CN112926863A - 基于六大预警中心的电网灾害综合监测系统 - Google Patents
基于六大预警中心的电网灾害综合监测系统 Download PDFInfo
- Publication number
- CN112926863A CN112926863A CN202110241701.4A CN202110241701A CN112926863A CN 112926863 A CN112926863 A CN 112926863A CN 202110241701 A CN202110241701 A CN 202110241701A CN 112926863 A CN112926863 A CN 112926863A
- Authority
- CN
- China
- Prior art keywords
- early warning
- disaster
- power grid
- data
- curve
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 230000010354 integration Effects 0.000 claims abstract description 31
- 238000011161 development Methods 0.000 claims abstract description 14
- 238000013500 data storage Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 15
- 230000018109 developmental process Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 239000011248 coating agent Substances 0.000 claims description 8
- 238000000576 coating method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 208000025274 Lightning injury Diseases 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Abstract
本发明公开了基于六大预警中心的电网灾害综合监测系统，涉及电网灾害预警技术领域，解决了现有方案中使用的基础数据不够准确，不利于电网灾害预警的技术问题；本发明设置了数据整合模块，该设置按照设定周期获取自然灾害预警中心对应的预测数据图并进行整合分析，为本发明的综合分析提供基础数据，有助于提高本发明的预警准确度和预警效率；本发明设置了发展分析模块，该设置根据电力相关数据获取电力相关曲线，为本发明的综合分析提供参考数据，将电力相关数据考虑进去，有助于提高本发明的电网灾害预警精度；本发明设置了综合分析模块，该设置保证了基础数据的丰富性和准确性，保证了电网灾害能够被及时精准地预测。
Description
技术领域
本发明属于电网灾害预警领域，涉及数据分析技术，具体是基于六大预警中心的电网灾害综合监测系统。
背景技术
电网灾害包括风灾、雷害、冰灾、地质灾害、火灾等一系列的灾害。目前电网规划的现状是主要考虑电气结构的优化，不能结合现有的灾害预警中心对电网灾害进行综合预警。
公开号为CN103150630A的发明专利提供了一种基于多方位信息的电网灾害预警辅助系统，包括中央服务器计算机系统、数据处理计算机系统、指标分析计算机系统和独立的子系统；中央服务器计算机系统通过数据处理计算机系统从原来个子独立的子系统中抽取必要的电网信息数据、必要的灾害信息数据以及必要的地域、政治、经济重要性数据，并以统一格式实现数据的交互、集成，形成共享，供电网规划技术人员从终端计算机上下载使用；数据处理计算机系统与中央服务器计算机系统连接，为协助中央服务器计算机系统调取必要的电网信息数据、必要的灾害信息数据以及必要的地域、政治、经济重要性数据。
上述方案以数据仓库的方式，把电网信息、灾害信息和地域政治经济重要性信息集中起来统一管理，采用统一的信息标准编码和数据标准，形成具有可扩充和可集成应用的同一平台；将灾害信息、地域政治经济重要性信息等非电网信息和电网数据信息同时提供给电网规划技术人员，从而使技术人员在拟订备选方案时就能同时将电气因素和非电气因素考虑进去，提高规划方案的质量；但是，上述方案中所使用的电网信息、灾害信息和地域政治经济重要性信息的获取较为复杂，不利于电网灾害信息的预警；因此，上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题，本发明提供了基于六大预警中心的电网灾害综合监测系统。
