CN115512295A - 一种输电线路山火检测方法、预警方法及预警系统 - Google Patents

一种输电线路山火检测方法、预警方法及预警系统 Download PDF

Info

Publication number
CN115512295A
CN115512295A CN202211164704.3A CN202211164704A CN115512295A CN 115512295 A CN115512295 A CN 115512295A CN 202211164704 A CN202211164704 A CN 202211164704A CN 115512295 A CN115512295 A CN 115512295A
Authority
CN
China
Prior art keywords
image
data
fire
smoke
early warning
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.)
Withdrawn
Application number
CN202211164704.3A
Other languages
English (en)
Inventor
吴凯军
蒲春梅
余波
刘冲
卢政合
张伟
李民航
李伟
徐玉林
周家仪
刘黎娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liangshan Power Supply Co of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Liangshan Power Supply Co of State Grid Sichuan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liangshan Power Supply Co of State Grid Sichuan Electric Power Co Ltd filed Critical Liangshan Power Supply Co of State Grid Sichuan Electric Power Co Ltd
Priority to CN202211164704.3A priority Critical patent/CN115512295A/zh
Publication of CN115512295A publication Critical patent/CN115512295A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及电网输电线防山火技术领域，公开了一种输电线路山火检测方法、预警方法及预警系统，获取历史图像数据，并根据时间维度检测所述历史图像数据的清晰度变化量，以得到述历史图像数据中满足第一条件的有烟雾的第一图像区域；确定所述第一图像区域中的烟雾起点范围；获取所述历史图像数据所在地的外部影响因子，并得到所述烟雾起点范围与所述外部影响因子的关系数据集；将所述关系数据集作为神经网络模型的输入训练参数进行训练，以得到山火识别模型；将实时获取到的图像数据输入至所述山火识别模型，以识别是否发生山火，当判定烟雾来源于山火时，立即发出预警火情灾害预警。本发明能够更加准确地辨识出烟雾是否为山火导致。

