CN117610205A - 一种基于gis和数据分析的电力设施选线方法及系统 - Google Patents

一种基于gis和数据分析的电力设施选线方法及系统 Download PDF

Info

Publication number
CN117610205A
CN117610205A CN202311556870.2A CN202311556870A CN117610205A CN 117610205 A CN117610205 A CN 117610205A CN 202311556870 A CN202311556870 A CN 202311556870A CN 117610205 A CN117610205 A CN 117610205A
Authority
CN
China
Prior art keywords
line selection
data
gis
power facility
node
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
Application number
CN202311556870.2A
Other languages
English (en)
Inventor
苗田
宋军
王公阳
张中
张千山
杨昌杰
杨健
俞骁
马明智
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.)
Gansu Diantong Electric Power Engineering Design Consulting Co ltd
Original Assignee
Gansu Diantong Electric Power Engineering Design Consulting 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 Gansu Diantong Electric Power Engineering Design Consulting Co ltd filed Critical Gansu Diantong Electric Power Engineering Design Consulting Co ltd
Priority to CN202311556870.2A priority Critical patent/CN117610205A/zh
Publication of CN117610205A publication Critical patent/CN117610205A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于GIS和数据分析的电力设施选线方法及系统，该方法包括基于无人机航拍获取电力设施选线区域的遥感图像，解析获取电力设施选线区域的地理信息数据，建立电力设施选址的GIS数据库，并建立电力设施选线区域的GIS选址模型，收集选线目标区域的用电需求数据，并设置选线节点生成模式，对用电需求数据进行加权求和，判断目标区域所需的电力设施数量以及电力设施覆盖范围；在GIS选址模型中将每个电力设施作为一个选线节点，确定合格选线节点所在位置，以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域，利用最短路径算法生成选线路径，在GIS选址模型中生成电力设施选线网络。

Description

一种基于GIS和数据分析的电力设施选线方法及系统
技术领域
本发明涉及电力工程数据分析技术领域，具体涉及一种基于GIS和数据分析的电力设施选线方法及系统。
背景技术
在电力工程领域，选址是一个至关重要的环节。选址的合理性直接影响到电力设施的建设和运营效率，同时也会对周围环境和社会产生重要影响。传统的选址方法通常依赖于经验和人工判断，由于传统选址方法依赖于工程师的经验和直觉，容易受到主观因素的影响，导致选址决策的不确定性，而且，传统选址方法需要大量的实地考察和调查，耗费大量时间和人力资源，且容易遗漏一些重要的因素，传统方法往往只能考虑单一或部分因素，难以全面综合地考虑地理信息、环境条件、用电需求等多方面因素，无法在复杂的地理环境中有效地评估各种因素的影响，容易出现选址不合理的情况。
发明内容
有鉴于此，本发明的目的在于提出一种基于GIS和数据分析的电力设施选线方法及系统，旨在提高电力设施选址的准确性和效率，通过引入先进的GIS技术和数据分析算法，结合地理信息、环境数据以及用电需求等多方面因素，综合考虑地理信息、环境条件、用电需求等多方面因素，以科学合理的方式确定最佳的电力设施选址，使得选址决策更加科学、客观和高效。
基于上述目的，第一方面，本发明提供了一种基于GIS和数据分析的电力设施选线方法，包括以下步骤：
基于无人机航拍获取电力设施选线区域的遥感图像，解析获取电力设施选线区域的地理信息数据，其中，所述地理信息数据包括电力设施选线区域的地形数据、土地利用数据和道路路网数据；
建立电力设施选址的GIS数据库，将地理信息数据以图层的形式进行存储，并建立电力设施选线区域的GIS选址模型；
收集选线目标区域的用电需求数据，并设置选线节点生成模式，对用电需求数据进行加权求和，判断目标区域所需的电力设施数量以及电力设施覆盖范围；
在GIS选址模型中将每个电力设施作为一个选线节点，以电力设施的覆盖范围的中心位置为定位坐标数据，确定合格选线节点所在位置；
以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域；
基于距离计算，选择与起始电力设施的起点坐标距离最小的选线节点作为下一个初始起点坐标，利用最短路径算法重复此步骤以生成选线路径；
在GIS选址模型中生成模拟电力设施选线区域的包含选线节点以及选线路径的电力设施选线网络。
作为本发明的进一步方案，解析获取电力设施选线区域的地理信息数据，包括以下步骤：
在选线区域获取无人机航拍的遥感图像，并对获取的遥感图像进行预处理；
利用图像解析工具OpenCV对遥感图像读取、处理和转换，提取遥感图像中的光谱信息和空间分辨率，将遥感图像转换为数字数据，以数字矩阵方式进行存储；
使用数字高程模型提取遥感图像中地形的地势高程和地形起伏信息，利用遥感图像中的阴影和高光特征，采用阴影分析方法辅助提取地形数据；
使用支持向量机对遥感图像进行分类，将遥感图像中的不同地物进行分类，识别不同的地物类型；
使用边缘检测技术检测并提取图像中的道路信息，利用道路的几何形状和颜色特征，识别道路的位置和形状，形成道路路网数据；
将提取的道路信息在原图上进行可视化，获得地理信息数据的地形数据、土地利用数据和道路路网数据。
作为本发明的进一步方案，建立电力设施选址的GIS数据库包括以下步骤：
选择QGIS作为的GIS平台，在PostgreSQL数据库中安装PostGIS扩展，使用PostgreSQL的命令行工具，创建一个空白的数据库，用于存储电力设施选址的GIS数据；
