CN116913039A - 一种微气象灾害预警系统及方法 - Google Patents
一种微气象灾害预警系统及方法 Download PDFInfo
- Publication number
- CN116913039A CN116913039A CN202310712583.XA CN202310712583A CN116913039A CN 116913039 A CN116913039 A CN 116913039A CN 202310712583 A CN202310712583 A CN 202310712583A CN 116913039 A CN116913039 A CN 116913039A
- Authority
- CN
- China
- Prior art keywords
- data
- meteorological
- weather
- disaster
- micro
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013145 classification model Methods 0.000 claims abstract description 74
- 238000012549 training Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 description 19
- 239000002609 medium Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Environmental Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Emergency Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Atmospheric Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例公开了一种微气象灾害预警系统、方法、装置及存储介质。本申请实施例提供的技术方案，通过预测气象数据，基于预测数据进行气象曲线的分类预警，并根据预测误差信息修正气象预警分类模型，以此可以精准预测电力线路潜在的微气象灾害，及时对微气象灾害进行预防，保障线路运行安全性。
Description
技术领域
本申请实施例涉及电力监测技术领域，尤其涉及一种微气象灾害预警系统、方法、装置及存储介质。
背景技术
输电线路在局部较为复杂的地形环境下，容易形成微气象，出现小范围内的极端天气。而极端天气容易导致电力线路局部出现覆冰、风偏、舞动等微气象灾灾害。因此需要及时、准确地检测微气象类型，然后根据相应的微气象类型做出相应的灾害应对措施，以保障线路的安全运行。目前的微气象检测方案一般都是通过在电力线路上设置微气象传感器，根据微气象传感器采集的气象数据人工分析是否出现微气象异常，进而在确定微气象异常时执行相应的异常处理措施，以此来保障线路安全运行。
但是，采用人工分析气象数据检测异常情况存在一定分析误差，且微气象检测不及时，需要等到数据明显超标的情况下才能够确定异常情况，其异常检测存在滞后性。
发明内容
本申请实施例提供一种微气象灾害预警系统、方法、装置及存储介质，能够通过预测气象数据，基于预测数据进行气象曲线的分类预警，以精准预测电力线路潜在的微气象灾害，及时对微气象灾害进行预防，保障线路运行安全性，解决线路微气象异常检测不及时的技术问题。
在第一方面，本申请实施例提供了一种微气象灾害预警系统，包括系统后台、数据库以及多个不同类型的微气象传感器；
各个所述微气象传感器对应输电线路设置，用于采集对应类型的气象数据；
所述系统后台信号连接各个所述微气象传感器和所述数据库，用于周期性收集各个所述微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至所述数据库；所述系统后台还用于从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；所述系统后台还用于获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
进一步地，在基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线时，所述系统后台具体用于：
根据同一类型的所述气象数据和对应的所述预测数据确定对应的所述微气象传感器在不同采集时间节点的数据取值，基于不同采集时间节点的数据取值构建对应微气象传感器的气象数据曲线。
进一步地，在周期性收集各个所述微气象传感器采集的气象数据之后，所述系统后台还用于：
将所述气象数据比对对应类型的数据阈值，判断当前所述气象数据是否存在数据超标的情况，在检测到存在数据超标的情况下，输出数据超标异常提示。
进一步地，在检测到存在数据超标的情况下，所述系统后台还用于：
