CN115564288A - 基于数据融合的输电线路地质灾害风险评估方法及系统 - Google Patents
基于数据融合的输电线路地质灾害风险评估方法及系统 Download PDFInfo
- Publication number
- CN115564288A CN115564288A CN202211305380.0A CN202211305380A CN115564288A CN 115564288 A CN115564288 A CN 115564288A CN 202211305380 A CN202211305380 A CN 202211305380A CN 115564288 A CN115564288 A CN 115564288A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- data
- power transmission
- geological disaster
- risk
- 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 180
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012502 risk assessment Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 58
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000012097 association analysis method Methods 0.000 claims description 5
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据融合的输电线路地质灾害风险评估方法，包括获取输电线路的历史多源数据集；分析每一个地址灾害风险类别的强关联运行因子并得到输电线路地质灾害关联因子库；确定地址灾害风险类别的各个强关联运行参数风险值并构建地质灾害风险知识库；采用特征匹配算法计算得到地质灾害风险因子并构建风险因子矩阵；采用证据推理算法计算输电线路的地质灾害风险矩阵，完成最终的输电线路的地质灾害风险等级评估。本发明还公开了一种实现所述基于数据融合的输电线路地质灾害风险评估方法的系统。本发明能够有效结合多源数据，精准评估输电线路地质灾害风险状况；而且本发明的可靠性高、准确性好且客观科学。
Description
技术领域
本发明属于电气自动化领域，具体涉及一种基于数据融合的输电线路地质灾害风险评估方法及系统。
背景技术
随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。
输电线路是电力系统的重要组成部分；输电线路具有分布广、地处环境复杂多变的特点，杆塔基础在长期运行过程中容易出现滑坡、泥石流等地质灾害，给线路的安全运行带来了严重的隐患。因此，对于输电线路的地质灾害进行预测，就显得尤为重要。
目前，对于输电线路地质灾害的风险评估主要方式主要有人工巡线记录、利用卫星数据分析和装设监测系统评估等。但是，这类评估方法，其风险评估都是基于单方面的数据，没有结合输电线路本身特性要求，没有有效融合多源数据信息，因此难以精细化、精准化的评估输电线路地质灾害风险。
发明内容
本发明的目的在于提供一种可靠性高、准确性好且客观科学的基于数据融合的输电线路地质灾害风险评估方法。
本发明的目的之二在于提供一种实现所述基于数据融合的输电线路地质灾害风险评估方法的系统。
本发明提供的这种基于数据融合的输电线路地质灾害风险评估方法，包括如下步骤：
S1.获取输电线路的历史多源数据集；
S2.根据步骤S1获取的历史多源数据集，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库；
S3.根据步骤S2得到的输电线路地质灾害关联因子库，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库；
S4.采用特征匹配算法，基于步骤S3得到的地质灾害风险知识库，计算得到地质灾害风险因子，从而构建风险因子矩阵；
S5.根据步骤S4得到的风险因子矩阵，采用证据推理算法，计算输电线路的地质灾害风险矩阵；
S6.根据步骤S5得到的地质灾害风险矩阵，完成最终的输电线路的地质灾害风险等级评估。
步骤S1所述的获取输电线路的历史多源数据集，具体包括如下步骤：
多源数据集包括输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据、输电线路巡线数据和输电线路地质灾害风险类型数据；