使用命令行连接到新创建的空白的数据库，在新创建的数据库中启用PostGIS扩展并创建图层表，其中，图层表包括：创建地形图层、土地利用图层和道路路网图层的表；
为每个图层定义属性表，将获取的地理信息数据导入到新创建的GIS数据库中，并为表的几何列创建空间索引，利用PostGIS提供的函数进行空间分析，得到电力设施选址的GIS数据库。
作为本发明的进一步方案，建立电力设施选线区域的GIS选址模型，包括以下步骤：
在GIS数据库中，为每个确定的选址因素创建选址因素图层，确定的选址因素包括用电需求、地形、土地利用以及道路网络；选址因素图层包括用电需求图层、地形图层、土地利用图层以及道路网络图层；
根据选址因素为每个选址因素分配权重并进行数据标准化，使用GIS平台提供的模型构建脚本语言，基于选址因素创建GIS选址模型，并在GIS平台中运行GIS选址模型，以获取对于每个潜在选址的评分。
作为本发明的进一步方案，设定选线节点生成模式，对用电需求数据进行加权求和，以判断目标区域所需的电力设施数量和电力设施覆盖范围，包括以下步骤：
通过网格在目标区域内均匀生成选线节点，对于每个生成的选线节点；
记录所在的坐标数据作为起始坐标，在每个选线节点的周围预设选线覆盖范围，即电力设施的影响范围；
获取目标区域内的用电需求数据，包括各个地点的用电量；
为用电需求数据分配权重，并对用电需求数据进行Min-Max标准化，将标准化后的用电需求数据与权重相乘，并对所有节点的加权用电需求数据进行求和，以得到每个节点的总加权用电需求；
基于总加权用电需求的值设定阈值，判断所需的电力设施数量和电力设施覆盖范围。
作为本发明的进一步方案，确定合格选线节点所在位置，包括以下步骤：
计算选线节点的加权用电需求得分；
设定一个总加权用电需求的阈值，作为判断节点是否合格的条件，遍历所有生成的选线节点，将加权用电需求得分与设定的阈值进行比较，以判断选线节点是否符合合格条件，筛选出满足合格条件的合格选线节点；
以合格选线节点的坐标数据作为定位坐标，在选线区域内确定合格选线节点所在位置。
作为本发明的进一步方案，计算选线节点的加权用电需求得分时，包括：
获取选线区域内各个地点的用电需求数据，为每个用电需求因素设置权重因子，对用电需求数据进行标准化；
将标准化后的用电需求数据与相应的权重因子相乘，得到每个用电需求因素的加权得分，即：[\text{加权得分}=\text{标准化用电需求}\times\text{权重因子}]；
对每个用电需求因素的加权得分进行求和，得到选线节点的加权用电需求得分，即：[\text{加权用电需求得分}=\sum(\text{加权得分}_i)]。
作为本发明的进一步方案，以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域，包括：
从合格选线节点中选择一个作为起点，以该起点坐标数据为起点坐标，定义一个表示电力设施的影响范围的选线覆盖半径，以选线节点的坐标为中心，创建一个圆形区域，半径为定义的选线覆盖半径，在选线节点周围创建圆形区域；
在地图上将预设选线覆盖范围的圆形区域可视化，对于每个合格选线节点，重复上述步骤，选择选线节点、定义选线覆盖半径、创建圆形区域，并加入到GIS选址模型中。
作为本发明的进一步方案，使用Dijkstra算法生成选线路径，包括以下步骤：
初始化：对每个选线节点，初始化到起始电力设施节点的距离为无穷大，起始电力设施节点的距离为0，将所有节点标记为未访问；
遍历节点：从起始电力设施节点开始，遍历每个选线节点，对于每个选线节点，计算通过当前已访问节点到达该节点的距离，若计算得到的距离小于当前记录的距离，则更新距离；
标记节点：将当前选线节点标记为已访问；
选择下一个节点：从未访问的节点中选择距离最小的节点作为下一个要访问的节点，重复上述步骤直到所有节点都被访问过；
生成最短路径：根据计算得到的最短距离，逆向推导出从起始电力设施到每个选线节点的最短路径；
形成最终选线路径：将得到的最短路径连接起来，形成最终的电力设施选线路径。
第二方面，本发明提供了一种基于GIS和数据分析的电力设施选线系统，包括：
遥感图像获取模块，用于基于无人机航拍获取电力设施选线区域的遥感图像，并解析获取电力设施选线区域的地理信息数据；
GIS创建模块，用于建立电力设施选址的GIS数据库，将地理信息数据以图层的形式进行存储，并建立电力设施选线区域的GIS选址模型；
用电需求数据处理模块，用于收集选线目标区域的用电需求数据，并设置选线节点生成模式，对用电需求数据进行加权求和，判断目标区域所需的电力设施数量以及电力设施覆盖范围；
节点确定模块，用于在GIS选址模型中将每个电力设施作为一个选线节点，以电力设施的覆盖范围的中心位置为定位坐标数据，确定合格选线节点所在位置；
覆盖区域预设模块，用于以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域；
选线路径生成模块，用于基于距离计算，选择与起始电力设施的起点坐标距离最小的选线节点作为下一个初始起点坐标，利用最短路径算法重复此步骤以生成选线路径；
选线网络生成模块，用于在GIS选址模型中生成模拟电力设施选线区域的包含选线节点以及选线路径的电力设施选线网络。
作为本发明的进一步方案，所述GIS创建模块包括：
GIS数据库建立模块：用于选择GIS平台作为系统的GIS工具，在PostgreSQL数据库中安装PostGIS扩展，创建空白的数据库用于存储电力设施选址的GIS数据；在数据库中创建图层表，将解析得到的地理信息数据导入GIS数据库中，为表的几何列创建空间索引；
GIS选址模型建立模块：用于在GIS数据库中为每个选址因素创建相应的图层，为每个选址因素分配权重并进行数据标准化，利用GIS平台提供的模型构建脚本语言，基于选址因素创建GIS选址模型，在GIS平台中运行模型，获取每个潜在选址的评分。
本发明的又一方面，还提供了一种计算机设备，包括存储器和处理器，该存储器中存储有计算机程序，该计算机程序被处理器执行时执行上述任一项根据本发明的基于GIS和数据分析的电力设施选线方法。
本发明的再一方面，还提供了一种计算机可读存储介质，存储有计算机程序指令，该计算机程序指令被执行时实现上述任一项根据本发明的基于GIS和数据分析的电力设施选线方法。
与现有技术相比较而言，本发明提出的一种基于GIS和数据分析的电力设施选线方法及系统，具有以下有益效果：
1.全面利用地理信息数据：通过无人机航拍和遥感图像解析，全面获取电力设施选线区域的地理信息数据，包括地形数据、土地利用数据和道路路网数据，使得选址过程更加准确和全面。
2.高效建立GIS数据库：选择QGIS作为GIS平台，结合PostgreSQL和PostGIS扩展，高效建立电力设施选址的GIS数据库。这有助于数据的存储、管理和空间分析，提高系统整体性能。