根据存在数据超标的所述气象数据的类型查询微气象灾害类型对照目录，确定所述微气象灾害类型对照目录中相匹配的微气象灾害类型，以根据相匹配的微气象灾害类型验证所述微气象灾害预测结果，所述微气象灾害类型对照目录预先根据不同微气象灾害类型出现数据超标的所述气象数据的类型构建。
在第二方面，本申请实施例提供了一种微气象灾害预警方法，应用于如第一方面所述的微气象灾害预警系统的系统后台，包括：
周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；
从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；
获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
进一步地，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，包括：
根据同一类型的所述气象数据和对应的所述预测数据确定对应的所述微气象传感器在不同采集时间节点的数据取值，基于不同采集时间节点的数据取值构建对应微气象传感器的气象数据曲线。
进一步地，在周期性收集各个所述微气象传感器采集的气象数据之后，还包括：
将所述气象数据比对对应类型的数据阈值，判断当前所述气象数据是否存在数据超标的情况，在检测到存在数据超标的情况下，输出数据超标异常提示。
进一步地，在检测到存在数据超标的情况下，还包括：
根据存在数据超标的所述气象数据的类型查询微气象灾害类型对照目录，确定所述微气象灾害类型对照目录中相匹配的微气象灾害类型，以根据相匹配的微气象灾害类型验证所述微气象灾害预测结果，所述微气象灾害类型对照目录预先根据不同微气象灾害类型出现数据超标的所述气象数据的类型构建。
在第三方面，本申请实施例提供了一种微气象灾害预警装置，包括：
存储模块，用于周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；
预测模块，用于从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；
调整模块，用于获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第二方面所述的微气象灾害预警方法。
本申请实施例通过周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。采用上述技术手段，能够通过预测气象数据，基于预测数据进行气象曲线的分类预警，以精准预测电力线路潜在的微气象灾害，及时对微气象灾害进行预防，保障线路运行安全性。
附图说明
图1是本申请实施例一提供的一种微气象灾害预警方法的流程图；
图2是本申请实施例一提供的一种微气象灾害预警系统的结构示意图；
图3是本申请实施例二提供的一种微气象灾害预警装置的结构示意图；
图4是本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一：
图1给出了本申请实施例一提供的一种微气象灾害预警方法的流程图，本实施例中提供的微气象灾害预警方法可以由微气象灾害预警系统的系统后台执行，该微气象灾害预警系统的系统后台可以通过软件和/或硬件的方式实现。
下述以微气象灾害预警系统的系统后台为执行微气象灾害预警方法的主体为例，进行描述。参照图1，该微气象灾害预警方法具体包括：
S110、周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；
S120、从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；
S130、获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
本申请实施例的微气象灾害预警系统，旨在结合气象数据进行气象数据预测，进而根据预测数据和实际气象数据预测微气象灾害，以此来实现电力线路潜在微气象灾害的精准预测，及时对微气象灾害进行预防，保障线路运行安全性。此外，通过实际气象信息和微气象预测结果的误差信息进行预测模型的调整修正，可以进一步提升微气象灾害预测的精准度，提升微气象灾害预警系统进行灾害预警的可靠性和稳定性。
具体地，如图2所示，提供本申请实施例的一种微气象灾害预警系统，包括系统后台11、数据库13以及多个不同类型的微气象传感器12；
各个所述微气象传感器12对应输电线路设置，用于采集对应类型的气象数据；
所述系统后台11信号连接各个所述微气象传感器12和所述数据库13，用于周期性收集各个所述微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至所述数据库13；所述系统后台11还用于从所述数据库13中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；所述系统后台11还用于获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
