CN110246119B - 基于sar影像的输电杆塔水灾故障隐患的识别方法 - Google Patents
基于sar影像的输电杆塔水灾故障隐患的识别方法 Download PDFInfo
- Publication number
- CN110246119B CN110246119B CN201910383348.6A CN201910383348A CN110246119B CN 110246119 B CN110246119 B CN 110246119B CN 201910383348 A CN201910383348 A CN 201910383348A CN 110246119 B CN110246119 B CN 110246119B
- Authority
- CN
- China
- Prior art keywords
- tower
- flood
- water body
- formula
- distance
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—Theoretical aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
- G06T7/238—Analysis of motion using block-matching using non-full search, e.g. three-step search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Radar Systems Or Details Thereof (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于SAR影像的输电杆塔水灾故障隐患的识别方法,所述识别方法包括以下步骤:步骤1:对SAR影像进行滤波处理;步骤2:采用阈值算法提取SAR影像水体区域的二值图;步骤3:采用杆塔中心距离搜索算法和塔基网格距离搜索算法,计算杆塔到洪水区的最短距离和搜索区域内的洪水占比;步骤4:基于杆塔到洪水的距离和杆塔范围内洪水占比计算洪水隐患系数,判断杆塔受灾情况。
Description
技术领域
本发明涉及电力系统自然灾害事件监测技术领域,特别是涉及基于SAR影像的输电杆塔水灾故障隐患的识别方法。
背景技术
随着电网规模的增大,电网遭遇突发性灾害的概率也在增加。全球各种自然灾害所造成的损失中,洪涝灾害高居40%,近年来的特大水灾事件造成了高额经济损失,洪水冲垮输电杆塔基础,导致杆塔断线、淹没电力设施导致供电中断,威胁电力系统的安全稳定运行,对人民的生活、生产带来巨大的损失。如果能及时发现输电线路水灾故障的隐患,及时安排运检人员处理,可将损失降到最小。
洪水灾害对电网的主要破坏在于电力设备极易发生短路损坏、内部放电损坏、器身部件受潮损坏等情况;输电线路杆塔基础受洪水冲刷,可能冲垮杆塔导致杆塔断线、淹没电力设施导致供电中断,威胁电力系统的安全稳定运行,对人民的生活、生产带来巨大损失。
目前,我国和其他大多数国家的电力线路巡检工作仍然主要依靠人工巡查、手工记录,存在成本高、工作条件危险、巡检缺失等缺点。运行、维护的困难程度和工作强度非常大。近年航空巡检被采用,提高了检测效率和精度。但该技术受飞行安全、航空控制、天气变化和加油等因素的限制,无人机(UAV)也因安全问题和耐久性不足制约了其进一步的应用。卫星技术的发展,为输电线路故障得以发现及为灾害预测提供了新手段。合成孔径雷达(SAR:Synthetic Aperture Radar)已广泛运用于灾害监测。与传统巡检方式相比,每幅卫星图像可覆盖地面面积广,卫星技术巡检具有周期短、无安全隐患、巡检覆盖区域更宽、反应快速等优势。目前,基于SAR影像水体特征已经可以准确提取水体部分,包括不同场景如森林区域或是城市中的洪水,一些改进算法的提出也使洪水的提取范围更加准确,而关于输电线路杆塔水灾故障隐患识别方面,鲜有研究和涉及。
因此希望有一种基于SAR影像的输电杆塔水灾故障隐患的识别方法能够解决现有技术中存在的问题。
发明内容
本发明公开了一种基于SAR影像的输电杆塔水灾故障隐患的识别方法,所述识别方法包括以下步骤:
步骤1:对SAR影像进行滤波处理;
步骤2:采用阈值算法提取SAR影像水体区域的二值图;
步骤3:采用杆塔中心距离搜索算法和塔基网格距离搜索算法,计算杆塔到洪水区的最短距离和搜索区域内的洪水占比;
步骤4:基于杆塔到洪水的距离和杆塔范围内洪水占比计算洪水隐患系数,判断杆塔受灾情况。
优选地,所述步骤2根据电力杆塔的台账信息、目视解译和坐标拾取,确定所述SAR影像水体区域的二值图中杆塔的像素坐标点集公式(1):
U={a1(x1,y1),a2(x2,y2),...,an(xn,yn)} (1)
式中U为杆塔坐标点集,ai为杆塔代号,xi为二值图像素坐标的横坐标,yi为二值图像素坐标的纵坐标;