3.综合考虑多因素选址：通过GIS选址模型，综合考虑用电需求、地形、土地利用和道路网络等多个选址因素，并为每个因素分配权重。这有助于形成综合评分，提高选址决策的科学性和全面性。
4.智能化的选线节点生成和筛选：设定选线节点生成模式，通过网格均匀生成选线节点，并利用加权用电需求数据筛选出合格节点。这有助于智能化地确定电力设施选址的候选节点。
5.灵活调整选线覆盖范围：以合格选线节点为中心，在每个电力设施的节点位置周围预设选线覆盖范围。这样的灵活性可以根据具体情况调整选址的影响范围，使得选址更加符合实际需求。
6.最短路径生成和电力设施选线网络分析：利用Dijkstra算法生成最短路径，形成模拟电力设施选线区域的网络。这有助于对电力设施之间的空间关系进行分析，以便更好地规划电力设施的布局和连接。
7.系统性能提升：通过高效的GIS数据库和智能化的数据分析方法，系统能够更迅速地进行选址决策，提高了选址过程的效率和准确性，有助于缩短选址周期和降低选址成本。而且，将电力设施选线节点和路径以图层的形式添加到GIS中，进行可视化展示，有助于决策者更直观地理解选址结果，从而更好地参与选址决策过程。
综上所述，本发明的基于GIS和数据分析的电力设施选线方法及系统不仅提高了选址决策的科学性和全面性，还提高了选址过程的效率和可操作性，为电力设施的规划和建设提供了有力的支持。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
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的前提下，还可以根据这些附图获得其他的实施例。
在图中：
图1为本发明实施例的基于GIS和数据分析的电力设施选线方法的流程图。
图2为本发明实施例的基于GIS和数据分析的电力设施选线方法中获取地理信息数据的流程图。
图3为本发明实施例的基于GIS和数据分析的电力设施选线方法中建立GIS数据库的流程图。
图4为本发明实施例的基于GIS和数据分析的电力设施选线方法中创建GIS选址模型的流程图。
图5为本发明实施例的基于GIS和数据分析的电力设施选线方法中判断目标区域所需的电力设施数量和电力设施覆盖范围的流程图。
图6为本发明实施例的基于GIS和数据分析的电力设施选线方法中确定合格选线节点所在位置的流程图。
图7为本发明实施例的基于GIS和数据分析的电力设施选线方法中使用Dijkstra算法生成选线路径的流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称的非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备固有的其他步骤或单元。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
针对传统的电力设施巡检中人工巡检繁琐耗时、信息收集不及时以及巡检报告不完整的局限性问题，本发明提出了一种基于GIS和数据分析的电力设施选线方法，利用BIM和数字化技术，实现了电力设施的自动化巡检和数字化监测，提高了巡检效率、准确性和数据可视化程度；通过将无人机、深度学习以及虚拟漫游综合应用，为电力设施的管理和维护提供了全面的支持。
参见图1所示，本发明的实施例提供了一种基于GIS和数据分析的电力设施选线方法，该方法包括以下步骤：
步骤1.获取遥感图像和地理信息数据：
使用无人机进行航拍，获取电力设施选线区域的遥感图像。
解析遥感图像，提取地理信息数据，包括电力设施选线区域的地形数据、土地利用数据和道路路网数据。
步骤2.建立GIS数据库和选址模型：
建立电力设施选址的GIS数据库，将地理信息数据按图层存储。
创建电力设施选线区域的GIS选址模型，用于后续的数据分析和选址决策。
步骤3.收集用电需求数据和设置节点生成模式：
收集选线目标区域的用电需求数据。
设定选线节点生成模式，对用电需求数据进行加权求和，以判断目标区域所需的电力设施数量和电力设施覆盖范围。
步骤4.确定合格选线节点位置：
在GIS选址模型中，将每个电力设施视为一个选线节点。
以电力设施的覆盖范围中心位置为定位坐标数据，确定合格选线节点的位置。
步骤5.预设选线覆盖区域：
以选线节点的坐标数据为起点，在每个电力设施的节点位置周围预设选线覆盖范围，形成以电力设施为中心的选线覆盖区域。
步骤6.生成选线路径：
基于距离计算，选择与起始电力设施的起点坐标距离最小的选线节点作为下一个初始起点坐标。
利用最短路径算法重复此步骤，生成选线路径，确保连接所有所需电力设施。
步骤7.生成电力设施选线网络：
在GIS选址模型中，生成模拟电力设施选线区域的包含选线节点和选线路径的电力设施选线网络。
本发明的基于GIS和数据分析的电力设施选线方法通过结合遥感数据、GIS技术和用电需求分析，以及最短路径算法，能够有效地进行电力设施选址，确保覆盖目标区域的电力需求并最优化选线路径。
在本发明的实施例中，参见图2所示，基于无人机航拍获取电力设施选线区域的遥感图像，解析获取电力设施选线区域的地理信息数据，包括以下步骤：
步骤S101.在选线区域获取无人机航拍的遥感图像，并对获取的遥感图像进行预处理；
步骤S102.利用图像解析工具OpenCV对遥感图像读取、处理和转换，提取遥感图像中的光谱信息和空间分辨率，将遥感图像转换为数字数据，以数字矩阵方式进行存储；
步骤S103.使用数字高程模型提取遥感图像中地形的地势高程和地形起伏信息，利用遥感图像中的阴影和高光特征，采用阴影分析方法辅助提取地形数据；
步骤S104.使用支持向量机对遥感图像进行分类，将遥感图像中的不同地物进行分类，识别不同的地物类型；
步骤S105.使用边缘检测技术检测并提取图像中的道路信息，利用道路的几何形状和颜色特征，识别道路的位置和形状，形成道路路网数据；
步骤S106.将提取的道路信息在原图上进行可视化，获得地理信息数据的地形数据、土地利用数据和道路路网数据。
在本实施例中，遥感图像解析时，包括：
（1）获取无人机航拍的遥感图像。
在选线区域，使用专业的无人机进行航拍，确保遥感图像具有足够的空间分辨率和光谱信息。无人机的航拍路径和参数设置应考虑到所需的电力设施选址精度。
（2）利用数字图像处理技术，对遥感图像进行解析。
使用数字图像处理软件（OpenCV），对获取的遥感图像进行初步处理，包括去噪、增强对比度、调整亮度的步骤，以提高图像质量；其中，对获取的遥感图像进行初步处理时，使用滤波器去除遥感图像中的噪声，确保后续分析的准确性，调整遥感图像的对比度以及亮度，以突出图像中的特征，完成对遥感图像的去噪处理和图像增强。
（3）将遥感图像解析为数字数据，包括光谱信息和空间分辨率。
利用图像解析工具，将遥感图像转换为数字数据。包括将图像中的像素转换为光谱信息:RGB或多光谱信息，同时，记录图像的空间分辨率，以确保后续的地理信息数据准确反映现实地理空间.