其中，微气象传感器根据实际监测需求，可以是温度传感器、湿度传感器、电压传感器、电流传感器、风力传感器、振动传感器等等不同的微气象传感器。通过在线路上设置不同微气象传感器，即可进行当前输电线路的不同微气象灾害监测。例如，通过风速传感器、风向传感器、温度传感器、湿度传感器、风力传感器和倾角传感器等采集相应的气象数据，以进行线路的覆冰监测；利用位移传感器、加速度传感器收集线路位移、加速度数据，基于采集数据得到导线舞动轨迹、舞动幅值的特征量，以进行线路的舞动监测；利用风偏角检测仪、温度传感器、湿度传感器、风速传感器、风向传感器收集境温度、环境湿度、风速、风向、雨量、日照强度等数据，以进行线路的风偏监测。通过不同的微气象传感器的采集数据，可以适应性分析出当前监测位置是否出现对应的微气象灾害。基于此特征，本申请实施例将各个微气象传感器采集的各类型传感器数据作为气象数据，以根据气象数据进行微气象灾害预警。
具体地，对应输电线路设置的各个微气象传感器，会周期性采集对应输电线路位置的气象数据，气象数据为温度、湿度、风速、加速度、位移、电流、电压等等不同类型传感器数据。系统后台通过连接各个类型的微气象传感器，收集上述各个类型的气象数据，将气象数据按照采集时间节点存储至数据库中。
基于数据库中存储的气象数据，本申请实施例首先利用预构建的气象预测模型，对未来时间节点的气象数据进行预测，得到对应的预测数据。在进行气象预测时，通过获取过去设定时段内采集的气象数据，根据过去设定时段不同时间节点采集的气象数据对下一时间节点的气象数据进行预测，得到下一时间节点的预测数据。对于每一种类型的气象数据，均独立进行气象数据预测，得到对应类型的预测数据。需要说明的是，根据实际气象预测需求，还可以将下一时间节点的预测数据和已采集的实际气象数据输入气象预测模型，得到下下个时间节点的预测数据。本申请实施例对具体的气象预测数据量不做固定限制，在此不多赘述。
可选地，气象预测模型进行气象预测时，可以根据不同时期采集的气象数据对预测数据的关联性影响，对应设置不同时期气象数据不同的影响系数。例如，将当前时间节点采集的气象数据Y1的影响系数设置为0.6，上一时间节点采集的气象数据Y2的影响系数设置为0.4。基于影响系数对当前时间节点采集的气象数据Y1和上一时间节点采集的气象数据Y2进行加权求和,即可得到下一时间节点的预测数据(0.6Y1+0.4Y2)。
优选地，气象预测模型通过一个基于机器学习算法的线性回归数学模型构建的大数据分析模型进行预测分析。其中，该气象预测模型为：
f(yi)＝m1y1+m2y2+...+mnyn
其中，[m1,m2...,mn]为不同时期气象数据的影响系数，该影响系数根据不同时期气象数据对预测数据影响情况的历史数据规律构建，[y1,y2...,yn]为过去设定时段内不同时期收集的同一类型的气象数据。基于不同时间节点的数据进行数据预测的实施方式有很多，在此不一一赘述。
基于上述气象预测模型进行气象数据预测，即可得到多个不同类型气象数据的预测数据。进而基于已收集的实际气象数据和对应预测到的预测数据，本申请实施例使用一个预先训练的气象预警分类模型进行气象预测，输出对应的微气象灾害预测结果。
具体地，该气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练。在此之前，预先针对线路出现微气象灾害(如覆冰、风偏等)情况下的气象数据变化，在确定线路出现微气象灾害时，通过获取过去设定时段内的异常气象数据构建气象数据曲线，每一个微气象传感器采集的气象数据构建一个气象数据曲线。以此可以得到表征对应微气象灾害的气象数据曲线集合。对于不同类型的微气象灾害，其气象数据曲线集合中的曲线类型和曲线数量不同。并且，为了避免单次微气象灾害下气象数据的偶然性，可以大量采集微气象灾害下的气象数据构建气象数据曲线。每一种微气象异常类型包括多个微气象传感器对应的气象数据曲线，以此构成对应微气象异常类型的气象数据曲线集合。将这些气象数据曲线集合作为训练数据训练神经网络模型，通过神经网络模型提取不同微气象灾害的气象数据曲线集合的曲线特征。进而通过该气象预警分类模型识别不同微气象灾害下的气象曲线特征，可以拟合得到微气象灾害情况下的多个气象特征曲线。当一个微气象灾害的各类型气象特征曲线与当前输入气象预警分类模型的各个气象数据曲线匹配时，则认为当前线路预测到对应类型的微气象灾害。
之后，基于该预先训练的气象预警分类模型，在进行气象预警分类时，首先获取各个不同类型的预测数据和对应的气象数据构建各个类型的气象数据曲线。根据同一类型的所述气象数据和对应的所述预测数据确定对应的所述微气象传感器在不同采集时间节点的数据取值，基于不同采集时间节点的数据取值构建对应微气象传感器的气象数据曲线。其中，对应一个微气象传感器在过去设定时段的不同采集时间节点采集到的气象数据，结合其预测数据，按照气象数据的时序变化构建一个气象数据曲线。对于每一种类型的气象数据构建一个气象数据曲线，以此得到表征线路预测状态的多个气象数据曲线。
