CN116363116B - 输电铁塔雷击概率分时判断系统 - Google Patents

Abstract

本发明涉及一种输电铁塔雷击概率分时判断系统，包括：影像录入器件，设置在目标输电铁塔的顶部的中央位置，用于采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面；内容转换机构，用于采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率。通过本发明，能够为每一个目标输电铁塔建立针对性的执行未来时刻雷击概率分析的深度神经网络模型，从而获取可靠的目标输电铁塔雷击概率，减少输电电网的经济损失。

Description

输电铁塔雷击概率分时判断系统

技术领域

本发明涉及输电电网领域，尤其涉及一种输电铁塔雷击概率分时判断系统。

背景技术

输电铁塔是输电电网的重要构成设施，是架空每一段输电线路的支撑点，在输电铁塔上架设一个回路则是单回路输电塔，在输电铁塔上架设两个回路则是双回路输电塔。单回路就是指一个负荷有一个供电电源的回路；双回路就是指一个负荷有2个供电电源的回路。一般地，对供电可靠性要求高的企业，或地区重要变电站，均采用双回线供电，这样可保护其中一个电源因故停电，另一个电源可继续供电，但对一般的对供电可靠性要求不高的中小用户往往采用单电源供电。

输电铁塔由于分布广泛、数量众多且通常位于郊区空旷位置，导致其被雷击的概率大增，尤其是在输电铁塔周围不存在其他避雷设施的情况下，然而即使是在雷雨易发的时间段，输电电网的管理方仍然无法预测和判断未来每一时刻每一输电铁塔被雷击的概率，进而无法对即将发生雷击的输电铁塔进行预警和应对，容易导致输电电网的管理方产生大量的经济损失，同时也影响了输电电网的正常电力供应。

现有技术中公开了一些技术方案：

CN218732399U提供一种电力铁塔避雷装置，涉及避雷装置技术领域，包括避雷装置本体，避雷装置本体包括装置箱，装置箱的两端安装有安装板，装置箱的内部安装有隔板，隔板的一端固定安装有安装座，安装座内部设置有调节机构，隔板上端面在靠近安装座的一侧安装有放置板，放置板的上端面固定安装有第一伺服电机，第一伺服电机的输出端套装有第一齿轮，装置箱的底部一侧固定安装有升降机构，升降机构包括底座，底座的内部滑动连接有顶板，顶板的上端面固定安装有第二伺服电机，第二伺服电机的输出端套设有第一锥齿。

CN218727603U公开了一种电力线路铁塔雷击检测装置，涉及电力铁塔雷击检测技术领域。包括检测盒体，所述检测盒体底部设置有没土机构，检测盒体顶部固定连接有卡扣式顶盖，卡扣式顶盖顶部一端固定连接有固定杆，固定杆顶部设置有太阳能电池板，检测盒体一侧外壁表面固定连接有电流传感器。本实用新型通过检测盒体，没土机构等的设置，该装置在使用时只需要将该装置朝地下按去即可完成安装，并将固定螺栓没入土中使其保持稳定即可使用，操作方式简单，使用方便，并且其盒体结构方便携带，太阳能板的设置使得该装置能够保持长时间的使用寿命，持续性强，同时该装置结构简单，重量小，可复制率高，能够大批量的运用于铁塔雷击检测。

CN218586583U公开了一种通讯铁塔的避雷针组件，包括安装架，所述安装架的内部两侧对称开设有滑槽，所述滑槽的内部滑动连接有短板，所述短板的另一侧固定连接有滑块，所述滑块的内部贯穿开设有螺纹孔；本实用新型的优点在于：通过丝杆、卡环配合滑块及其内部螺纹孔能够对两组连接板的位置进行调节，进而使其能够对安装板与避雷针主体进行固定，以夹持固定代替传统的螺丝、螺母固定，大大的减少了安装难度，同时也能够避免在恶劣气候长时间影响下导致螺栓与螺母松动，造成事故；通过弹簧配合移动块、短块、长杆能够对稳固夹进行调节，进而使其能够对避雷针主体进行二次固定，避免避雷针倒塌或倾斜事故，提高了其安全性。