其中，所述的输电线路本体特征数据包括杆塔类型数据、杆塔高度数据、杆塔材质数据、基础根开数据、基础类型数据和档距长度数据；所述的输电线路环境特征数据包括山坡类型数据、海拔高度数据、地貌类型数据、河网密度数据、地质类型数据和坡向数据；所述的输电线路气象数据包括降雨量数据、风速数据、风向数据和湿度数据；所述的输电线路在线监测数据包括杆塔基础位移数据、基础倾角数据、土壤湿度数据和土壤水位数据；所述的输电线路巡线数据包括护坡数据、水位数据和周边地势数据；所述的输电线路地质灾害风险类型数据包括滑坡、崩塌和泥石流。
步骤S2所述的根据步骤S1获取的历史多源数据集，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库，具体包括如下步骤：
根据获取的历史多源数据集，采用Apriori关联性分析算法，从输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据、输电线路巡线数据中，提取确定每一个输电线路地质灾害风险类型的频繁项集；每一个输电线路地质灾害风险类型的频繁项集均包括n个强关联因素；
采用皮尔逊相关性分析方法，对每一个输电线路地质灾害风险类型的频繁项集中的n个强关联因素进行相关性分析，并选取前若干个强关联因素作为最终的每一个输电线路地质灾害风险类型的输电线路地质灾害关联因子；
各个输电线路地质灾害风险类型的输电线路地质灾害关联因子，构成总的输电线路地质灾害关联因子库。
步骤S3所述的根据步骤S2得到的输电线路地质灾害关联因子库，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库，具体包括如下步骤：
针对每一个输电线路地质灾害风险类型，基于历史数据计算该类型的输电线路地质灾害关联因子库中各个关联因子的计算权重；
基于专家评估的方式，计算得到各个关联因子的专家权重；
基于熵权法，计算得到计算权重和专家权重之间的权重比例，从而将计算权重和专家权重采用加权求和的方式，计算得到每一个输电线路地质灾害风险类型的各个关联因子的风险因子；
各个输电线路地质灾害风险类型的各个关联因子所对应的风险因子，构成最终的地质灾害风险知识库。
步骤S4所述的采用特征匹配算法，基于步骤S3得到的地质灾害风险知识库，计算得到地质灾害风险因子，从而构建风险因子矩阵，具体包括如下步骤：
获取待评估的输电线路的待评估多源数据集；
针对待评估多源数据集中的输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据和输电线路巡线数据，计算其与步骤S3得到的地质灾害风险知识库中各个关联因子的距离，并获取距离最短的关联因子所对应的风险因子作为地质灾害风险因子，构建最终的风险因子矩阵。
所述的距离为欧式距离。
步骤S5所述的根据步骤S4得到的风险因子矩阵，采用证据推理算法，计算输电线路的地质灾害风险矩阵，具体包括如下步骤：
采用证据推理算法，按照不同关联因子对各类型地质灾害风险的贡献度，确定待评估的输电线路的地址灾害风险值，从而得到待评估输电线路的地质灾害风险矩阵。
所述的证据推理算法，具体包括如下步骤：
以TΘ表示整个计算中的不确定性，则表征以第j个风险因子为证据体的基本信度值mj(TΘ)表示为
其中
为第j个风险类别在运行数据为ci证据下的不确信度；m()函数采用Dempster组合。
本发明还公开了一种实现所述基于数据融合的输电线路地质灾害风险评估方法的系统，包括数据获取模块、关联因子库计算模块、风险知识库计算模块、风险因子矩阵计算模块、地质灾害风险矩阵计算模块和地质灾害风险等级评估模块；数据获取模块、关联因子库计算模块、风险知识库计算模块、风险因子矩阵计算模块、地质灾害风险矩阵计算模块和地质灾害风险等级评估模块依次串联；数据获取模块用于获取输电线路的历史多源数据集，并将数据上传关联因子库计算模块；关联因子库计算模块用于根据接收的数据，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库，并将数据上传风险知识库计算模块；风险知识库计算模块用于根据接收的数据，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库，并将数据上传风险因子矩阵计算模块；风险因子矩阵计算模块用于根据接收的数据，采用特征匹配算法，基于地质灾害风险知识库计算得到地质灾害风险因子，从而构建风险因子矩阵，并将数据上传地质灾害风险矩阵计算模块；地质灾害风险矩阵计算模块用于根据接收的数据，采用证据推理算法，计算输电线路的地质灾害风险矩阵，并将数据上传地质灾害风险等级评估模块；地质灾害风险等级评估模块用于根据接收的数据，完成最终的输电线路的地质灾害风险等级评估。