进而将各个气象数据曲线输入气象预警分类模型中，通过气象预警分类模型判断其曲线特征是否与此前模型训练时各微气象异常类型的气象特征曲线的曲线特征匹配。若两部分曲线相匹配，则认为当前线路预测到对应类型的微气象灾害。
其中，可以基于各个气象数据曲线遍历每一种微气象灾害对应的各个气象特征曲线，确定各个气象数据曲线与当前微气象灾害类型的气象特征曲线的曲线相似度。在确定曲线相似度时，按照曲线所述微气象传感器类型进行两两比对，例如，表征温度的气象数据曲线与同样表征温度的气象特征曲线比对，找不同相同类型的气象特征曲线则忽略该曲线的比对。进而基于各个曲线相似度确定各个气象数据曲线与当前微气象灾害类型的气象特征曲线的平均相似度，如若平均相似度满足相似度阈值，则认为两者匹配，确定当前预测到的微气象灾害类型作为微气象灾害预测结果输出。反之，若两者不匹配，则表示未预测到对应类型的微气象灾害。若根据气象数据曲线遍历所有类型微气象灾害的气象特征曲线，均为找到曲线匹配的情况，则表示当前线路运行正常，未预测到微气象灾害。
可选地，气象预警分类模型还可以基于上述不同类型微气象灾害的气象特征曲线的曲线图像进行模型训练，使得气象预警分类模型具备识别对应类型微气象灾害的曲线特征的能力。具体地，在训练阶段，通过收集大量线路出现微气象灾害和其他正常情况下的气象数据曲线的曲线图像来作为训练样本对气象预警分类模型进行训练，在训练过程中将曲线图像进行预处理并划分为训练样本集和验证样本集。其中预处理可以是统一尺寸的裁剪，模糊图像的筛除等；进而将该训练样本集划分为正样本和负样本，其中正样本为线路出现微气象灾害对应的气象数据曲线的图像，负样本即为正常情况下的气象数据曲线图像。将每个正样本的真值均标记为1，每个正样本标记其对应的微气象灾害类型，并将每个负样本的真值均标记为0；采用标记微气象灾害类型后的多个正样本，以及标记后的多个负样本对气象预警分类模型进行训练；每次训练后可以通过验证样本集以及损失函数来对所训练完的气象预警分类模型进行迭代优化，最终在该气象预警分类模型的精度达到预设精度，或者该气象预警分类模型的训练轮数达到预设轮数时，停止对该气象预警分类模型的训练，并将停止训练后的气象预警分类模型作为最终的气象预警分类模型。之后，通过将将各个类型的气象数据曲线输入气象预警分类模型，通过气象数据曲线进行曲线图像识别，即可识别其中是否出现微气象灾害，输出对应的微气象灾害类型作为微气象灾害预测结果。根据该微气象灾害预测结果，若确定当前线路预测到微气象灾害，则需要及时进行灾害预警，及时通知运维人员进行灾害预防操作，保障线路安全运行。
之后，根据上述微气象灾害预测结果，本申请实施例还采集对应的实际气象信息。例如，根据下一时间节点的预测数据结合实际气象数据，气象预警分类模型输出的微气象灾害预测结果表示下一时间节点会出现对应类型的微气象灾害。而在下一时间节点采集到的实际气象信息却是正常的，未出现对应类型的微气象灾害。则此时通过下一时间节点采集到的实际气象信息与微气象灾害预测结果对应的预测数据，确定两者之间的数据差值作为误差信息。在此之前预先根据模型不同误差情况下的调整需求，设置误差信息与模型参数调整范围的映射关系。之后根据误差信息的不同取值，即可确定相应的模型参数调整范围，使用该模型参数调整范围进行模型参数调整。以此来进一步提升气象预警分类模型的微气象灾害检测分类精准度，提升微气象灾害预警系统的微气象灾害预警精度和稳定性。
可选地，在周期性收集各个所述微气象传感器采集的气象数据之后，所述系统后台还用于：
将所述气象数据比对对应类型的数据阈值，判断当前所述气象数据是否存在数据超标的情况，在检测到存在数据超标的情况下，输出数据超标异常提示。
在此之前，根据不同类型微气象传感器采集的气象数据，预先设定其对应的数据阈值。数据阈值表明当前气象数据正常运行情况下的极限值，超出该极限值则表示出现数据超标。例如，设置温度数据阈值为x℃，当气象数据中的温度数据超出x℃时，则表明当前输电线路出现数据超标的情况。可以理解的是，一般而言，输电线路在正常运行情况下，其气象数据不会出现超标情况。当输电线路出现微气象异常时，则其部分类型的气象数据识别出现数据超标情况。因此本申请实施例在任一微气象数据出现数据超标时，触发对线路进行数据超标异常提示，以通过数据超标异常提示告知运维人员线路可能存在潜在的微气象灾害。
进一步地，在检测到线路存在数据超标的情况下，本申请实施例还根据存在数据超标的所述气象数据的类型查询微气象灾害类型对照目录，确定所述微气象灾害类型对照目录中相匹配的微气象灾害类型，以根据相匹配的微气象灾害类型验证所述微气象灾害预测结果，所述微气象灾害类型对照目录预先根据不同微气象灾害类型出现数据超标的所述气象数据的类型构建。
