CN110503064A - 一种电网覆冰微地形自动识别方法及系统 - Google Patents
一种电网覆冰微地形自动识别方法及系统 Download PDFInfo
- Publication number
- CN110503064A CN110503064A CN201910801952.6A CN201910801952A CN110503064A CN 110503064 A CN110503064 A CN 110503064A CN 201910801952 A CN201910801952 A CN 201910801952A CN 110503064 A CN110503064 A CN 110503064A
- Authority
- CN
- China
- Prior art keywords
- mima type
- type microrelief
- power grid
- matrix
- mima
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 124
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 9
- 230000005611 electricity Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电网覆冰微地形自动识别方法及系统，该方法通过获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据,并基于此获得高程矩阵,然后根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量,进一步获得微地形类型已知的电网覆冰微地形区域的典型高程特征，最后根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别，解决了现有技术不能对电网覆冰微地形进行自动识别的技术问题，实现了电网覆冰微地形的自动识别，不仅识别速度快，而且识别精度高。
Description
技术领域
本发明涉及输配电技术领域，特别涉及一种电网覆冰微地形自动识别方法及系统。
背景技术
输电线路的覆冰容易导致冰闪、脱冰跳跃和过荷载等引起线路跳闸、断线倒塔等故障，因此线路覆冰是影响冬季电网安全运行的最大危害之一。随着电网建设覆盖范围增大，线路走廊日益紧张，越来越多的输电线路不可避免的要通过地形复杂、气候恶劣的微地形微气象区域。微地形区域的输电线路往往由于其独特的地形和复杂的气象环境而较临近的平坦地区的线路覆冰更加严重，使得局部气象环境更加恶劣。因此，微地形微气象区域的覆冰需要更加深入地关注。
目前对于输电线路覆冰的微地形区域的判识仅依靠人力主观判断，容易存在漏判的情况，有些微地形区域仅在输电线路因覆冰出现冰害故障以后才能分析出该区域为微地形区域，严重影响输电线路的安全运行。
发明内容
本发明提供的一种电网覆冰微地形自动识别方法及系统，解决了现有技术不能对电网覆冰微地形进行自动识别的技术问题。
为解决上述技术问题，本发明提出的一种电网覆冰微地形自动识别方法包括：
获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据；
根据微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵；
根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量；
根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数；
根据微地形系数和高程矩阵，获得微地形类型已知的电网覆冰微地形区域的典型高程特征；
根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别。
进一步地，根据微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵包括：
从微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据中取出n个网格点高程数据，获得n个第一初始矩阵；
根据第一初始矩阵中元素的相关系数，对第一初始矩阵进行降维，获得第二初始矩阵；
根据n个第二初始矩阵，获得高程矩阵。
进一步地，根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数包括：
根据高程矩阵，以及实对称矩阵的特征向量，构造微地形系数矩阵，微地形系数矩阵具体为：
其中，Z为微地形系数矩阵，V的列为实对称矩阵的特征向量，VT为V的转置，X为高程矩阵；
根据微地形系数矩阵，获得微地形系数，微地形系数具体为：
z1＝(z11 z12 ... z1n)。
进一步地，根据微地形系数和高程矩阵，获得微地形类型已知的电网覆冰微地形区域的典型高程特征包括：
基于微地形系数，采用最小二乘法拟合的方法，对高程矩阵进行拟合，从而获得微地形类型已知的电网覆冰微地形区域的典型高程特征。
进一步地，根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别包括：
采用反距离权重法对待判识区域的网格离散化地形高程数据进行插值，获得高程列向量；
根据高程列向量和微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数，对待判识区域的地形进行识别。
进一步地，根据高程列向量和微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数，对待判识区域的地形进行识别包括：
判断高程列向量和微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数是否大于预设阈值，若是，则判定待判识区域的地形与微地形类型已知的电网覆冰微地形区域的微地形类型相同；