本发明的目的可以通过以下技术方案实现：基于六大预警中心的电网灾害综合监测系统，包括处理器、数据整合模块、发展分析模块、综合分析模块、灾害预测模块、预警调度模块和数据存储模块；
所述数据整合模块与自然灾害预警中心通信连接；所述数据整合模块按照设定周期获取自然灾害预警中心对应的预测数据图并进行整合分析；所述设定周期包括一天和一星期；
所述综合分析模块用于对监测区域的电网灾害进行综合分析，包括：
当综合分析模块接收到原始灾害图像和电力相关曲线时，根据监测范围图中的地理坐标提取原始灾害图像中对应的覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级，并将覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级分别标记为FD、SD、WD、LD、FD和DD；所述电力相关曲线包括电力单价曲线、GDP变化曲线和电力供求系数曲线；
通过公式
获取灾害评估系数ZPX；其中α1为比例系数，且α1为大于0的实数；
获取电力相关曲线的一阶导函数，获取一阶导函数为0时的时刻并标记为极值时刻；获取电力相关曲线的二阶导函数，当二阶导函数在极值时刻大于0时，则将极值时刻带入电力相关曲线中获取最大值，当二阶导函数在极值时刻小于0时，则将极值时刻带入电力相关曲线中获取最小值；获取最大值和最小值两点之间的斜率绝对值并标记为XL；
当灾害评估系数ZPX满足ZPX≥L1，且斜率绝对值XL满足XL≥L2时，则判定对应的地理坐标点发生电网灾害；当灾害评估系数ZPX满足0<ZPX<L1，且斜率绝对值XL满足0<XL<L2时，则判定对应的地理坐标点未发生电网灾害；其中L1和L2分别为灾害评估系数阈值和斜率绝对值阈值，且L1和L2均为大于0的实数；
通过未发生灾害和发生灾害的地理坐标点结合第三方GIS平台生成电网灾害预警图；所述电网灾害预警图中未发生电网灾害的地理坐标点标记为绿色，发生电网灾害的地理坐标点标记为红色，剩余的地理坐标点标记为黄色；
通过处理器将电网灾害预警图分别发送至调度模块和数据存储模块。
优选的，所述灾害预测模块用于获取监测区域的电网灾害预测图，包括：
通过数据存储模块获取电网灾害历史数据，所述电网灾害历史数据包括电网灾害预警图中地理坐标点对应的电力单价、GDP、电力供求系数、覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级；
构建人工智能模型；所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络；
将电网灾害历史数据按照设定比例划分为训练集和测试集；所述设定比例包括4:1、3:1和5:2；
将训练集和测试集经过数据归一化处理之后输入至人工智能模型进行训练和测试；当人工智能模型的学习精度达到目标精度时，则判定人工智能模型完成训练，将训练完成的人工智能模型标记为预测模型；
获取电网灾害预测数据，所述电网灾害预测数据包括预测的电力单价、GDP、电力供求系数、覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级；
将电网灾害预测数据经过数据归一化处理之后输入至预测模型获取输出结果，所述输出结果为电网灾害预测数据对应地理坐标点的颜色；
根据输出结果生成电网灾害预测图；将电网灾害预测图分别发送至数据存储模块和预警调度模块。
优选的，所述预警调度模块用于调度工作人员，包括：
获取电网预警图中红色地理坐标点的坐标并标记为目标位置；所述电网预警图包括电网灾害预警图和电网灾害预测图；
获取工作人员的位置并标记为初始位置；通过第三方地图平台规划初始位置和目标位置之间的路线；所述第三方地图平台包括高德地图、腾讯地图和百度地图；
将路线发送至工作人员的智能终端；所述智能终端包括智能手机、平板电脑和笔记本电脑；
并将工作人员的位置实时显示在电网预警图中。
优选的，所述发展分析模块用于分析监测区域的电力相关数据，包括：
按照设定周期获取监测区域的电力单价、GDP和电力供求系数；
以获取时间为自变量，分别以电力单价、GDP和电力供求系数为因变量进行N阶多项式拟合获取电力单价曲线、GDP变化曲线和电力供求系数曲线；其中N≥3；