其中，图像解析工具为OpenCV (Open Source Computer Vision Library)，利用OpenCV库中的函数，进行遥感图像的读取、处理和转换，以提取遥感图像中的特征和信息，其中，使用OpenCV打开并读取遥感图像文件，然后进行光谱信息提取，提取多光谱遥感图像中各波段的光谱信息，其中，RGB图像中的红、绿、蓝通道分别表示不同的光谱信息，然后进行空间分辨率提取，获取遥感图像的空间分辨率信息，空间分辨率信息以像素为单位，以确保后续的地理信息数据与实际地理空间的一致，然后将遥感图像中的像素值转换为数字矩阵，每个像素的值代表图像中的亮度、颜色特征，最后，将数字矩阵以GeoTIFF的格式进行存储，以保留地理空间信息。
在本实施例中，提取地理信息数据时，包括：
a.地形数据提取：
通过遥感图像解析，使用数字高程模型（DEM）提取地形的地势高程和地形起伏信息；
利用遥感图像中的阴影和高光特征，采用阴影分析方法辅助提取地形数据。
b.土地利用数据提取：
使用支持向量机（SVM）的图像分类算法对遥感图像进行分类，将遥感图像中的不同地物进行分类，识别不同的地物类型，以获取土地利用信息，其中，识别不同的地物类型包括识别建筑物、植被、水体在内的地物类型。
c.道路路网数据提取：
通过图像解析，使用边缘检测技术检测并提取图像中的道路信息；
利用道路的几何形状和颜色特征，识别道路的位置和形状，形成道路路网数据。
其中，使用边缘检测技术检测并提取图像中的道路信息时，使用Canny边缘检测算法对预处理后的图像进行检测，检测算法为：
import cv2
# 读取灰度图像
gray_image=cv2.imread('path/to/gray_image.jpg',cv2.IMREAD_GRAYSCALE)
# Canny边缘检测
edges=cv2.Canny(gray_image,50,150)
其中，50和150是Canny算法的低阈值和高阈值，可以根据实际情况进行调整。
根据边缘图像，进一步的采用霍夫变换（Hough Transform）对图像处理和分析，识别并提取道路特征，具体算法为：
# 使用霍夫变换检测直线
lines=cv2.HoughLines(edges, 1, np.pi / 180, threshold=100)
# 在原图上绘制检测到的直线
for line in lines:
rho, theta=line[0]
a=np.cos(theta)
b=np.sin(theta)
x0=a * rho
y0=b * rho
x1=int(x0 + 1000 * (-b))
y1=int(y0 + 1000 * (a))
x2=int(x0 - 1000 * (-b))
y2=int(y0 - 1000 * (a))
cv2.line(original_image, (x1, y1), (x2, y2), (0, 0, 255), 2)
最后，将提取的道路信息在原图上进行可视化，以便进一步分析和验证。
上述步骤的实施将为电力设施选址提供丰富的地理信息数据，包括地形、土地利用和道路信息，为后续的GIS数据库建立和电力设施选址模型提供基础。
在本实施例中，参见图3所示，建立GIS（地理信息系统）数据库和选址模型时，建立电力设施选址的GIS数据库包括以下步骤：
S201.选择QGIS作为的GIS平台，在PostgreSQL数据库中安装PostGIS扩展，使用PostgreSQL的命令行工具，创建一个空白的数据库，用于存储电力设施选址的GIS数据；
S202.使用命令行连接到新创建的空白的数据库，在新创建的数据库中启用PostGIS扩展并创建图层表，其中，图层表包括：创建地形图层、土地利用图层和道路路网图层的表；
S203.为每个图层定义属性表，将获取的地理信息数据导入到新创建的GIS数据库中，并为表的几何列创建空间索引，利用PostGIS提供的函数进行空间分析，得到电力设施选址的GIS数据库。
在本实施例中，建立GIS（地理信息系统）数据库时，选择GIS平台时，选择QGIS作为的GIS平台，QGIS提供有强大的地理信息处理和管理工具。
创建新的GIS数据库时，在GIS平台中创建一个空白的GIS数据库，确定数据库的类型和存储格式。其中，创建的新的GIS数据库为关系型数据库，选择了关系型数据库PostGIS作为GIS数据库。在PostGIS中创建电力设施选址的GIS数据库、按图层存储地理信息数据包括以下步骤：
1.安装PostGIS扩展：
在PostgreSQL数据库中安装PostGIS扩展，通过在数据库中执行以下SQL查询完成：
CREATE EXTENSION postgis。
2.创建新数据库：
使用PostgreSQL的命令行工具，创建一个新的数据库，用于存储电力设施选址的GIS数据。
CREATE DATABASE power_facility_db。
3.连接到数据库：
使用命令行连接到新创建的数据库。
4.启用PostGIS：
在新创建的数据库中启用PostGIS扩展，通过在数据库中执行以下SQL查询完成：
CREATE EXTENSION postgis。
5.创建图层表：
在GIS数据库中创建图层（Layers）以组织和管理不同类型的地理信息数据。
对于每一种地理信息数据类型，创建一个相应的图层，其中包括：创建地形图层、土地利用图层和道路路网图层的表。
示例性的：创建道路路网图层的表
CREATE TABLE road_network (
id SERIAL PRIMARY KEY,
road_name VARCHAR(255),
road_type VARCHAR(50),
geom GEOMETRY(LineString, 4326)
)。
在上述示例中，geom列用于存储道路的几何信息。
6.定义图层属性：
为每个图层定义属性表，包括每个地理要素的属性信息。例如，在道路路网图层中，可以包括道路的名称、类型、长度等属性。
7.导入地理信息数据：
使用图像解析工具获取的地理信息数据，包括地形数据、土地利用数据和道路路网数据。
将地理信息数据导入到GIS数据库中，导入到GIS数据库中时以命令行进行导入。
8.创建索引：
为表的几何列创建空间索引，以提高空间查询的性能：
示例性的：为道路路网图层的几何列创建空间索引
CREATE INDEX road_network_geom_idx ON road_network USING GIST(geom)。
9.进行空间分析：
利用PostGIS提供的函数进行空间分析，以支持电力设施选址的决策。
以上步骤可以在PostGIS数据库中为电力设施选址建立一个完整的GIS数据库，并按图层存储地理信息数据，为后续的分析和查询提供支持。
在本实施例中，参见图4所示，建立GIS（地理信息系统）数据库和选址模型时，创建GIS选址模型，包括以下步骤：
S211.在GIS数据库中，为每个确定的选址因素创建选址因素图层，确定的选址因素包括用电需求、地形、土地利用以及道路网络；选址因素图层包括用电需求图层、地形图层、土地利用图层以及道路网络图层；
S212.根据选址因素为每个选址因素分配权重并进行数据标准化，使用GIS平台提供的模型构建脚本语言，基于选址因素创建GIS选址模型，并在GIS平台中运行GIS选址模型，以获取对于每个潜在选址的评分。
具体的，在GIS数据库中，创建一个专门用于电力设施选址的GIS模型，创建GIS选址模型包括以下步骤：
（1）创建选址因素图层：在GIS数据库中，为每个确定的选址因素创建相应的图层，其中，确定的选址因素包括用电需求、地形、土地利用以及道路网络，选址因素作为模型的输入以确保选址因素图层包括上述地理信息数据，并与GIS数据库中的各图层关联。
本申请实施例中，使用PostGIS数据库，可以创建以下图层：
1.用电需求图层：包含电力需求点的位置和电力需求量。示例性的：
CREATE TABLE electricity_demand (
id SERIAL PRIMARY KEY,
demand_point_name VARCHAR(255),