CN218424423U提供一种用于铁塔的雷击防护装置。所述用于铁塔的雷击防护装置包括壳体，所述壳体的顶部开设有安装孔，所述壳体的两侧均开设有漏水孔；避雷针本体，所述避雷针本体设置在所述安装孔内；外箱，所述外箱固定套设在所述壳体上，所述外箱上开设有多个进水孔；接水罩，所述接水罩固定套设在所述外箱上，所述接水罩位于多个所述进水孔的外部。本实用新型提供的用于铁塔的雷击防护装置具有可对铁塔进行防护、可提升防雷效果、污秽清理较为方便、操作风险较低的优点。

CN218300557U公开了一种通信铁塔避雷装置，包括下支架，下支架的内侧固定连接有限位杆，限位杆的外部滑动连接有滑块，滑块的外部固定连接有复位弹簧，滑块的外部固定连接有卡板，卡板的外部固定连接有插杆，插杆的外部插接有避雷针，卡板的外部滚动连接有滚轮，滚轮的外部固定连接有撑杆，撑杆远离滚轮的一端固定连接有滑杆，滑杆的外部滑动连接有连杆，滑杆的外部固定连接有支杆，滑杆的底部固定连接有连接弹簧。该一种通信铁塔避雷装置，通过设置限位杆、滑块、复位弹簧、卡板、插杆、避雷针、滚轮、撑杆、滑杆、连杆、支杆、拉杆、连接弹簧，达到了方便使用者对避雷针进行安装的效果，同时提升了工作效率。

综上所述，上述现有技术均不能够为每一个目标输电铁塔建立针对性的执行未来时刻雷击概率分析的深度神经网络模型，从而能够获取可靠的目标输电铁塔雷击概率，为目标输电铁塔的雷击防护提供反应时间。

发明内容

为了解决输电电网领域存在的上述问题，本发明提供了一种输电铁塔雷击概率分时判断系统，能够为每一个目标输电铁塔建立针对性的执行未来时刻雷击概率分析的深度神经网络模型，所述深度神经网络模型经过多次训练且基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的各项铁塔配置数据以及当前时刻对应的空域拍摄画面的闪电成像信息，从而能够获取可靠的目标输电铁塔雷击概率，为目标输电铁塔的雷击防护提供反应时间。

根据本发明的一方面，提供了一种输电铁塔雷击概率分时判断系统，所述系统包括：

环境采集器件，用于采集执行输电线路支撑的目标输电铁塔当前所在环境的各项当前环境信息，所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量；

输电检测器件，用于获取目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积；

影像录入器件，设置在所述目标输电铁塔的顶部的中央位置，用于采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布；

内容转换机构，分别与所述环境采集器件、所述输电检测器件以及所述影像录入器件连接，用于采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率；

学习操作机构，与所述内容转换机构连接，用于将完成设定数目的多次学习后的深度神经网络作为深度神经网络模型发送给所述内容转换机构，所述设定数目的取值与当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量成正比；

其中，当前时刻对应的空域拍摄画面的闪电成像信息包括当前时刻对应的空域拍摄画面的闪电成像区域的各个构成像素点的数量以及各个构成像素点分别对应的各个景深数值。

通过本发明，能够为每一个目标输电铁塔建立针对性的执行未来时刻雷击概率分析的深度神经网络模型，从而获取可靠的目标输电铁塔雷击概率，减少输电电网的经济损失。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明的第一实施方案示出的输电铁塔雷击概率分时判断系统的内部结构示意图。

图2为根据本发明的第二实施方案示出的输电铁塔雷击概率分时判断系统的内部结构示意图。

图3为根据本发明的第三实施方案示出的输电铁塔雷击概率分时判断系统的内部结构示意图。

具体实施方式

下面将参照附图对本发明的输电铁塔雷击概率分时判断系统的实施方案进行详细说明。

实施例1

图1为根据本发明的第一实施方案示出的输电铁塔雷击概率分时判断系统的内部结构示意图，所述系统包括：

环境采集器件，用于采集执行输电线路支撑的目标输电铁塔当前所在环境的各项当前环境信息，所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量；

示例地，所述环境采集器件包括多个采集执行单元，用于分别采集当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量；

输电检测器件，用于获取目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积；

影像录入器件，设置在所述目标输电铁塔的顶部的中央位置，用于采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布；

内容转换机构，分别与所述环境采集器件、所述输电检测器件以及所述影像录入器件连接，用于采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率；