本发明提供的这种基于数据融合的输电线路地质灾害风险评估方法及系统，不仅能够精准评估输电线路地质灾害风险状况，而且能有效结合多源数据，实现输电线路地质灾害精细化的风险评估；而且本发明的可靠性高、准确性好且客观科学。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明系统的功能模块示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种基于数据融合的输电线路地质灾害风险评估方法，包括如下步骤：
S1.获取输电线路的历史多源数据集；具体包括如下步骤：
多源数据集包括输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据、输电线路巡线数据和输电线路地质灾害风险类型数据；
其中，所述的输电线路本体特征数据包括杆塔类型数据、杆塔高度数据、杆塔材质数据、基础根开数据、基础类型数据和档距长度数据；所述的输电线路环境特征数据包括山坡类型数据、海拔高度数据、地貌类型数据、河网密度数据、地质类型数据和坡向数据；所述的输电线路气象数据包括降雨量数据、风速数据、风向数据和湿度数据；所述的输电线路在线监测数据包括杆塔基础位移数据、基础倾角数据、土壤湿度数据和土壤水位数据；所述的输电线路巡线数据包括护坡数据、水位数据和周边地势数据；所述的输电线路地质灾害风险类型数据包括滑坡、崩塌和泥石流；
S2.根据步骤S1获取的历史多源数据集，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库；具体包括如下步骤：
根据获取的历史多源数据集，采用Apriori关联性分析算法，从输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据、输电线路巡线数据中，提取确定每一个输电线路地质灾害风险类型的频繁项集；每一个输电线路地质灾害风险类型的频繁项集均包括n个强关联因素；
采用皮尔逊相关性分析方法，对每一个输电线路地质灾害风险类型的频繁项集中的n个强关联因素进行相关性分析，并选取前若干个强关联因素作为最终的每一个输电线路地质灾害风险类型的输电线路地质灾害关联因子；
各个输电线路地质灾害风险类型的输电线路地质灾害关联因子，构成总的输电线路地质灾害关联因子库；
S3.根据步骤S2得到的输电线路地质灾害关联因子库，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库；具体包括如下步骤：
针对每一个输电线路地质灾害风险类型，基于历史数据计算该类型的输电线路地质灾害关联因子库中各个关联因子的计算权重；
基于专家评估的方式，计算得到各个关联因子的专家权重；
基于熵权法，计算得到计算权重和专家权重之间的权重比例，从而将计算权重和专家权重采用加权求和的方式，计算得到每一个输电线路地质灾害风险类型的各个关联因子的风险因子；
各个输电线路地质灾害风险类型的各个关联因子所对应的风险因子，构成最终的地质灾害风险知识库；
S4.采用特征匹配算法，基于步骤S3得到的地质灾害风险知识库，计算得到地质灾害风险因子，从而构建风险因子矩阵；具体包括如下步骤：
获取待评估的输电线路的待评估多源数据集；
针对待评估多源数据集中的输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据和输电线路巡线数据，计算其与步骤S3得到的地质灾害风险知识库中各个关联因子的距离(优选为欧式距离)，并获取距离最短的关联因子所对应的风险因子作为地质灾害风险因子，构建最终的风险因子矩阵；
S5.根据步骤S4得到的风险因子矩阵，采用证据推理算法，计算输电线路的地质灾害风险矩阵；具体包括如下步骤：
采用证据推理算法，按照不同关联因子对各类型地质灾害风险的贡献度，确定待评估的输电线路的地址灾害风险值，从而得到待评估输电线路的地质灾害风险矩阵；
具体实施时，证据推理算法包括如下步骤：
以TΘ表示整个计算中的不确定性，则表征以第j个风险因子为证据体的基本信度值mj(TΘ)表示为
其中
为第j个风险类别在运行数据为ci证据下的不确信度；m()函数采用Dempster组合；
S6.根据步骤S5得到的地质灾害风险矩阵，完成最终的输电线路的地质灾害风险等级评估；具体实施时，地质灾害风险等级包含：安全、注意、异常、严重四种状态；根据地质灾害风险矩阵中的值，若值超过了预设的阈值，则判定输电线路的杆塔处于该类地址灾害风险下。