demand_quantity DOUBLE PRECISION,
geom GEOMETRY(Point, 4326)
)。
2.地形图层：包含地形高程数据。
CREATE TABLE terrain (
id SERIAL PRIMARY KEY,
elevation DOUBLE PRECISION,
geom GEOMETRY(Point, 4326)
)。
3.土地利用图层：包含土地利用分类信息。
CREATE TABLE land_use (
id SERIAL PRIMARY KEY,
land_type VARCHAR(50),
geom GEOMETRY(Polygon, 4326)
)。
4.道路网络图层：包含道路线的几何信息和相关属性。
CREATE TABLE road_network (
id SERIAL PRIMARY KEY,
road_name VARCHAR(255),
road_type VARCHAR(50),
geom GEOMETRY(LineString, 4326)
)。
（2）权重分配：根据选址因素为每个选址因素分配适当的权重。例如，假设电力需求对于选址来说更为重要，可以分配更高的权重。
# 示例权重分配
weights={
'electricity_demand': 0.4,
'terrain': 0.2,
'land_use': 0.2,
'road_network': 0.2
}。
（3）数据标准化：对每个选址因素进行数据标准化，确保它们在相同的尺度上，有助于避免因素值范围的差异导致模型结果的偏向。
在本实施例中，使用Min-Max 标准化进行处理，Min-Max 标准化为：
# Min-Max 标准化
def min_max_normalize(data):
min_val=min(data)
max_val=max(data)
normalized_data=[(x - min_val) / (max_val - min_val) for x indata]
return normalized_data。
（4）创建选址模型：使用GIS平台提供的模型构建脚本语言（Python），基于选址因素创建一个选址模型。以下是基于加权和归一化的模型：
# 选址模型
def site_selection_model(weights, normalized_data):
total_score=0
for factor, weight in weights.items():
total_score += weight * normalized_data[factor]
return total_score
# 计算每个潜在选址的评分
potential_sites={
'Site1': {
'electricity_demand': 0.8,
'terrain': 0.6,
'land_use': 0.7,
'road_network': 0.5
},
'Site2': {
'electricity_demand': 0.7,
'terrain': 0.5,
'land_use': 0.8,
'road_network': 0.6
},
# ...更多潜在选址
}
# 应用选址模型
for site, factors in potential_sites.items():
score=site_selection_model(weights, factors)
potential_sites[site]['score']=score。
（5）模型参数设置：根据选址模型的类型，使用蚁群算法设置迭代次数、种群大小的参数。
# 模型参数设置
model_params={
'algorithm': 'genetic_algorithm',
'iterations': 100,
'population_size': 50
}。
（6）运行模型：在GIS平台中运行选址模型，以获取对于每个潜在选址的评分。
# 示例模型运行
for iteration in range(model_params['iterations']):
# 迭代过程，可能包括优化算法等
# ...
# 模型最终结果
final_site=max(potential_sites, key=lambda site: potential_sites[site]['score'])。
（7）结果可视化：可视化模型输出的结果，输出的结果包括热力图、等值线图，以直观地展示不同潜在选址的评分。
# 示例结果可视化
import matplotlib.pyplot as plt
site_names=list(potential_sites.keys())
scores=[potential_sites[site]['score'] for site in site_names]
plt.bar(site_names, scores)
plt.xlabel('Potential Sites')
plt.ylabel('Scores')
plt.title('Site Selection Scores')
plt.show()。
在本实施例中，参见图5所示，设定选线节点生成模式，对用电需求数据进行加权求和，以判断目标区域所需的电力设施数量和电力设施覆盖范围，包括以下步骤：
S301.通过网格在目标区域内均匀生成选线节点，对于每个生成的选线节点；
S302.记录所在的坐标数据作为起始坐标，在每个选线节点的周围预设选线覆盖范围，即电力设施的影响范围；
S303.获取目标区域内的用电需求数据，包括各个地点的用电量；
S304.为用电需求数据分配权重，并对用电需求数据进行Min-Max标准化，将标准化后的用电需求数据与权重相乘，并对所有节点的加权用电需求数据进行求和，以得到每个节点的总加权用电需求；
S305.基于总加权用电需求的值设定阈值，判断所需的电力设施数量和电力设施覆盖范围。
其中，进行加权求和时，对每个用电需求因素乘以相应的权重因子，然后将它们加权求和，得到一个综合的用电需求分数：
用电需求分数=Σ（用电需求因素i×权重因子i）。
例如，设定一个阈值，当总加权用电需求超过阈值时，确定需要建设一个电力设施，并以此为基础制定电力设施的具体数量和覆盖范围。
# 示例：设定阈值并判断
threshold_demand=0.7
if total_weighted_demand > threshold_demand:
# 需要建设电力设施，可以进一步确定设施数量和覆盖范围
print("建设电力设施！")
else:
print("无需建设电力设施。")。
在本实施例中，参见图6所示，确定合格选线节点所在位置，包括以下步骤：
S401.计算选线节点的加权用电需求得分。
（1）获取用电需求数据：从选线区域内各个地点获取用电需求数据，确保数据覆盖了所有可能的电力设施选址区域。
（2）为每个用电需求因素设置权重：对于每个用电需求因素（例如，人口密度、工业需求等），设定相应的权重因子，反映其在选址中的相对重要性。这些权重因子可以由专业人员根据实际情况进行设定。
（3）标准化用电需求数据：对获取的用电需求数据进行标准化处理，使其在数值上具有可比性。这可以采用Min-Max标准化或其他标准化方法。
（4）计算加权得分：将标准化后的用电需求数据与相应的权重因子相乘，得到每个用电需求因素的加权得分。即：
[\text{加权得分}_i = \text{标准化用电需求}_i \times \text{权重因子}_i]
（5）求和得到加权用电需求得分：对所有用电需求因素的加权得分进行求和，得到选线节点的加权用电需求得分。即：
[\text{加权用电需求得分} = \sum (\text{加权得分}_i)]。
S402.设定一个总加权用电需求的阈值，作为判断节点是否合格的条件，遍历所有生成的选线节点，将加权用电需求得分与设定的阈值进行比较，以判断选线节点是否符合合格条件，筛选出满足合格条件的合格选线节点。
