CN114359137A - 一种星地融合的输电线路外破监测方法及装置 - Google Patents
一种星地融合的输电线路外破监测方法及装置 Download PDFInfo
- Publication number
- CN114359137A CN114359137A CN202111404438.2A CN202111404438A CN114359137A CN 114359137 A CN114359137 A CN 114359137A CN 202111404438 A CN202111404438 A CN 202111404438A CN 114359137 A CN114359137 A CN 114359137A
- Authority
- CN
- China
- Prior art keywords
- power transmission
- transmission line
- area
- patrolled
- neural network
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 290
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010276 construction Methods 0.000 claims abstract description 137
- 238000005065 mining Methods 0.000 claims abstract description 88
- 238000003062 neural network model Methods 0.000 claims abstract description 82
- 230000003287 optical effect Effects 0.000 claims abstract description 56
- 230000008859 change Effects 0.000 claims description 59
- 239000002689 soil Substances 0.000 claims description 55
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000000265 homogenisation Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000002203 pretreatment Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Images
Landscapes
- Electric Cable Installation (AREA)
Abstract
本发明涉及输电线路安全监测技术领域,具体提供了一种星地融合的输电线路外破监测方法及装置,包括:基于待巡视输电线路区段的光学卫星遥感正射影像和预先构建的神经网络模型识别待巡视输电线路区段中的施工作业区;基于待巡视输电线路区段的多时次的雷达卫星影像识别待巡视输电线路区段中的采动影响区;最终对输电线路进行外破监测。该方案通过卫星遥感与地面传感器的结合,实现输电线路周围大范围、全覆盖的施工作业和采空塌陷等随机外破隐患普查。
Description
技术领域
本发明涉及输电线路安全监测技术领域,具体涉及一种星地融合的输电线路外破监测方法及装置。
背景技术
随着双碳战略推进,以新能源为中心的新型电力系统建设已经成为现代发展中的重中之重。为了实现新能源的有效传输,保证新能源有效消纳,输电线路将持续建设,海量输电线路安全稳定运行意义重大。然而,近年来极端天气日益增多,社会经济发展快速,通道资源紧张,外力破坏对输电线路的影响日益增大,山火、树障、施工作业、采空塌陷和线下堆土等造成线路跳闸、短路等故障占比日益增多。因此,开展输电线路外破预测监测技术研究与应用非常必要。
目前,主要是采用无人机、各种各样的地面传感器和地面人员等手段开展输电线路外破监测。对于基于无人机的输电线路外破监测,主要集中在树障上。目前有很多无人机开展树障巡检技术研究。但该技术的局限在于无人机无法实现常态化、多频次的监测预警,往往都是一年一次,最多半年一次,很明显无法满足日常线路巡检需求。
对于基于地面传感器的输电线路外破监测,主要集中在施工作业监测上,目前已经有基于电场等外破监测传感器。但该技术的局限在于监测范围有限,很难说每一个线路区段都安装传感器。同时,地面传感器取能比较困难,可靠性不足,很难实现目前随机发生的施工作业、采空塌陷等外破隐患监测预警。
发明内容
为了克服上述缺陷,本发明提出了一种星地融合的输电线路外破监测方法及装置。
第一方面,提供一种星地融合的输电线路外破监测方法,所述星地融合的输电线路外破监测方法包括:
基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;
基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。
优选的,所述基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;之前,包括:
将待巡视输电线路区段的光学卫星遥感原始影像进行预处理,得到待巡视输电线路区段的光学卫星遥感正射影像;
其中,所述预处理包括下述中的至少一种:几何校正、辐射校正、匀色。
优选的,基于待巡视输电线路区段的光学卫星遥感正射影像识别待巡视输电线路区段中的施工作业区,包括:
将所述光学卫星遥感正射影像分别输入至第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型,获取第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型分别输出的具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的光学卫星遥感正射影像;
分别以所述裸土标识区域和矿山标识区域为范围中心扩大预设倍数,得到待巡视输电线路区段中的施工范围;
基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区。
进一步的,所述基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区,包括:
当所述施工范围与塔吊标识区域或车辆标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区;
当所述施工范围与塔吊标识区域或车辆标识区域无重叠且与裸土变化标识区域和矿山变化标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区。
进一步的,所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型的构建过程包括:
获取多个历史时刻的待巡视输电线路区段的光学卫星遥感正射影像,并分别标注光学卫星遥感正射影像中的塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域;
分别将具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的待巡视输电线路区段的光学卫星遥感正射影像作为第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型的训练数据,并分别对第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型进行训练,获取所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型。
进一步的,若历史时刻之后预设时间的待巡视输电线路区段的光学卫星遥感正射影像中存在裸土区域或矿山区域,则将所述裸土区域或矿山区域在历史时刻的待巡视输电线路区段的光学卫星遥感正射影像中对应的区域标注为裸土变化标识区域或矿山变化标识区域。
优选的,基于待巡视输电线路区段的多时次的雷达卫星影像识别待巡视输电线路区段中的采动影响区,包括:
获取待巡视输电线路区段的多时次的雷达卫星影像,并检测所述多时次的雷达卫星影像中输电杆塔周围第一预设范围内地表沉降年速率;
将地表沉降年速率超过阈值的区域标注为地质不稳定区;
若所述地质不稳定区周围第二预设范围内存在施工作业区,则该地质不稳定区为待巡视输电线路区段中的采动影响区。
优选的,所述基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度,包括:
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第一预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为高风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第二预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为中风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第三预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为低风险。
进一步的,所述基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测,包括:
将风险程度为高风险的施工作业区和采动影响区中大型机械通过的道路与输电线路的交点所在的区段以及与风险程度为高风险的施工作业区和采动影响区最近的杆塔与输电线路区段作为输电线路外破高风险区段;在所述输电线路外破高风险区段的导线或杆塔上布置外破监测传感器,并利用外破监测传感器对输电线路进行外破监测。
第二方面,提供一种星地融合的输电线路外破监测装置,所述星地融合的输电线路外破监测装置包括:
识别模块,用于基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;评估模块,用于基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;
监测模块,用于基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。
第三方面,提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行所述的星地融合的输电线路外破监测方法。
第四方面,提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述的星地融合的输电线路外破监测方法。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
本发明提供一种星地融合的输电线路外破监测方法及装置,所述方法包括:基于待巡视输电线路区段的光学卫星遥感正射影像和预先构建的神经网络模型识别待巡视输电线路区段中的施工作业区;基于待巡视输电线路区段的多时次的雷达卫星影像识别待巡视输电线路区段中的采动影响区;基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。该技术方案提出了融合光学卫星、雷达卫星和多时间卫星遥感影像变化监测的施工作业区和采动影响区智能识别方法,有效提升目前单纯使用光学或雷达卫星遥感影像识别施工作业区和采动影响区的精度和效率。弥补了目前单纯利用地面传感器监测造成的外破普查不全面,监测范围有空白的问题,将大范围普查、全覆盖预测和实时重点区段监测感知融合,提高输电线路防外破的可靠性。
附图说明
图1是本发明实施例的星地融合的输电线路外破监测方法的主要步骤流程示意图;
图2是本发明实施例的星地融合的输电线路外破监测装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、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清楚、完整地描述,显然,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。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。
参阅附图1,图1是本发明的一个实施例的星地融合的输电线路外破监测方法的主要步骤流程示意图。如图1所示,本发明实施例中的星地融合的输电线路外破监测方法主要包括以下步骤:
步骤S101:基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;步骤S102:基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;
步骤S103:基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。
具体的,所述基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;之前,包括:
将待巡视输电线路区段的光学卫星遥感原始影像进行预处理,得到待巡视输电线路区段的光学卫星遥感正射影像;
其中,所述预处理包括下述中的至少一种:几何校正、辐射校正、匀色。
本实施例中,基于待巡视输电线路区段的光学卫星遥感正射影像识别待巡视输电线路区段中的施工作业区,包括:
将所述光学卫星遥感正射影像分别输入至第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型,获取第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型分别输出的具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的光学卫星遥感正射影像;
分别以所述裸土标识区域和矿山标识区域为范围中心扩大预设倍数,得到待巡视输电线路区段中的施工范围,在一个实施方式中,预设倍数可以为1.2;
基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区。
在一个实施方式中,所述基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区,包括:
当所述施工范围与塔吊标识区域或车辆标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区;
当所述施工范围与塔吊标识区域或车辆标识区域无重叠且与裸土变化标识区域和矿山变化标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区。
其中,上述的车辆可以为挖掘机或卡车。
进一步的,所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型的构建过程包括:
获取多个历史时刻的待巡视输电线路区段的光学卫星遥感正射影像,并分别标注光学卫星遥感正射影像中的塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域;
其中,可以利用LabelImg软件标注光学卫星遥感正射影像中的塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域;
分别将具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的待巡视输电线路区段的光学卫星遥感正射影像作为第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型的训练数据,并分别对第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型进行训练,获取所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型;
其中,每类训练数据包含样本不低于1000个,每个样本128×128像元,本发明采用的神经网络模型可以为U-net卷积神经网络模型。
进一步的,若历史时刻之后预设时间的待巡视输电线路区段的光学卫星遥感正射影像中存在裸土区域或矿山区域,则将所述裸土区域或矿山区域在历史时刻的待巡视输电线路区段的光学卫星遥感正射影像中对应的区域标注为裸土变化标识区域或矿山变化标识区域。
本实施例中,所述基于待巡视输电线路区段的多时次的雷达卫星影像识别待巡视输电线路区段中的采动影响区,包括:
获取待巡视输电线路区段的多时次的雷达卫星影像,并检测所述多时次的雷达卫星影像中输电杆塔周围第一预设范围内地表沉降年速率;
将地表沉降年速率超过阈值的区域标注为地质不稳定区;
若所述地质不稳定区周围第二预设范围内存在施工作业区,则该地质不稳定区为待巡视输电线路区段中的采动影响区。
在一个实施方式中,第一预设范围可以为0-100m,第二预设范围可以为0-1km,所述阈值可以为20mm/年。
进一步的,所述基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度,包括:
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第一预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为高风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第二预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为中风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第三预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为低风险。
在一个实施方式中,第一预设长度可以为100m,第二预设长度可以为200m,第三预设长度可以为500m;
本实施例中,所述基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测,包括:
将风险程度为高风险的施工作业区和采动影响区中大型机械(如塔吊、起重机、卡车等)通过的道路与输电线路的交点所在的区段以及与风险程度为高风险的施工作业区和采动影响区最近的杆塔与输电线路区段作为输电线路外破高风险区段;
在所述输电线路外破高风险区段的导线或杆塔上布置外破监测传感器,并利用外破监测传感器对输电线路进行外破监测。
基于同一技术方案,本发明还提供一种星地融合的输电线路外破监测装置,如图2所示,所述星地融合的输电线路外破监测装置包括:
识别模块,用于基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;评估模块,用于基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;
监测模块,用于基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。
优选的,所述基于待巡视输电线路区段的光学卫星遥感正射影像和预先构建的神经网络模型识别待巡视输电线路区段中的施工作业区之前,包括:
将待巡视输电线路区段的光学卫星遥感原始影像进行预处理,得到待巡视输电线路区段的光学卫星遥感正射影像;
其中,所述预处理包括下述中的至少一种:几何校正、辐射校正、匀色。
优选的,所述基于待巡视输电线路区段的光学卫星遥感正射影像和预先构建的神经网络模型识别待巡视输电线路区段中的施工作业区,包括:
将所述光学卫星遥感正射影像分别输入至第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型,获取第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型分别输出的具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的光学卫星遥感正射影像;
分别以所述裸土标识区域和矿山标识区域为范围中心扩大预设倍数,得到待巡视输电线路区段中的施工范围;
基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区。
进一步的,所述基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区,包括:
当所述施工范围与塔吊标识区域或车辆标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区;
当所述施工范围与塔吊标识区域或车辆标识区域无重叠且与裸土变化标识区域和矿山变化标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区。
进一步的,所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型的构建过程包括:
获取多个历史时刻的待巡视输电线路区段的光学卫星遥感正射影像,并分别标注光学卫星遥感正射影像中的塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域;
分别将具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的待巡视输电线路区段的光学卫星遥感正射影像作为第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型的训练数据,并分别对第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型进行训练,获取所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型。
进一步的,若历史时刻之后预设时间的待巡视输电线路区段的光学卫星遥感正射影像中存在裸土区域或矿山区域,则将所述裸土区域或矿山区域在历史时刻的待巡视输电线路区段的光学卫星遥感正射影像中对应的区域标注为裸土变化标识区域或矿山变化标识区域。
优选的,所述基于待巡视输电线路区段的多时次的雷达卫星影像识别待巡视输电线路区段中的采动影响区,包括:
获取待巡视输电线路区段的多时次的雷达卫星影像,并检测所述多时次的雷达卫星影像中输电杆塔周围第一预设范围内地表沉降年速率;
将地表沉降年速率超过阈值的区域标注为地质不稳定区;
若所述地质不稳定区周围第二预设范围内存在施工作业区,则该地质不稳定区为待巡视输电线路区段中的采动影响区。
优选的,所述基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度,包括:
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第一预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为高风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第二预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为中风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第三预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为低风险。
进一步的,所述基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测,包括:
将风险程度为高风险的施工作业区和采动影响区中大型机械通过的道路与输电线路的交点所在的区段以及与风险程度为高风险的施工作业区和采动影响区最近的杆塔与输电线路区段作为输电线路外破高风险区段;在所述输电线路外破高风险区段的导线或杆塔上布置外破监测传感器,并利用外破监测传感器对输电线路进行外破监测。
进一步的,本发明提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行所述的星地融合的输电线路外破监测方法。
进一步的,本发明提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述的星地融合的输电线路外破监测方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种星地融合的输电线路外破监测方法,其特征在于,所述方法包括:
基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;
基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;
基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。
2.如权利要求1所述的方法,其特征在于,所述基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区之前,包括:
将待巡视输电线路区段的光学卫星遥感原始影像进行预处理,得到待巡视输电线路区段的光学卫星遥感正射影像;
其中,所述预处理包括下述中的至少一种:几何校正、辐射校正、匀色。
3.如权利要求1所述的方法,其特征在于,基于待巡视输电线路区段的光学卫星遥感正射影像识别待巡视输电线路区段中的施工作业区,包括:
将所述光学卫星遥感正射影像分别输入至第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型,获取第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型分别输出的具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的光学卫星遥感正射影像;
分别以所述裸土标识区域和矿山标识区域为范围中心扩大预设倍数,得到待巡视输电线路区段中的施工范围;
基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区。
4.如权利要求3所述的方法,其特征在于,所述基于所述施工范围、塔吊标识区域、车辆标识区域、裸土变化标识区域和矿山变化标识区域识别待巡视输电线路区段中的施工作业区,包括:
当所述施工范围与塔吊标识区域或车辆标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区;
当所述施工范围与塔吊标识区域或车辆标识区域无重叠且与裸土变化标识区域和矿山变化标识区域有重叠时,该施工范围为待巡视输电线路区段中的施工作业区。
5.如权利要求3所述的方法,其特征在于,所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型的构建过程包括:
获取多个历史时刻的待巡视输电线路区段的光学卫星遥感正射影像,并分别标注光学卫星遥感正射影像中的塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域;
分别将具有塔吊标识区域、车辆标识区域、裸土标识区域、矿山标识区域、裸土变化标识区域和矿山变化标识区域的待巡视输电线路区段的光学卫星遥感正射影像作为第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型的训练数据,并分别对第一神经网络初始模型、第二神经网络初始模型、第三神经网络初始模型、第四神经网络初始模型、第五神经网络初始模型和第六神经网络初始模型进行训练,获取所述预先构建的第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型、第五神经网络模型和第六神经网络模型。
6.如权利要求5所述的方法,其特征在于,若历史时刻之后预设时间的待巡视输电线路区段的光学卫星遥感正射影像中存在裸土区域或矿山区域,则将所述裸土区域或矿山区域在历史时刻的待巡视输电线路区段的光学卫星遥感正射影像中对应的区域标注为裸土变化标识区域或矿山变化标识区域。
7.如权利要求1所述的方法,其特征在于,基于待巡视输电线路区段的多时次的雷达卫星影像识别待巡视输电线路区段中的采动影响区,包括:
获取待巡视输电线路区段的多时次的雷达卫星影像,并检测所述多时次的雷达卫星影像中输电杆塔周围第一预设范围内地表沉降年速率;
将地表沉降年速率超过阈值的区域标注为地质不稳定区;
若所述地质不稳定区周围第二预设范围内存在施工作业区,则该地质不稳定区为待巡视输电线路区段中的采动影响区。
8.如权利要求1所述的方法,其特征在于,所述基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度,包括:
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第一预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为高风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第二预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为中风险;
若待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离小于等于第三预设长度,则待巡视输电线路区段中的施工作业区和采动影响区的风险程度为低风险。
9.如权利要求8所述的方法,其特征在于,所述基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测,包括:
将风险程度为高风险的施工作业区和采动影响区中大型机械通过的道路与输电线路的交点所在的区段以及与风险程度为高风险的施工作业区和采动影响区最近的杆塔与输电线路区段作为输电线路外破高风险区段;
在所述输电线路外破高风险区段的导线或杆塔上布置外破监测传感器,并利用外破监测传感器对输电线路进行外破监测。
10.一种星地融合的输电线路外破监测装置,其特征在于,所述装置包括:
识别模块,用于基于待巡视输电线路区段的光学卫星遥感正射影像和多时次的雷达卫星影像分别识别待巡视输电线路区段中的施工作业区和采动影响区;
评估模块,用于基于待巡视输电线路区段中的施工作业区和采动影响区与待巡视输电线路区段中的输电线路或输电杆塔之间的距离评估待巡视输电线路区段中的施工作业区和采动影响区的风险程度;
监测模块,用于基于待巡视输电线路区段中的施工作业区和采动影响区的风险程度对输电线路进行外破监测。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的星地融合的输电线路外破监测方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至9中任意一项所述的星地融合的输电线路外破监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111404438.2A CN114359137A (zh) | 2021-11-24 | 2021-11-24 | 一种星地融合的输电线路外破监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111404438.2A CN114359137A (zh) | 2021-11-24 | 2021-11-24 | 一种星地融合的输电线路外破监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359137A true CN114359137A (zh) | 2022-04-15 |
Family
ID=81096248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111404438.2A Pending CN114359137A (zh) | 2021-11-24 | 2021-11-24 | 一种星地融合的输电线路外破监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359137A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100609A (zh) * | 2022-08-26 | 2022-09-23 | 北京江河惠远科技有限公司 | 特高压施工扰动范围提取方法和系统 |
CN115100544A (zh) * | 2022-08-24 | 2022-09-23 | 中国电力科学研究院有限公司 | 输电线路星地协同外破监测预警方法、装置、设备及介质 |
-
2021
- 2021-11-24 CN CN202111404438.2A patent/CN114359137A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100544A (zh) * | 2022-08-24 | 2022-09-23 | 中国电力科学研究院有限公司 | 输电线路星地协同外破监测预警方法、装置、设备及介质 |
CN115100609A (zh) * | 2022-08-26 | 2022-09-23 | 北京江河惠远科技有限公司 | 特高压施工扰动范围提取方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10032267B2 (en) | Automating the assessment of damage to infrastructure assets | |
CN114359137A (zh) | 一种星地融合的输电线路外破监测方法及装置 | |
CN111427374B (zh) | 飞机泊位引导方法、装置及设备 | |
CN107380163A (zh) | 基于磁导航的汽车智能报警预测系统及其方法 | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN112539704B (zh) | 一种输电线路通道内隐患与导线距离的测量方法 | |
CN105139434B (zh) | 露天矿山道路网自动构建方法及系统 | |
CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
CN112684806A (zh) | 一种基于双重避障和智能识别的电力巡检无人机系统 | |
CN113537046A (zh) | 基于检测车辆轨迹大数据的地图车道线标注方法及系统 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN113748448B (zh) | 基于车辆的虚拟停止线和让行线检测 | |
CN110554409A (zh) | 一种凹障碍物检测方法及系统 | |
CN111596157B (zh) | 一种电力系统故障情况预测方法、装置、系统及存储介质 | |
CN117353460A (zh) | 一种电力线路巡检方法、装置、设备及介质 | |
CN116740833A (zh) | 基于无人机的线路巡线打卡方法 | |
CN114844925B (zh) | 无人矿山全域智能监测系统 | |
CN116645645A (zh) | 煤矿运输的安全确定方法和煤矿运输的安全确定系统 | |
CN111427063A (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
JP2023024857A (ja) | 路車間連携情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム | |
CN115311560A (zh) | 一种输电通道外破隐患辨识方法及装置 | |
CN115909815A (zh) | 基于多元数据的融合检测方法、装置、设备及存储介质 | |
CN112541455B (zh) | 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法 | |
CN114927002A (zh) | 一种用于灾后救援的道路诱导方法及设备 |
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 |