如图2所示为本发明系统的功能模块示意图：本发明公开的这种实现所述基于数据融合的输电线路地质灾害风险评估方法的系统，包括数据获取模块、关联因子库计算模块、风险知识库计算模块、风险因子矩阵计算模块、地质灾害风险矩阵计算模块和地质灾害风险等级评估模块；数据获取模块、关联因子库计算模块、风险知识库计算模块、风险因子矩阵计算模块、地质灾害风险矩阵计算模块和地质灾害风险等级评估模块依次串联；数据获取模块用于获取输电线路的历史多源数据集，并将数据上传关联因子库计算模块；关联因子库计算模块用于根据接收的数据，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库，并将数据上传风险知识库计算模块；风险知识库计算模块用于根据接收的数据，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库，并将数据上传风险因子矩阵计算模块；风险因子矩阵计算模块用于根据接收的数据，采用特征匹配算法，基于地质灾害风险知识库计算得到地质灾害风险因子，从而构建风险因子矩阵，并将数据上传地质灾害风险矩阵计算模块；地质灾害风险矩阵计算模块用于根据接收的数据，采用证据推理算法，计算输电线路的地质灾害风险矩阵，并将数据上传地质灾害风险等级评估模块；地质灾害风险等级评估模块用于根据接收的数据，完成最终的输电线路的地质灾害风险等级评估。
Claims (9)
1.一种基于数据融合的输电线路地质灾害风险评估方法，包括如下步骤：
S1.获取输电线路的历史多源数据集；
S2.根据步骤S1获取的历史多源数据集，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库；
S3.根据步骤S2得到的输电线路地质灾害关联因子库，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库；
S4.采用特征匹配算法，基于步骤S3得到的地质灾害风险知识库，计算得到地质灾害风险因子，从而构建风险因子矩阵；
S5.根据步骤S4得到的风险因子矩阵，采用证据推理算法，计算输电线路的地质灾害风险矩阵；
S6.根据步骤S5得到的地质灾害风险矩阵，完成最终的输电线路的地质灾害风险等级评估。
2.根据权利要求1所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于步骤S1所述的获取输电线路的历史多源数据集，具体包括如下步骤：
多源数据集包括输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据、输电线路巡线数据和输电线路地质灾害风险类型数据；
其中，所述的输电线路本体特征数据包括杆塔类型数据、杆塔高度数据、杆塔材质数据、基础根开数据、基础类型数据和档距长度数据；所述的输电线路环境特征数据包括山坡类型数据、海拔高度数据、地貌类型数据、河网密度数据、地质类型数据和坡向数据；所述的输电线路气象数据包括降雨量数据、风速数据、风向数据和湿度数据；所述的输电线路在线监测数据包括杆塔基础位移数据、基础倾角数据、土壤湿度数据和土壤水位数据；所述的输电线路巡线数据包括护坡数据、水位数据和周边地势数据；所述的输电线路地质灾害风险类型数据包括滑坡、崩塌和泥石流。
3.根据权利要求2所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于步骤S2所述的根据步骤S1获取的历史多源数据集，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库，具体包括如下步骤：
根据获取的历史多源数据集，采用Apriori关联性分析算法，从输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据、输电线路巡线数据中，提取确定每一个输电线路地质灾害风险类型的频繁项集；每一个输电线路地质灾害风险类型的频繁项集均包括n个强关联因素；
采用皮尔逊相关性分析方法，对每一个输电线路地质灾害风险类型的频繁项集中的n个强关联因素进行相关性分析，并选取前若干个强关联因素作为最终的每一个输电线路地质灾害风险类型的输电线路地质灾害关联因子；
各个输电线路地质灾害风险类型的输电线路地质灾害关联因子，构成总的输电线路地质灾害关联因子库。
4.根据权利要求3所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于步骤S3所述的根据步骤S2得到的输电线路地质灾害关联因子库，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库，具体包括如下步骤：
针对每一个输电线路地质灾害风险类型，基于历史数据计算该类型的输电线路地质灾害关联因子库中各个关联因子的计算权重；
基于专家评估的方式，计算得到各个关联因子的专家权重；
基于熵权法，计算得到计算权重和专家权重之间的权重比例，从而将计算权重和专家权重采用加权求和的方式，计算得到每一个输电线路地质灾害风险类型的各个关联因子的风险因子；