F(xi,yi)为点(xi,yi)在二值图中的值,所述阈值算法为:若F(xi,yi)=0,则说明杆塔位于水体提取部分,已被洪水淹没,受灾程度最为严重;若F(xi,yi)=1,则杆塔位于非水体部分没有被洪水淹没,计算杆塔与水体间的距离,搜索水域周围被洪水危及的输电线路杆塔,判断受灾程度。
优选地,所述步骤3的杆塔中心距离搜索算法包括以下具体步骤:
步骤3.1:将电力杆塔的台账云数据整理为公式(2)的点集:
G={a1(lon1,lat1),a2(lon2,lat2),...,an(lonn,latn)} (2)
式中G为杆塔散点集;an为杆塔名称;lonn为杆塔an的经度坐标,latn为杆塔an的纬度坐标;
步骤3.2:根据SAR影像和电力杆塔信息,确定受灾的电力杆塔位置信息及图像各点的经纬度信息;对于某个杆塔的位置ai(xi,yi),以(xi,yi)为圆心,确定该杆塔的搜素区。
优选地,所述步骤3的塔基网格距离搜索算法包括以下内容:以杆塔为中心,设边长为6km的正方形网格搜索区,其中杆塔坐标为(x0,y0),网格搜索区的四个顶点的坐标为A(x1,y1);B(x2,y2);C(x3,y3);D(x4,y4),图像分辨率为M,则每一个像素点代表的是M×M的点,由此可得公式(7):
M(x2-x0)=3000 (7)
由此可得:
x2=3000M+x0
根据公式(7)搜索水体提取二值图中的点,若F(xi,yi)=0,且满足公式(9)则说明有水体位于杆塔搜索区内,在该杆塔搜索区内存在洪水隐患,根据(4)式计算杆塔到水体间的最小距离
优选地,所述步骤4中的洪水隐患系数的计算过程包括:
杆塔洪水隐患系数V由杆塔与洪水距离d和杆塔范围内洪水占比H决定,如公式(12)所示。
C1为杆塔到洪水距离的影响的权重系数,C2为杆塔搜索区洪水占比的影响的权重系数,基于层次分析法,常规场景下选取C1=0.75,C2=0.25,杆塔洪水隐患系数V小于1,当V越小时,该杆塔受洪水威胁程度越大。
本发明公开的基于SAR影像的输电杆塔水灾故障隐患的识别方法,该识别方法基于SAR影像,提出了杆塔中心距离搜索算法和塔基网格距离搜索算法,能快速计算杆塔到洪水区域的最短距离,结合搜索区域洪水占比,判断杆塔受灾程度,及时发现杆塔水灾故障隐患,实现故障快速定位,为检修人员提供参考,将损失降到最小,且SAR雷达不受天气影响、航空管制的限制,反应快速,覆盖范围广,在灾害监测方面有独特的优势。
附图说明
图1是基于SAR影像的输电杆塔水灾故障隐患的识别流程图。
图2是杆塔中心距离搜索示意图。
图3是塔基网格距离搜索示意图。
具体实施方式
为使本发明实施的目的、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更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
如图1所示,基于SAR影像的输电杆塔水灾故障隐患的识别方法,包括以下步骤:
步骤1:对SAR影像进行滤波处理;
步骤2:采用阈值算法提取SAR影像水体区域的二值图;
步骤3:采用杆塔中心距离搜索算法和塔基网格距离搜索算法,计算杆塔到洪水区的最短距离和搜索区域内的洪水占比;
步骤4:基于杆塔到洪水的距离和杆塔范围内洪水占比计算洪水隐患系数,判断杆塔受灾情况。
杆塔受灾严重程度和与洪水距离成正相关,距离洪水近的杆塔遭受洪水冲刷导致倒塔故障的可能性与故障严重程度都要远大于距离洪水远的杆塔,可将距离作为水灾故障隐患评价的主要参数。基于卫星拍摄到的SAR影像,经过图像处理并提取出洪水区域,结合输电线路杆塔台账信息,判断杆塔是否已被洪水淹没,对输电线路受灾情况进行初步评价。若洪水未淹没杆塔,则应确定杆塔与洪水边缘的距离,第一时间判断洪水隐患对输电线路的影响。
图像是由一个个像素点组成,图像中每一个点都可以转化为坐标。根据电力杆塔的台账信息、目视解译、坐标拾取,确定在水体提取的二值图中杆塔的像素坐标点集公式(1):
U={a1(x1,y1),a2(x2,y2),...,an(xn,yn)} (1)
式中U为杆塔坐标点集,ai为杆塔代号,xi为二值图像素坐标的横坐标,yi为二值图像素坐标的纵坐标;
F(xi,yi)为点(xi,yi)在二值图中的值,所述阈值算法为:若F(xi,yi)=0,则说明杆塔位于水体提取部分,已被洪水淹没,受灾程度最为严重;若F(xi,yi)=1,则杆塔位于非水体部分没有被洪水淹没,但仍可能存在洪水隐患,应当计算杆塔与水体间的距离,搜索水域周围可能被洪水危及的输电线路杆塔,判断受灾程度。两种计算杆塔到水体边界距离算法如下:
步骤3的杆塔中心距离搜索算法包括以下具体步骤:
将电力杆塔的台账云数据整理为公式(2)的点集:
G={a1(lon1,lat1),a2(lon2,lat2),...,an(lonn,latn)} (2)
式中G为杆塔散点集;an为杆塔名称;lonn为杆塔an的经度坐标,latn为杆塔an的纬度坐标;