否则，判定待判识区域的地形与微地形类型已知的电网覆冰微地形区域的微地形类型不同。
本发明提出的一种电网覆冰微地形自动识别系统包括：
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现本发明提出的电网覆冰微地形自动识别方法的步骤。
与现有技术相比，本发明的优点在于：
本发明提供的电网覆冰微地形自动识别方法及系统，通过获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据,根据微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵,根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量,根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数,根据微地形系数和高程矩阵，获得微地形类型已知的电网覆冰微地形区域的典型高程特征，根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别，解决了现有技术不能对电网覆冰微地形进行自动识别的技术问题，实现了电网覆冰微地形的自动识别，不仅识别速度快，而且识别精度高。
附图说明
图1是本发明实施例一的电网覆冰微地形自动识别方法的流程图；
图2是本发明实施例二的电网覆冰微地形自动识别方法的流程图；
图3是本发明实施例三的电网覆冰微地形自动识别方法的流程图；；
图4是本发明实施例的电网覆冰微地形自动识别系统框图。
附图标记：
10、存储器；20、处理器。
具体实施方式
为了便于理解本发明，下文将结合说明书附图和较佳的实施例对本发明作更全面、细致地描述，但本发明的保护范围并不限于以下具体的实施例。
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一
参照图1，本发明实施例一提供的电网覆冰微地形自动识别方法，包括：
步骤S101，获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据；
步骤S102，根据微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵；
步骤S103，根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量；
步骤S104，根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数；
步骤S105，根据微地形系数和高程矩阵，获得微地形类型已知的电网覆冰微地形区域的典型高程特征；
步骤S106，根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别。
本发明实施例提供的电网覆冰微地形自动识别方法，通过获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据,根据微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵,根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量,根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数,根据微地形系数和高程矩阵，获得微地形类型已知的电网覆冰微地形区域的典型高程特征以及根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别，解决了现有技术不能对电网覆冰微地形进行自动识别的技术问题，实现了电网覆冰微地形的自动识别，不仅识别速度快，而且识别精度高。
具体地，在真实的地形环境中，同一种微地形类型的地形高程会有千差万别，采用正交函数分解的方法，能够去除已识别的该类微地形中地形高程的差异部分，而保留该微地形类型的共同特征，即能够准确的提取出微地形的典型高程特征，得到该种微地形的较为客观的三维高程的描述。
本发明实施例能够根据已经识别出的微地形的地形高程数据，提取出特定微地形的高程特征，并用于电网覆冰微地形的自动判识。对于识别出来的微地形区域，一方面可以指导加强覆冰期内区域的覆冰观测，另一方面可依据该微地形的地形和气象特征进行覆冰厚度的精细化预测，提升微地形区域内的输电线路应对覆冰的能力，进而减少冰害故障，保障电网的安全稳定运行。
实施例二
参照图2，本发明实施例二提供的电网覆冰微地形自动识别方法，包括：
步骤S201，获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据。
具体地，本实施例实现对电网覆冰微地形的自动识别主要是通过对比待判识区域的地形以及已识别出微地形的地形，因此为了有效地实现对电网覆冰微地形的自动识别，需要获取多个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据。
步骤S202，从微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据中取出n个网格点高程数据，获得n个第一初始矩阵。
具体地，本发明实施例首先从微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据中取出n个该类型微地形的t*s网格点高程数据，获得n个第一初始矩阵。其中，t为南北向格点数，s为东西向格点数，第i个第一初始矩阵具体为：
步骤S203，根据第一初始矩阵中元素的相关系数，对第一初始矩阵进行降维，获得第二初始矩阵。
具体地，对上述n个第一初始矩阵元素进行重排序和取舍，使得n个第一初始矩阵元素有最大的相关系数，得到n个p×q维的矩阵，具体为：
步骤S204，根据n个第二初始矩阵，获得高程矩阵。
具体地，将上述n个p×q维的矩阵均按照顺序，转换成列向量，即为：