Description

一种输电线路山火检测方法、预警方法及预警系统
技术领域
本发明涉及电网输电线防山火技术领域，具体涉及一种输电线路山火检测方法、预警方法及预警系统。
背景技术
由于输电线路大多架设在野外，运行环境复杂多变，易受雷电、山火、冰灾等灾害性天气影响而发生故障。特别是山火，随着电网的不断发展，输电线路常常跨越植被茂盛的山区，线路走廊附近大范围山火灾害时有发生，山火灾害大范围爆发时，往往会对多条线路产生威胁，对于负载较重的潮流断面，线路因山火跳闸后可能引发连锁跳闸事故，从而导致电网大规模停电。
输电线路山火的发生主要是由于线路下方及保护区内存在的可燃物(包括：树木、茅草、构筑物、易燃易爆物品等)发生火灾，对线路造成损坏或故障。主要形式有山火、房屋起火、堆积物(煤炭、木材、塑料等)起火等。由于火灾发生后控制不良极易蔓延，易引发线路跳闸，短时间难以恢复线路正常运行。目前的输电线路山火监测方法主要借鉴于红外监测技术，如开发了基于地面红外监测、机载红外林火监测和微波辐射监测装置，在大面积森林山火监测方面得到了一定的推广。在输电线路山火监测中，通过烟雾监测是目前山火监测的一种常规手段，但单纯基于烟雾的山火识别易受外界烟雾干扰，例如炊烟的干扰，误报率较高。
发明内容
本发明提供一种输电线路山火检测方法、预警方法及预警系统，具有较高的预警度。
本发明通过下述技术方案实现：
一种输电线路山火检测方法，包括如下步骤：
获取历史图像数据，并根据时间维度检测所述历史图像数据的清晰度变化量，以得到述历史图像数据中满足第一条件的有烟雾的第一图像区域；
确定所述第一图像区域中的烟雾起点范围；
根据烟雾起点范围的清晰度变化量与所述烟雾起点范围的水平最大直径计算火源范围；
获取所述历史图像数据所在地的外部影响因子，并得到所述烟雾起点范围、火源范围与所述外部影响因子的关系数据集；
将所述关系数据集作为神经网络模型的输入训练参数进行训练，以得到山火识别模型；
将实时获取到的图像数据输入至所述山火识别模型，以识别是否发生山火以及判断山火的火源范围大小。
作为优化，将所述历史图像数据划分为多个区域，按单位时间检测每个区域中的图像清晰度变化量，找出所述单位时间内存在所述清晰度变化量大于第一阈值的区域，并将所述清晰度变化量大于阈值的区域进行拼接，以得到单位时间内图像清晰度变化量大于第一阈值的第一图像区域以及所述清晰度变化量大于阈值的像素点的集合，该像素点的集合组成烟雾轮廓。
作为优化，从所述烟雾轮廓对应的第一图像区域中找出清晰度变化量大于第二阈值的第二图像区域，所述第二阈值大于所述第一阈值，且所述第二图像区域的水平最大直径小于第一图像区域中除第二图像区域以外的图像区域的水平最大直径，将所述第二图像区域定义为烟雾起点范围。
作为优化，所述外部影响因子包括外部气象数据、卫星遥感条件数据和人类活动，其中，所述外部气象数据包括温度、相对湿度、降雨量，所述卫星遥感条件数据包括可燃物含水率，所述人类活动包括祭祀和春耕。
作为优化，所述关系数据集具体表示为：{Ai,j，Bi,j，Ci,j，Di,j，Ei,j，Fi,j，Gi,j}，其中，i表示大于第二阈值的清晰度变化量，且j表示时间维度上的单位时间，A表示图像数据所在地的相对湿度值，B表示图像数据所在地的温度，C表示图像数据所在地的在单位时间前24H的降雨量，D表示第二阈值的清晰度变化量对应的图像位置所存在的可燃物含水率，E表示烟雾起点的水平最大直径，F表示图像数据所在地是否有人类活动，G表示火源范围大小。
作为优化，所述识别是否发生山火的过程为：
将所述关系数据集中的除火源范围大小的各数据赋予发生火灾可能性的第一数值，然后将各第一数值相乘，最终得到一个识别值，当所述识别值大于第三阈值时，判断烟雾为山火导致；
计算所述山火火源范围的具体过程为：
在判定烟雾为山火导致后，获取第二图像区域的水平最大直径f以及图像清晰度变化量i，通过公式G＝af*i得到山火火源范围，其中，Gs为山火火源范围大小，a为比例参数。
本发明还公开了一种输电线路山火预警方法，包括如下步骤：
在输电线路周边安装微气象监测装置、图像及视频监测装置对所述输电线路进行监控，并基于上述的山火检测方法对山火进行监控检测；
当判定烟雾来源于山火时，立即发出预警火情灾害预警。