在此之前，可以预先构建一个微气象灾害类型对照目录，针对线路出现微气象灾害(如覆冰、风偏等)情况下出现数据超标的气象数据类型进行记录。每一种微气象灾害类型统计其出现气象数据超标的各种数据类型。以此构建一个微气象灾害类型对照目录。进而在微气象数据超标情况下，根据当前数据超标的气象数据的类型查询微气象灾害类型对照目录，确定当前数据超标的气象数据的类型与哪种微气象灾害类型匹配。根据匹配的微气象灾害类型对上述预测到的微气象灾害预测结果进行比对，以验证微气象灾害预测结果的预测精准度。可以理解的是，若预测准确，则微气象灾害预测结果预测到的微气象灾害类型与上述匹配到的微气象灾害类型相同。反之，则可能出现差异。因此可以在出现差异时调整气象预警分类模型的模型参数，以提升其预测精度，提升微气象灾害预警系统的微气象灾害预警精度和稳定性。
上述，通过周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。采用上述技术手段，能够通过预测气象数据，基于预测数据进行气象曲线的分类预警，以精准预测电力线路潜在的微气象灾害，及时对微气象灾害进行预防，保障线路运行安全性。
实施例二：
在上述实施例的基础上，图3为本申请实施例二提供的一种微气象灾害预警装置的结构示意图。参考图3，本实施例提供的微气象灾害预警装置具体包括：存储模块21、预测模块22和调整模块23。
其中，存储模块21用于周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；
预测模块22用于从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；
调整模块23用于获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
进一步地，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，包括：
根据同一类型的所述气象数据和对应的所述预测数据确定对应的所述微气象传感器在不同采集时间节点的数据取值，基于不同采集时间节点的数据取值构建对应微气象传感器的气象数据曲线。
进一步地，在周期性收集各个所述微气象传感器采集的气象数据之后，还包括：
将所述气象数据比对对应类型的数据阈值，判断当前所述气象数据是否存在数据超标的情况，在检测到存在数据超标的情况下，输出数据超标异常提示。
进一步地，在检测到存在数据超标的情况下，还包括：
根据存在数据超标的所述气象数据的类型查询微气象灾害类型对照目录，确定所述微气象灾害类型对照目录中相匹配的微气象灾害类型，以根据相匹配的微气象灾害类型验证所述微气象灾害预测结果，所述微气象灾害类型对照目录预先根据不同微气象灾害类型出现数据超标的所述气象数据的类型构建。
上述，通过周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。采用上述技术手段，能够通过预测气象数据，基于预测数据进行气象曲线的分类预警，以精准预测电力线路潜在的微气象灾害，及时对微气象灾害进行预防，保障线路运行安全性。
本申请实施例二提供的微气象灾害预警装置可以用于执行上述实施例一提供的微气象灾害预警方法，具备相应的功能和有益效果。
实施例三：
本申请实施例三提供了一种电子设备，参照图3，该电子设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器的数量可以是一个或者多个，该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。
存储器作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的微气象灾害预警方法对应的程序指令/模块(例如，微气象灾害预警装置中的存储模块、预测模块和调整模块)。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块用于进行数据传输。
处理器通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的微气象灾害预警方法。
输入装置可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
上述提供的电子设备可用于执行上述实施例一提供的微气象灾害预警方法，具备相应的功能和有益效果。
实施例四：
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种微气象灾害预警方法，该微气象灾害预警方法包括：周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的微气象灾害预警方法，还可以执行本申请任意实施例所提供的微气象灾害预警方法中的相关操作。
上述实施例中提供的微气象灾害预警装置、存储介质及电子设备可执行本申请任意实施例所提供的微气象灾害预警方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的微气象灾害预警方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种微气象灾害预警系统，其特征在于，包括系统后台、数据库以及多个不同类型的微气象传感器；
各个所述微气象传感器对应输电线路设置，用于采集对应类型的气象数据；