根据运行经验和防洪标准,3km以外的洪水不会对输电线路构成威胁,即只需对位于水体3km范围以内的输电线路进行告警计算。将杆塔周围3km的圆形区域作为搜索区域,搜索区域内是否存在水体,就可以判断输电线路是否存在洪水隐患,进而根据杆塔与水体距离发布告警信息。计算方法如下:
首先根据SAR影像和杆塔信息,确定可能受灾的杆塔的位置信息,图像各点的经纬度信息。对于某个杆塔的位置ai(xi,yi),以(xi,yi)为圆心,确定该杆塔的搜素区。
如图2所示,两座杆塔A1和A2,以A1、A2为圆心作半径为R(R=3km)的圆。L1和L2为水体边界。
设图像分辨率为M(单位:m),则每一个像素点代表的是M×M的点。由此可得:M*r=3000,r为图像中的半径,单位为像素。以经纬度坐标表示A1杆塔搜索区边界圆的方程为公式(3):
搜索区内的点满足公式(4)
可从圆心向外侧搜索。若存在点(xi,yi)满足公式(3),且在水体提取的二值图中,F(xi,yi)=0,即有水体在该杆塔的搜索区内,应产生告警,并计算杆塔距离水体的最近距离。杆塔A1(x1,y1)与水体的距离按两点间的距离公式计算:
当分辨率数值较大时,考虑地球表面的曲率,可根据公式(6)经纬度按球面距离计算:
d=R0×arccos[sin(x1)sin(loni)+cos(x1)cos(loni)cos(y1-lati)] (6)
式中R0位地球平均半径,R0=6371km。
所述步骤3的塔基网格距离搜索算法包括以下内容:
如图3所示,以杆塔为中心,设边长为6km的正方形网格搜索区,其中杆塔坐标为(x0,y0),网格搜索区的四个顶点的坐标为A(x1,y1);B
(x2,y2);C(x3,y3);D(x4,y4),图像分辨率为M(单位:m),则每一个像素点代表的是M×M的点,由此可得公式(7):
M(x2-x0)=3000 (7)
由此可得:
x2=3000M+x0
根据公式(7)搜索水体提取二值图中的点,若F(xi,yi)=0,且满足公式(9)则说明有水体位于杆塔搜索区内,在该杆塔搜索区内存在洪水隐患,根据(4)式计算杆塔到水体间的最小距离
所述步骤4中的洪水隐患系数的计算过程包括:
基于输电线路运行经验和防洪标准,杆塔洪水隐患系数V由杆塔与洪水距离d和杆塔范围内洪水占比H决定,如公式(12)所示。
C1为杆塔到洪水距离的影响的权重系数,C2为杆塔搜索区洪水占比的影响的权重系数,基于层次分析法,常规场景下选取C1=0.75,C2=0.25,根据土壤,湿度,气候等因素的改变,C1、C2的值可作适当调整:当土壤松弛、湿度大时可提高C1权重比例。杆塔洪水隐患系数V小于1,当V越小时,该杆塔受洪水威胁程度越大。计算告警距离d,杆塔范围内洪水占比H,从而计算出杆塔洪水隐患系数,判断洪水的严重程度。根据地区地形、土壤的不同和季节的不同,可适当调整C1和C2的值,对杆塔受灾严重的划分作相应调整。
(1)当d=0m时,即杆塔已被洪水淹没时,发布特级受灾;
(2)当V<0.1时,为一级受灾;
(3)当0.1≤V<0.4时,为二级受灾;
(4)当0.4≤V<1时,为三级受灾。
判断杆塔受灾程度后迅速发布,以便运维单位及人员及时开展处置措施。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (2)
1.基于SAR影像的输电杆塔水灾故障隐患的识别方法,其特征在于,所述识别方法包括以下步骤:
步骤1:对SAR影像进行滤波处理;
步骤2:采用阈值算法提取SAR影像水体区域的二值图;
所述步骤2根据电力杆塔的台账信息、目视解译和坐标拾取,确定所述SAR影像水体区域的二值图中杆塔的像素坐标点集公式(1):
U={a1(x1,y1),a2(x2,y2),...,an(xn,yn)} (1)
式中U为杆塔坐标点集,ai为杆塔代号,xi为二值图像素坐标的横坐标,yi为二值图像素坐标的纵坐标;
F(xi,yi)为点(xi,yi)在二值图中的值,所述阈值算法为:若F(xi,yi)=0,则说明杆塔位于水体提取部分,已被洪水淹没,受灾程度最为严重;若F(xi,yi)=1,则杆塔位于非水体部分没有被洪水淹没,计算杆塔与水体间的距离,搜索水域周围被洪水危及的输电线路杆塔,判断受灾程度;
步骤3:采用杆塔中心距离搜索算法计算杆塔到洪水区的最短距离,采用塔基网格距离搜索算法计算搜索区域内的洪水占比;
所述步骤3的杆塔中心距离搜索算法包括以下具体步骤:
步骤3.1:将电力杆塔的台账云数据整理为公式(2)的点集:
G={a1(lon1,lat1),a2(lon2,lat2),...,an(lonn,latn)} (2)
式中G为杆塔散点集;an为杆塔名称;lonn为杆塔an的经度坐标,latn为杆塔an的纬度坐标;
步骤3.2:根据SAR影像和电力杆塔信息,确定受灾的电力杆塔位置信息及图像各点的经纬度信息;对于某个杆塔的位置ai(xi,yi),以(xi,yi)为圆心,确定该杆塔的搜索区;