本发明还公开了一种输电线路山火预警系统，用于实现上述的预警方法，包括微气象监测装置、图像及视频监测装置、边缘物联代理接入节点、物联管理平台、森林防火监测预警系统，其中，所述微气象监测装置、图像及视频监测装置经所述边缘物联代理接入节点接入至所述物联管理平台后再接入至所述森林防火监测预警系统，且第三方气象数据、第三方山火卫星监测图像数据经隔离装置后，接入至所述森林防火监测预警系统，所述森林防火监测预警系统对气象数据、图像、视频大数据进行分析后对分析结果进行展示，并进行火情灾害预警，其中，所述第三方气象数据与微气象监测装置中的监测气象数据中和后进行气象数据取用，所述第三方山火卫星监测图像数据用于提供第三方的图像数据，以更全面地检测是否发生山火。
作为优化，所述微气象监测装置、图像及视频监测装置采用单跳+多跳的组网方式与所述边缘物联代理接入节点连接，
其中，采用架空线路单点组网方式具体为：
在APN、电力专网信号稳定覆盖区域，通过边缘物联代理接入节点汇聚其覆盖范围内的杆塔及线路上采集终端数据，将所述微气象监测装置、图像及视频监测装置的数据传输至所述边缘物联代理接入节点；
采用架空线路多跳组网方式具体为：
在APN、无线专网信号未覆盖或不稳定区域，将部分汇聚节点作为中继节点，通过标准传感网协议进行组网，将数据传输至相应边缘物联代理接入节点，增加网络的覆盖范围，实现一定范围内数据可靠的传输。
作为优化，所述微气象监测装置、图像及视频监测装置与所述边缘物联代理接入节点之间的网络为双层异构智慧物联组网，所述第一层网络采用2.4G无线网络作为数据采集网络，接收采集微气象状态监测、图像/视频状态监测装置的数据，通过Zigbee或LoRa无线传输技术，将采得的数据接入第二层网络，所述第二层网络采用5.8G无线网桥作为传输骨干网络，采用点对点接力方式将电力铁塔上的微气象状态监测、图像/视频状态监测装置的数据传至变电站侧，通过边缘物联代理接入节点安全接入物联内网。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明通过将外部影响因子与图像数据进行结合，能够更加准确地辨识出烟雾是否为山火导致；
本发明采用单跳+多跳组网方式，增加网络的覆盖范围，实现一定范围内数据可靠的传输，同时，采用双层异构智慧物联组网即低功耗本地通信网络+高带宽微波中继骨干网络，解决了无信号问题。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。在附图中：
图1为一种输电线路山火预警系统的结构示意图；
图2为单跳+多跳组网方式的示意图；
图3、4均为监测到的山火的图像数据。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1-2所示，一种输电线路山火检测方法，包括如下步骤：
获取历史图像数据，并根据时间维度检测所述历史图像数据的清晰度变化量，以得到述历史图像数据中满足第一条件的有烟雾的第一图像区域。
本实施例中，将所述历史图像数据划分为多个区域，按单位时间检测每个区域中的图像清晰度变化量，找出所述单位时间内存在所述清晰度变化量大于第一阈值的区域，并将所述清晰度变化量大于阈值的区域进行拼接，以得到单位时间内图像清晰度变化量大于第一阈值的第一图像区域以及所述清晰度变化量大于阈值的像素点的集合，该像素点的集合组成烟雾轮廓。
例如，单位时间可以为1min，在1min中内，获取图像清晰度变化量大于第一阈值的区域，具体的，可能是该区域的部分位置的清晰度变化量大于第一阈值，也可能是该区域的全部位置的清晰度变化量大于第一阈值。
确定所述第一图像区域中的烟雾起点范围；本实施例中，从所述烟雾轮廓对应的第一图像区域中找出清晰度变化量大于第二阈值的第二图像区域，所述第二阈值大于所述第一阈值，且所述第二图像区域的水平最大直径小于第一图像区域中除第二图像区域以外的图像区域的水平最大直径，将所述第二图像区域定义为烟雾起点范围。
如图3-4所示，由于引起烟雾的原因有多种，而山火引起的烟雾有个特点，就是有个起火源，该起火源也是烟雾起点，而烟雾起点的烟雾相对散发到空中的烟雾浓度更高，且烟雾起点的轮廓较散发到空中的烟雾的轮廓更小，换言之，烟雾起点的清晰度变化量相对于其他区域的清晰度变化量更大，烟雾起点的水平最大直径相对于其他区域的水平最大直径更小，满足这两点(统称为第二条件)的烟雾即为烧火产生，这样就可以排除云雾这种类似于烟雾的情况，接下来，根据烟雾起点范围的清晰度变化量与所述烟雾起点范围的水平最大直径计算火源范围。