学习操作机构，与所述内容转换机构连接，用于将完成设定数目的多次学习后的深度神经网络作为深度神经网络模型发送给所述内容转换机构，所述设定数目的取值与当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量成正比；

其中，当前时刻对应的空域拍摄画面的闪电成像信息包括当前时刻对应的空域拍摄画面的闪电成像区域的各个构成像素点的数量以及各个构成像素点分别对应的各个景深数值。

因此，本发明至少具有以下三个重要的发明构思：

发明构思1：为每一个目标输电铁塔建立针对性的执行未来时刻雷击概率分析的深度神经网络模型，所述模型的各项输入数据分别为目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的各项铁塔配置数据以及当前时刻对应的空域拍摄画面的闪电成像信息；

发明构思2：建立的深度神经网络模型为完成设定数目的多次学习后的深度神经网络，所述设定数目的取值与当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量成正比；

发明构思3：当前时刻对应的空域拍摄画面的闪电成像信息包括当前时刻对应的空域拍摄画面的闪电成像区域的各个构成像素点的数量以及各个构成像素点分别对应的各个景深数值，其中，采用定制解析机制获取当前时刻对应的空域拍摄画面的闪电成像区域。

实施例2

图2为根据本发明的第二实施方案示出的输电铁塔雷击概率分时判断系统的内部结构示意图。

与本发明的第一实施方案不同，本发明的第二实施方案的输电铁塔雷击概率分时判断系统还包括：

对象分辨机构，与所述影像录入器件连接，用于基于闪电成像特性分辨当前时刻对应的空域拍摄画面中的闪电成像区域；

示例地，所述对象分辨机构内置存储单元，用于预先存储所述闪电成像特性；

其中，基于闪电成像特性分辨当前时刻对应的空域拍摄画面中的闪电成像区域包括：所述闪电成像特性为闪电对应的预设灰度数值范围；

其中，基于闪电成像特性分辨当前时刻对应的空域拍摄画面中的闪电成像区域包括：将当前时刻对应的空域拍摄画面中具有的灰度数值在预设灰度数值范围的像素点作为闪电成像区域的单个构成像素点。

实施例3

图3为根据本发明的第三实施方案示出的输电铁塔雷击概率分时判断系统的内部结构示意图。

与本发明的第一实施方案不同，本发明的第三实施方案的输电铁塔雷击概率分时判断系统还包括：

通信执行机构，与所述内容转换机构连接，用于将当前时刻的下一时刻的所述目标输电铁塔被雷击的概率通过网络传输到远端的输电线路监控服务器。

接着，继续对本发明的输电铁塔雷击概率分时判断系统的具体结构进行进一步的说明。

在根据本发明的各个实施方案的输电铁塔雷击概率分时判断系统中：

所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量包括：所述目标输电铁塔周围设定覆盖面积为以所述目标输电铁塔为中心以设定半径为半径的圆体的覆盖面积；

其中，所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量包括：目标输电铁塔周围设定覆盖面积内存在的避雷设备包括避雷针。

在根据本发明的各个实施方案的输电铁塔雷击概率分时判断系统中：

采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率包括：将目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息作为深度神经网络模型的各项输入数据；

其中，采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率包括：将当前时刻的下一时刻的所述目标输电铁塔被雷击的概率作为深度神经网络模型的单项输出数据。

在根据本发明的各个实施方案的输电铁塔雷击概率分时判断系统中：

采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布包括：各个时刻为各分钟的到达时刻。

以及在根据本发明的各个实施方案的输电铁塔雷击概率分时判断系统中：

采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布包括：目标输电铁塔的铁塔高度的数值越大，每一个空域拍摄画面对应的拍摄视野越宽。

另外，在所述输电铁塔雷击概率分时判断系统中，将完成设定数目的多次学习后的深度神经网络作为深度神经网络模型发送给所述内容转换机构，所述设定数目的取值与当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量成正比包括：采用数值转换公式表示所述设定数目的取值与当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量成正比的数值转换关系。

采用本发明的输电铁塔雷击概率分时判断系统，针对现有技术中各个输电铁塔未来时刻雷击概率难以预测的技术问题，通过为每一个目标输电铁塔建立针对性的执行未来时刻雷击概率分析的深度神经网络模型，从而能够获取可靠的目标输电铁塔雷击概率，减少输电电网的经济损失，避免正常的供电行为受到影响。

尽管已参考示例性的实施方案对本发明进行了详尽的说明和描述，但本领域技术人员应当理解，可以在形式和细节上作出各种变化，而这些变化并不偏离如权利要求所定义的本发明的精神和范围。

Claims (10)

1.一种输电铁塔雷击概率分时判断系统，其特征在于，所述系统包括：

环境采集器件，用于采集执行输电线路支撑的目标输电铁塔当前所在环境的各项当前环境信息，所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量；

输电检测器件，用于获取目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积；

影像录入器件，设置在所述目标输电铁塔的顶部的中央位置，用于采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布；

内容转换机构，分别与所述环境采集器件、所述输电检测器件以及所述影像录入器件连接，用于采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率；

学习操作机构，与所述内容转换机构连接，用于将完成设定数目的多次学习后的深度神经网络作为深度神经网络模型发送给所述内容转换机构，所述设定数目的取值与当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量成正比；

其中，当前时刻对应的空域拍摄画面的闪电成像信息包括当前时刻对应的空域拍摄画面的闪电成像区域的各个构成像素点的数量以及各个构成像素点分别对应的各个景深数值。

2.如权利要求1所述的输电铁塔雷击概率分时判断系统，其特征在于，所述系统还包括：

对象分辨机构，与所述影像录入器件连接，用于基于闪电成像特性分辨当前时刻对应的空域拍摄画面中的闪电成像区域；

其中，基于闪电成像特性分辨当前时刻对应的空域拍摄画面中的闪电成像区域包括：所述闪电成像特性为闪电对应的预设灰度数值范围。

3.如权利要求2所述的输电铁塔雷击概率分时判断系统，其特征在于：

基于闪电成像特性分辨当前时刻对应的空域拍摄画面中的闪电成像区域包括：将当前时刻对应的空域拍摄画面中具有的灰度数值在预设灰度数值范围的像素点作为闪电成像区域的单个构成像素点。

4.如权利要求1所述的输电铁塔雷击概率分时判断系统，其特征在于，所述系统还包括：

通信执行机构，与所述内容转换机构连接，用于将当前时刻的下一时刻的所述目标输电铁塔被雷击的概率通过网络传输到远端的输电线路监控服务器。

5.如权利要求1-4任一所述的输电铁塔雷击概率分时判断系统，其特征在于：

所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量包括：所述目标输电铁塔周围设定覆盖面积为以所述目标输电铁塔为中心以设定半径为半径的圆体的覆盖面积。

6.如权利要求5所述的输电铁塔雷击概率分时判断系统，其特征在于：

所述各项当前环境信息包括当前时刻目标输电铁塔所在地区的下雨概率、当前时刻目标输电铁塔所在地区的风速、当前时刻目标输电铁塔所在地区的风速湿度以及当前时刻目标输电铁塔周围设定覆盖面积内存在避雷设备的数量包括：目标输电铁塔周围设定覆盖面积内存在的避雷设备包括避雷针。

7.如权利要求1-4任一所述的输电铁塔雷击概率分时判断系统，其特征在于：

采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率包括：将目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息作为深度神经网络模型的各项输入数据。

8.如权利要求7所述的输电铁塔雷击概率分时判断系统，其特征在于：

采用深度神经网络模型基于目标输电铁塔当前所在环境的各项当前环境信息、目标输电铁塔的铁塔高度、传输的线路数量、铁塔整体的表面面积以及铁塔顶部的表面面积和当前时刻对应的空域拍摄画面的闪电成像信息智能解析当前时刻的下一时刻的所述目标输电铁塔被雷击的概率包括：将当前时刻的下一时刻的所述目标输电铁塔被雷击的概率作为深度神经网络模型的单项输出数据。

9.如权利要求1-4任一所述的输电铁塔雷击概率分时判断系统，其特征在于：

采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布包括：各个时刻为各分钟的到达时刻。

10.如权利要求1-4任一所述的输电铁塔雷击概率分时判断系统，其特征在于：

采用仰拍模式分时捕获各个时刻分别对应的各个空域拍摄画面，各个时刻分别对应的各个空域拍摄画面包括当前时刻对应的空域拍摄画面，所述仰拍模式下的拍摄画面分辨率为固定数值，各个时刻在时间轴上均匀间隔分布包括：目标输电铁塔的铁塔高度的数值越大，每一个空域拍摄画面对应的拍摄视野越宽。