所述步骤3的塔基网格距离搜索算法包括以下内容:以杆塔为中心,设边长为6km的正方形网格搜索区,其中杆塔坐标为(x0,y0),网格搜索区的四个顶点的坐标为A(x1,y1);B(x2,y2);C(x3,y3);D(x4,y4),图像分辨率为M,则每一个像素点代表的是M×M的点,由此可得公式(7):
M(x2-x0)=3000 (7)
由此可得:
x2=3000/M+x0
步骤4:基于杆塔到洪水的距离和杆塔范围内洪水占比计算洪水隐患系数,判断杆塔受灾情况。
2.根据权利要求1所述的基于SAR影像的输电杆塔水灾故障隐患的识别方法,其特征在于:所述步骤4中的洪水隐患系数的计算过程包括:
杆塔洪水隐患系数V由杆塔与洪水距离d和杆塔范围内洪水占比H决定,如公式(12)所示:
C1为杆塔到洪水距离的影响的权重系数,C2为杆塔搜索区洪水占比的影响的权重系数,基于层次分析法,常规场景下选取C1=0.75,C2=0.25,杆塔洪水隐患系数V小于1,当V越小时,该杆塔受洪水威胁程度越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383348.6A CN110246119B (zh) | 2019-05-09 | 2019-05-09 | 基于sar影像的输电杆塔水灾故障隐患的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383348.6A CN110246119B (zh) | 2019-05-09 | 2019-05-09 | 基于sar影像的输电杆塔水灾故障隐患的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110246119A CN110246119A (zh) | 2019-09-17 |
CN110246119B true CN110246119B (zh) | 2021-06-08 |
Family
ID=67883862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910383348.6A Active CN110246119B (zh) | 2019-05-09 | 2019-05-09 | 基于sar影像的输电杆塔水灾故障隐患的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110246119B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461918B (zh) * | 2020-02-19 | 2023-07-04 | 北京天和本安电力科技有限公司 | 基于卫星光学影像的输电线路树闪隐患监测方法 |
CN112132795B (zh) * | 2020-09-14 | 2023-02-03 | 中山大学 | 一种基于LiDAR点云的电塔受灾风险评估方法及系统 |
CN112736761A (zh) * | 2020-12-08 | 2021-04-30 | 国网内蒙古东部电力有限公司兴安供电公司 | 基于gf-2卫星的输电线路外力破坏故障隐患评估方法 |
CN113268900B (zh) * | 2021-04-02 | 2022-09-16 | 中国人民解放军战略支援部队信息工程大学 | 面向任务的空降场选址方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063981A (zh) * | 2014-07-09 | 2014-09-24 | 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 |
CN106022341A (zh) * | 2016-05-03 | 2016-10-12 | 浙江海洋大学 | 高分辨率光学遥感图像灾后水体信息提取方法及系统 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488732A (zh) * | 2014-09-18 | 2016-04-13 | 国家电网公司 | 一种电力杆塔抗灾害天气坍塌载荷计算方法 |
CN105447530A (zh) * | 2016-01-05 | 2016-03-30 | 国网四川省电力公司检修公司 | 基于图像识别技术的输电线路隐患及故障检测方法 |
CN108564263B (zh) * | 2018-04-02 | 2021-10-15 | 国网安徽省电力有限公司电力科学研究院 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
-
2019
- 2019-05-09 CN CN201910383348.6A patent/CN110246119B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063981A (zh) * | 2014-07-09 | 2014-09-24 | 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 |