由于火源范围越大，同等清晰度变化量的区域，水平最大直径会越大，因此，通过烟雾起点范围的清晰度变化量和烟雾起点范围的水平最大直径作为参数，可以大致得到火源范围的大小，在判断完火源大小以后，就来判断该火源是山火还是人为活动造成。
获取所述历史图像数据所在地的外部影响因子，并得到所述烟雾起点范围、火源范围与所述外部影响因子的关系数据集；
将所述关系数据集作为神经网络模型的输入训练参数进行训练，以得到山火识别模型；
将实时获取到的图像数据输入至所述山火识别模型，以识别是否发生山火以及判断山火的火源范围大小。
本实施例中，所述外部影响因子包括外部气象数据、卫星遥感条件数据和人类活动，其中，所述外部气象数据包括温度、相对湿度、降雨量，所述卫星遥感条件数据包括可燃物含水率，所述人类活动包括祭祀和春耕。人类祭祀或者春耕时，可能会有烧火的情况，因此，要判断产生烟雾的火到底是山火还是人类祭祀所产生的火，判断依据可以参考下述列表。
本实施例中，所述关系数据集具体表示为：{Ai,j，Bi,j，Ci,j，Di,j，Ei,j，Fi,j}，其中，i表示大于第二阈值的清晰度变化量，且j表示时间维度上的单位时间，A表示图像数据所在地的相对湿度值，B表示图像数据所在地的温度，C表示图像数据所在地的在单位时间前24H的降雨量，D表示第二阈值的清晰度变化量对应的图像位置所存在的可燃物含水率，E表示烟雾起点的水平最大直径，F表示图像数据所在地是否有人类活动。
Figure BDA0003861667730000051
本实施例中，所述识别是否发生山火的过程为：
将所述关系数据集中的各数据赋予发生火灾可能性的第一数值，然后将各第一数值相乘，最终得到一个识别值，当所述识别值大于第三阈值时，判断烟雾为山火导致；
计算所述山火火源范围的具体过程为：
在判定烟雾为山火导致后，获取第二图像区域的水平最大直径f以及图像清晰度变化量i，通过公式Gs＝af*i得到山火火源范围，其中，Gs为山火火源范围大小，a为比例参数，a的大小可以根据有限次实验数据得到。第一阈值、第二阈值和第三阈值的具体值，可以根据不同的图像数据进行有限次实验得出，这里就不再做详细的讲解了。
例如，当检测到图像数据有烟雾，且烟雾满足第二条件，那么，就获取烟雾起点对应的外部影响因子的数据，例如，相对湿度值为60％，温度为25℃，前24H的降雨量为0，可燃物含水率为30％，无人类活动，烟雾起点最大直径为0.8m，则识别值为3.2，设定第三阈值为1.8，识别值超出第三阈值，则判定为山火烟雾。
在判断烟雾为山火烟雾以后，通过上述公式得到山火火源范围的大小，这样可以让工作人员大致得知目前山火的大小，方便工作人员做出对应的措施，避免因为误判山火大小而造成不必要的损失。
实施例2
本发明还公开了一种输电线路山火预警方法，包括如下步骤：
在输电线路周边安装微气象监测装置、图像及视频监测装置对所述输电线路进行监控，并基于上述的山火检测方法对山火进行监控检测；
当判定烟雾来源于山火时，立即发出预警火情灾害预警。
实施例3
本发明还公开了一种输电线路山火预警系统，用于实现上述的预警方法，包括微气象监测装置、图像及视频监测装置、边缘物联代理接入节点、物联管理平台、森林防火监测预警系统，其中，所述微气象监测装置、图像及视频监测装置经所述边缘物联代理接入节点接入至所述物联管理平台后再接入至所述森林防火监测预警系统，且第三方气象数据、第三方山火卫星监测图像数据经隔离装置后，接入至所述森林防火监测预警系统，所述森林防火监测预警系统对气象数据、图像、视频大数据进行分析后对分析结果进行展示，并进行火情灾害预警，其中，所述第三方气象数据与微气象监测装置中的监测气象数据中和后进行气象数据取用，所述第三方山火卫星监测图像数据用于提供第三方的图像数据，以更全面地检测是否发生山火。
具体的，本实施例的主要做法如下：
一、依靠智慧物联网完成输电线路周边数据采集
在感知层，选取处于地理环境复杂、气候环境恶劣、火灾易发区、偏远不易到达区、缺陷易发等区段的13条输电线路，在输电线路上共部署946个物联网图像视频终端和微气象状态监测装置，实时监视线路周边环境，采集火点、烟雾、风力、温湿度等关键数据。
在网络层，在无运营商信号覆盖地区，采用双层异构智慧物联组网，利用点对点接力方式将输电线路上的图像数据和传感数据传至“边缘物联代理”，通过“边缘物联代理”等设备安全接入物联管理平台，即“自微组网+多跳组网”；有运营商信号覆盖地区，通过边缘物联代理汇聚其覆盖范围内输电线路上物联感知终端所采集数据直接接入物联管理平台，即“单点组网”方式。
二、依靠物联管理平台和人工智能平台完成数据存储和处理
依靠人工智能平台，通过深度学习、人工智能、机器视觉等技术，从图像/视频中获取状态信息应用，结合外部气象数据(温度、相对湿度、降雨量和风速等)、卫星遥感条件数据(可燃物类型、含水率和植被覆盖率等)、人类活动(祭祀、春耕、意外等)，构建实施例1提到的山火识别模型，对从输电线路传回的图像进行识别，预测山火发生的风险。
(三)搭建应用系统综合利用各类信息实现森林防火预警
在应用层，搭建输电线路森林防火预警功能模块，调用人工智能平台的图像识别推理预测服务，利用人工智能平台的山火识别模型对采集的图像进行智能识别，在可视化维度实现AI识别，并通过标准化接口向应用反馈识别结果，从而提高识别准确率和效率。最终在输电线路森林防火预警功能模块进行信息综合分析和预警提醒，实现实时火情灾害预警，全面提升山火监测、预警与预测能力。
本实施例中，所述微气象监测装置、图像及视频监测装置采用单跳+多跳的组网方式与所述边缘物联代理接入节点连接，
其中，采用架空线路单点组网方式具体为：
在APN、电力专网信号稳定覆盖区域，通过边缘物联代理接入节点汇聚其覆盖范围内的杆塔及线路上采集终端数据，将所述微气象监测装置、图像及视频监测装置的数据传输至所述边缘物联代理接入节点；
采用架空线路多跳组网方式具体为：
在APN、无线专网信号未覆盖或不稳定区域，将部分汇聚节点作为中继节点，通过标准传感网协议进行组网，将数据传输至相应边缘物联代理接入节点，增加网络的覆盖范围，实现一定范围内数据可靠的传输。
本实施例中，所述微气象监测装置、图像及视频监测装置与所述边缘物联代理接入节点之间的网络为双层异构智慧物联组网即低功耗本地通信网络+高带宽微波中继骨干网络，所述第一层网络采用2.4G无线网络作为数据采集网络，接收采集微气象状态监测、图像/视频状态监测装置的数据，通过Zigbee或LoRa无线传输技术，将采得的数据接入第二层网络，所述第二层网络采用5.8G无线网桥作为传输骨干网络，最大速率700Mbps，采用点对点接力方式将电力铁塔上的微气象状态监测、图像/视频状态监测装置的数据传至变电站侧，通过边缘物联代理接入节点安全接入物联内网，解决了无信号问题。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种输电线路山火检测方法，其特征在于，包括如下步骤：
获取历史图像数据，并根据时间维度检测所述历史图像数据的清晰度变化量，以得到述历史图像数据中满足第一条件的有烟雾的第一图像区域；
确定所述第一图像区域中的烟雾起点范围；
根据烟雾起点范围的清晰度变化量与所述烟雾起点范围的水平最大直径计算火源范围；
获取所述历史图像数据所在地的外部影响因子，并得到所述烟雾起点范围、火源范围与所述外部影响因子的关系数据集；
将所述关系数据集作为神经网络模型的输入训练参数进行训练，以得到山火识别模型；
将实时获取到的图像数据输入至所述山火识别模型，以识别是否发生山火以及判断山火的火源范围大小。
2.根据权利要求1所述的一种输电线路山火检测方法，其特征在于，将所述历史图像数据划分为多个区域，按单位时间检测每个区域中的图像清晰度变化量，找出所述单位时间内存在所述清晰度变化量大于第一阈值的区域，并将所述清晰度变化量大于阈值的区域进行拼接，以得到单位时间内图像清晰度变化量大于第一阈值的第一图像区域以及所述清晰度变化量大于阈值的像素点的集合，该像素点的集合组成烟雾轮廓。
3.根据权利要求2所述的一种输电线路山火检测方法，其特征在于，从所述烟雾轮廓对应的第一图像区域中找出清晰度变化量大于第二阈值的第二图像区域，所述第二阈值大于所述第一阈值，且所述第二图像区域的水平最大直径小于第一图像区域中除第二图像区域以外的图像区域的水平最大直径，将所述第二图像区域定义为烟雾起点范围。
4.根据权利要求3所述的一种输电线路山火检测方法，其特征在于，所述外部影响因子包括外部气象数据、卫星遥感条件数据和人类活动，其中，所述外部气象数据包括温度、相对湿度、降雨量，所述卫星遥感条件数据包括可燃物含水率，所述人类活动包括祭祀和春耕。
5.根据权利要求4所述的一种输电线路山火检测方法，其特征在于，所述关系数据集具体表示为：{Ai,j，Bi,j，Ci,j，Di,j，Ei,j，Fi,j，Gi,j}，其中，i表示大于第二阈值的清晰度变化量，且j表示时间维度上的单位时间，A表示图像数据所在地的相对湿度值，B表示图像数据所在地的温度，C表示图像数据所在地的在单位时间前24H的降雨量，D表示第二阈值的清晰度变化量对应的图像位置所存在的可燃物含水率，E表示烟雾起点的水平最大直径，F表示图像数据所在地是否有人类活动，G表示火源范围大小。
6.根据权利要求5所述的一种输电线路山火检测方法，其特征在于，所述识别是否发生山火的过程为：
将所述关系数据集中的除火源范围大小的各数据赋予发生火灾可能性的第一数值，然后将各第一数值相乘，最终得到一个识别值，当所述识别值大于第三阈值时，判断烟雾为山火导致；
计算所述山火火源范围的具体过程为：
在判定烟雾为山火导致后，获取第二图像区域的水平最大直径f以及图像清晰度变化量i，通过公式Gs＝af*i得到山火火源范围，其中，Gs为山火火源范围大小，a为比例参数。
7.一种输电线路山火预警方法，其特征在于，包括如下步骤：
在输电线路周边安装微气象监测装置、图像及视频监测装置对所述输电线路进行监控，并基于权利要求1-6任一所述的山火检测方法对山火进行监控检测；
当判定烟雾来源于山火时，立即发出预警火情灾害预警。
8.一种输电线路山火预警系统，用于实现权利要求7的预警方法，其特征在于，包括微气象监测装置、图像及视频监测装置、边缘物联代理接入节点、物联管理平台、森林防火监测预警系统，其中，所述微气象监测装置、图像及视频监测装置经所述边缘物联代理接入节点接入至所述物联管理平台后再接入至所述森林防火监测预警系统，且第三方气象数据、第三方山火卫星监测图像数据经隔离装置后，接入至所述森林防火监测预警系统，所述森林防火监测预警系统对气象数据、图像、视频大数据进行分析后对分析结果进行展示，并进行火情灾害预警，其中，所述第三方气象数据与微气象监测装置中的监测气象数据中和后进行气象数据取用，所述第三方山火卫星监测图像数据用于提供第三方的图像数据，以更全面地检测是否发生山火。
9.根据权利要求8所述的一种输电线路山火预警系统，其特征在于，所述微气象监测装置、图像及视频监测装置采用单跳+多跳的组网方式与所述边缘物联代理接入节点连接，
其中，采用架空线路单点组网方式具体为：
在APN、电力专网信号稳定覆盖区域，通过边缘物联代理接入节点汇聚其覆盖范围内的杆塔及线路上采集终端数据，将所述微气象监测装置、图像及视频监测装置的数据传输至所述边缘物联代理接入节点；
采用架空线路多跳组网方式具体为：
在APN、无线专网信号未覆盖或不稳定区域，将部分汇聚节点作为中继节点，通过标准传感网协议进行组网，将数据传输至相应边缘物联代理接入节点，增加网络的覆盖范围，实现一定范围内数据可靠的传输。
10.根据权利要求9所述的一种输电线路山火预警系统，其特征在于，所述微气象监测装置、图像及视频监测装置与所述边缘物联代理接入节点之间的网络为双层异构智慧物联组网，所述第一层网络采用2.4G无线网络作为数据采集网络，接收采集微气象状态监测、图像/视频状态监测装置的数据，通过Zigbee或LoRa无线传输技术，将采得的数据接入第二层网络，所述第二层网络采用5.8G无线网桥作为传输骨干网络，采用点对点接力方式将电力铁塔上的微气象状态监测、图像/视频状态监测装置的数据传至变电站侧，通过边缘物联代理接入节点安全接入物联内网。
CN202211164704.3A 2022-09-23 2022-09-23 一种输电线路山火检测方法、预警方法及预警系统 Withdrawn CN115512295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211164704.3A CN115512295A (zh) 2022-09-23 2022-09-23 一种输电线路山火检测方法、预警方法及预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211164704.3A CN115512295A (zh) 2022-09-23 2022-09-23 一种输电线路山火检测方法、预警方法及预警系统

Publications (1)

Publication Number Publication Date
CN115512295A true CN115512295A (zh) 2022-12-23

Family

ID=84506422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211164704.3A Withdrawn CN115512295A (zh) 2022-09-23 2022-09-23 一种输电线路山火检测方法、预警方法及预警系统

Country Status (1)

Country Link
CN (1) CN115512295A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363582A (zh) * 2023-03-15 2023-06-30 上海倍肯智能科技有限公司 一种输电线路山火监控系统及方法
CN116543346A (zh) * 2023-05-06 2023-08-04 电子科技大学 一种基于深度学习的输电线路视频山火检测方法
CN117975701A (zh) * 2024-03-29 2024-05-03 江苏讯汇科技股份有限公司 一种输电线路夜间防山火指示装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363582A (zh) * 2023-03-15 2023-06-30 上海倍肯智能科技有限公司 一种输电线路山火监控系统及方法
CN116543346A (zh) * 2023-05-06 2023-08-04 电子科技大学 一种基于深度学习的输电线路视频山火检测方法
CN116543346B (zh) * 2023-05-06 2025-10-28 电子科技大学 一种基于深度学习的输电线路视频山火检测方法
CN117975701A (zh) * 2024-03-29 2024-05-03 江苏讯汇科技股份有限公司 一种输电线路夜间防山火指示装置

Similar Documents

Publication Publication Date Title
CN117079424B (zh) 基于光伏电池供电的远程森林火灾监测预警系统及方法
CN115512295A (zh) 一种输电线路山火检测方法、预警方法及预警系统
CN202472841U (zh) 基于物联网的森林火灾监测预警系统
CN202434011U (zh) 森林火灾自动监测与报警系统
CN112491982A (zh) 基于云边协同输电线路精细化感知方法
CN110543986A (zh) 一种输电线路外部隐患智能监控系统及其监控方法
CN104581076A (zh) 基于360度全景红外鱼眼摄像机之山火监控识别方法及装置
CN104269012B (zh) 基于modis数据的输电线路附近山火监测方法
CN111008599B (zh) 一种基于时间尺度特征评估的山火同步卫星监测预警方法及系统
CN213716108U (zh) 一种森林防火预警检测系统
CN113566883A (zh) 一种基于物联网的电力缆线监控方法、系统及存储介质
CN113899930A (zh) 一种山火灾害的监测系统
CN103761827A (zh) 一种火灾监控系统
CN110766685A (zh) 一种基于遥感数据云检测的输电线路山火监测方法及系统
CN108538014A (zh) 基于卫星检测盲区的输电线路通道山火防治方法及系统
CN112815969A (zh) 一种基于边缘计算的物联网光纤分析仪装置
KR102690442B1 (ko) 전력 설비를 위한 화재 감시 시스템 및 화재 원인 분석 방법
CN116843528A (zh) 多源卫星高时频电网火险监测方法及系统
CN115310715A (zh) 一种基于多源异构数据融合的林草防灭火监测系统及方法
CN215448029U (zh) 一种基于物联网LoRa的电力缆线监控系统
CN108134452B (zh) 电网分布式带电灭火系统的物联网系统及其管控方法
CN212111619U (zh) 基于物联网和人工智能的输电线路避雷设施故障检测设备
CN106909918A (zh) 基于输电线路沿线卫星图像的山火危险性辨识方法
CN112578311A (zh) 一种避雷器泄露电流检测装置及方法
CN114926948A (zh) 基于卫星物联网的林业防火监控方法及系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20221223

WW01 Invention patent application withdrawn after publication