其中向量为向量的转置；
再将n个列向量组合成一个pq×n维的高程矩阵，具体为：
步骤S205，根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量。
根据步骤S204获得的高程矩阵，构造一个实对称矩阵S，使得S＝XXT。根据实对称矩阵分解原理将S分解成S＝VΛVT的形式，其中：
式中，s为p与q的乘积；V的列为S的特征向量；Λ为S的特征值组成的对角矩阵，且有λ1＞λ2＞...＞λs≥0。
步骤S206，根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数。
根据高程矩阵，以及实对称矩阵的特征向量，构造微地形系数矩阵，微地形系数矩阵具体为：
其中，Z为微地形系数矩阵，V的列为实对称矩阵的特征向量，VT为V的转置，X为高程矩阵；
根据微地形系数矩阵，获得微地形系数，微地形系数具体为：
z1＝(z11 z12 ... z1n)。
步骤S207，基于微地形系数，采用最小二乘法拟合的方法，对高程矩阵进行拟合，从而获得微地形类型已知的电网覆冰微地形区域的典型高程特征。
具体地，本发明实施例利用z1和原始高程数据矩阵X，进行最小二乘法拟合，得到列向量和矩阵满足：
所得的列向量即为该种微地形的典型高程特征。
步骤S208，采用反距离权重法对待判识区域的网格离散化地形高程数据进行插值，获得高程列向量。
具体地，本发明实施例收集需要判定微地形类型的区域的高程数据，采用反距离权重法对高程数据进行插值。本实施例的反距离权重法是指对于在一个已知数据为分布在均匀网格点上的二维场，计算一个非格网点上的值时，采用与该点最为临近的四个网格点上的数值进行插值计算的方法，其中当某个格点距离所要求的点的距离最小时，该网格点在计算时所取的权重最大，而当某个网格点距离所要求的点最远时，该网格点在即算是所取的权重最小。
具体公式如下：
其中，下标i表示第i个网格点(i＝1,2,3,4),di1，di2，di3，di4为原始高程数据所在网格点与插值后的第i个监测点最近的四个格点的距离，ai1，ai2，ai3，ai4为相应网格点上的高程值。
得到p×q维的高程矩阵Ax，转换成列向量：
A'＝(a'11,a'12,...,a'1q,a'21,a'22,...,a'2q,...,a'p1,a'p2,...,a'pq)T。
步骤S209，根据高程列向量和微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数，对待判识区域的地形进行识别。
具体地，本实施例通过判断高程列向量和微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数，也即A'与向量的相关系数，对待判识区域的地形进行识别。
当相关系数大于0.5，则判定待判识区域的地形与微地形类型已知的电网覆冰微地形区域的微地形类型相同，否则，判定待判识区域的地形与微地形类型已知的电网覆冰微地形区域的微地形类型不相同。
当需要对大范围区域的微地形的自动判识时，可通过重复步骤S208、步骤S209实现。
本发明提供的电网覆冰微地形自动识别方法，通过获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据,根据微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵,根据高程矩阵，构造实对称矩阵，并对实对称矩阵进行特征分解，获得实对称矩阵的特征值和特征向量,根据高程矩阵，以及实对称矩阵的特征向量，获得微地形系数,根据微地形系数和高程矩阵，获得微地形类型已知的电网覆冰微地形区域的典型高程特征以及根据待判识区域的网格离散化地形高程数据，以及微地形类型已知的电网覆冰微地形区域的典型高程特征，对待判识区域的地形进行识别，解决了现有技术不能对电网覆冰微地形进行自动识别的技术问题，实现了电网覆冰微地形的自动识别，不仅识别速度快，而且识别精度高。
此外，本实施例通过对由高程矩阵构成的实对称矩阵进行特征分解，并基于分解后得到的特征向量，可以获得微地形系数，从而有利于准确提取微地形类型已知的电网覆冰微地形区域的典型高程特征，进一步提高了电网覆冰微地形的识别精度。
实施例三
参照图3，本发明实施例三提供的电网覆冰微地形自动识别方法，包括：
步骤1：收集中国区域的30×30m分辨率的地形高程数据，收集已经识别出来的地形抬升、高山分水岭、垭口、峡谷风道和水体等微地形的高程数据各若干个。
步骤2：选择需要识别的微地形为垭口，从已经识别出来的垭口微地形高程数据中抽取30组高程数据；通过最大相似度来旋转坐标方位，得到30个500×500的矩阵。
步骤3：将步骤2中30个矩阵的元素各自分别写成一列，并组合在一起，形成一个250000×30的矩阵X。
步骤4：构造实对称矩阵S满足S＝XXT，对S进行正交分解，得到的对角矩阵Λ和特征向量矩阵V，其中矩阵Λ的对角线上元素，具体见表1：
表1
步骤5：利用特征向量矩阵V构造微地形系数矩阵：
其中第一行元素组成的行向量即为微地形系数，其各元素的值列表，具体见表2：
表2
| z<sub>11</sub> | 1.046906 | z<sub>111</sub> | 1.133817 | z<sub>121</sub> | 1.590999 |
| z<sub>12</sub> | -0.65946 | z<sub>112</sub> | -0.01247 | z<sub>122</sub> | 1.331071 |
| z<sub>13</sub> | 0.965353 | z<sub>113</sub> | 1.230958 | z<sub>123</sub> | 0.05943 |
| z<sub>14</sub> | 0.354606 | z<sub>114</sub> | 0.188884 | z<sub>124</sub> | 0.704819 |
| z<sub>15</sub> | -0.97278 | z<sub>115</sub> | 1.797967 | z<sub>125</sub> | 1.651724 |