获取电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的二阶导数，当二阶导数为0时，则判定对应的曲线不满足要求，则通过线性插值法扩展数据，并通过N阶多项式拟合重新获取对应的曲线；当电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的决定系数均小于等于0.95时，则判定对应的曲线不满足要求，并通过N+1阶多项式拟合获取对应的曲线；
将满足要求的电力单价曲线、GDP变化曲线和电力供求系数曲线通过处理器发送至综合分析模块和数据存储模块。
优选的，对所述预测数据图进行整合分析的具体步骤包括：
获取监测区域的地理范围图，所述地理范围图中每个像素点均对应一个地理坐标；
通过自然灾害预警中心获取预测数据图；
通过第三方GIS平台读取地理范围图和预测数据图，根据地理范围图的像素点坐标对预测数据图进行几何校正、重采样和分割；所述第三方GIS平台包括ArcGIS和ENVI；
将经过几何校正和分割之后的预测数据图按照设定次序进行叠层获取原始灾害图像；
通过处理器将原始灾害图像分别发送至综合分析模块和数据存储模块。
优选的，所述电力相关数据包括电力单价、监测区域的GDP和电力供求系数；所述电力供求系数是电力需求总量与电力供给总量的比值。
优选的，所述自然灾害预警中心包括覆冰预警中心、山火预警中心、舞动预警中心、雷电预警中心、台风预警中心和地质灾害预警中心；所述自然灾害预警中心通过WebService技术为数据整合模块提供对应的预测数据图；所述预测数据图包括覆冰预测分布图、山火预测分布图、舞动广域风险预测图、雷击点按时分色分布图、台风广域风险预测图和地质灾害广域风险预测图；所述预测数据图中包括发布时间和风险等级。
优选的，所述处理器分别与数据整合模块、发展分析模块、综合分析模块、灾害预测模块、预警调度模块和数据存储模块通信连接；所述预警调度模块分别与数据存储模块和灾害预测模块通信连接，所述综合分析模块分别与数据整合模块、发展分析模块和数据整合模块通信连接。
与现有技术相比，本发明的有益效果是：
1、本发明设置了数据整合模块，该设置与自然灾害预警中心通信连接；数据整合模块按照设定周期获取自然灾害预警中心对应的预测数据图并进行整合分析，为本发明的综合分析提供基础数据，有助于提高本发明的预警准确度和预警效率；
2、本发明设置了发展分析模块，该设置用于分析监测区域的电力相关数据；发展分析模块根据电力相关数据获取电力相关曲线，为本发明的综合分析提供参考数据，将电力相关数据考虑进去，有助于提高本发明的电网灾害预警精度；
3、本发明设置了综合分析模块，该设置用于对监测区域的电网灾害进行综合分析；综合分析模块结合电力相关曲线和原始灾害图像对监测区域的电网灾害完成预警，保证了基础数据的丰富性和准确性，保证了电网灾害能够被及时精准地预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，基于六大预警中心的电网灾害综合监测系统，包括处理器、数据整合模块、发展分析模块、综合分析模块、灾害预测模块、预警调度模块和数据存储模块；
数据整合模块与自然灾害预警中心通信连接；数据整合模块按照设定周期获取自然灾害预警中心对应的预测数据图并进行整合分析；设定周期包括一天和一星期；
综合分析模块用于对监测区域的电网灾害进行综合分析，包括：
当综合分析模块接收到原始灾害图像和电力相关曲线时，根据监测范围图中的地理坐标提取原始灾害图像中对应的覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级，并将覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级分别标记为FD、SD、WD、LD、FD和DD；电力相关曲线包括电力单价曲线、GDP变化曲线和电力供求系数曲线；
通过公式
获取灾害评估系数ZPX；其中α1为比例系数，且α1为大于0的实数；
获取电力相关曲线的一阶导函数，获取一阶导函数为0时的时刻并标记为极值时刻；获取电力相关曲线的二阶导函数，当二阶导函数在极值时刻大于0时，则将极值时刻带入电力相关曲线中获取最大值，当二阶导函数在极值时刻小于0时，则将极值时刻带入电力相关曲线中获取最小值；获取最大值和最小值两点之间的斜率绝对值并标记为XL；
当灾害评估系数ZPX满足ZPX≥L1，且斜率绝对值XL满足XL≥L2时，则判定对应的地理坐标点发生电网灾害；当灾害评估系数ZPX满足0<ZPX<L1，且斜率绝对值XL满足0<XL<L2时，则判定对应的地理坐标点未发生电网灾害；其中L1和L2分别为灾害评估系数阈值和斜率绝对值阈值，且L1和L2均为大于0的实数；