各个输电线路地质灾害风险类型的各个关联因子所对应的风险因子，构成最终的地质灾害风险知识库。
5.根据权利要求4所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于步骤S4所述的采用特征匹配算法，基于步骤S3得到的地质灾害风险知识库，计算得到地质灾害风险因子，从而构建风险因子矩阵，具体包括如下步骤：
获取待评估的输电线路的待评估多源数据集；
针对待评估多源数据集中的输电线路本体特征数据、输电线路环境特征数据、输电线路气象数据、输电线路在线监测数据和输电线路巡线数据，计算其与步骤S3得到的地质灾害风险知识库中各个关联因子的距离，并获取距离最短的关联因子所对应的风险因子作为地质灾害风险因子，构建最终的风险因子矩阵。
6.根据权利要求5所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于所述的距离为欧式距离。
7.根据权利要求6所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于步骤S5所述的根据步骤S4得到的风险因子矩阵，采用证据推理算法，计算输电线路的地质灾害风险矩阵，具体包括如下步骤：
采用证据推理算法，按照不同关联因子对各类型地质灾害风险的贡献度，确定待评估的输电线路的地址灾害风险值，从而得到待评估输电线路的地质灾害风险矩阵。
8.根据权利要求7所述的基于数据融合的输电线路地质灾害风险评估方法，其特征在于所述的证据推理算法，具体包括如下步骤：
以TΘ表示整个计算中的不确定性，则表征以第j个风险因子为证据体的基本信度值mj(TΘ)表示为
其中
为第j个风险类别在运行数据为ci证据下的不确信度；m()函数采用Dempster组合。
9.一种实现权利要求1～8之一所述的基于数据融合的输电线路地质灾害风险评估方法的系统，其特征在于包括数据获取模块、关联因子库计算模块、风险知识库计算模块、风险因子矩阵计算模块、地质灾害风险矩阵计算模块和地质灾害风险等级评估模块；数据获取模块、关联因子库计算模块、风险知识库计算模块、风险因子矩阵计算模块、地质灾害风险矩阵计算模块和地质灾害风险等级评估模块依次串联；数据获取模块用于获取输电线路的历史多源数据集，并将数据上传关联因子库计算模块；关联因子库计算模块用于根据接收的数据，采用关联性分析方法，分析得到每一个地址灾害风险类别的强关联运行因子，从而得到输电线路地质灾害关联因子库，并将数据上传风险知识库计算模块；风险知识库计算模块用于根据接收的数据，确定每一个地址灾害风险类别的各个强关联运行参数风险值，从而构建地质灾害风险知识库，并将数据上传风险因子矩阵计算模块；风险因子矩阵计算模块用于根据接收的数据，采用特征匹配算法，基于地质灾害风险知识库计算得到地质灾害风险因子，从而构建风险因子矩阵，并将数据上传地质灾害风险矩阵计算模块；地质灾害风险矩阵计算模块用于根据接收的数据，采用证据推理算法，计算输电线路的地质灾害风险矩阵，并将数据上传地质灾害风险等级评估模块；地质灾害风险等级评估模块用于根据接收的数据，完成最终的输电线路的地质灾害风险等级评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211305380.0A CN115564288A (zh) | 2022-10-24 | 2022-10-24 | 基于数据融合的输电线路地质灾害风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211305380.0A CN115564288A (zh) | 2022-10-24 | 2022-10-24 | 基于数据融合的输电线路地质灾害风险评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115564288A true CN115564288A (zh) | 2023-01-03 |
Family
ID=84767473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211305380.0A Pending CN115564288A (zh) | 2022-10-24 | 2022-10-24 | 基于数据融合的输电线路地质灾害风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115564288A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116133045A (zh) * | 2023-02-09 | 2023-05-16 | 深圳中云通信技术有限公司 | 一种基于5g通信的继电保护通信系统及通信方法 |
| CN116362631A (zh) * | 2023-06-02 | 2023-06-30 | 国网安徽省电力有限公司经济技术研究院 | 一种基于大数据的直流配电网运行安全性评价系统 |
-
2022
- 2022-10-24 CN CN202211305380.0A patent/CN115564288A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116133045A (zh) * | 2023-02-09 | 2023-05-16 | 深圳中云通信技术有限公司 | 一种基于5g通信的继电保护通信系统及通信方法 |
| CN116133045B (zh) * | 2023-02-09 | 2023-11-03 | 深圳中云通信技术有限公司 | 一种基于5g通信的继电保护通信系统及通信方法 |
| CN116362631A (zh) * | 2023-06-02 | 2023-06-30 | 国网安徽省电力有限公司经济技术研究院 | 一种基于大数据的直流配电网运行安全性评价系统 |
| CN116362631B (zh) * | 2023-06-02 | 2023-08-11 | 国网安徽省电力有限公司经济技术研究院 | 一种基于大数据的直流配电网运行安全性评价系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102629294B (zh) | 台风引发输电线路故障的概率评估方法 | |
| CN115564288A (zh) | 基于数据融合的输电线路地质灾害风险评估方法及系统 | |
| CN111582755A (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
| CN107316095A (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
| CN107292478B (zh) | 一种灾害对配电网影响态势的获取方法 | |
| CN111753893A (zh) | 一种基于聚类和深度学习的风电机组功率集群预测方法 | |
| CN110929946A (zh) | 基于地表水文过程的农业洪涝灾害监测预报系统及方法 | |
| CN113222283A (zh) | 一种基于数字孪生的山洪预报预警方法及系统 | |
| CN113554849A (zh) | 一种空天地监测边坡系统及其失稳风险评估方法 | |
| CN109543870B (zh) | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 | |
| CN116562511B (zh) | 一种输变电工程建设规划地质勘测数据处理方法 | |
| CN113591256B (zh) | 一种山区输电线路杆塔雷击概率结果评估方法 | |
| CN109492756A (zh) | 基于深度学习的多要素导线舞动预警方法及相关装置 | |
| CN113902308A (zh) | 一种基于互联网的抽水蓄能电站安全状况评价方法 | |
| CN114065127A (zh) | 一种区域电网环境风险评估方法 | |
| CN107403004B (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
| CN117648863A (zh) | 一种基于水系连通的特旱条件下区域供水能力获取方法 | |
| CN104298706A (zh) | 一种基于数据挖掘的输电杆塔塔材实际强度计算方法 | |
| CN110570628A (zh) | 一种输电线路杆塔地质灾害监测预警分析系统及使用方法 | |
| CN113821895A (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
| CN115204712B (zh) | 一种海上和沿海风电场选址评估方法 | |
| Mandal et al. | Prediction of Wind Speed using Machine Learning | |
| CN113469518A (zh) | 一种基于rbf神经网络的农村住房台风灾害预估方法 | |
| Li | Improving Wind Ramp Predictions Using Gabor Filtering and Statistical Scenarios | |
| CN117952430B (zh) | 应对气象变化的发电站安全预警方法、装置、设备及介质 |
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 |