CN106022341A (zh) * | 2016-05-03 | 2016-10-12 | 浙江海洋大学 | 高分辨率光学遥感图像灾后水体信息提取方法及系统 |
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 |
Non-Patent Citations (2)
Title |
---|
A rapid urban flood inundation and damage assessment model;Jamali Behzad 等;《Journal of Hydrology》;20180930;第47-51页 * |
基于高分辨率SAR影像的高压输电线路杆塔检测方法;刘奕 等;《电力科学与技术学报》;20120930;第27卷(第3期);第1085-1098页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110246119A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110246119B (zh) | 基于sar影像的输电杆塔水灾故障隐患的识别方法 | |
CN106595551B (zh) | 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法 | |
Benassai et al. | Rip current evidence by hydrodynamic simulations, bathymetric surveys and UAV observation | |
CN113409314A (zh) | 高空钢结构腐蚀的无人机视觉检测与评价方法及系统 | |
Acharya et al. | GIS-based spatio-temporal analysis of marine accidents database in the coastal zone of Korea | |
CN116645789A (zh) | 一种基于无人机测绘的土地自然灾害预警管控系统 | |
CN114881381B (zh) | 基于改进卷积神经网络的城市积水水位预测方法及系统 | |
CN110044338A (zh) | 一种溃堤溃坝场景的无人机监测方法及系统 | |
CN114863262B (zh) | 一种裂流风险评价方法及预警系统 | |
CN110634258A (zh) | 一种针对输电线路卫星监测山火数据的山火辨识方法 | |
CN115792918A (zh) | 基于多源数据融合的配料法识别航空对流风险区的方法 | |
CN113759374A (zh) | 一种城市基础设施的结构健康问题的监测系统和监测方法 | |
CN115267786A (zh) | 融合卫星观测亮温和高程的ResUNet-GAN全球雷达反演方法及装置 | |
Chen et al. | A risk analysis framework for transmission towers under potential pluvial flood-LiDAR survey and geometric modelling | |
KR101934283B1 (ko) | 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버 | |
Yang et al. | Flood detection based on unmanned aerial vehicle system and deep learning | |
CN117078045B (zh) | 一种交通基础设施全息检监测方法及系统 | |
CN116844309B (zh) | 一种气象数据实时监测多途径预警系统 | |
CN113311507A (zh) | 一种台风路径的识别方法及装置 | |
CN112016641A (zh) | 一种异物导致线路短路故障告警方法及装置 | |
CN111678502A (zh) | 基于无人机航测影像提取冻土灾害信息的方法 | |
CN113570133B (zh) | 一种应对强降雨的输配电线路风险预测方法及系统 | |
CN111929680B (zh) | 一种基于sar图像的洪水淹没程度快速评价方法 | |
CN115269753A (zh) | 一种台风历史路径相似性快速检索匹配方法 | |
CN113850128A (zh) | 一种星地协同的输电通道异物监测预警方法及装置 |
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 |