient analysis | |
KR101248936B1 (ko) | 열화정도를 고려한 교량 재난관리시스템 | |
JP2022115061A (ja) | 気象関連架空配電線路故障オンライン予測 | |
CN106327071A (zh) | 电力通信风险分析方法和系统 | |
CN109471205B (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
CN106651131A (zh) | 输电线路防台风预警方法和系统 | |
CN204376958U (zh) | 基于北斗定位及最小路由跳数协议的铁路滑坡监测系统 | |
CN114153224A (zh) | 基于微气象的无人机飞行路径智能规划控制系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |