CN114882682B - 一种高压线缆状态监测平台及监测方法 - Google Patents

Abstract

本发明公开了一种高压线缆状态监测平台及监测方法，涉及电网覆冰监测技术领域，平台包括：若干边缘监测设备、服务器和移动设备；边缘监测设备用于获取高压线缆的状态数据，并根据线缆状态数据计算线缆覆冰类型；服务器用于根据覆冰类型及状态数据产生预警信息，还用于将预警信息发送至移动设备；移动设备用于当接收到预警信息时发出警报、并根据预警信息显示对应的状态数据；利用边缘监测设备在被监测线缆的顶端计算出线缆覆冰状态，只将计算结果等数据发送至服务器模块进行分类判断，有效减轻服务器模块的计算压力，以便服务器将预警信息及时发送至移动设备，解决了现有线缆监测平台存在数据处理时效性差，平台实用性低的技术问题。

Description

一种高压线缆状态监测平台及监测方法

技术领域

本发明涉及电网覆冰监测技术领域，尤其涉及一种高压线缆状态监测平台及监测方法。

背景技术

高压线缆在整个输电网中占有非常重要的地位，保证线缆的安全性至关重要。现实生活中，由于恶劣天气、人为破坏等影响，高压线的安全性很难保证，而一旦出现问题就会对生产生活造成巨大的影响。因此需定期对高压线进行检查和维护。

输电线路覆冰是造成电网故障的常见原因之一，输电线路的覆冰情况受到局部微地形气候影响较大，当线缆附近的温度、湿度、风速、风向等气象数据达到一定条件时才会形成覆冰。电网故障通常会滞后覆冰形成一段时间，只有当线缆覆冰达到一定程度后线路会出现故障，为了保证电网的安全运行，需要定期对高压线缆的覆冰状态进行监测并实时获取输电线路上的覆冰状态。

由于线缆数量巨大，传统的人工巡检费时费力，难以及时发现所存在的问题。近年来，随着边缘计算的发展，在输电线缆上直接架设监控设备对线缆的状态进行检测、分析成为可能。为了能够精确地对输电线路的覆冰进行监测和监控，需要近距离的安放输电线路覆冰监测装置，如各种监测传感器及各种数码摄像头等设备，但由于需要监控的线缆太多，通常一个服务器需要同时处理多个边缘监测设备的数据，服务器的检测、分析的工作量很大，获取到的监控数据无法得到及时处理，影响监测数据的时效性，导致监测设备的实用性较低。

综上所述，现有技术在实时监控高压线状态方面存在监测数据时效性差，监测设备实用性低的技术问题。

发明内容

本发明提供了一种高压线缆状态监测平台及监测方法，解决了现有线缆监测平台存在数据处理时效性差，监测设备实用性低的技术问题。

包括：若干边缘监测设备、服务器和移动设备；

所述边缘监测设备包括状态采集器、边缘存储器、模型训练器、数据处理器；

所述状态采集器用于采集高压线缆的状态数据；其中，所述状态数据包含图像数据和气象数据；

所述边缘存储器用于存储所述状态数据；

所述模型训练器用于根据历史状态数据训练得到覆冰监测模型；

所述数据处理器用于根据所述状态数据及所述覆冰监测模型确定所述高压线缆的覆冰类型；其中所述覆冰类型分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种；

所述服务器用于根据所述覆冰类型及所述状态数据产生预警信息，还用于将所述预警信息发送至所述移动设备；

所述移动设备用于当接收到所述预警信息时发出警报、并根据所述预警信息显示对应的状态数据。

优选的，所述状态采集器包括图像采集单元、气象采集单元；

所述图像采集单元用于采集所述图像数据；

所述气象采集单元用于采集气象数据，所述气象数据包含温度数据、湿度数据、风速数据、风向数据、气压数据。

优选的，所述边缘监测设备还包括采集控制器，所述采集控制器包括采样触发单元和控制单元；

所述采样触发单元用于获取当前时刻的图像/>和第/>次检测时刻/>的图像/>，当/>，或/>时，触发采集指令；

所述控制单元用于当接收所述采集指令时，控制所述图像采集单元采集至/>时间段内的图像数据；还用于控制所述气象采集单元采集/>至/>时间段内的气象数据；

其中，为图像中线缆所在区域的掩码，/>为图像中线缆所在区域的变化幅值，/>为可调节的时间参数。

优选的，所述模型训练器包括数据标记单元和模型训练单元；

所述数据标记单元用于从所述边缘存储器获取所述高压线缆的历史状态数据；还用于标记所述历史状态数据，得到标记历史状态数据；其中，所述标记历史状态数据包含标记历史图像数据和标记历史气象数据，所述标记历史状态数据分为雨凇、雾凇、混合淞、无覆冰四种类型；

所述模型训练单元用于基于深度卷积神经网络构建初始覆冰监测模型；还用于将所述标记历史图像数据作为所述初始覆冰监测模型的卷积层输入；还用于将所述标记历史气象数据作为所述初始覆冰监测模型的全连接层输入；还用于根据所述标记历史状态数据训练得到所述覆冰监测模型。

优选的，所述服务器包含服务存储单元、预警单元、服务通信单元；

所述服务存储单元用于存储所述覆冰类型及所述状态数据；

所述预警单元用于从所述服务存储单元获取所述覆冰类型及所述状态数据；还用于判断所述覆冰类型为异常类型时，发出预警信号；还用于根据所述异常类型对应的状态数据生成预警信息；其中，所述异常类型包括：雨凇状态、雾凇状态、混合淞状态；

所述服务通信单元用于从所述预警单元获取所述预警信息；还用于将所述预警信息发送至所述移动设备。

一种高压线缆状态监测方法，应用于前述的高压线缆状态监测平台，包括：

根据预先获取并存储的历史状态数据训练得到覆冰监测模型；

采集并存储高压线缆的实时状态数据；其中，所述实时状态数据包含所述高压线缆的图像数据和气象数据；

根据所述状态数据及所述覆冰监测模型确定所述高压线缆的覆冰类型，其中所述覆冰类型分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种；

将所述状态数据以及确定出的覆冰类型发送至服务器，使得所述服务器根据所述覆冰类型及所述状态数据产生预警信息。

优选的，所述服务器产生预警信息后，将所述预警信息发送至移动装置，移动装置显示所述预警信息并发出警报。

优选的，所述采集并存储高压线缆的实时状态数据具体为：

获取当前时刻的图像/>和第/>次检测时刻/>的图像/>，当，或/>时，采集/>至/>时间段内的图像数据及气象数据；

其中，为图像中线缆所在区域的掩码，/>为图像中线缆所在区域的变化幅值，/>为可调节的时间参数。

优选的，所述获取高压线缆的历史状态数据，并根据所述历史状态数据训练得到覆冰监测模型具体为：

S1、获取所述高压线缆的历史状态数据，其中所述历史状态数据包含历史图像数据和历史气象数据；

S2、标记所述历史状态数据，得到标记历史状态数据；其中，所述标记历史状态数据包含标记历史图像数据和标记历史气象数据，所述标记历史状态数据分为雨凇、雾凇、混合淞、无覆冰四种类型；

S3、基于深度卷积神经网络构建初始覆冰监测模型；

S4、将所述标记历史图像数据作为所述初始覆冰监测模型的卷积层输入，获得标记历史图像特征，将所述标记历史图像特征和所述标记历史气象数据作为所述初始覆冰监测模型的全连接层输入；

S5、根据所述标记历史状态数据训练得到所述覆冰监测模型。

优选的，所述根据所述覆冰类型及所述状态数据产生预警信息具体为：

获取所述覆冰类型及所述状态数据，判断所述覆冰类型，当所述覆冰类型为异常类型时，发出预警信号，采用所述异常类型对应的状态数据生成预警信息；其中，所述异常类型包括：雨凇状态、雾凇状态、混合淞状态。

从以上技术方案可以看出，本发明具有以下优点：本发明通过提供一种高压线缆状态监测平台，包括：若干边缘监测设备、服务器和移动设备；

利用边缘监测设备获取高压线缆的状态数据，然后在被监测的高压线缆的顶端确定高压线缆的覆冰类型，服务器只需要对高压线缆的覆冰类型进行简单判断，不需要进行复杂的数据运算，当判断线缆出现雨凇状态、雾凇状态、混合淞状态任一种时发出预警信息，有效减轻服务器的计算压力，以便将预警信息及时发送至移动设备，使得整个监测系统可以对被监测线缆的状态产生更快的监测响应，解决了现有线缆监测系统存在数据处理时效性差，监测设备实用性低的技术问题。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种高压线缆状态监测平台的结构示意图；

图2为本发明实施例提供的边缘监测设备的结构示意图；

图3为本发明实施例提供的服务器的结构示意图；

图4为本发明实施例提供的一种高压线缆状态监测方法的方法流程图；

图5为本发明实施例提供的覆冰监测模型的模型训练流程图。

具体实施方式

本发明实施例提供了一种高压线缆状态监测平台及监测方法，用于解决现有线缆监测平台存在数据处理时效性差，监测设备实用性低的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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他实施例，都属于本发明保护的范围。

本申请实施例提供了一种高压线缆状态监测平台，请参阅图1，监测平台1具体包括：若干边缘监测设备2、服务器3和移动设备4。

每一个边缘监测设备2都包括状态采集器201、边缘存储器202、模型训练器203和数据处理器204；

状态采集器201与边缘存储器202通信连接，状态采集器用于采集高压线缆的状态数据，边缘存储器202用于存储上述状态数据；可以理解的是，上述边缘存储器202中存储的状态数据有很多，具体可以分为历史状态数据和当前状态数据，为方便表述，后续将当前状态数据统称为状态数据，对此不再进行赘述。

模型训练器203与边缘存储器202通信连接，模型训练器用于从边缘存储器中获取历史状态数据，然后根据历史状态数据训练得到覆冰监测模型；可以理解的是，历史状态数据主要用于对模型进行训练和校验，而状态数据则用于确定高压线缆当前的覆冰类型/状态。

数据处理器204用于根据上述状态数据及覆冰监测模型确定高压线缆的覆冰类型；根据线缆覆冰情况的不同，覆冰类型可以具体分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种，其中，属雨凇状态最为严重。

服务器3用于根据覆冰类型及状态数据产生预警信息，还用于将预警信息发送至移动设备；可以理解的是，服务器3与边缘监测设备2之间通信连接，当边缘监测设备2完成一次高压线缆的覆冰类型检测时，会将检测结果发送给服务器3，同时也会将检测结果对应的状态数据同时发送给服务器，服务器只需要对检测结果进行简单判断，当检测结果异常时（雨凇状态、雾凇状态、混合淞状态均表示异常），会将异常检测结果对应的状态数据标记为预警信息，将预警信息发送给移动设备。

移动设备4包含报警器401和显示器402；移动设备4与服务器3之间通信连接，移动设备被动地从服务器方接收预警信息；当接收到预警信息后，报警器会立即发出警报，提示巡检人员查看预警信息，显示单元显示状态数据中的图像数据和气象数据。

需要说明的是，一处高压线缆至少需要设置一个边缘监测设备来进行状态监测，而一个服务器通常对接多个边缘监测设备，通常的边缘监测设备只负责采集高压线缆的状态数据，数据处理工作由服务器完成的话，服务器将面临巨大的处理压力，当需要处理的数据过多时，服务器的运行效率变低，导致采集到的数据实时性差，进而影响整个监测平台1的实用性。而本发明的状态监测平台1，边缘监测设备2同时负责高压线缆的状态数据的采集和深度处理工作，服务器只需要对边缘监测设备2处理出来的线缆状态结果进行简单判断，有效减轻服务器的计算压力，当服务器判断出高压线缆状态异常时，可及时的将出现异常情况的线缆信息发送给移动端，有效地解决了现有线缆监测平台存在数据处理时效性差，实用性低的技术问题。

在前述实施例的基础上，本实施力对技术方案进行了进一步的说明和优化，请参考图2，图2为本申请边缘监测设备2的结构示意图，具体如下：

边缘监测设备2包含采集控制器205、状态采集器201、边缘存储器202、模型训练器203和数据处理器204。

其中，采集控制器205与状态采集器201电气连接，状态采集器201包含图像采集单元2011和气象采集单元2012，采集控制器205用于控制状态采集器201进行高压线缆的状态数据的采样。

需要说明的是，线缆出现异常状态并非瞬时产生的，无论是雨凇状态、雾凇状态、混合淞状态都需要一定的积累时间，因此，边缘监测设备无须实时采集线缆的状态数据，只需要按照预设条件对线缆的状态进行监测，本申请的边缘监测设备通过设置采集控制器，可以按照预设规则控制状态采样器进行状态数据采样，在减少监测设备的处理频率的同时实现了线缆的状态监测，延长了监测设备的使用寿命。

采集控制器205包含了采样触发单元2051和控制单元2052，所述采样触发单元用于获取当前时刻的图像/>和第/>次检测时刻/>的图像/>，当/>，或时，触发采集指令；

所述控制单元用于当接收所述采集指令时，控制所述图像采集单元采集至/>时间段内的图像数据；还用于控制所述气象采集单元采集/>至/>时间段内的气象数据；

其中，为图像中线缆所在区域的掩码，/>为图像中线缆所在区域的变化幅值，/>为可调节的时间参数。

需要说明的是，是高压线部分的掩码，其大小和图像相同，/>与/>进行卷积，得到的是t时刻的高压线图像（图像的像素数），/>与/>进行卷积，得到的是时刻的高压线图像（图像的像素数），两个时刻的高压线图像做差，得到高压线在/>到/>这段时间内的高压线的变化图像（像素的差值）。然后像素差值除以/>的总像素个数（实际上也是除以图像的总像素个数），得出高压线在这段时间内变化的像素个数占整个图像的像素个数的比例，比例越大，变化的幅度越大，比例越小，变化的幅度越小，/>即为高压线在/>到/>这段时间内的变化幅度；

可以理解的是，不同监测区域的高压线缆参数不同，监测要求也有所差异，而通过设置可调节参数和/>，可以根据线缆参数、监测要求等对线缆的状态数据的采样频率进行调节，进而调节监测平台1对线缆覆冰状态的检测的频率。

当控制单元接收到上述触发指令后，控制图像采集单元采集至/>时间段内的图像数据；同时也控制气象采集单元采集/>至/>时间段内的气象数据；需要说明的是，上述图像数据采集和气象数据可理解为数据抓取，图像采集单元和气象采集单元均包含缓存模块，当控制单元接收到触发指令后，会控制图像采集单元和气象采集单元从各自缓存模块中抓取缓存的数据，将缓存数据发送至边缘存储器，同时释放缓存模块为下一次数据缓存做准备，边缘存储器将上述缓存数据整理生成状态数据。

需要说明的是，上述图像采集单元包括摄像模块、调节模块、图像预处理模块等。

由于高压线缆的搭设环境复杂，因此，采集到的高压线缆的图像数据中通常会包含许多干扰，不利于后续的处理，因此，对采集设备的合理设置可以有效减少后续图像处理的难度。本申请通过设置摄像模块，将成像的图像大小记为，其中，/>为初始图像的宽，/>为初始图像的高，利用调节模块对摄像模块进行调节，使得初始图像中的高压线缆的灭点位于初始图像的中心，图像预处理模块以图像下边缘为底边，水平居中设置一个的正方形作为ROI区域，图像采集单元只采集上述ROI区域作为高压线缆的图像数据。

需要说明的是，上述气象采集单元包括温湿度传感器、风速风向传感器、气压检测仪等，用于获取温度数据、湿度数据、风速数据、风向数据、气压数据等。

作为一个优选的实施例，请参阅图2，模型训练器203包括数据标记单元2031和模型训练单元2032。

模型训练器203与边缘存储器202通信连接，数据标记单元2031从边缘存储器中获取历史状态数据，将历史状态数据进行标记得到标记历史状态数据，标记后的标记历史状态数据分为雨凇、雾凇、混合淞、无覆冰四种类型。可以理解的是，标记历史状态数据中包含标记历史图像数据和标记历史气象数据，且相同时刻的标记历史图像数据和标记历史气象数据的标记类型相同。例如，T时刻的标记历史气象数据为雨凇类型，则其中的标记历史图像数据和标记历史气象数据均为雨凇类型。

模型训练单元2032从数据标记单元获取标记历史状态数据，将标记历史状态数据作为输入对初始覆冰监测模型进行训练，具体的，模型训练单元数据标记单元获取标记历史状态数据，将同一时刻的标记历史状态数据分为标记历史图像数据和标记历史气象数据，将所述标记历史图像数据作为所述初始覆冰监测模型的卷积层输入，将所述标记历史气象数据作为所述初始覆冰监测模型的全连接层输入，对所述初始覆冰监测模型进行训练得到最终的覆冰监测模型。

在前述实施例的基础上，本申请实施例对技术方案进行了进一步的说明和优化，请参考图3，图3为本申请实施例提供的服务器的结构示意图，具体如下：

服务器3包含服务存储单元301、预警单元302和服务通信单元303。

服务器通过服务通信单元与边缘监测设备2通信，接收来自边缘监测设备2的发送的覆冰类型（覆冰检测结果）和覆冰类型对应的状态数据，服务存储单元用于存储所述覆冰类型及所述状态数据。

预警单元从服务存储单元中获取覆冰类型及所述状态数据，判断所述覆冰类型是否为异常类型，当覆冰类型为雨凇状态、雾凇状态、混合淞状态任一种时，预警单元发出预警信号，同时根据所述异常类型对应的状态数据生成预警信息。

所述服务通信单元用于从所述预警单元获取预警信息；还用于将所述预警信息发送至移动设备。

可以理解的是，高压线缆的巡检通常按区域划分，特定的巡检小组负责特定的区域，而一个区域内往往包含多处高压线缆，本申请的服务器会将相同区域的预警信息进行合并发送，以降低巡检人员的作业强度，提高监测平台的实用性。

作为一个优选的实施例，本发明的服务器与移动设备还设置有信息反馈单元304，当巡检人员对预警信息进行查看后，移动设备会向服务器发送预警信息已处理信号，当服务器在预设的时间内没有接收到预警信息已处理信号时，会将预警信息再次发送至移动设备，同时联系巡检人员进行处理。

应当理解，本申请不对各设备之间的通信方式进行限制，本领域技术人员可以根据需要对上述监测平台中各部分的通信方式进行合理设置。

本申请实施例提供了一种高压线缆状态监测方法，所检测方法利用前述监测平台实现，请参考图4所示，该方法包括：

步骤100：根据预先获取并存储的历史状态数据训练得到覆冰监测模型；

步骤200：采集并存储高压线缆的实时状态数据；其中，所述实时状态数据包含所述高压线缆的图像数据和气象数据；

步骤300：根据所述状态数据及所述覆冰监测模型确定所述高压线缆的覆冰类型，其中所述覆冰类型分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种；

步骤400：将所述状态数据以及确定出的覆冰类型发送至服务器，使得所述服务器根据所述覆冰类型及所述状态数据产生预警信息。

在一个优选的实施例中，步骤200具体为：

获取当前时刻的图像/>和第/>次检测时刻/>的图像/>，当，或/>时，采集/>至/>时间段内的图像数据及气象数据；

其中，为图像中线缆所在区域的掩码，/>为图像中线缆所在区域的变化幅值，/>为可调节的时间参数。

需要说明的是，线缆出现异常状态并非瞬时产生的，无论是雨凇状态、雾凇状态、混合淞状态都需要一定的积累时间，因此，无须实时采集线缆的状态数据，只需根据不同监测区域的高压线缆参数和监测要求，设置可调节参数和/>，对线缆的状态数据的采样频率进行调节，进而实现不同线缆的覆冰监测。

可以理解的是，由于高压线缆的搭设环境复杂，因此，采集到的高压线缆的图像数据中通常会包含许多干扰，不利于后续的处理，因此，本申请通过选取ROI区域图像作为高压线缆的图像数据，以减少后续图像处理的难度，具体的，将摄像单元中成像的图像大小记为，其中，/>为初始图像的宽，/>为初始图像的高，利用调节模块对摄像模块进行调节，使得初始图像中的高压线缆的灭点位于初始图像的中心，图像预处理模块以图像下边缘为底边，水平居中设置一个/>的正方形作为ROI区域，图像采集单元只采集上述ROI区域作为高压线缆的图像数据。

需要说明的是，上述气象数据包含温度数据、湿度数据、风速数据、风向数据、气压数据。

在一个优选的实施例中，请参见图5，图5为本发明实施例提供的覆冰监测模型的模型训练流程图，步骤100的具体顺序可以为：

S1、获取所述高压线缆的历史状态数据，其中所述历史状态数据包含历史图像数据和历史气象数据；

S2、标记所述历史状态数据，得到标记历史状态数据；其中，所述标记历史状态数据包含标记历史图像数据和标记历史气象数据，所述标记历史状态数据分为雨凇、雾凇、混合淞、无覆冰四种类型；

S3、基于深度卷积神经网络构建初始覆冰监测模型；

S4、将所述标记历史图像数据作为所述初始覆冰监测模型的卷积层输入，将所述标记历史气象数据作为所述初始覆冰监测模型的全连接层输入；

S5、根据所述标记历史状态数据训练得到所述覆冰监测模型。

在步骤S4中，由于标记历史图像数据包含的图像特征多且复杂，因此，本申请将标记历史图像数据作为卷积层的输入，而气象数据的特征较单一，因此只在进行特征融合前，将气象数据中的气象特征中途输入初始覆冰监测模型，在全连接层前将图像特征与气象特征进行融合得到线缆状态特征，将融合后的线缆状态特征作为全连接层的输入。

在一个优选的实施例中，把标记历史图像缩放为，作为卷积层的输入，获得所述标记历史图像的图像特征，然后把图像特征、温度、湿度、风速、风向作为全连接层的输入。在训练模型时，采用反向传播训练全连接层的网络权重。

可以理解的是，通过上述训练方式，可以避免因图像的数据量过大导致参数的规模急剧增加。

在步骤S5中，模型最终地输出为线缆的覆冰类型。

作为一个优选的实施例，步骤300具体为：

在进行线缆覆冰类型检测时，将线缆的图像数据作为覆冰监测模型卷积层输入，将气象数据作为全连接层输入，根据上述图像数据、气象数据和覆冰监测模型确定所述高压线缆的覆冰类型，其中所述覆冰类型分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种；

作为一个优选的实施例，步骤400具体为：

将所述状态数据以及确定出的覆冰类型发送至服务器，使得所述服务器根据所述覆冰类型及所述状态数据产生预警信息。

服务器从边缘监测设备处获取覆冰类型及状态数据，并判断出被监测的线缆的覆冰类型，当覆冰类型为异常类型时，发出预警信号，并采用异常类型对应的状态数据生成预警信息；异常类型包括：雨凇状态、雾凇状态、混合淞状态任一种。

可以理解的是，高压线缆的巡检通常按区域划分，特定的巡检小组负责特定的区域，而一个区域内往往包含多处高压线缆，将相同区域的预警信息进行合并发送，可以降低巡检人员的作业强度，提高作业效率。

以上所述，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 (6)

1.一种高压线缆状态监测平台，其特征在于，包括：若干边缘监测设备、服务器和移动设备；

所述边缘监测设备包括状态采集器、边缘存储器、模型训练器、数据处理器；

所述状态采集器用于采集高压线缆的状态数据；其中，所述状态数据包含图像数据和气象数据；

所述边缘存储器用于存储所述状态数据；

所述模型训练器用于根据历史状态数据训练得到覆冰监测模型；

所述数据处理器用于根据所述状态数据及所述覆冰监测模型确定所述高压线缆的覆冰类型；其中所述覆冰类型分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种；

所述服务器用于根据所述覆冰类型及所述状态数据产生预警信息，还用于将所述预警信息发送至所述移动设备；

所述移动设备用于当接收到所述预警信息时发出警报、并根据所述预警信息显示对应的状态数据；

其中，所述状态采集器包括图像采集单元、气象采集单元；

所述图像采集单元用于采集所述图像数据；

所述气象采集单元用于采集气象数据，所述气象数据包含温度数据、湿度数据、风速数据、风向数据、气压数据；

所述边缘监测设备还包括采集控制器，所述采集控制器包括采样触发单元和控制单元；

所述采样触发单元用于获取当前时刻的图像/>和第/>次检测时刻/>的图像/>，当，或/>时，触发采集指令；

所述控制单元用于当接收所述采集指令时，控制所述图像采集单元采集至/>时间段内的图像数据；还用于控制所述气象采集单元采集/>至/>时间段内的气象数据；

其中，为图像中线缆所在区域的掩码，/>为图像中线缆所在区域的变化幅值，/>为可调节的时间参数。

2.根据权利要求1所述的一种高压线缆状态监测平台，其特征在于，所述模型训练器包括数据标记单元和模型训练单元；

所述数据标记单元用于从所述边缘存储器获取所述高压线缆的历史状态数据；还用于标记所述历史状态数据，得到标记历史状态数据；其中，所述标记历史状态数据包含标记历史图像数据和标记历史气象数据，所述标记历史状态数据分为雨凇、雾凇、混合淞、无覆冰四种类型；

所述模型训练单元用于基于深度卷积神经网络构建初始覆冰监测模型；还用于将所述标记历史图像数据作为所述初始覆冰监测模型的卷积层输入；还用于将所述标记历史气象数据作为所述初始覆冰监测模型的全连接层输入；还用于根据所述标记历史状态数据训练得到所述覆冰监测模型。

3.根据权利要求2所述的一种高压线缆状态监测平台，其特征在于，所述服务器包含服务存储单元、预警单元、服务通信单元；

所述服务存储单元用于存储所述覆冰类型及所述状态数据；

所述预警单元用于从所述服务存储单元获取所述覆冰类型及所述状态数据；还用于判断所述覆冰类型为异常类型时，发出预警信号；还用于根据所述异常类型对应的状态数据生成预警信息；其中，所述异常类型包括：雨凇状态、雾凇状态、混合淞状态；

所述服务通信单元用于从所述预警单元获取所述预警信息；还用于将所述预警信息发送至所述移动设备。

4.一种高压线缆状态监测方法，其特征在于，应用于权利要求1-3任一项所述的高压线缆状态监测平台，包括：

根据预先获取并存储的历史状态数据训练得到覆冰监测模型；

采集并存储高压线缆的实时状态数据；其中，所述实时状态数据包含所述高压线缆的图像数据和气象数据；

根据所述状态数据及所述覆冰监测模型确定所述高压线缆的覆冰类型，其中所述覆冰类型分为雨凇状态、雾凇状态、混合淞状态和无覆冰状态四种；

将所述状态数据以及确定出的覆冰类型发送至服务器，使得所述服务器根据所述覆冰类型及所述状态数据产生预警信息；

其中，所述服务器产生预警信息后，将所述预警信息发送至移动装置，移动装置显示所述预警信息并发出警报；

其中，所述采集并存储高压线缆的实时状态数据具体为：

获取当前时刻的图像/>和第/>次检测时刻/>的图像/>，当/>，或/>时，采集/>至/>时间段内的图像数据及气象数据；

其中，为图像中线缆所在区域的掩码，/>为图像中线缆所在区域的变化幅值，/>为可调节的时间参数。

5.根据权利要求4所述的一种高压线缆状态监测方法，其特征在于，所述根据预先获取并存储的历史状态数据训练得到覆冰监测模型具体为：

S1、获取所述高压线缆的历史状态数据，其中所述历史状态数据包含历史图像数据和历史气象数据；

S2、标记所述历史状态数据，得到标记历史状态数据；其中，所述标记历史状态数据包含标记历史图像数据和标记历史气象数据，所述标记历史状态数据分为雨凇、雾凇、混合淞、无覆冰四种类型；

S3、基于深度卷积神经网络构建初始覆冰监测模型；

S4、将所述标记历史图像数据作为所述初始覆冰监测模型的卷积层输入，获得标记历史图像特征，将所述标记历史图像特征和所述标记历史气象数据作为所述初始覆冰监测模型的全连接层输入；

S5、根据所述标记历史状态数据训练得到所述覆冰监测模型。

6.根据权利要求5所述的一种高压线缆状态监测方法，其特征在于，所述根据所述覆冰类型及所述状态数据产生预警信息具体为：

获取所述覆冰类型及所述状态数据，判断所述覆冰类型，当所述覆冰类型为异常类型时，发出预警信号，采用所述异常类型对应的状态数据生成预警信息；其中，所述异常类型包括：雨凇状态、雾凇状态、混合淞状态。