所述系统后台信号连接各个所述微气象传感器和所述数据库，用于周期性收集各个所述微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至所述数据库；所述系统后台还用于从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；所述系统后台还用于获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
2.根据权利要求1所述的微气象灾害预警系统，其特征在于，在基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线时，所述系统后台具体用于：
根据同一类型的所述气象数据和对应的所述预测数据确定对应的所述微气象传感器在不同采集时间节点的数据取值，基于不同采集时间节点的数据取值构建对应微气象传感器的气象数据曲线。
3.根据权利要求1所述的微气象灾害预警系统，其特征在于，在周期性收集各个所述微气象传感器采集的气象数据之后，所述系统后台还用于：
将所述气象数据比对对应类型的数据阈值，判断当前所述气象数据是否存在数据超标的情况，在检测到存在数据超标的情况下，输出数据超标异常提示。
4.根据权利要求3所述的微气象灾害预警系统，其特征在于，在检测到存在数据超标的情况下，所述系统后台还用于：
根据存在数据超标的所述气象数据的类型查询微气象灾害类型对照目录，确定所述微气象灾害类型对照目录中相匹配的微气象灾害类型，以根据相匹配的微气象灾害类型验证所述微气象灾害预测结果，所述微气象灾害类型对照目录预先根据不同微气象灾害类型出现数据超标的所述气象数据的类型构建。
5.一种微气象灾害预警方法，应用于如权利要求1所述的微气象灾害预警系统的系统后台，其特征在于，包括：
周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；
从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；
获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
6.根据权利要求5所述的微气象灾害预警方法，其特征在于，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，包括：
根据同一类型的所述气象数据和对应的所述预测数据确定对应的所述微气象传感器在不同采集时间节点的数据取值，基于不同采集时间节点的数据取值构建对应微气象传感器的气象数据曲线。
7.根据权利要求5所述的微气象灾害预警方法，其特征在于，在周期性收集各个所述微气象传感器采集的气象数据之后，还包括：
将所述气象数据比对对应类型的数据阈值，判断当前所述气象数据是否存在数据超标的情况，在检测到存在数据超标的情况下，输出数据超标异常提示。
8.根据权利要求7所述的微气象灾害预警方法，其特征在于，在检测到存在数据超标的情况下，还包括：
根据存在数据超标的所述气象数据的类型查询微气象灾害类型对照目录，确定所述微气象灾害类型对照目录中相匹配的微气象灾害类型，以根据相匹配的微气象灾害类型验证所述微气象灾害预测结果，所述微气象灾害类型对照目录预先根据不同微气象灾害类型出现数据超标的所述气象数据的类型构建。
9.一种微气象灾害预警装置，其特征在于，包括：
存储模块，用于周期性收集各个微气象传感器采集的气象数据，将所述气象数据对应采集时间存储至数据库；
预测模块，用于从所述数据库中提取过去设定时段内的所述气象数据，将所述气象数据输入预构建的气象预测模型，输出对应的预测数据，基于不同类型的所述气象数据和对应的所述预测数据构建各个类型的气象数据曲线，将各个类型的气象数据曲线输入预先训练的气象预警分类模型，基于所述气象预警分类模型输出微气象灾害预测结果，所述气象预警分类模型预先基于不同微气象灾害下的各个类型的气象数据曲线进行模型训练；
调整模块，用于获取所述微气象灾害预测结果对应的实际气象信息，在所述微气象灾害预测结果与所述实际气象信息不匹配的情况下，基于所述实际气象信息和微气象灾害预测结果生成误差信息，使用所述误差信息调整所述气象预警分类模型的模型参数。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求5-8任一所述的微气象灾害预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310712583.XA CN116913039A (zh) | 2023-06-15 | 2023-06-15 | 一种微气象灾害预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310712583.XA CN116913039A (zh) | 2023-06-15 | 2023-06-15 | 一种微气象灾害预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116913039A true CN116913039A (zh) | 2023-10-20 |