通过未发生灾害和发生灾害的地理坐标点结合第三方GIS平台生成电网灾害预警图；电网灾害预警图中未发生电网灾害的地理坐标点标记为绿色，发生电网灾害的地理坐标点标记为红色，剩余的地理坐标点标记为黄色；
通过处理器将电网灾害预警图分别发送至调度模块和数据存储模块。
进一步地，灾害预测模块用于获取监测区域的电网灾害预测图，包括：
通过数据存储模块获取电网灾害历史数据，电网灾害历史数据包括电网灾害预警图中地理坐标点对应的电力单价、GDP、电力供求系数、覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级；
构建人工智能模型；人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络；
将电网灾害历史数据按照设定比例划分为训练集和测试集；设定比例包括4:1、3:1和5:2；
将训练集和测试集经过数据归一化处理之后输入至人工智能模型进行训练和测试；当人工智能模型的学习精度达到目标精度时，则判定人工智能模型完成训练，将训练完成的人工智能模型标记为预测模型；
获取电网灾害预测数据，电网灾害预测数据包括预测的电力单价、GDP、电力供求系数、覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级；
将电网灾害预测数据经过数据归一化处理之后输入至预测模型获取输出结果，输出结果为电网灾害预测数据对应地理坐标点的颜色；
根据输出结果生成电网灾害预测图；将电网灾害预测图分别发送至数据存储模块和预警调度模块。
进一步地，预警调度模块用于调度工作人员，包括：
获取电网预警图中红色地理坐标点的坐标并标记为目标位置；电网预警图包括电网灾害预警图和电网灾害预测图；
获取工作人员的位置并标记为初始位置；通过第三方地图平台规划初始位置和目标位置之间的路线；第三方地图平台包括高德地图、腾讯地图和百度地图；
将路线发送至工作人员的智能终端；智能终端包括智能手机、平板电脑和笔记本电脑；
并将工作人员的位置实时显示在电网预警图中。
进一步地，发展分析模块用于分析监测区域的电力相关数据，包括：
按照设定周期获取监测区域的电力单价、GDP和电力供求系数；
以获取时间为自变量，分别以电力单价、GDP和电力供求系数为因变量进行N阶多项式拟合获取电力单价曲线、GDP变化曲线和电力供求系数曲线；其中N≥3；
获取电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的二阶导数，当二阶导数为0时，则判定对应的曲线不满足要求，则通过线性插值法扩展数据，并通过N阶多项式拟合重新获取对应的曲线；当电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的决定系数均小于等于0.95时，则判定对应的曲线不满足要求，并通过N+1阶多项式拟合获取对应的曲线；
将满足要求的电力单价曲线、GDP变化曲线和电力供求系数曲线通过处理器发送至综合分析模块和数据存储模块。
进一步地，对预测数据图进行整合分析的具体步骤包括：
获取监测区域的地理范围图，地理范围图中每个像素点均对应一个地理坐标；
通过自然灾害预警中心获取预测数据图；
通过第三方GIS平台读取地理范围图和预测数据图，根据地理范围图的像素点坐标对预测数据图进行几何校正、重采样和分割；第三方GIS平台包括ArcGIS和ENVI；
将经过几何校正和分割之后的预测数据图按照设定次序进行叠层获取原始灾害图像；
通过处理器将原始灾害图像分别发送至综合分析模块和数据存储模块。
进一步地，电力相关数据包括电力单价、监测区域的GDP和电力供求系数；电力供求系数是电力需求总量与电力供给总量的比值。
进一步地，自然灾害预警中心包括覆冰预警中心、山火预警中心、舞动预警中心、雷电预警中心、台风预警中心和地质灾害预警中心；自然灾害预警中心通过Web Service技术为数据整合模块提供对应的预测数据图；预测数据图包括覆冰预测分布图、山火预测分布图、舞动广域风险预测图、雷击点按时分色分布图、台风广域风险预测图和地质灾害广域风险预测图；预测数据图中包括发布时间和风险等级。
进一步地，处理器分别与数据整合模块、发展分析模块、综合分析模块、灾害预测模块、预警调度模块和数据存储模块通信连接；预警调度模块分别与数据存储模块和灾害预测模块通信连接，综合分析模块分别与数据整合模块、发展分析模块和数据整合模块通信连接。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