| z<sub>16</sub> | 0.63374 | z<sub>116</sub> | -1.54695 | z<sub>126</sub> | 0.216637 |
| z<sub>17</sub> | -0.73205 | z<sub>117</sub> | 0.144307 | z<sub>127</sub> | 0.542246 |
| z<sub>18</sub> | -1.5024 | z<sub>118</sub> | 0.038755 | z<sub>128</sub> | 1.497865 |
| z<sub>19</sub> | -1.7197 | z<sub>119</sub> | 0.760265 | z<sub>129</sub> | 0.49854 |
| z<sub>110</sub> | -0.52486 | z<sub>120</sub> | 0.90991 | z<sub>130</sub> | -0.38231 |
步骤6：利用高程数据矩阵X中的元素对步骤5得到的微地形系数进行最小二乘法拟合，得到典型高程矩阵其中各元素的值，具体见表3：
表3
步骤7：从需要判定微地形的大尺度地形中，从网格的左下角第一个格点开始选取700×700的网格点，进行旋转和插值得到500×500的高程数据，具体见表4：
表4
步骤8：计算步骤7得到的高程数据与步骤6得到的典型高程数据相关系数，为0.7394。相关系数大于0.5，即判定该选定的区域为垭口微地形。
步骤9：从需要判定的大尺度地形高程数据中，从左下角的第701个格点开始，选取700×700的格点数据，重复步骤7和步骤8，判断该区域是否为垭口微地形。
参照图4，本发明实施例提出的电网覆冰微地形自动识别系统，包括：
存储器10、处理器20以及存储在存储器10上并可在处理器20上运行的计算机程序，其中，处理器20执行计算机程序时实现本实施例提出的电网覆冰微地形自动识别方法的步骤。
本实施例的电网覆冰微地形自动识别系统的具体工作过程和工作原理可参照本实施例中的电网覆冰微地形自动识别方法的工作过程和工作原理。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种电网覆冰微地形自动识别方法，其特征在于，所述方法包括：
获取至少一个微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据；
根据所述微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵；
根据所述高程矩阵，构造实对称矩阵，并对所述实对称矩阵进行特征分解，获得所述实对称矩阵的特征值和特征向量；
根据所述高程矩阵，以及所述实对称矩阵的特征向量，获得微地形系数；
根据所述微地形系数和所述高程矩阵，获得所述微地形类型已知的电网覆冰微地形区域的典型高程特征；
根据待判识区域的网格离散化地形高程数据，以及所述微地形类型已知的电网覆冰微地形区域的典型高程特征，对所述待判识区域的地形进行识别。
2.根据权利要求1所述的电网覆冰微地形自动识别方法，其特征在于，根据所述微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据，获得高程矩阵包括：
从所述微地形类型已知的电网覆冰微地形区域的网格离散化地形高程数据中取出n个网格点高程数据，获得n个第一初始矩阵；
根据所述第一初始矩阵中元素的相关系数，对所述第一初始矩阵进行降维，获得第二初始矩阵；
根据n个所述第二初始矩阵，获得高程矩阵。
3.根据权利要求1或2所述的电网覆冰微地形自动识别方法，其特征在于，根据所述高程矩阵，以及所述实对称矩阵的特征向量，获得微地形系数包括：
根据所述高程矩阵，以及所述实对称矩阵的特征向量，构造微地形系数矩阵，所述微地形系数矩阵具体为：
其中，Z为微地形系数矩阵，V的列为所述实对称矩阵的特征向量，VT为V的转置，X为高程矩阵；
根据所述微地形系数矩阵，获得微地形系数，所述微地形系数具体为：
z1＝(z11 z12...z1n)。
4.根据权利要求3所述的电网覆冰微地形自动识别方法，其特征在于，根据所述微地形系数和所述高程矩阵，获得所述微地形类型已知的电网覆冰微地形区域的典型高程特征包括：
基于所述微地形系数，采用最小二乘法拟合的方法，对所述高程矩阵进行拟合，从而获得所述微地形类型已知的电网覆冰微地形区域的典型高程特征。
5.根据权利要求4所述的电网覆冰微地形自动识别方法，其特征在于，根据待判识区域的网格离散化地形高程数据，以及所述微地形类型已知的电网覆冰微地形区域的典型高程特征，对所述待判识区域的地形进行识别包括：
采用反距离权重法对待判识区域的网格离散化地形高程数据进行插值，获得高程列向量；
根据所述高程列向量和所述微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数，对所述待判识区域的地形进行识别。
6.根据权利要求5所述的电网覆冰微地形自动识别方法，其特征在于，根据所述高程列向量和所述微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数，对所述待判识区域的地形进行识别包括：
判断所述高程列向量和所述微地形类型已知的电网覆冰微地形区域的典型高程特征之间的相关系数是否大于预设阈值，若是，则判定所述待判识区域的地形与所述微地形类型已知的电网覆冰微地形区域的微地形类型相同；
否则，判定所述待判识区域的地形与所述微地形类型已知的电网覆冰微地形区域的微地形类型不同。
7.一种电网覆冰微地形自动识别系统，其特征在于，所述系统包括：
存储器(10)、处理器(20)以及存储在存储器(10)上并可在处理器(20)上运行的计算机程序，所述处理器(20)执行所述计算机程序时实现上述权利要求1至6任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910801952.6A CN110503064B (zh) | 2019-08-28 | 2019-08-28 | 一种电网覆冰微地形自动识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910801952.6A CN110503064B (zh) | 2019-08-28 | 2019-08-28 | 一种电网覆冰微地形自动识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110503064A true CN110503064A (zh) | 2019-11-26 |
| CN110503064B CN110503064B (zh) | 2021-11-02 |
Family
ID=68590129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910801952.6A Active CN110503064B (zh) | 2019-08-28 | 2019-08-28 | 一种电网覆冰微地形自动识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110503064B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889559A (zh) * | 2019-12-05 | 2020-03-17 | 国网湖南省电力有限公司 | 电网舞动典型垭口微地形区域的判识方法及系统 |
| CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
| CN113822370A (zh) * | 2021-09-28 | 2021-12-21 | 国网湖南省电力有限公司 | 基于经验正交函数分析的典型舞动微地形的分类方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101900546A (zh) * | 2009-05-27 | 2010-12-01 | 中国科学院地理科学与资源研究所 | 对地球表面地形地貌离散表达的数字高程模型的构建方法 |
| US7872647B2 (en) * | 2002-07-19 | 2011-01-18 | Rockwell Collins Simulation And Training Solutions Llc | System and method for modeling a spheroid world database |
| CN105957154A (zh) * | 2016-04-28 | 2016-09-21 | 中国科学院计算技术研究所 | 一种数据驱动的三维模型编辑方法及系统 |
| CN108595872A (zh) * | 2018-05-07 | 2018-09-28 | 深圳供电局有限公司 | 一种电网在线安全稳定分析方法 |
| CN109118583A (zh) * | 2018-08-23 | 2019-01-01 | 中国科学院电子学研究所苏州研究院 | 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法 |
| EP3454303A1 (en) * | 2017-07-26 | 2019-03-13 | Xinjiang Goldwind Science & Technology Co., Ltd. | Filling method and device for invalid region of terrain elevation model data |
-
2019
- 2019-08-28 CN CN201910801952.6A patent/CN110503064B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7872647B2 (en) * | 2002-07-19 | 2011-01-18 | Rockwell Collins Simulation And Training Solutions Llc | System and method for modeling a spheroid world database |
| CN101900546A (zh) * | 2009-05-27 | 2010-12-01 | 中国科学院地理科学与资源研究所 | 对地球表面地形地貌离散表达的数字高程模型的构建方法 |
| CN105957154A (zh) * | 2016-04-28 | 2016-09-21 | 中国科学院计算技术研究所 | 一种数据驱动的三维模型编辑方法及系统 |
| EP3454303A1 (en) * | 2017-07-26 | 2019-03-13 | Xinjiang Goldwind Science & Technology Co., Ltd. | Filling method and device for invalid region of terrain elevation model data |
| CN108595872A (zh) * | 2018-05-07 | 2018-09-28 | 深圳供电局有限公司 | 一种电网在线安全稳定分析方法 |
| CN109118583A (zh) * | 2018-08-23 | 2019-01-01 | 中国科学院电子学研究所苏州研究院 | 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| SALLES V. G. DE MAGALHAES 等: "Heuristics to Site Observers in a Terrain Represented by a Digital Elevation Matrix", 《PROCEEDINGS XI GEOINFO》 * |