（1）设定总加权用电需求阈值：设定一个总加权用电需求的阈值，作为判断节点是否合格的条件。这个阈值可以根据具体需求和实际情况进行设定。
（2）遍历选线节点：遍历所有生成的选线节点。
（3）比较加权用电需求得分：将每个选线节点的加权用电需求得分与设定的阈值进行比较。
（4）筛选合格节点：选择满足合格条件的选线节点，即加权用电需求得分高于设定的阈值的节点。
S403.以合格选线节点的坐标数据作为定位坐标，在选线区域内确定合格选线节点所在位置。
（1）以合格选线节点的坐标数据为定位坐标：对于每个满足合格条件的选线节点，以其坐标数据为定位坐标。
（2）在选线区域内确定位置：将合格选线节点的坐标数据作为定位坐标，在选线区域内确定合格选线节点所在位置。
本发明中确保了在计算选线节点的加权用电需求得分时，考虑了各个用电需求因素的权重，使得加权和能够反映出各个因素在选址过程中的相对重要性。
在本实施例中，以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域，包括：
1.选择合格选线节点：从已经确定的合格选线节点集合中选择一个节点作为起点。
2.定义选线覆盖半径：为所选合格选线节点定义一个表示电力设施的影响范围的选线覆盖半径。这个半径可以根据电力设施的特性和需求来确定，例如，电力设施的传输范围或服务范围。
3.创建圆形区域：以选线节点的坐标为中心，使用定义的选线覆盖半径，创建一个圆形区域。这可以通过在地理信息系统（GIS）中进行空间几何操作来实现，确保圆形区域覆盖了选线节点附近的地理空间。
4.加入GIS选址模型：将预设选线覆盖范围的圆形区域加入到GIS选址模型中。这包括在GIS数据库中创建相应的图层，并将圆形区域的空间信息、半径等属性信息存储在数据库中。
5.可视化预设选线覆盖范围：在地图上将预设选线覆盖范围的圆形区域可视化。这可以通过GIS平台提供的可视化工具来实现，使决策者能够清晰地看到每个合格选线节点周围的选线覆盖范围。
6.重复步骤：针对每个合格选线节点，重复上述步骤，选择选线节点、定义选线覆盖半径、创建圆形区域，并将这些区域加入到GIS选址模型中，确保对所有合格选线节点都进行相应的预设选线覆盖范围的设置。
通过以上步骤，能够在GIS环境中准确地为每个合格选线节点创建以电力设施为中心的选线覆盖区域，为后续的选线路径规划提供了详细的空间信息和约束条件。这有助于更好地考虑电力设施的影响范围，使得选线路径的规划更为科学和可行。
在本实施例中，参见图7所示，使用Dijkstra算法生成选线路径，包括以下步骤：
S501.初始化：对每个选线节点，初始化到起始电力设施节点的距离为无穷大，起始电力设施节点的距离为0，将所有节点标记为未访问；
S502.遍历节点：从起始电力设施节点开始，遍历每个选线节点，对于每个选线节点，计算通过当前已访问节点到达该节点的距离，若计算得到的距离小于当前记录的距离，则更新距离；
S503.标记节点：将当前选线节点标记为已访问；
S504.选择下一个节点：从未访问的节点中选择距离最小的节点作为下一个要访问的节点，重复上述步骤直到所有节点都被访问过；
S505.生成最短路径：根据计算得到的最短距离，逆向推导出从起始电力设施到每个选线节点的最短路径；
S506.形成最终选线路径：将得到的最短路径连接起来，形成最终的电力设施选线路径。
通过以上步骤，使用Dijkstra算法能够有效地生成电力设施选线路径，确保在考虑地理信息和用电需求的情况下，选择最优的路径进行电力设施的规划和布局。
综上所述，本发明的基于GIS和数据分析的电力设施选线方法构建了一套综合性的选址系统，以高效获取、处理和分析地理信息数据为基础，为电力设施选址决策提供了科学、全面的解决方案。首先，通过无人机航拍和遥感图像解析，全面获取了选址区域的地理信息数据，包括地形、土地利用和道路路网等多个因素。其次，在GIS平台上建立了高效的电力设施选址数据库，整合并存储了各类地理信息数据，并通过GIS选址模型对选址因素进行综合分析和评分。通过智能化的选线节点生成和筛选，系统能够灵活调整选线覆盖范围，为电力设施的规划提供了更多的可选择性。通过Dijkstra算法生成最短路径，形成了模拟电力设施选线区域的网络，为电力设施之间的空间关系提供了直观的分析工具。
此外，本发明还注重用电需求数据的权重分析和加权求和，使得决策者可以更全面地考虑目标区域的电力需求，从而更合理地确定电力设施的数量和覆盖范围。最终，通过将选线节点和路径以图层形式可视化展示在GIS中，决策者可以直观地了解选址结果，提高了选址决策的透明度和直观性。
因此，本发明的电力设施选线方法在提高选址效率、准确性的同时，充分考虑多因素，为电力设施规划提供了科学、灵活和可视化的决策支持，具有广泛的应用前景和实际价值。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应该理解的是，上述虽然是按照某一顺序描述的，但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本实施例的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本发明实施例的第二个方面，本发明还提供了一种基于GIS和数据分析的电力设施选线系统，包括：
遥感图像获取模块，用于基于无人机航拍获取电力设施选线区域的遥感图像，并解析获取电力设施选线区域的地理信息数据；
GIS创建模块，用于建立电力设施选址的GIS数据库，将地理信息数据以图层的形式进行存储，并建立电力设施选线区域的GIS选址模型；
用电需求数据处理模块，用于收集选线目标区域的用电需求数据，并设置选线节点生成模式，对用电需求数据进行加权求和，判断目标区域所需的电力设施数量以及电力设施覆盖范围；
节点确定模块，用于在GIS选址模型中将每个电力设施作为一个选线节点，以电力设施的覆盖范围的中心位置为定位坐标数据，确定合格选线节点所在位置；
覆盖区域预设模块，用于以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域；
选线路径生成模块，用于基于距离计算，选择与起始电力设施的起点坐标距离最小的选线节点作为下一个初始起点坐标，利用最短路径算法重复此步骤以生成选线路径；
选线网络生成模块，用于在GIS选址模型中生成模拟电力设施选线区域的包含选线节点以及选线路径的电力设施选线网络。
其中，所述GIS创建模块包括：
GIS数据库建立模块：用于选择GIS平台作为系统的GIS工具，在PostgreSQL数据库中安装PostGIS扩展，创建空白的数据库用于存储电力设施选址的GIS数据；在数据库中创建图层表，将解析得到的地理信息数据导入GIS数据库中，为表的几何列创建空间索引；
GIS选址模型建立模块：用于在GIS数据库中为每个选址因素创建相应的图层，为每个选址因素分配权重并进行数据标准化，利用GIS平台提供的模型构建脚本语言，基于选址因素创建GIS选址模型，在GIS平台中运行模型，获取每个潜在选址的评分。
本发明的基于GIS和数据分析的电力设施选线系统，通过无人机航拍和遥感图像解析，系统能够全面获取选址区域的地理信息数据，包括地形、土地利用和道路路网等关键因素。在GIS平台上建立的电力设施选址数据库不仅提供了高效的数据管理和空间分析能力，还通过GIS选址模型对多个选址因素进行综合评分，使得选址决策更加科学和全面。
该系统通过智能化的选线节点生成和筛选，以及灵活的选线覆盖范围调整，为电力设施的规划提供了更多的灵活性和选择性。特别值得注意的是对用电需求数据的加权分析，系统能够全面考虑目标区域的电力需求，使得决策者能够更准确地判断所需电力设施的数量和覆盖范围。
本发明实施例的第三个方面，还提供了一种计算机设备，包括存储器和处理器，该存储器中存储有计算机程序，该计算机程序被该处理器执行时实现上述任意一项实施例的方法。
在该计算机设备中包括一个处理器以及一个存储器，并还可以包括：输入系统和输出系统。处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接，输入系统可接收输入的数字或字符信息，以及产生与基于GIS和数据分析的电力设施选线的迁移有关的信号输入。输出系统可包括显示屏等显示设备。