获取监测区域的地理范围图，所述地理范围图中每个像素点均对应一个地理坐标；通过自然灾害预警中心获取预测数据图；通过第三方GIS平台读取地理范围图和预测数据图，根据地理范围图的像素点坐标对预测数据图进行几何校正、重采样和分割；将经过几何校正和分割之后的预测数据图按照设定次序进行叠层获取原始灾害图像；
按照设定周期获取监测区域的电力单价、GDP和电力供求系数；以获取时间为自变量，分别以电力单价、GDP和电力供求系数为因变量进行N阶多项式拟合获取电力单价曲线、GDP变化曲线和电力供求系数曲线；；获取电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的二阶导数，当二阶导数为0时，则判定对应的曲线不满足要求，则通过线性插值法扩展数据，并通过N阶多项式拟合重新获取对应的曲线；当电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的决定系数均小于等于0.95时，则判定对应的曲线不满足要求，并通过N+1阶多项式拟合获取对应的曲线；
当综合分析模块接收到原始灾害图像和电力相关曲线时，根据监测范围图中的地理坐标提取原始灾害图像中对应的覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级，并将覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级分别标记为FD、SD、WD、LD、FD和DD；获取灾害评估系数ZPX；获取电力相关曲线的一阶导函数，获取一阶导函数为0时的时刻并标记为极值时刻；获取电力相关曲线的二阶导函数，当二阶导函数在极值时刻大于0时，则将极值时刻带入电力相关曲线中获取最大值，当二阶导函数在极值时刻小于0时，则将极值时刻带入电力相关曲线中获取最小值；获取最大值和最小值两点之间的斜率绝对值并标记为XL；当灾害评估系数ZPX满足ZPX≥L1，且斜率绝对值XL满足XL≥L2时，则判定对应的地理坐标点发生电网灾害；当灾害评估系数ZPX满足0<ZPX<L1，且斜率绝对值XL满足0<XL<L2时，则判定对应的地理坐标点未发生电网灾害；通过未发生灾害和发生灾害的地理坐标点结合第三方GIS平台生成电网灾害预警图；所述电网灾害预警图中未发生电网灾害的地理坐标点标记为绿色，发生电网灾害的地理坐标点标记为红色，剩余的地理坐标点标记为黄色。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (6)
1.基于六大预警中心的电网灾害综合监测系统，其特征在于，包括处理器、数据整合模块、发展分析模块、综合分析模块、灾害预测模块、预警调度模块和数据存储模块；
所述数据整合模块与自然灾害预警中心通信连接；所述数据整合模块按照设定周期获取自然灾害预警中心对应的预测数据图并进行整合分析；所述设定周期包括一天和一星期；
所述综合分析模块用于对监测区域的电网灾害进行综合分析，包括：
当综合分析模块接收到原始灾害图像和电力相关曲线时，根据监测范围图中的地理坐标提取原始灾害图像中对应的覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级，并将覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级分别标记为FD、SD、WD、LD、FD和DD；所述电力相关曲线包括电力单价曲线、GDP变化曲线和电力供求系数曲线；
通过公式
获取灾害评估系数ZPX；其中α1为比例系数，且α1为大于0的实数；
获取电力相关曲线的一阶导函数，获取一阶导函数为0时的时刻并标记为极值时刻；获取电力相关曲线的二阶导函数，当二阶导函数在极值时刻大于0时，则将极值时刻带入电力相关曲线中获取最大值，当二阶导函数在极值时刻小于0时，则将极值时刻带入电力相关曲线中获取最小值；获取最大值和最小值两点之间的斜率绝对值并标记为XL；
当灾害评估系数ZPX满足ZPX≥L1，且斜率绝对值XL满足XL≥L2时，则判定对应的地理坐标点发生电网灾害；当灾害评估系数ZPX满足0<ZPX<L1，且斜率绝对值XL满足0<XL<L2时，则判定对应的地理坐标点未发生电网灾害；其中L1和L2分别为灾害评估系数阈值和斜率绝对值阈值，且L1和L2均为大于0的实数；
通过未发生灾害和发生灾害的地理坐标点结合第三方GIS平台生成电网灾害预警图；所述电网灾害预警图中未发生电网灾害的地理坐标点标记为绿色，发生电网灾害的地理坐标点标记为红色，剩余的地理坐标点标记为黄色；
通过处理器将电网灾害预警图分别发送至调度模块和数据存储模块。
2.根据权利要求1所述的基于六大预警中心的电网灾害综合监测系统，其特征在于，所述灾害预测模块用于获取监测区域的电网灾害预测图，包括：
通过数据存储模块获取电网灾害历史数据，所述电网灾害历史数据包括电网灾害预警图中地理坐标点对应的电力单价、GDP、电力供求系数、覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级；
构建人工智能模型；所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络；
将电网灾害历史数据按照设定比例划分为训练集和测试集；所述设定比例包括4:1、3:1和5:2；
将训练集和测试集经过数据归一化处理之后输入至人工智能模型进行训练和测试；当人工智能模型的学习精度达到目标精度时，则判定人工智能模型完成训练，将训练完成的人工智能模型标记为预测模型；
获取电网灾害预测数据，所述电网灾害预测数据包括预测的电力单价、GDP、电力供求系数、覆冰预警等级、山火预警等级、舞动预警等级、雷电预警等级、台风预警等级和地质灾害预警等级；
将电网灾害预测数据经过数据归一化处理之后输入至预测模型获取输出结果，所述输出结果为电网灾害预测数据对应地理坐标点的颜色；
根据输出结果生成电网灾害预测图；将电网灾害预测图分别发送至数据存储模块和预警调度模块。
3.根据权利要求1所述的基于六大预警中心的电网灾害综合监测系统，其特征在于，所述预警调度模块用于调度工作人员，包括：
获取电网预警图中红色地理坐标点的坐标并标记为目标位置；所述电网预警图包括电网灾害预警图和电网灾害预测图；
获取工作人员的位置并标记为初始位置；通过第三方地图平台规划初始位置和目标位置之间的路线；所述第三方地图平台包括高德地图、腾讯地图和百度地图；
将路线发送至工作人员的智能终端；所述智能终端包括智能手机、平板电脑和笔记本电脑；
并将工作人员的位置实时显示在电网预警图中。
4.根据权利要求1所述的基于六大预警中心的电网灾害综合监测系统，其特征在于，所述发展分析模块用于分析监测区域的电力相关数据，包括：
按照设定周期获取监测区域的电力单价、GDP和电力供求系数；
以获取时间为自变量，分别以电力单价、GDP和电力供求系数为因变量进行N阶多项式拟合获取电力单价曲线、GDP变化曲线和电力供求系数曲线；其中N≥3；
获取电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的二阶导数，当二阶导数为0时，则判定对应的曲线不满足要求，则通过线性插值法扩展数据，并通过N阶多项式拟合重新获取对应的曲线；当电力单价曲线、GDP变化曲线和电力供求系数曲线中任一曲线的决定系数均小于等于0.95时，则判定对应的曲线不满足要求，并通过N+1阶多项式拟合获取对应的曲线；
将满足要求的电力单价曲线、GDP变化曲线和电力供求系数曲线通过处理器发送至综合分析模块和数据存储模块。
5.根据权利要求1所述的基于六大预警中心的电网灾害综合监测系统，其特征在于，对所述预测数据图进行整合分析的具体步骤包括：
获取监测区域的地理范围图，所述地理范围图中每个像素点均对应一个地理坐标；
通过自然灾害预警中心获取预测数据图；
通过第三方GIS平台读取地理范围图和预测数据图，根据地理范围图的像素点坐标对预测数据图进行几何校正、重采样和分割；所述第三方GIS平台包括ArcGIS和ENVI；
将经过几何校正和分割之后的预测数据图按照设定次序进行叠层获取原始灾害图像；
通过处理器将原始灾害图像分别发送至综合分析模块和数据存储模块。
6.根据权利要求1所述的基于六大预警中心的电网灾害综合监测系统，其特征在于，所述自然灾害预警中心包括覆冰预警中心、山火预警中心、舞动预警中心、雷电预警中心、台风预警中心和地质灾害预警中心；所述自然灾害预警中心通过Web Service技术为数据整合模块提供对应的预测数据图；所述预测数据图包括覆冰预测分布图、山火预测分布图、舞动广域风险预测图、雷击点按时分色分布图、台风广域风险预测图和地质灾害广域风险预测图；所述预测数据图中包括发布时间和风险等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110241701.4A CN112926863B (zh) | 2021-03-04 | 2021-03-04 | 基于六大预警中心的电网灾害综合监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110241701.4A CN112926863B (zh) | 2021-03-04 | 2021-03-04 | 基于六大预警中心的电网灾害综合监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112926863A true CN112926863A (zh) | 2021-06-08 |