| 王若成: "从高程数据中提取目标地形坡度和粗糙度方法研究", 《微电子学与计算机》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889559A (zh) * | 2019-12-05 | 2020-03-17 | 国网湖南省电力有限公司 | 电网舞动典型垭口微地形区域的判识方法及系统 |
| CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
| CN113176420B (zh) * | 2021-02-08 | 2024-03-12 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
| CN113822370A (zh) * | 2021-09-28 | 2021-12-21 | 国网湖南省电力有限公司 | 基于经验正交函数分析的典型舞动微地形的分类方法及系统 |
| CN113822370B (zh) * | 2021-09-28 | 2024-01-12 | 国网湖南省电力有限公司 | 基于经验正交函数分析的典型舞动微地形的分类方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110503064B (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503064A (zh) | 一种电网覆冰微地形自动识别方法及系统 | |
| Saeed et al. | Comparison of six different methods of Weibull distribution for wind power assessment: A case study for a site in the Northern region of Pakistan | |
| Villacreses et al. | Wind farms suitability location using geographical information system (GIS), based on multi-criteria decision making (MCDM) methods: The case of continental Ecuador | |
| CN110334391B (zh) | 一种多维度约束风电场集电线路自动规划方法 | |
| Pillot et al. | An integrated GIS and robust optimization framework for solar PV plant planning scenarios at utility scale | |
| Zhang et al. | Urban construction land suitability evaluation based on improved multi-criteria evaluation based on GIS (MCE-GIS): Case of New Hefei City, China | |
| KR101316576B1 (ko) | 풍력발전소 적지 분석 시스템 및 방법 | |
| CN104463700B (zh) | 一种基于数据挖掘技术的输电线路杆塔雷击风险评估方法 | |
| CN109064057B (zh) | 一种配网线路雷电参数相对值的风险评估方法 | |
| CN103018604A (zh) | 一种电网设施雷击风险的评估方法及其装置 | |
| EP3841301B1 (en) | Method for determining a wind turbine layout | |
| Rousta et al. | Analysis of spatial autocorrelation patterns of heavy and super-heavy rainfall in Iran | |
| WO2022011728A1 (zh) | 一种面向遥相关模式的空间自相关聚类方法 | |
| CN105956934A (zh) | 基于模糊综合评价法的电网山火及覆冰灾害安全评价方法 | |
| CN109359882B (zh) | 一种台风灾害下输电线路跳闸风险评估方法 | |
| CN112052544A (zh) | 风电场集电网络设计方法、系统、存储介质及计算设备 | |
| CN105138729B (zh) | 基于pso‑grnn风电场风电机缺损风速值填充方法 | |
| CN115795792A (zh) | 一种研究南大洋中尺度涡旋个数季节变化规律的方法 | |
| CN110097243A (zh) | 确定风电场中的代表风力发电机组的方法和装置 | |
| CN116933679A (zh) | 流域的水生态安全格局构建方法、装置、设备及存储介质 | |
| CN114462333A (zh) | 配网线路局域微地形风场分布模拟方法、装置及设备 | |
| Heckenbergerová et al. | Estimation of wind direction distribution with genetic algorithms | |
| Das et al. | GIS based multi-criteria land suitability assessment for future urban development in the Country Park peripheries of Hong Kong | |
| CN109685395B (zh) | 一种泄洪雾化环境影响综合分析方法及系统 | |
| CN111259092B (zh) | 背风区识别方法和设备 |
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 |