存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的基于GIS和数据分析的电力设施选线方法对应的程序指令/模块。存储器可以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、至少一个功能所需要的应用程序；存储数据区可存储基于GIS和数据分析的电力设施选线方法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。在一些实施例中，存储器可选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本地模块。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。
处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作。本实施例中，处理器用于运行存储器中存储的程序代码或者处理数据。本实施例计算机设备的多个计算机设备的处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于GIS和数据分析的电力设施选线方法的步骤。
应当理解，在相互不冲突的情况下，以上针对根据本发明的基于GIS和数据分析的电力设施选线方法阐述的所有实施方式、特征和优势同样地适用于根据本发明的基于GIS和数据分析的电力设施选线和存储介质。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
最后需要说明的是，本文的计算机可读存储介质（例如，存储器）可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦写可编程ROM（EEPROM）或快闪存储器。易失性存储器可以包括随机存取存储器（RAM），该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM 可以以多种形式获得，比如同步RAM（DRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据速率SDRAM（DDRSDRAM）、增强SDRAM（ESDRAM）、同步链路DRAM（SLDRAM）、以及直接Rambus RAM（DRRAM）。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围（包括权利要求）被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种基于GIS和数据分析的电力设施选线方法，其特征在于，包括以下步骤：
基于无人机航拍获取电力设施选线区域的遥感图像，解析获取电力设施选线区域的地理信息数据，其中，所述地理信息数据包括电力设施选线区域的地形数据、土地利用数据和道路路网数据；
建立电力设施选址的GIS数据库，将地理信息数据以图层的形式进行存储，并建立电力设施选线区域的GIS选址模型；
收集选线目标区域的用电需求数据，并设置选线节点生成模式，对用电需求数据进行加权求和，判断目标区域所需的电力设施数量以及电力设施覆盖范围；
在GIS选址模型中将每个电力设施作为一个选线节点，以电力设施的覆盖范围的中心位置为定位坐标数据，确定合格选线节点所在位置；
以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域；
基于距离计算，选择与起始电力设施的起点坐标距离最小的选线节点作为下一个初始起点坐标，利用最短路径算法重复此步骤以生成选线路径；
在GIS选址模型中生成模拟电力设施选线区域的包含选线节点以及选线路径的电力设施选线网络。
2.根据权利要求1所述的基于GIS和数据分析的电力设施选线方法，其特征在于，解析获取电力设施选线区域的地理信息数据，包括以下步骤：
在选线区域获取无人机航拍的遥感图像，并对获取的遥感图像进行预处理；
利用图像解析工具OpenCV对遥感图像读取、处理和转换，提取遥感图像中的光谱信息和空间分辨率，将遥感图像转换为数字数据，以数字矩阵方式进行存储；
使用数字高程模型提取遥感图像中地形的地势高程和地形起伏信息，利用遥感图像中的阴影和高光特征，采用阴影分析方法辅助提取地形数据；
使用支持向量机对遥感图像进行分类，将遥感图像中的不同地物进行分类，识别不同的地物类型；
使用边缘检测技术检测并提取图像中的道路信息，利用道路的几何形状和颜色特征，识别道路的位置和形状，形成道路路网数据；
将提取的道路信息在原图上进行可视化，获得地理信息数据的地形数据、土地利用数据和道路路网数据。
3.根据权利要求2所述的基于GIS和数据分析的电力设施选线方法，其特征在于，建立电力设施选址的GIS数据库包括以下步骤：
选择QGIS作为的GIS平台，在PostgreSQL数据库中安装PostGIS扩展，使用PostgreSQL的命令行工具，创建一个空白的数据库，用于存储电力设施选址的GIS数据；
使用命令行连接到新创建的空白的数据库，在新创建的数据库中启用PostGIS扩展并创建图层表，其中，图层表包括：创建地形图层、土地利用图层和道路路网图层的表；
为每个图层定义属性表，将获取的地理信息数据导入到新创建的GIS数据库中，并为表的几何列创建空间索引，利用PostGIS提供的函数进行空间分析，得到电力设施选址的GIS数据库。
4.根据权利要求3所述的基于GIS和数据分析的电力设施选线方法，其特征在于，建立电力设施选线区域的GIS选址模型，包括以下步骤：
在GIS数据库中，为每个确定的选址因素创建选址因素图层，确定的选址因素包括用电需求、地形、土地利用以及道路网络；选址因素图层包括用电需求图层、地形图层、土地利用图层以及道路网络图层；
根据选址因素为每个选址因素分配权重并进行数据标准化，使用GIS平台提供的模型构建脚本语言，基于选址因素创建GIS选址模型，并在GIS平台中运行GIS选址模型，以获取对于每个潜在选址的评分。
5.根据权利要求4所述的基于GIS和数据分析的电力设施选线方法，其特征在于，设定选线节点生成模式，对用电需求数据进行加权求和，以判断目标区域所需的电力设施数量和电力设施覆盖范围，包括以下步骤：
通过网格在目标区域内均匀生成选线节点，对于每个生成的选线节点；
记录所在的坐标数据作为起始坐标，在每个选线节点的周围预设选线覆盖范围，即电力设施的影响范围；
获取目标区域内的用电需求数据，包括各个地点的用电量；
为用电需求数据分配权重，并对用电需求数据进行Min-Max标准化，将标准化后的用电需求数据与权重相乘，并对所有节点的加权用电需求数据进行求和，以得到每个节点的总加权用电需求；
基于总加权用电需求的值设定阈值，判断所需的电力设施数量和电力设施覆盖范围。
6.根据权利要求5所述的基于GIS和数据分析的电力设施选线方法，其特征在于，确定合格选线节点所在位置，包括以下步骤：
计算选线节点的加权用电需求得分；
设定一个总加权用电需求的阈值，作为判断节点是否合格的条件，遍历所有生成的选线节点，将加权用电需求得分与设定的阈值进行比较，以判断选线节点是否符合合格条件，筛选出满足合格条件的合格选线节点；
以合格选线节点的坐标数据作为定位坐标，在选线区域内确定合格选线节点所在位置。
7.根据权利要求6所述的基于GIS和数据分析的电力设施选线方法，其特征在于，计算选线节点的加权用电需求得分时，包括：
获取选线区域内各个地点的用电需求数据，为每个用电需求因素设置权重因子，对用电需求数据进行标准化；
将标准化后的用电需求数据与相应的权重因子相乘，得到每个用电需求因素的加权得分，即：[\text{加权得分}=\text{标准化用电需求}\times\text{权重因子}]；
对每个用电需求因素的加权得分进行求和，得到选线节点的加权用电需求得分，即：[\text{加权用电需求得分}=\sum(\text{加权得分}_i)]。
8.根据权利要求6所述的基于GIS和数据分析的电力设施选线方法，其特征在于，以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域，包括：
从合格选线节点中选择一个作为起点，以该起点坐标数据为起点坐标，定义一个表示电力设施的影响范围的选线覆盖半径，以选线节点的坐标为中心，创建一个圆形区域，半径为定义的选线覆盖半径，在选线节点周围创建圆形区域；
在地图上将预设选线覆盖范围的圆形区域可视化，对于每个合格选线节点，重复上述步骤，选择选线节点、定义选线覆盖半径、创建圆形区域，并加入到GIS选址模型中。
9.根据权利要求1所述的基于GIS和数据分析的电力设施选线方法，其特征在于，使用Dijkstra算法生成选线路径，包括以下步骤：
初始化：对每个选线节点，初始化到起始电力设施节点的距离为无穷大，起始电力设施节点的距离为0，将所有节点标记为未访问；
遍历节点：从起始电力设施节点开始，遍历每个选线节点，对于每个选线节点，计算通过当前已访问节点到达该节点的距离，若计算得到的距离小于当前记录的距离，则更新距离；
标记节点：将当前选线节点标记为已访问；
选择下一个节点：从未访问的节点中选择距离最小的节点作为下一个要访问的节点，重复上述步骤直到所有节点都被访问过；
生成最短路径：根据计算得到的最短距离，逆向推导出从起始电力设施到每个选线节点的最短路径；
形成最终选线路径：将得到的最短路径连接起来，形成最终的电力设施选线路径。
10.一种基于GIS和数据分析的电力设施选线系统，其特征在于，用于执行权利要求1-9任一项所述的基于GIS和数据分析的电力设施选线方法，所述基于GIS和数据分析的电力设施选线系统包括：
遥感图像获取模块，用于基于无人机航拍获取电力设施选线区域的遥感图像，并解析获取电力设施选线区域的地理信息数据；
GIS创建模块，用于建立电力设施选址的GIS数据库，将地理信息数据以图层的形式进行存储，并建立电力设施选线区域的GIS选址模型；
用电需求数据处理模块，用于收集选线目标区域的用电需求数据，并设置选线节点生成模式，对用电需求数据进行加权求和，判断目标区域所需的电力设施数量以及电力设施覆盖范围；
节点确定模块，用于在GIS选址模型中将每个电力设施作为一个选线节点，以电力设施的覆盖范围的中心位置为定位坐标数据，确定合格选线节点所在位置；
覆盖区域预设模块，用于以合格选线节点的坐标数据为起点坐标，在每个电力设施的节点位置周围预设选线覆盖范围，形成一个以电力设施为中心的选线覆盖区域；
选线路径生成模块，用于基于距离计算，选择与起始电力设施的起点坐标距离最小的选线节点作为下一个初始起点坐标，利用最短路径算法重复此步骤以生成选线路径；
选线网络生成模块，用于在GIS选址模型中生成模拟电力设施选线区域的包含选线节点以及选线路径的电力设施选线网络。
CN202311556870.2A 2023-11-21 2023-11-21 一种基于gis和数据分析的电力设施选线方法及系统 Pending CN117610205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311556870.2A CN117610205A (zh) 2023-11-21 2023-11-21 一种基于gis和数据分析的电力设施选线方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311556870.2A CN117610205A (zh) 2023-11-21 2023-11-21 一种基于gis和数据分析的电力设施选线方法及系统

Publications (1)

Publication Number Publication Date
CN117610205A true CN117610205A (zh) 2024-02-27

Family

ID=89948907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311556870.2A Pending CN117610205A (zh) 2023-11-21 2023-11-21 一种基于gis和数据分析的电力设施选线方法及系统

Country Status (1)

Country Link
CN (1) CN117610205A (zh)

Similar Documents

Publication Publication Date Title
CN109446992B (zh) 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备
US11869192B2 (en) System and method for vegetation modeling using satellite imagery and/or aerial imagery
CN109493320B (zh) 基于深度学习的遥感影像道路提取方法及系统、存储介质、电子设备
CN114758337B (zh) 一种语义实例重建方法、装置、设备及介质
CN110956207B (zh) 一种光学遥感影像全要素变化检测方法
CN115375868B (zh) 地图显示和遥感地图显示方法、计算设备以及存储介质
CN114241326B (zh) 一种渐进式遥感影像地物要素智能生产方法及系统
CN113724279B (zh) 路网自动划分交通小区的系统、方法、设备及存储介质
CN104732279A (zh) 基于地理信息系统的改进元胞自动机交通流模拟分析方法
CN116911052A (zh) 一种基于数字孪生的智慧城市的组件化构建方法
CN112148820B (zh) 一种基于深度学习的水下地形数据识别和服务方法及系统
CN111259955A (zh) 一种地理国情监测成果可靠性质检方法及系统
Rosni et al. Managing urbanisation and urban sprawl in Malaysia by using remote sensing and GIS applications
CN114880730A (zh) 确定目标设备的方法、装置及光伏系统
CN117390590B (zh) 一种基于cim模型的数据管理方法及系统
CN118247717A (zh) 一种基于可变形注意力-空间多尺度网络模型的路面病害识别方法、存储介质以及电子装置
Aslani et al. Rooftop segmentation and optimization of photovoltaic panel layouts in digital surface models
Sun et al. GABLE: A first fine-grained 3D building model of China on a national scale from very high resolution satellite imagery
CN113240219A (zh) 一种土地利用模拟及预测方法
Kalpana et al. A novel approach to measure the pattern of urban agglomeration based on the road network
CN112733782A (zh) 基于道路网的城市功能区识别方法、存储介质和电子设备
CN109784225B (zh) 一种基于可达空间的地理空间模式识别方法
CN117056722A (zh) 一种规划地块人口数量预测方法及系统
CN116822980A (zh) 一种基矢量引导的典型地表要素智能监测方法及系统
CN117610205A (zh) 一种基于gis和数据分析的电力设施选线方法及系统

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