| CN112926863B CN112926863B (zh) | 2023-12-01 |
Family
ID=76173389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110241701.4A Active CN112926863B (zh) | 2021-03-04 | 2021-03-04 | 基于六大预警中心的电网灾害综合监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112926863B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115456325A (zh) * | 2022-07-27 | 2022-12-09 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
| CN117216469A (zh) * | 2023-09-03 | 2023-12-12 | 国网江苏省电力有限公司信息通信分公司 | 一种电力系统实时监测与预测的大数据处理方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778517A (zh) * | 2015-04-30 | 2015-07-15 | 国家电网公司 | 基于微气象与卫星遥感数据的微气象灾害预警方法及系统 |
| WO2016082618A1 (zh) * | 2014-11-27 | 2016-06-02 | 国家电网公司 | 基于电网gis的气象数据调用与预处理方法及系统 |
| WO2016082617A1 (zh) * | 2014-11-27 | 2016-06-02 | 国家电网公司 | 基于gis的气象信息与电力设备关联方法及系统 |
| CN109063975A (zh) * | 2018-07-11 | 2018-12-21 | 国网黑龙江省电力有限公司电力科学研究院 | 一种电力微气象灾害监测及预警装置 |
| CN109522380A (zh) * | 2018-10-18 | 2019-03-26 | 国网山东省电力公司应急管理中心 | 一种面向移动应用的电网灾害综合监测预警数据系统及方法 |
| CN111880210A (zh) * | 2020-08-05 | 2020-11-03 | 中国南方电网有限责任公司 | 输电线路的地灾监测处理方法和装置、预警系统和设备 |
-
2021
- 2021-03-04 CN CN202110241701.4A patent/CN112926863B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016082618A1 (zh) * | 2014-11-27 | 2016-06-02 | 国家电网公司 | 基于电网gis的气象数据调用与预处理方法及系统 |
| WO2016082617A1 (zh) * | 2014-11-27 | 2016-06-02 | 国家电网公司 | 基于gis的气象信息与电力设备关联方法及系统 |
| CN104778517A (zh) * | 2015-04-30 | 2015-07-15 | 国家电网公司 | 基于微气象与卫星遥感数据的微气象灾害预警方法及系统 |
| CN109063975A (zh) * | 2018-07-11 | 2018-12-21 | 国网黑龙江省电力有限公司电力科学研究院 | 一种电力微气象灾害监测及预警装置 |
| CN109522380A (zh) * | 2018-10-18 | 2019-03-26 | 国网山东省电力公司应急管理中心 | 一种面向移动应用的电网灾害综合监测预警数据系统及方法 |
| CN111880210A (zh) * | 2020-08-05 | 2020-11-03 | 中国南方电网有限责任公司 | 输电线路的地灾监测处理方法和装置、预警系统和设备 |
Non-Patent Citations (2)
| Title |
|---|