Family
ID=88359118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310712583.XA Pending CN116913039A (zh) | 2023-06-15 | 2023-06-15 | 一种微气象灾害预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116913039A (zh) |
-
2023
- 2023-06-15 CN CN202310712583.XA patent/CN116913039A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101967339B1 (ko) | 심층학습 기반의 ａｄａｓ 센서 고장 진단 및 백업을 위한 장치 및 방법 | |
| Lei et al. | Mutual information based anomaly detection of monitoring data with attention mechanism and residual learning | |
| US10235629B2 (en) | Sensor data confidence estimation based on statistical analysis | |
| CN108257365B (zh) | 一种基于全局不确定性证据动态融合的工业报警器设计方法 | |
| CN111339074A (zh) | 阈值生成方法、装置、设备和存储介质 | |
| Son et al. | Deep learning-based anomaly detection to classify inaccurate data and damaged condition of a cable-stayed bridge | |
| CN113340353B (zh) | 一种输电线路的监测方法、设备及介质 | |
| Min et al. | Toward interpretable anomaly detection for autonomous vehicles with denoising variational transformer | |
| CN115220133A (zh) | 一种多气象要素降雨预测方法、装置、设备及存储介质 | |
| CN115018012B (zh) | 一种高维度特性下的物联网时间序列异常检测方法及系统 | |
| CN115081673B (zh) | 一种油气管道的异常预测方法、装置、电子设备及介质 | |
| CN118413265B (zh) | 一种卫星在线状态监测系统及方法 | |
| KR20220068799A (ko) | 자동화설비의 고장 검출 시스템 및 그 방법 | |
| CN116930759A (zh) | 动力电池电压时间序列异常检测方法、电子设备、存储介质 | |
| CN116861369A (zh) | 工业互联网异构数据融合的空压机健康评估方法及系统 | |
| CN117668737B (zh) | 一种管道检测数据故障预警查验方法以及相关装置 | |
| CN113487223B (zh) | 一种基于信息融合的风险评估方法和评估系统 | |
| CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及系统 | |
| Kim et al. | Automated damping identification of long-span bridge using long-term wireless monitoring data with multiple sensor faults | |
| CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
| CN116907772A (zh) | 桥梁结构监测传感器的自诊断与故障源鉴别方法及系统 | |
| CN116913039A (zh) | 一种微气象灾害预警系统及方法 | |
| CN116028852A (zh) | 一种基于bp神经网络和d-s证据理论的地下道路火灾检测方法 | |
| KR102470520B1 (ko) | 국제표준(sae j1739) 기반의 잠재적 고장 영향 분석 방법 | |
| Azimi et al. | The Impact of Data Completeness and Correctness on Explainable Machine Learning Models. |
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 |