| 王志利;赵晓锋;武国亮;黄永莲;: "电力微气象灾害监测与预警系统的设计与实现", 电力与能源, no. 06, pages 63 - 67 * |
| 邱欣杰;季坤;范明豪;张佳庆;孙韬;方登洲;严波: "基于卫星及气象信息的输电线路灾害监测与风险评估平台研究", 电工技术, no. 003, pages 47 - 49 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115456325A (zh) * | 2022-07-27 | 2022-12-09 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
| CN115456325B (zh) * | 2022-07-27 | 2023-06-02 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
| CN117216469A (zh) * | 2023-09-03 | 2023-12-12 | 国网江苏省电力有限公司信息通信分公司 | 一种电力系统实时监测与预测的大数据处理方法及系统 |
| CN117216469B (zh) * | 2023-09-03 | 2024-03-15 | 国网江苏省电力有限公司信息通信分公司 | 一种电力系统实时监测与预测的大数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112926863B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104200288B (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
| CN103337133B (zh) | 基于识别预报技术的电网雷暴灾害预警系统及方法 | |
| CN110502820A (zh) | 一种基于bim的钢结构工程实时监测预警方法 | |
| CN108320043A (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
| CN112926863B (zh) | 基于六大预警中心的电网灾害综合监测系统 | |
| CN113592128A (zh) | 一种大数据电网运行监测系统 | |
| CN112966933A (zh) | 结合气象站、数值预报的多维度风灾精细化预警方法 | |
| CN111680841A (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
| CN113284026A (zh) | 一种大数据智慧园区管理系统 | |
| CN111985701A (zh) | 一种基于供电企业大数据模型库的用电预测方法 | |
| CN114550073A (zh) | 一种新能源汽车充电桩的监控系统 | |
| CN109583086A (zh) | 配电变压器重过载预测方法及终端设备 | |
| CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
| CN113537846B (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
| CN114928168A (zh) | 一种海上平台无人化数据边缘计算装置 | |
| CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
| CN115987692A (zh) | 一种基于流量回溯分析的安全防护系统及方法 | |
| CN115471128A (zh) | 一种基于大数据的预测空气质量趋势的装置 | |
| CN113741278A (zh) | 一种基于云平台的真空站数据采集、监控、分析系统 | |
| CN111897655B (zh) | 一种输变电云端智能控制器 | |
| CN111857015B (zh) | 输变电云端智能控制器 | |
| CN113850691A (zh) | 对用户进行用电习惯画像及制定检修计划的方法、系统、处理设备、介质 | |
| CN113435802B (zh) | 输电网监测规划方案构建方法、装置、设备和存储介质 | |
| CN116404745B (zh) | 基于大数据的配电网智能调控辅助决策系统及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |