CN117804405A - 一种输电线路杆塔形变监测方法及系统 - Google Patents

Abstract

本发明涉及输电线路技术领域，尤其涉及一种输电线路杆塔形变监测方法及系统。所述方法包括以下步骤：对输电线路杆塔进行形变信号监测和信号预处理，得到杆塔形变量抗干扰信号数据；对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子进行三轴姿态校正计算，得到杆塔形变姿态校正数据；将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，生成杆塔形变预警维护决策报告。本发明能够更准确地监测输电线路杆塔的形变。

Description

一种输电线路杆塔形变监测方法及系统

技术领域

本发明涉及输电线路技术领域，尤其涉及一种输电线路杆塔形变监测方法及系统。

背景技术

输电线路的杆塔承担着电力输送的关键作用，而杆塔的形变状况直接关系到输电线路的稳定性和安全性。为了确保输电线路的稳定性和安全性，需要对杆塔的形变状况进行实时监测。然而，传统的杆塔形变监测方法存在监测范围狭窄、精度不足等问题。

发明内容

基于此，本发明有必要提供一种输电线路杆塔形变监测方法及系统，以解决至少一个上述技术问题。

为实现上述目的，一种输电线路杆塔形变监测方法，包括以下步骤：

步骤S1：通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据；

步骤S2：对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

步骤S3：对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，得到杆塔形变姿态校正数据；

步骤S4：通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

本发明首先通过将杆塔形变监测网络的形变传感器部署在已确定好的杆塔形变监测节点上，并通过使用形变传感器对杆塔形变监测节点进行形变信号监测，能够及时捕捉输电线路杆塔结构的微小形变变化，为提前预警和维护工作提供了重要的数据支持，从而提高了杆塔形变的监测范围。同时，通过使用高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，从而得到抗干扰性更强、精度更高的杆塔形变量电压信号数据，这一步骤旨在消除噪声干扰，还可以提高信号数据的质量，使得处理得到的杆塔形变量抗干扰信号数据更具可靠性，有助于确保形变监测过程的准确性和稳定性。其次，通过对杆塔形变量抗干扰信号数据进行形变姿态检测，旨在从形变信号中提取关键特征，以便更深入地了解杆塔的形变状态。在此步骤中，可以使用各种信号处理技术和算法，如时域分析、频域分析等，以获取形变姿态的特征信息，这有助于对杆塔形变的各个方面进行详细分析，来判断杆塔的具体形变状态，如位移状态、沉降状态或倾斜抖动状态，这一步骤能够实现了对形变数据的有效分类，为后续的处理提供了重要信息。并且，通过使用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，这一步骤能够实现了对形变姿态的实时监测，从而为实时监控和及时响应形变情况提供了关键信息。然后，通过对杆塔形变姿态信息数据进行异常变化检测，能够及时发现杆塔形变姿态信息数据中的任何数据异常变化，以实现对异常变化的精准检测，从而为预防潜在异常风险提供了关键支持。通过获取输电线路杆塔环境数据，并根据这些环境数据对杆塔形变姿态异常变化数据进行分析，这一步骤的关键在于通过对输电线路杆塔环境的全面了解和分析，以评估环境因素（包括酸雨、风力、暴雨等环境天气因素）以及杆塔漏电损失对杆塔形变姿态异常变化的影响，这样的评估有助于更准确地理解异常变化的原因和背后的环境因素。通过使用分析得到的杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，从而准确获取酸雨、风力、暴雨等环境影响因子以及杆塔漏电造成的形变损失因子对三轴数据的实际影响变化情况。另外，还通过使用三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，这一计算过程能够通过综合考虑酸雨、风力、暴雨等环境影响因子以及杆塔电损失形变因子对三轴数据的影响作用情况，来实现对形变姿态信息的高精度校正，为后续的形变趋势预警分析提供准确的输入。最后，通过使用网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，可以实现对杆塔形变姿态校正数据进行实时监测，并及时触发安全预警信号，这一步骤能够实现了对杆塔形变姿态的主动安全监测和警示，从而为防范潜在危险提供了实时的安全预警信号。此外，通过根据杆塔形变安全预警信号对相应的输电线路杆塔进行智能维护决策分析，能够生成针对具体杆塔的智能维护决策报告，这一步骤的实施有助于为输电线路杆塔的智能化维护提供了关键的支持，确保对杆塔潜在风险的及时响应和处理，从而提升了整体杆塔的稳定性和安全性。

优选地，本发明还提供了一种输电线路杆塔形变监测系统，用于执行如上所述的输电线路杆塔形变监测方法，该输电线路杆塔形变监测系统包括：

杆塔形变信号监测模块，用于通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，从而得到杆塔形变量抗干扰信号数据；

形变姿态三轴数据采集模块，用于对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，从而得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

杆塔三轴姿态校正模块，用于对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，从而得到杆塔形变姿态校正数据；

形变安全预警维护处理模块，用于通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

综上所述，本发明提供了一种输电线路杆塔形变监测系统，该输电线路杆塔形变监测系统由杆塔形变信号监测模块、形变姿态三轴数据采集模块、杆塔三轴姿态校正模块以及形变安全预警维护处理模块组成，能够实现本发明所述任意一种输电线路杆塔形变监测方法，用于联合各个模块上运行的计算机程序之间的操作实现一种输电线路杆塔形变监测方法，系统内部结构互相协作，通过采用相应的传感器、部署方式以及信号数据处理过程，能够确保获取的形变信号数据具有高灵敏度和抗干扰能力，同时，通过实时采集相应的形变姿态三轴数据对杆塔形变姿态信息数据进行校正补偿，从而能够实时、准确地采集杆塔的形变信息，另外，还通过使用形变预警系统实现形变校正数据的实时监测，可以及时发现潜在的问题并向相关人员发生预警信息，这样能够大大减少重复工作和人力投入，能够快速有效地提供更准确、更高效的输电线路杆塔形变监测过程，从而简化了输电线路杆塔形变监测系统的操作流程。

附图说明

通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明输电线路杆塔形变监测方法的步骤流程示意图；

图2为图1中步骤S1的详细步骤流程示意图；

图3为图2中步骤S15的详细步骤流程示意图。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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，都属于本发明保护的范围。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图3，本发明提供了一种输电线路杆塔形变监测方法，所述方法包括以下步骤：

步骤S1：通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据；

步骤S2：对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

步骤S3：对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，得到杆塔形变姿态校正数据；

步骤S4：通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

本发明实施例中，请参考图1所示，为本发明输电线路杆塔形变监测方法的步骤流程示意图，在本实例中，所述输电线路杆塔形变监测方法的步骤包括：

步骤S1：通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据；

本发明实施例首先通过使用激光雷达设备获取输电线路杆塔的整体拓扑结构，并揭示杆塔之间的空间关系和连接方式情况确定杆塔形变监测节点，同时，通过将杆塔形变监测网络内的形变传感器部署在已确定好的杆塔形变监测节点上，并通过使用形变传感器对杆塔形变监测节点进行联合监测，以及时监测分析输电线路杆塔结构变化的电压信号情况，从而得到杆塔形变量电压变化信号。然后，通过使用杆塔形变监测网络内的高精度信号采样电路和信号抗干扰电路对监测得到的杆塔形变量电压变化信号进行预处理，包括消除噪声干扰、高精度采样、抗干扰处理、信号转换等处理步骤，最终得到杆塔形变量抗干扰信号数据。

步骤S2：对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

本发明实施例通过使用中位值滤波算法对杆塔形变量抗干扰信号数据进行处理，以计算杆塔形变量抗干扰信号数据的中位数来在一定程度上抑制噪声对数据的影响，从而获取一个更加稳定和可靠的杆塔形变度量值，并通过计算杆塔形变姿态阈值范围对杆塔形变度量值进行比较判断，以判断杆塔形变的姿态情况，包括位移状态、沉降状态以及倾斜抖动状态，同时，通过整合以上杆塔形变姿态的判断结果，从而得到杆塔形变姿态信息数据。然后，通过使用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行处理，以实时采集对应形变姿态条件下的三轴（轴、/>轴、/>轴）信息数据，最终得到当前形变姿态的三轴加速度数据以及三轴倾角数据。

步骤S3：对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，得到杆塔形变姿态校正数据；

本发明实施例通过使用基于阈值、统计方法、机器学习等算法对杆塔形变姿态信息数据进行检测，以检测识别出杆塔形变姿态信息数据中微小的形变姿态异常变化，并通过使用相应的环境监测设备获取包括酸雨、风力、暴雨等环境天气信息，从而获取得到输电线路杆塔环境数据。还通过根据输电线路杆塔环境数据的环境天气情况对杆塔形变姿态异常变化数据进行分析，以评估分析环境因素（包括酸雨、风力、暴雨等环境天气因素）对杆塔形变姿态异常变化的原因和背后的环境影响因素，从而得到杆塔形变姿态环境影响因子。同时，通过使用数学统计方法对输电线路杆塔环境数据进行计算，以获取输电线路杆塔地区的平均环境湿度以及环境暴雨概率，其次，通过使用平均环境湿度以及环境暴雨概率进行电损失计算，从而得到杆塔电损失形变因子。然后，通过根据分析得到的杆塔三轴形变影响作用因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行分析，以根据酸雨、风力、暴雨等环境影响因子以及杆塔漏电造成的形变损失因子反馈分析相应三轴数据的实际影响变化情况，从而得到三轴加速度变化数据以及三轴倾角变化数据。最后，通过使用三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行限时采集，以持续采集5秒以内的三轴原始变化数据，使其能够在瞬时状态下捕捉形变姿态的微小变化，并基于采集得到的限时数据对杆塔形变姿态异常滤波数据中的形变姿态情况进行校正计算，以累积校正补偿形变姿态的变化趋势，并消除形变姿态异常变化的影响，来更加准确地反映杆塔的实时形变状态，最终得到杆塔形变姿态校正数据。

步骤S4：通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

本发明实施例通过使用网络通信技术将杆塔形变姿态校正数据传输到形变预警系统中，同时，通过形变预警系统使用时间序列分析或者机器学习算法对接收到的杆塔形变姿态校正数据进行分析，以分析杆塔形变姿态的变化趋势，其次，通过使用一个合适的形变姿态安全值计算公式对分析得到的杆塔形变姿态变化趋势进行安全计算，以量化杆塔形变的安全程度，然后，根据形变预警系统内预先设置的杆塔形变姿态安全阈值对计算得到的安全度量值进行比较判断，如果杆塔形变姿态安全度量值超过预设的杆塔形变姿态安全阈值，则触发安全预警发出警示信号，否则不会触发安全预警，从而得到杆塔形变安全预警信号。最后，通过根据杆塔形变安全预警信号对应的预警信息对输电线路杆塔进行分析，以生成杆塔形变预警维护决策报告，其中包括形变姿态的具体预警情况、安全计算结果、预警信号的原因分析以及建议的维护措施。

本发明首先通过将杆塔形变监测网络的形变传感器部署在已确定好的杆塔形变监测节点上，并通过使用形变传感器对杆塔形变监测节点进行形变信号监测，能够及时捕捉输电线路杆塔结构的微小形变变化，为提前预警和维护工作提供了重要的数据支持，从而提高了杆塔形变的监测范围。同时，通过使用高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，从而得到抗干扰性更强、精度更高的杆塔形变量电压信号数据，这一步骤旨在消除噪声干扰，还可以提高信号数据的质量，使得处理得到的杆塔形变量抗干扰信号数据更具可靠性，有助于确保形变监测过程的准确性和稳定性。其次，通过对杆塔形变量抗干扰信号数据进行形变姿态检测，旨在从形变信号中提取关键特征，以便更深入地了解杆塔的形变状态。在此步骤中，可以使用各种信号处理技术和算法，如时域分析、频域分析等，以获取形变姿态的特征信息，这有助于对杆塔形变的各个方面进行详细分析，来判断杆塔的具体形变状态，如位移状态、沉降状态或倾斜抖动状态，这一步骤能够实现了对形变数据的有效分类，为后续的处理提供了重要信息。并且，通过使用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，这一步骤能够实现了对形变姿态的实时监测，从而为实时监控和及时响应形变情况提供了关键信息。然后，通过对杆塔形变姿态信息数据进行异常变化检测，能够及时发现杆塔形变姿态信息数据中的任何数据异常变化，以实现对异常变化的精准检测，从而为预防潜在异常风险提供了关键支持。通过获取输电线路杆塔环境数据，并根据这些环境数据对杆塔形变姿态异常变化数据进行分析，这一步骤的关键在于通过对输电线路杆塔环境的全面了解和分析，以评估环境因素（包括酸雨、风力、暴雨等环境天气因素）以及杆塔漏电损失对杆塔形变姿态异常变化的影响，这样的评估有助于更准确地理解异常变化的原因和背后的环境因素。通过使用分析得到的杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，从而准确获取酸雨、风力、暴雨等环境影响因子以及杆塔漏电造成的形变损失因子对三轴数据的实际影响变化情况。另外，还通过使用三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，这一计算过程能够通过综合考虑酸雨、风力、暴雨等环境影响因子以及杆塔电损失形变因子对三轴数据的影响作用情况，来实现对形变姿态信息的高精度校正，为后续的形变趋势预警分析提供准确的输入。最后，通过使用网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，可以实现对杆塔形变姿态校正数据进行实时监测，并及时触发安全预警信号，这一步骤能够实现了对杆塔形变姿态的主动安全监测和警示，从而为防范潜在危险提供了实时的安全预警信号。此外，通过根据杆塔形变安全预警信号对相应的输电线路杆塔进行智能维护决策分析，能够生成针对具体杆塔的智能维护决策报告，这一步骤的实施有助于为输电线路杆塔的智能化维护提供了关键的支持，确保对杆塔潜在风险的及时响应和处理，从而提升了整体杆塔的稳定性和安全性。

优选地，步骤S1包括以下步骤：

步骤S11：通过激光雷达设备对输电线路杆塔进行非接触式监测，以得到杆塔三维点云位置数据；

步骤S12：对杆塔三维点云位置数据进行三维拓扑分析，得到杆塔三维点云拓扑结构数据；

步骤S13：根据杆塔三维点云拓扑结构数据对输电线路杆塔进行监测节点标注分析，得到杆塔形变监测节点；

步骤S14：通过杆塔形变监测网络的形变传感器对杆塔形变监测节点进行形变信号监测，得到杆塔形变量电压变化信号；

步骤S15：通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据。

作为本发明的一个实施例，参考图2所示，为图1中步骤S1的详细步骤流程示意图，在本实施例中步骤S1包括以下步骤：

步骤S11：通过激光雷达设备对输电线路杆塔进行非接触式监测，以得到杆塔三维点云位置数据；

本发明实施例通过使用激光雷达设备对输电线路杆塔进行非接触式监测扫描，以扫描获取杆塔结构的空间位置信息，最终得到杆塔三维点云位置数据。

步骤S12：对杆塔三维点云位置数据进行三维拓扑分析，得到杆塔三维点云拓扑结构数据；

本发明实施例通过使用三维拓扑分析方法对杆塔三维点云位置数据进行分析，以深入分析输电线路杆塔的整体拓扑结构，并揭示杆塔之间的空间关系和连接方式情况，最终得到杆塔三维点云拓扑结构数据。

步骤S13：根据杆塔三维点云拓扑结构数据对输电线路杆塔进行监测节点标注分析，得到杆塔形变监测节点；

本发明实施例通过根据杆塔三维点云拓扑结构数据的空间拓扑结构情况对输电线路杆塔进行分析，以分析识别出杆塔中对形变敏感的监测节点，并对其进行智能标注，以更准确地捕捉输电线路杆塔结构的变化，最终得到杆塔形变监测节点。

步骤S14：通过杆塔形变监测网络的形变传感器对杆塔形变监测节点进行形变信号监测，得到杆塔形变量电压变化信号；

本发明实施例通过将杆塔形变监测网络内的形变传感器部署在已确定好的杆塔形变监测节点上，并通过使用形变传感器对杆塔形变监测节点进行联合监测，以及时监测分析输电线路杆塔结构变化的电压信号情况，最终得到杆塔形变量电压变化信号。

步骤S15：通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据。

本发明实施例通过使用杆塔形变监测网络内的高精度信号采样电路和信号抗干扰电路对监测得到的杆塔形变量电压变化信号进行预处理，包括消除噪声干扰、高精度采样、抗干扰处理、信号转换等处理步骤，最终得到杆塔形变量抗干扰信号数据。

本发明首先通过使用激光雷达设备对输电线路杆塔进行非接触式监测，能够使得杆塔空间位置数据的监测过程不仅高效而且无需物理接触，避免了对杆塔结构的干扰，获取得到的三维点云位置数据能够为后续的拓扑分析和结构监测提供了高质量、高精度的空间信息基础，有助于准确把握杆塔的几何特征和位置分布。其次，通过对杆塔三维点云位置数据进行三维拓扑分析，这一分析过程揭示了杆塔之间的空间关系和连接方式，有助于深入理解输电线路的整体拓扑结构，这个拓扑结构数据为后续形变监测和节点标注提供了基础，使得能够更好地理解输电线路的复杂几何形态。然后，通过根据杆塔三维点云拓扑结构数据的空间拓扑结构情况对输电线路杆塔进行监测节点标注分析，能够识别出杆塔中对形变敏感的监测节点，从而有针对性地进行监测。通过智能的节点标注，可以更准确地捕捉输电线路结构的变化，为后续的形变监测提供了关键的目标定位。接下来，通过将杆塔形变监测网络的形变传感器部署在已确定好的杆塔形变监测节点上，并通过使用形变传感器对杆塔形变监测节点进行形变信号监测，能够及时捕捉输电线路杆塔结构的微小形变变化，为提前预警和维护工作提供了重要的数据支持。最后，通过使用高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，这一步骤旨在消除噪声干扰，提高信号数据的质量。通过高效的信号处理，得到的杆塔形变量抗干扰信号数据更具可靠性，有助于确保形变监测过程的准确性和稳定性。

优选地，步骤S15包括以下步骤：

步骤S151：对杆塔形变量电压变化信号进行信号噪声抑制，得到杆塔形变量电压噪声抑制信号；

步骤S152：对杆塔形变量电压噪声抑制信号进行信号波动检测，得到杆塔形变量高频波动信号以及杆塔形变量低频波动信号；

步骤S153：根据预设的自适应采样频率调整机制对杆塔形变量高频波动信号以及杆塔形变量低频波动信号进行采样频率动态调整，以得到杆塔形变量信号动态采样频率；

步骤S154：基于杆塔形变量信号动态采样频率通过高精度信号采样电路对杆塔形变量电压变化信号进行信号并行采样处理，得到杆塔形变量高精度电压信号；

步骤S155：通过信号抗干扰电路对杆塔形变量高精度电压信号进行抗干扰处理，得到杆塔形变量抗干扰电压信号；

步骤S156：对杆塔形变量抗干扰电压信号进行信号数据转换，得到杆塔形变量抗干扰信号数据。

作为本发明的一个实施例，参考图3所示，为图2中步骤S15的详细步骤流程示意图，在本实施例中步骤S15包括以下步骤：

步骤S151：对杆塔形变量电压变化信号进行信号噪声抑制，得到杆塔形变量电压噪声抑制信号；

本发明实施例通过使用信号处理技术（例如噪声滤波、降噪算法）对杆塔形变量电压变化信号进行噪声抑制，以抑制杂音和干扰，使得杆塔形变量电压变化信号更为清晰和准确，最终得到杆塔形变量电压噪声抑制信号。

步骤S152：对杆塔形变量电压噪声抑制信号进行信号波动检测，得到杆塔形变量高频波动信号以及杆塔形变量低频波动信号；

本发明实施例通过使用信号波动检测算法（例如小波变换、频谱分析等算法）对杆塔形变量电压噪声抑制信号的信号波动情况进行分析，以深入理解杆塔结构的不同振动模式，并系统地区分出高频波动和低频波动信号，最终得到杆塔形变量高频波动信号以及杆塔形变量低频波动信号。

步骤S153：根据预设的自适应采样频率调整机制对杆塔形变量高频波动信号以及杆塔形变量低频波动信号进行采样频率动态调整，以得到杆塔形变量信号动态采样频率；

本发明实施例通过根据预先设置的自适应采样频率调整机制对杆塔形变量高频波动信号以及杆塔形变量低频波动信号的信号波动频率情况进行动态调整，以确保在不同信号波动情况下获得的数据具有最佳的采样精度，从而更好地捕捉杆塔形变量信号的动态特征，最终得到杆塔形变量信号动态采样频率。

步骤S154：基于杆塔形变量信号动态采样频率通过高精度信号采样电路对杆塔形变量电压变化信号进行信号并行采样处理，得到杆塔形变量高精度电压信号；

本发明实施例通过在相应的信号波动情况下将经过动态调整后的杆塔形变量信号动态采样频率应用于杆塔形变监测网络内的高精度信号采样电路上对杆塔形变量电压变化信号进行并行采样，以更快速、更准确地获取形变量的变化，并确保在动态采样频率环境下获得高精度的电压信号，最终得到杆塔形变量高精度电压信号。

步骤S155：通过信号抗干扰电路对杆塔形变量高精度电压信号进行抗干扰处理，得到杆塔形变量抗干扰电压信号；

本发明实施例通过使用杆塔形变监测网络内的信号抗干扰电路对采样后的杆塔形变量高精度电压信号进行处理，以有效地消除了外部干扰源对形变信号的影响，使得能够更可靠地捕捉杆塔结构的微小形变变化，最终得到杆塔形变量抗干扰电压信号。

步骤S156：对杆塔形变量抗干扰电压信号进行信号数据转换，得到杆塔形变量抗干扰信号数据。

本发明实施例通过使用适当的模数转换处理技术对杆塔形变量抗干扰电压信号进行数据转换，以将复杂的电压信号转化为形变量的实际变化数据，最终得到杆塔形变量抗干扰信号数据。

本发明首先通过对杆塔形变量电压变化信号进行信号噪声抑制，能够实现了有效的信号清理，这一过程采用先进的信号处理技术，能够抑制杂音和干扰，使得得到的杆塔形变量电压噪声抑制信号更为清晰和准确。清理后的信号能够为后续步骤提供了高质量的输入，有助于提高形变监测过程的精度和可靠性。同时，通过对杆塔形变量电压噪声抑制信号进行信号波动检测，能够系统地区分出高频波动和低频波动信号，这种精细的波动分析有助于深入理解杆塔结构的不同振动模式，为后续的采样频率调整提供了基础。高频和低频波动信号的独立识别有助于为后续的采样频率动态调整提供了有力支持。其次，通过根据预先设置的自适应采样频率调整机制对杆塔形变量高频波动信号以及杆塔形变量低频波动信号进行采样频率动态调整，这一智能化的采样频率调整过程能够确保了在不同振动情况下获得的数据具有最佳的采样精度，从而更好地捕捉杆塔形变量信号的动态特征，这种自适应性的调整提高了后续处理过程的适用性和鲁棒性。然后，基于调整后的杆塔形变量信号动态采样频率应用于高精度信号采样电路对杆塔形变量电压变化信号进行信号并行采样处理，这一步骤的关键在于确保在动态采样频率环境下获得高精度的电压信号，这样通过并行采样，能够更快速、更准确地获取形变量的变化，为后续的抗干扰处理提供了高质量的输入数据。接下来，通过使用信号抗干扰电路对杆塔形变量高精度电压信号进行抗干扰处理，能够提高了信号的质量和稳定性，这一抗干扰处理过程有效地消除了外部干扰源对形变信号的影响，使得能够更可靠地捕捉杆塔结构的微小形变变化，抗干扰处理的实施能够为形变监测过程的性能提升提供了关键支持。最后，通过对杆塔形变量抗干扰电压信号进行信号数据转换，从而获得了更直观和易于理解的杆塔形变量抗干扰信号数据，这一数据转换过程能够将复杂的电压信号转化为形变量的实际变化趋势，为工程人员提供了直观的监测结果，这种数据转换不仅提高了数据的可读性，还为进一步的分析和决策提供了便利。

优选地，步骤S2包括以下步骤：

步骤S21：对杆塔形变量抗干扰信号数据进行形变中位滤波处理，得到杆塔形变量中位滤波数据值；

本发明实施例通过使用中位值滤波算法对杆塔形变量抗干扰信号数据进行处理，以计算杆塔形变量抗干扰信号数据的中位数来在一定程度上抑制噪声对数据的影响，从而获取一个更加稳定和可靠的杆塔形变度量值，最终得到杆塔形变量中位滤波数据值。

步骤S22：对杆塔形变量抗干扰信号数据进行形变姿态特征分析，得到杆塔形变姿态特征信息数据；

本发明实施例通过使用各种信号处理技术和算法，如时域分析、频域分析等，对杆塔形变量抗干扰信号数据进行特征分析，以分析包括但不限于形变位置、角度、弹性模量、形变面积、振动频率、幅度、变化趋势等各种形变特征，最终得到杆塔形变姿态特征信息数据。

步骤S23：利用形变姿态阈值计算公式对杆塔形变姿态特征信息数据进行阈值计算，得到杆塔形变姿态阈值范围；

本发明实施例通过结合杆塔形变姿态位置度量参数、杆塔形变姿态角度度量参数、杆塔形变姿态长度范围参数、杆塔形变姿态直径、杆塔形变弹性模量、杆塔形变截面惯性矩、杆塔形变姿态函数、形变振幅影响参数、形变方向影响参数、杆塔材料密度参数、重力加速度、杆塔形变横截面积、外部作用力、积分角度变量参数以及相关参数构成了一个合适的形变姿态阈值计算公式对杆塔形变姿态特征信息数据进行阈值计算，以量化杆塔形变姿态的阈值范围，最终得到杆塔形变姿态阈值范围。另外，该形变姿态阈值计算公式还能够使用本领域内任意一种阈值范围检测算法来代替阈值计算的过程，并不局限于该形变姿态阈值计算公式。

步骤S24：根据杆塔形变姿态阈值范围对杆塔形变量中位滤波数据值进行形变姿态判断，当杆塔形变量中位滤波数据值小于杆塔形变姿态阈值范围时，则判断杆塔形变姿态处于位移状态；当杆塔形变量中位滤波数据值大于杆塔形变姿态阈值范围时，则判断杆塔形变姿态处于沉降状态；当杆塔形变量中位滤波数据值处于杆塔形变姿态阈值范围内时，则判断杆塔形变姿态处于倾斜抖动状态；将杆塔形变姿态进行整合处理，得到杆塔形变姿态信息数据；

本发明实施例通过使用计算得到的杆塔形变姿态阈值范围对杆塔形变量中位滤波数据值进行比较判断，以判断杆塔形变的姿态情况，如果杆塔形变量中位滤波数据值小于杆塔形变姿态阈值范围，则判断当前杆塔的形变姿态处于位移状态；如果杆塔形变量中位滤波数据值大于杆塔形变姿态阈值范围，则判断当前杆塔的形变姿态处于沉降状态；如果杆塔形变量中位滤波数据值处于杆塔形变姿态阈值范围内，则判断当前杆塔的形变姿态处于倾斜抖动状态。然后，通过整合以上杆塔形变姿态的判断结果，最终得到杆塔形变姿态信息数据。

步骤S25：对杆塔形变姿态信息数据进行三维可视化分析，得到杆塔形变姿态三维可视化数据；

本发明实施例通过使用三维可视化分析工具和技术对杆塔形变姿态信息数据中的相关形变姿态进行可视化分析，以直观地展示杆塔的形变姿态，以便更好地理解形变数据的空间分布和变化趋势，最终得到杆塔形变姿态三维可视化数据。

步骤S26：利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态三维可视化数据进行实时采集处理，得到当前形变姿态的三轴加速度数据以及三轴倾角数据。

本发明实施例通过使用三轴加速传感器和三轴倾角传感器对杆塔形变姿态三维可视化数据进行处理，以实时采集对应形变姿态条件下的三轴（轴、/>轴、/>轴）信息数据，最终得到当前形变姿态的三轴加速度数据以及三轴倾角数据。

本发明首先通过对杆塔形变量抗干扰信号数据进行形变中位滤波处理，这样通过计算形变信号的中位数，能够在一定程度上抑制异常值对数据的影响，从而获得更加稳定和可靠的形变数据值。通过应用中位值滤波算法，计算中位滤波后的形变数据值，该处理过程有助于提高形变数据的准确性和稳定性。同时，通过对杆塔形变量抗干扰信号数据进行形变姿态特征分析，旨在从形变信号中提取关键特征，以便更深入地了解杆塔的形变状态。在此步骤中，可以使用各种信号处理技术和算法，如时域分析、频域分析等，以获取形变姿态的特征信息，这有助于对杆塔形变的各个方面进行详细分析，为后续的判断和处理提供基础。其次，通过使用合适的形变姿态阈值计算公式对杆塔形变姿态特征信息数据进行阈值计算，可以更准确地判断杆塔的形变状态。这一步骤需要综合考虑不同形变状态下的形变姿态特征信息，确定适当的阈值范围，以便后续的状态判断更加准确可靠。然后，通过使用计算得到的杆塔形变姿态阈值范围对杆塔形变量中位滤波数据值进行形变姿态判断，这样通过比较中位滤波后的形变数据与计算得到的形变姿态阈值范围，可以判断杆塔的具体形变状态，如位移状态、沉降状态或倾斜抖动状态，这一步骤能够实现了对形变数据的有效分类，为后续的处理提供了重要信息。接下来，通过对杆塔形变姿态信息数据进行三维可视化分析，可以直观地展示杆塔的形变姿态，帮助工程人员更好地理解形变数据的空间分布和变化趋势，这对于及时发现异常情况和进行进一步分析至关重要。最后，通过使用三轴加速传感器和三轴倾角传感器对杆塔形变姿态三维可视化数据进行实时采集处理，这一步骤能够实现了对形变姿态的实时监测，通过传感器采集当前形变姿态的三轴加速度数据和三轴倾角数据，从而为实时监控和及时响应形变情况提供了关键信息。

优选地，步骤S23中的形变姿态阈值计算公式具体为：

；

；/>

；

式中，为杆塔形变姿态阈值范围的最小阈值，/>为杆塔形变姿态阈值范围的最大阈值，/>为杆塔形变姿态位置度量参数，/>为杆塔形变姿态角度度量参数，/>为杆塔形变姿态长度范围参数，/>为杆塔形变姿态直径，/>为杆塔形变弹性模量，/>为杆塔形变截面惯性矩，/>为杆塔形变姿态函数，/>为杆塔形变姿态的形变振幅影响参数，/>为杆塔形变姿态的形变方向影响参数，/>为杆塔材料密度参数，/>为重力加速度，/>为杆塔形变横截面积，/>为杆塔在形变姿态位置/>处的外部作用力，/>为积分角度变量参数，/>为最小阈值的修正系数，/>为最大阈值的修正系数。

本发明通过使用具体的数学模型并经过验证得到了一个形变姿态阈值计算公式，用于对杆塔形变姿态特征信息数据进行阈值计算，该形变姿态阈值计算公式首先通过对形变姿态函数的二阶导数、加速度、杆塔外部作用力等进行积分和微分运算，计算形变姿态阈值的最小值。其中，考虑了弹性模量、截面惯性矩、形变函数、外部作用力等多个因素，使得阈值更为准确。随后，通过对形变姿态函数的二阶导数、加速度、外部作用力等进行积分和微分运算，计算形变姿态阈值的最大值，这一过程综合考虑了形变姿态的多个方面，包括形变振幅、形变方向、外部作用力等。其次，形变姿态函数的定义包含形变振幅和形变方向，通过这个函数来表达形变姿态在空间中的变化规律。这个形变姿态阈值计算公式综合考虑了形变姿态的多个方面和影响因素，通过对各种参数的积分和微分运算，能够更精确地反映杆塔形变姿态的阈值范围，为后续形变姿态判断提供了更可靠的依据。综上所述，该公式充分考虑了杆塔形变姿态阈值范围的最小阈值，杆塔形变姿态阈值范围的最大阈值/>，杆塔形变姿态位置度量参数/>，杆塔形变姿态角度度量参数/>，杆塔形变姿态长度范围参数/>，杆塔形变姿态直径/>，杆塔形变弹性模量/>，杆塔形变截面惯性矩/>，杆塔形变姿态函数，杆塔形变姿态的形变振幅影响参数/>，杆塔形变姿态的形变方向影响参数/>，杆塔材料密度参数/>，重力加速度/>，杆塔形变横截面积/>，杆塔在形变姿态位置/>处的外部作用力，积分角度变量参数/>，最小阈值的修正系数/>，最大阈值的修正系数/>，其中，通过使用杆塔形变姿态位置度量参数/>，杆塔形变姿态角度度量参数/>，杆塔形变姿态长度范围参数/>，杆塔形变姿态直径/>，杆塔形变弹性模量/>，杆塔形变截面惯性矩/>，杆塔形变姿态函数，杆塔材料密度参数/>，重力加速度/>，杆塔形变横截面积/>，杆塔在形变姿态位置/>处的外部作用力/>，积分角度变量参数/>以及余弦函数构成了一种杆塔形变姿态阈值范围的最小阈值/>的函数关系/>，还通过使用杆塔形变姿态位置度量参数/>，杆塔形变姿态角度度量参数/>，杆塔形变姿态长度范围参数/>，杆塔形变姿态直径/>，杆塔形变弹性模量/>，杆塔形变截面惯性矩/>，杆塔形变姿态函数/>，杆塔材料密度参数/>，重力加速度/>，杆塔形变横截面积/>，杆塔在形变姿态位置/>处的外部作用力/>，积分角度变量参数/>以及正弦函数构成了一种杆塔形变姿态阈值范围的最大阈值的函数关系/>，另外，还通过使用杆塔形变姿态位置度量参数/>，杆塔形变姿态角度度量参数/>，杆塔形变姿态长度范围参数/>，杆塔形变姿态的形变振幅影响参数/>，杆塔形变姿态的形变方向影响参数/>以及正余弦函数构成了一个杆塔形变姿态函数/>的函数关系/>，该公式能够实现对杆塔形变姿态特征信息数据的阈值计算过程，同时，通过最小阈值的修正系数/>以及最大阈值的修正系数/>的引入可以根据计算过程中出现的误差情况进行调整，从而提高了形变姿态阈值计算公式的准确性和适用性。

优选地，步骤S3包括以下步骤：

步骤S31：对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；

本发明实施例通过使用基于阈值、统计方法、机器学习等算法对杆塔形变姿态信息数据进行检测，以检测识别出杆塔形变姿态信息数据中微小的形变姿态异常变化，最终得到杆塔形变姿态异常变化数据。

步骤S32：获取输电线路杆塔环境数据，并根据输电线路杆塔环境数据对杆塔形变姿态异常变化数据进行姿态影响评估分析，以得到杆塔形变姿态环境影响因子；

本发明实施例通过使用相应的环境监测设备对输电线路杆塔的环境条件进行监测，以监测包括酸雨、风力、暴雨等环境天气信息，从而获取得到输电线路杆塔环境数据。然后，通过根据输电线路杆塔环境数据的环境天气情况对杆塔形变姿态异常变化数据进行分析，以评估分析环境因素（包括酸雨、风力、暴雨等环境天气因素）对杆塔形变姿态异常变化的原因和背后的环境影响因素，最终得到杆塔形变姿态环境影响因子。

其中，步骤S32包括以下步骤：

步骤S321：获取输电线路杆塔环境数据，其中输电线路杆塔环境数据包括杆塔酸雨状况数据、杆塔风力状况数据以及杆塔暴雨状况数据；

本发明实施例通过在输电线路的杆塔上部署相应的环境监测设备，以记录杆塔所处地区的酸雨、风力和暴雨的相关数据，例如酸雨pH值、风速和降雨量等相关环境状况参数，最终得到输电线路杆塔环境数据，其中输电线路杆塔环境数据包括杆塔酸雨状况数据、杆塔风力状况数据以及杆塔暴雨状况数据。

步骤S322：根据杆塔酸雨状况数据对杆塔形变姿态异常变化数据进行变化关联分析，得到酸雨-形变姿态变化关联关系数据；

本发明实施例首先通过从输电线路杆塔环境数据中筛选出与酸雨天气相关的数据，从而得到杆塔酸雨状况数据，然后，通过使用统计或机器学习方法对杆塔酸雨状况数据与杆塔形变姿态异常变化数据之间进行分析，以分析酸雨天气状况与形变姿态异常变化之间的关联关系，同时记录不同程度的酸雨天气对杆塔形变的影响关联关系，最终得到酸雨-形变姿态变化关联关系数据。

步骤S323：根据杆塔风力状况数据对杆塔形变姿态异常变化数据进行变化关联分析，得到风力-形变姿态变化关联关系数据；

本发明实施例首先通过从输电线路杆塔环境数据中筛选出与风力天气相关的数据，从而得到杆塔风力状况数据，然后，通过使用统计或机器学习方法对杆塔风力状况数据与杆塔形变姿态异常变化数据之间进行分析，以分析风力天气状况与形变姿态异常变化之间的关联关系，同时记录不同程度的风力天气对杆塔形变的影响关联关系，最终得到风力-形变姿态变化关联关系数据。

步骤S324：根据杆塔暴雨状况数据对杆塔形变姿态异常变化数据进行变化关联分析，得到暴雨-形变姿态变化关联关系数据；

本发明实施例首先通过从输电线路杆塔环境数据中筛选出与暴雨天气相关的数据，从而得到杆塔暴雨状况数据，然后，通过使用统计或机器学习方法对杆塔暴雨状况数据与杆塔形变姿态异常变化数据之间进行分析，以分析暴雨天气状况与形变姿态异常变化之间的关联关系，同时记录不同程度的暴雨天气对杆塔形变的影响关联关系，最终得到暴雨-形变姿态变化关联关系数据。

步骤S325：根据酸雨-形变姿态变化关联关系数据、风力-形变姿态变化关联关系数据以及暴雨-形变姿态变化关联关系数据进行姿态影响评估分析，以得到杆塔形变姿态环境影响因子；

本发明实施例首先通过使用影响评估算法分别对酸雨-形变姿态变化关联关系数据、风力-形变姿态变化关联关系数据以及暴雨-形变姿态变化关联关系数据进行分析，以评估不同环境因素（包括酸雨、风力、暴雨等天气的环境因素）对杆塔形变姿态异常的影响程度，然后，根据分析得到的影响程度计算出不同环境因素对杆塔形变姿态异常的影响权重得分，并将其影响权重得分最高的环境因素作为影响因子，最终得到杆塔形变姿态环境影响因子。

步骤S33：根据预设的FIFO异常数据存储队列对杆塔形变姿态异常变化数据进行异常分级滤波处理，得到杆塔形变姿态异常滤波数据；

本发明实施例首先通过对杆塔形变姿态异常变化数据的异常情况进行划分，以获取相应的低频异常和高频异常成分，然后，根据预先设置的FIFO异常数据存储队列（包括一级FIFO异常数据存储队列以及二级FIFO异常数据存储队列）使用相应的异常滤波算法对低频异常和高频异常成分进行分级滤波，以有效地滤除杆塔形变姿态异常变化数据中的低频和高频异常信息，最终得到杆塔形变姿态异常滤波数据。

步骤S34：通过输电线路杆塔环境数据获取输电线路杆塔地区的平均环境湿度以及环境暴雨概率，并根据平均环境湿度对杆塔形变姿态异常滤波数据进行漏电概率计算，以得到杆塔形变漏电概率；根据杆塔形变漏电概率与环境暴雨概率对杆塔形变姿态异常滤波数据进行电损失计算，以得到杆塔电损失形变因子；

本发明实施例通过使用数学统计方法对输电线路杆塔环境数据进行计算，以获取输电线路杆塔地区的平均环境湿度以及环境暴雨概率，然后，通过使用平均环境湿度对杆塔形变姿态异常滤波数据进行计算，以计算出造成杆塔形变姿态异常的漏电概率，从而得到杆塔形变漏电概率。最后，通过使用电损失算法结合杆塔形变漏电概率与环境暴雨概率对杆塔的形变姿态异常变化情况进行电损失计算，最终得到杆塔电损失形变因子。

步骤S35：根据杆塔三轴形变影响作用因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；

本发明实施例通过根据分析得到的杆塔三轴形变影响作用因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行分析，以根据酸雨、风力、暴雨等环境影响因子以及杆塔漏电造成的形变损失因子反馈分析相应三轴数据的实际影响变化情况，最终得到三轴加速度变化数据以及三轴倾角变化数据。

步骤S36：通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行限时采集处理，得到三轴加速度变化限时数据以及三轴倾角变化限时数据；

本发明实施例通过使用三轴姿态校正传感器内置的限时采集程序对三轴加速度变化数据以及三轴倾角变化数据进行限时采集，以持续采集5秒以内的三轴原始变化数据，使其能够在瞬时状态下捕捉形变姿态的微小变化，最终得到三轴加速度变化限时数据以及三轴倾角变化限时数据。

步骤S37：利用三轴姿态校正计算公式对三轴加速度变化限时数据以及三轴倾角变化限时数据进行姿态校正计算，得到三轴姿态校正度量值；

本发明实施例通过结合姿态校正计算的时间变量参数、积分时间变量参数、姿态校正调整系数、三轴姿态校正度量值以及相关参数构成了一个合适的三轴姿态校正计算公式对三轴加速度变化限时数据以及三轴倾角变化限时数据进行姿态校正计算，以量化消除传感器误差和外部的干扰，最终得到三轴姿态校正度量值。另外，该三轴姿态校正计算公式还能够使用本领域内任意一种姿态校正算法来代替姿态校正计算的过程，并不局限于该三轴姿态校正计算公式。

步骤S38：根据三轴姿态校正度量值对杆塔形变姿态异常滤波数据进行校正补偿计算，得到杆塔形变姿态校正数据。

本发明实施例通过使用计算得到的三轴姿态校正度量值对杆塔形变姿态异常滤波数据中的形变姿态情况进行校正补偿，以累积补偿形变姿态的变化趋势，并消除形变姿态异常变化的影响，从而更加准确地反映杆塔的实时形变状态，最终得到杆塔形变姿态校正数据。

本发明首先通过对杆塔形变姿态信息数据进行异常变化检测，能够及时发现杆塔形变姿态信息数据中的任何数据异常变化，以实现对异常变化的精准检测，这一步骤的关键在于能够识别出微小的形变姿态异常，提高了对潜在问题的感知能力，为预防潜在异常风险提供了关键支持。通过获取输电线路杆塔环境数据，并根据这些环境数据对杆塔形变姿态异常变化数据进行姿态影响评估分析，这一步骤的关键在于通过对输电线路杆塔环境的全面了解和分析，以评估环境因素（包括酸雨、风力、暴雨等环境天气因素）对杆塔形变姿态异常变化的影响，这样的评估有助于更准确地理解异常变化的原因和背后的环境因素。其次，通过使用预先设置的FIFO异常数据存储队列对杆塔形变姿态异常变化数据进行异常分级滤波处理，能够根据异常变化数据的异常频率情况来分级别处理，这样可以综合考虑异常变化数据的时序性和重要性，并通过合理的异常滤波算法对异常变化数据进行分类和过滤，这样的处理方式有助于聚焦对重要异常情况的关注，同时减少对次要异常的过度响应，提高异常滤波处理过程的智能性和效率。同时，通过使用输电线路杆塔环境数据获取平均环境湿度和环境暴雨概率，可以计算杆塔形变姿态异常滤波数据的漏电概率，并通过结合漏电概率和环境暴雨概率，进行电损失计算，从而得到杆塔电损失形变因子，这有助于更全面地理解杆塔形变姿态异常滤波数据的背后机制，从而提高杆塔形变的分析精度。另外，还通过使用分析得到的杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，从而准确获取酸雨、风力、暴雨等环境影响因子以及杆塔漏电造成的形变损失因子对三轴数据的实际影响变化情况。然后，通过使用三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行限时采集处理，这一步骤能够实现了对形变姿态的高频率、限时的采集，以获取更为精准和实时的形变信息。通过采用三轴姿态校正传感器有助于消除传感器误差，并确保能够在瞬时状态下捕捉形变姿态的微小变化，从而为后续的姿态校正提供了可靠的基础数据。接下来，通过使用合适的三轴姿态校正计算公式对三轴加速度变化限时数据以及三轴倾角变化限时数据进行姿态校正计算，能够消除了传感器误差和外部干扰，提高了形变姿态测量的可靠性，为后续的数据处理奠定了坚实基础。最后，通过使用计算得到的三轴姿态校正度量值对杆塔形变姿态异常滤波数据进行校正补偿计算，能够累积形变姿态的变化趋势，并得到杆塔形变姿态的校正数据，这一步骤实现了对形变姿态的连续监测和动态调整，有助于更加准确地反映杆塔的实时形变状态。

优选地，步骤S33包括以下步骤：

步骤S331：对杆塔形变姿态异常变化数据进行异常统计分析，得到杆塔形变姿态高频异常数据以及杆塔形变姿态低频异常数据；

本发明实施例通过使用数学统计分析方法（如均值、方差、分位数等）对杆塔形变姿态异常变化数据进行分析，以识别并提取出形变姿态中的高频异常和低频异常成分，最终得到杆塔形变姿态高频异常数据以及杆塔形变姿态低频异常数据。

步骤S332：将杆塔形变姿态低频异常数据输入到预设的一级FIFO异常数据存储队列，得到杆塔形变一级FIFO异常序列数据；利用异常滤波算法对杆塔形变一级FIFO异常序列数据进行异常滤波处理，得到一级FIFO异常序列滤波数据；

本发明实施例通过将杆塔形变姿态低频异常数据输入到预先设置的一级FIFO异常数据存储队列中按序列排队存储，从而得到杆塔形变一级FIFO异常序列数据。然后，通过在一级FIFO异常数据存储队列内使用异常滤波算法（包括卡尔曼滤波、滑动平均等算法）对杆塔形变一级FIFO异常序列数据进行处理，以滤除低频异常成分的影响并提高数据的平滑性和可靠性，最终得到一级FIFO异常序列滤波数据。

步骤S333：将杆塔形变姿态高频异常数据输入到预设的二级FIFO异常数据存储队列，得到杆塔形变二级FIFO异常序列数据；利用深层联合滤波算法对杆塔形变二级FIFO异常序列数据进行联合滤波处理，得到二级FIFO异常序列滤波数据；

本发明实施例通过将杆塔形变姿态高频异常数据输入到预设的二级FIFO异常数据存储队列中按序列排队存储，从而得到杆塔形变二级FIFO异常序列数据。然后，通过使用深层联合滤波算法（例如深度学习方法）对杆塔形变二级FIFO异常序列数据进行处理，以综合考虑高频异常的复杂关系，更进一步地滤除高频异常的影响，最终得到二级FIFO异常序列滤波数据。

步骤S334：对一级FIFO异常序列滤波数据以及二级FIFO异常序列滤波数据进行数据合并，得到杆塔形变姿态异常滤波数据。

本发明实施例通过使用数据统计方法将经过一级滤波处理后的一级FIFO异常序列滤波数据以及经过二级滤波处理后的二级FIFO异常序列滤波数据进行合并，以将经过不同级别滤波处理的低频和高频异常数据有效地结合在一起，最终得到杆塔形变姿态异常滤波数据。

本发明首先通过对杆塔形变姿态异常变化数据进行异常统计分析，以分离出高频异常数据和低频异常数据。通过统计分析，能够识别并提取出形变姿态中的高频异常和低频异常成分，使得后续的处理更有针对性，这有助于在形变数据中突出重要的高频波动和低频趋势，为异常处理提供更为细致的信息基础。其次，通过将杆塔形变姿态低频异常数据输入到预设的一级FIFO异常数据存储队列中，并通过使用异常滤波算法对杆塔形变一级FIFO异常序列数据进行异常滤波处理，这一步骤能够实现了对低频异常数据的有序存储和滤波处理，有效平滑了低频异常数据，以确保形变监测过程对于低频异常的灵敏性和准确性。然后，通过将杆塔形变姿态高频异常数据输入到预设的二级FIFO异常数据存储队列，随后，通过使用深层联合滤波算法对杆塔形变二级FIFO异常序列数据进行联合滤波处理，以进一步实现了对高频异常的精准过程，同时能够在短时间内做出及时响应，提高了对于高频异常的检测效果，确保对于高频异常的抗干扰能力和精度。最后，通过对一级FIFO异常序列滤波数据以及二级FIFO异常序列滤波数据进行数据合并，能够将低频异常滤波效果和高频异常滤波效果有机地结合在一起，从而形成了全面的杆塔形变姿态异常滤波数据，这一步骤的关键在于能够通过综合考虑低频和高频异常的信息，实现了对杆塔形变姿态异常的全方位监测和精准判断，这为后续的决策和预警提供了更为可靠的基础，从而全面提高了监测过程的效能。

优选地，步骤S37中的三轴姿态校正计算公式具体为：

；

；

；

式中，为在时间/>处的/>轴姿态校正度量值，/>为姿态校正计算的时间变量参数，为姿态校正计算的积分时间变量参数，/>为三轴加速度变化限时数据的姿态校正调整系数，/>为三轴倾角变化限时数据的姿态校正调整系数，/>为在时间/>处的/>轴加速度数据，为在时间/>处的/>轴倾角数据，/>为/>轴姿态校正度量值的修正系数，/>为在时间/>处的轴姿态校正度量值，/>为在时间/>处的/>轴加速度数据，/>为在时间/>处的/>轴倾角数据，为/>轴姿态校正度量值的修正系数，/>为在时间/>处的/>轴姿态校正度量值，/>为在时间/>处的/>轴加速度数据，/>为在时间/>处的/>轴倾角数据，/>为/>轴姿态校正度量值的修正系数。

本发明通过使用具体的数学模型并经过验证得到了一个三轴姿态校正计算公式，用于对三轴加速度变化限时数据以及三轴倾角变化限时数据进行姿态校正计算，该三轴姿态校正计算公式通过对三轴加速度和倾角数据的积分和加权处理，实现了对形变姿态的更准确的校正计算，提高了对杆塔形变姿态异常的检测和校正的精度，这样通过整合三轴的姿态校正度量值，能够更全面、准确地描述杆塔的形变姿态情况，这对于异常变化检测和形变姿态的校正处理提供了更为精细的信息。另外，通过引入修正系数对姿态校正度量值进行修正，确保校正结果更符合实际情况，这种修正机制能够提高了校正度量值的准确性和可信度。综上所述，该公式充分考虑了在时间处的/>轴姿态校正度量值/>，姿态校正计算的时间变量参数/>，姿态校正计算的积分时间变量参数/>，三轴加速度变化限时数据的姿态校正调整系数/>，三轴倾角变化限时数据的姿态校正调整系数/>，在时间/>处的/>轴加速度数据/>，在时间/>处的/>轴倾角数据/>，/>轴姿态校正度量值的修正系数/>，在时间/>处的/>轴姿态校正度量值/>，在时间/>处的/>轴加速度数据/>，在时间/>处的/>轴倾角数据/>，/>轴姿态校正度量值的修正系数/>，在时间/>处的/>轴姿态校正度量值/>，在时间/>处的/>轴加速度数据/>，在时间/>处的/>轴倾角数据/>，/>轴姿态校正度量值的修正系数/>，其中，通过使用姿态校正计算的时间变量参数/>，姿态校正计算的积分时间变量参数/>，三轴加速度变化限时数据的姿态校正调整系数/>，三轴倾角变化限时数据的姿态校正调整系数/>，在时间处的/>轴加速度数据/>以及在时间/>处的/>轴倾角数据/>构成了一种在时间/>处的/>轴姿态校正度量值/>的函数关系：

；

通过使用姿态校正计算的时间变量参数，姿态校正计算的积分时间变量参数/>，三轴加速度变化限时数据的姿态校正调整系数/>，三轴倾角变化限时数据的姿态校正调整系数/>，在时间/>处的/>轴加速度数据/>以及在时间/>处的/>轴倾角数据/>构成了一种在时间/>处的/>轴姿态校正度量值/>的函数关系/>，另外，还通过使用姿态校正计算的时间变量参数/>，姿态校正计算的积分时间变量参数/>，三轴加速度变化限时数据的姿态校正调整系数/>，三轴倾角变化限时数据的姿态校正调整系数/>，在时间/>处的/>轴加速度数据/>以及在时间/>处的/>轴倾角数据/>构成了一种在时间/>处的/>轴姿态校正度量值/>的函数关系/>，该公式能够实现对三轴加速度变化限时数据以及三轴倾角变化限时数据的姿态校正计算过程，同时，通过/>轴姿态校正度量值的修正系数/>，/>轴姿态校正度量值的修正系数/>以及/>轴姿态校正度量值的修正系数/>的引入可以根据计算过程中出现的误差情况进行调整，从而提高了三轴姿态校正计算公式的准确性和适用性。

优选地，步骤S4包括以下步骤：

步骤S41：通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行形变趋势分析，得到杆塔形变姿态趋势数据；

本发明实施例通过使用网络通信技术将杆塔形变姿态校正数据传输到形变预警系统中，同时，通过形变预警系统使用时间序列分析或者机器学习算法对接收到的杆塔形变姿态校正数据进行分析，以分析杆塔形变姿态的变化趋势，包括杆塔形变角度变化、速度变化以及加速度变化等趋势，最终得到杆塔形变姿态趋势数据。

步骤S42：利用形变姿态安全值计算公式对杆塔形变姿态趋势数据进行安全计算，以得到杆塔形变姿态安全度量值；

本发明实施例通过结合安全计算的时间变量参数、杆塔形变角度变化值、杆塔形变变化率的权重调整参数、杆塔形变加速度的权重调整参数、杆塔形变速度变化值、杆塔形变速度的权重调整参数以及相关参数构成了一个合适的形变姿态安全值计算公式对杆塔形变姿态趋势数据进行安全计算，以量化杆塔形变的安全程度，最终得到杆塔形变姿态安全度量值。另外，该形变姿态安全值计算公式还能够使用本领域内任意一种形变安全检测算法来代替安全计算的过程，并不局限于该形变姿态安全值计算公式。

其中，形变姿态安全值计算公式如下所示：

；/>

式中，为杆塔形变姿态安全度量值，/>为安全计算的积分时间范围参数，/>为安全计算的外层积分变量参数，/>为安全计算的内层积分变量参数，/>为杆塔形变姿态趋势数据在时间/>处的杆塔形变角度变化值，/>为杆塔形变变化率的权重调整参数，/>为杆塔形变姿态趋势数据在时间/>处的杆塔形变角度变化值，/>为杆塔形变加速度的权重调整参数，/>为杆塔形变姿态趋势数据在时间/>处的杆塔形变速度变化值，/>为杆塔形变速度的权重调整参数，/>为杆塔形变姿态安全度量值的修正系数；

本发明通过使用具体的数学模型并经过验证得到了一个形变姿态安全值计算公式，用于对杆塔形变姿态趋势数据进行安全计算，该形变姿态安全值计算公式通过对杆塔形变姿态趋势数据进行分析，综合考虑了形变角度、变化率、加速度和速度等多个方面的信息，这有助于全面了解杆塔的形变状态。其次，通过外层和内层的积分过程分别捕捉了形变趋势的整体和局部信息，这样的积分处理过程有助于综合考虑形变趋势的长期和短期变化。同时，通过使用相应的权重调整参数，可以根据实际情况调整形变、加速度和速度在安全度量中的重要性，这提供了对不同形变因素的定制化调整能力。所以，该形变姿态安全值计算公式是一个综合了形变趋势、加速度和速度的复杂公式，并通过对这些因素的整合，从而计算得到一个量化的安全度量值，有助于对杆塔形变姿态的整体安全性进行评估。另外，还通过引入修正系数能够提供了对安全度量值的修正机制，使其更符合实际情况，这种修正有助于提高安全度量值的准确性和可靠性。通过这个公式，可以实时监测杆塔的形变姿态趋势，并根据安全度量值进行安全预警，这为输电线路杆塔的智能维护提供了科学依据，帮助避免潜在的形变安全问题。综上所述，该公式充分考虑了杆塔形变姿态安全度量值，安全计算的积分时间范围参数/>，安全计算的外层积分变量参数/>，安全计算的内层积分变量参数/>，杆塔形变姿态趋势数据在时间/>处的杆塔形变角度变化值/>，杆塔形变变化率的权重调整参数/>，杆塔形变姿态趋势数据在时间/>处的杆塔形变角度变化值/>，杆塔形变加速度的权重调整参数/>，杆塔形变姿态趋势数据在时间/>处的杆塔形变速度变化值，杆塔形变速度的权重调整参数/>，杆塔形变姿态安全度量值的修正系数/>，根据杆塔形变姿态安全度量值/>与以上各参数之间的相互关联关系构成了一种函数关系：

；

该公式能够实现对杆塔形变姿态趋势数据的安全计算过程，同时，通过杆塔形变姿态安全度量值的修正系数的引入可以根据计算过程中的误差情况进行调整，从而提高了形变姿态安全值计算公式的准确性和适用性。

步骤S43：根据预设的杆塔形变姿态安全阈值对杆塔形变姿态安全度量值进行安全预警处理，以得到杆塔形变安全预警信号；

本发明实施例通过根据形变预警系统内预先设置的杆塔形变姿态安全阈值对计算得到的杆塔形变姿态安全度量值进行比较判断，如果杆塔形变姿态安全度量值超过预设的杆塔形变姿态安全阈值，则触发安全预警发出警示信号，否则不会触发安全预警，最终得到杆塔形变安全预警信号。

步骤S44：根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

本发明实施例运维人员通过根据杆塔形变安全预警信号对应的预警信息对输电线路杆塔进行分析，包括分析形变姿态的具体情况、评估安全风险、制定维护方案等，最终生成杆塔形变预警维护决策报告，其中包括形变姿态的具体预警情况、安全计算结果、预警信号的原因分析以及建议的维护措施。

本发明首先通过使用网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行形变趋势分析，该步骤能够建立可靠的网络通信通道，确保形变姿态校正数据能够及时传输至形变预警系统进行处理，以提取出杆塔形变姿态的趋势信息，这有助于可以全面了解杆塔的形变变化趋势，为后续的安全计算提供数据支持。其次，通过使用合适的形变姿态安全值计算公式对杆塔形变姿态趋势数据进行安全计算，能够对杆塔形变姿态趋势数据进行综合评估，从而得到相应的形变姿态安全度量值。这一步骤的实施有助于量化杆塔形变的安全程度，为后续的安全预警处理提供客观的评估依据。然后，通过根据预先设置的杆塔形变姿态安全阈值对计算得到的杆塔形变姿态安全度量值进行安全预警处理，可以对形变姿态安全度量值进行实时监测，并及时触发安全预警，这一步骤能够实现了对杆塔形变姿态的主动安全监测和警示，从而为防范潜在危险提供了实时的安全预警信号。最后，通过根据杆塔形变安全预警信号对相应的输电线路杆塔进行智能维护决策分析，能够生成针对具体杆塔的智能维护决策报告，这一步骤的实施有助于对输电线路杆塔进行有针对性、高效率的维护管理，从而提升整体杆塔的可靠性和安全性。

优选地，本发明还提供了一种输电线路杆塔形变监测系统，用于执行如上所述的输电线路杆塔形变监测方法，该输电线路杆塔形变监测系统包括：

杆塔形变信号监测模块，用于通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，从而得到杆塔形变量抗干扰信号数据；

形变姿态三轴数据采集模块，用于对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，从而得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

杆塔三轴姿态校正模块，用于对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，从而得到杆塔形变姿态校正数据；

形变安全预警维护处理模块，用于通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

综上所述，本发明提供了一种输电线路杆塔形变监测系统，该输电线路杆塔形变监测系统由杆塔形变信号监测模块、形变姿态三轴数据采集模块、杆塔三轴姿态校正模块以及形变安全预警维护处理模块组成，能够实现本发明所述任意一种输电线路杆塔形变监测方法，用于联合各个模块上运行的计算机程序之间的操作实现一种输电线路杆塔形变监测方法，系统内部结构互相协作，通过采用相应的传感器、部署方式以及信号数据处理过程，能够确保获取的形变信号数据具有高灵敏度和抗干扰能力，同时，通过实时采集相应的形变姿态三轴数据对杆塔形变姿态信息数据进行校正补偿，从而能够实时、准确地采集杆塔的形变信息，另外，还通过使用形变预警系统实现形变校正数据的实时监测，可以及时发现潜在的问题并向相关人员发生预警信息，这样能够大大减少重复工作和人力投入，能够快速有效地提供更准确、更高效的输电线路杆塔形变监测过程，从而简化了输电线路杆塔形变监测系统的操作流程。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种输电线路杆塔形变监测方法，其特征在于，应用于杆塔形变监测网络，其中杆塔形变监测网络内部集成有形变传感器、高精度信号采样电路、信号抗干扰电路、三轴加速传感器、三轴倾角传感器以及三轴姿态校正传感器，杆塔形变监测网络与形变预警系统电性连接，该输电线路杆塔形变监测方法包括以下步骤：

步骤S1：通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据；

步骤S2：对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

步骤S3：对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，得到杆塔形变姿态校正数据；

步骤S4：通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

2.根据权利要求1所述的输电线路杆塔形变监测方法，其特征在于，步骤S1包括以下步骤：

步骤S11：通过激光雷达设备对输电线路杆塔进行非接触式监测，以得到杆塔三维点云位置数据；

步骤S12：对杆塔三维点云位置数据进行三维拓扑分析，得到杆塔三维点云拓扑结构数据；

步骤S13：根据杆塔三维点云拓扑结构数据对输电线路杆塔进行监测节点标注分析，得到杆塔形变监测节点；

步骤S14：通过杆塔形变监测网络的形变传感器对杆塔形变监测节点进行形变信号监测，得到杆塔形变量电压变化信号；

步骤S15：通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，得到杆塔形变量抗干扰信号数据。

3.根据权利要求2所述的输电线路杆塔形变监测方法，其特征在于，步骤S15包括以下步骤：

步骤S151：对杆塔形变量电压变化信号进行信号噪声抑制，得到杆塔形变量电压噪声抑制信号；

步骤S152：对杆塔形变量电压噪声抑制信号进行信号波动检测，得到杆塔形变量高频波动信号以及杆塔形变量低频波动信号；

步骤S153：根据预设的自适应采样频率调整机制对杆塔形变量高频波动信号以及杆塔形变量低频波动信号进行采样频率动态调整，以得到杆塔形变量信号动态采样频率；

步骤S154：基于杆塔形变量信号动态采样频率通过高精度信号采样电路对杆塔形变量电压变化信号进行信号并行采样处理，得到杆塔形变量高精度电压信号；

步骤S155：通过信号抗干扰电路对杆塔形变量高精度电压信号进行抗干扰处理，得到杆塔形变量抗干扰电压信号；

步骤S156：对杆塔形变量抗干扰电压信号进行信号数据转换，得到杆塔形变量抗干扰信号数据。

4.根据权利要求1所述的输电线路杆塔形变监测方法，其特征在于，步骤S2包括以下步骤：

步骤S21：对杆塔形变量抗干扰信号数据进行形变中位滤波处理，得到杆塔形变量中位滤波数据值；

步骤S22：对杆塔形变量抗干扰信号数据进行形变姿态特征分析，得到杆塔形变姿态特征信息数据；

步骤S23：利用形变姿态阈值计算公式对杆塔形变姿态特征信息数据进行阈值计算，得到杆塔形变姿态阈值范围；

步骤S24：根据杆塔形变姿态阈值范围对杆塔形变量中位滤波数据值进行形变姿态判断，当杆塔形变量中位滤波数据值小于杆塔形变姿态阈值范围时，则判断杆塔形变姿态处于位移状态；当杆塔形变量中位滤波数据值大于杆塔形变姿态阈值范围时，则判断杆塔形变姿态处于沉降状态；当杆塔形变量中位滤波数据值处于杆塔形变姿态阈值范围内时，则判断杆塔形变姿态处于倾斜抖动状态；将杆塔形变姿态进行整合处理，得到杆塔形变姿态信息数据；

步骤S25：对杆塔形变姿态信息数据进行三维可视化分析，得到杆塔形变姿态三维可视化数据；

步骤S26：利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态三维可视化数据进行实时采集处理，得到当前形变姿态的三轴加速度数据以及三轴倾角数据。

5.根据权利要求4所述的输电线路杆塔形变监测方法，其特征在于，步骤S23中的形变姿态阈值计算公式具体为：

；

；

；

式中，为杆塔形变姿态阈值范围的最小阈值，/>为杆塔形变姿态阈值范围的最大阈值，/>为杆塔形变姿态位置度量参数，/>为杆塔形变姿态角度度量参数，/>为杆塔形变姿态长度范围参数，/>为杆塔形变姿态直径，/>为杆塔形变弹性模量，/>为杆塔形变截面惯性矩，/>为杆塔形变姿态函数，/>为杆塔形变姿态的形变振幅影响参数，/>为杆塔形变姿态的形变方向影响参数，/>为杆塔材料密度参数，/>为重力加速度，/>为杆塔形变横截面积，为杆塔在形变姿态位置/>处的外部作用力，/>为积分角度变量参数，/>为最小阈值的修正系数，/>为最大阈值的修正系数。

6.根据权利要求1所述的输电线路杆塔形变监测方法，其特征在于，步骤S3包括以下步骤：

步骤S31：对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；

步骤S32：获取输电线路杆塔环境数据，并根据输电线路杆塔环境数据对杆塔形变姿态异常变化数据进行姿态影响评估分析，以得到杆塔形变姿态环境影响因子；

其中，步骤S32包括以下步骤：

步骤S321：获取输电线路杆塔环境数据，其中输电线路杆塔环境数据包括杆塔酸雨状况数据、杆塔风力状况数据以及杆塔暴雨状况数据；

步骤S322：根据杆塔酸雨状况数据对杆塔形变姿态异常变化数据进行变化关联分析，得到酸雨-形变姿态变化关联关系数据；

步骤S323：根据杆塔风力状况数据对杆塔形变姿态异常变化数据进行变化关联分析，得到风力-形变姿态变化关联关系数据；

步骤S324：根据杆塔暴雨状况数据对杆塔形变姿态异常变化数据进行变化关联分析，得到暴雨-形变姿态变化关联关系数据；

步骤S325：根据酸雨-形变姿态变化关联关系数据、风力-形变姿态变化关联关系数据以及暴雨-形变姿态变化关联关系数据进行姿态影响评估分析，以得到杆塔形变姿态环境影响因子；

步骤S33：根据预设的FIFO异常数据存储队列对杆塔形变姿态异常变化数据进行异常分级滤波处理，得到杆塔形变姿态异常滤波数据；

步骤S34：通过输电线路杆塔环境数据获取输电线路杆塔地区的平均环境湿度以及环境暴雨概率，并根据平均环境湿度对杆塔形变姿态异常滤波数据进行漏电概率计算，以得到杆塔形变漏电概率；根据杆塔形变漏电概率与环境暴雨概率对杆塔形变姿态异常滤波数据进行电损失计算，以得到杆塔电损失形变因子；

步骤S35：根据杆塔三轴形变影响作用因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；

步骤S36：通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行限时采集处理，得到三轴加速度变化限时数据以及三轴倾角变化限时数据；

步骤S37：利用三轴姿态校正计算公式对三轴加速度变化限时数据以及三轴倾角变化限时数据进行姿态校正计算，得到三轴姿态校正度量值；

步骤S38：根据三轴姿态校正度量值对杆塔形变姿态异常滤波数据进行校正补偿计算，得到杆塔形变姿态校正数据。

7.根据权利要求6所述的输电线路杆塔形变监测方法，其特征在于，步骤S33包括以下步骤：

步骤S331：对杆塔形变姿态异常变化数据进行异常统计分析，得到杆塔形变姿态高频异常数据以及杆塔形变姿态低频异常数据；

步骤S332：将杆塔形变姿态低频异常数据输入到预设的一级FIFO异常数据存储队列，得到杆塔形变一级FIFO异常序列数据；利用异常滤波算法对杆塔形变一级FIFO异常序列数据进行异常滤波处理，得到一级FIFO异常序列滤波数据；

步骤S333：将杆塔形变姿态高频异常数据输入到预设的二级FIFO异常数据存储队列，得到杆塔形变二级FIFO异常序列数据；利用深层联合滤波算法对杆塔形变二级FIFO异常序列数据进行联合滤波处理，得到二级FIFO异常序列滤波数据；

步骤S334：对一级FIFO异常序列滤波数据以及二级FIFO异常序列滤波数据进行数据合并，得到杆塔形变姿态异常滤波数据。

8.根据权利要求6所述的输电线路杆塔形变监测方法，其特征在于，步骤S37中的三轴姿态校正计算公式具体为：

；

；

；

式中，为在时间/>处的/>轴姿态校正度量值，/>为姿态校正计算的时间变量参数，/>为姿态校正计算的积分时间变量参数，/>为三轴加速度变化限时数据的姿态校正调整系数，/>为三轴倾角变化限时数据的姿态校正调整系数，/>为在时间/>处的/>轴加速度数据，/>为在时间/>处的/>轴倾角数据，/>为/>轴姿态校正度量值的修正系数，/>为在时间/>处的/>轴姿态校正度量值，/>为在时间/>处的/>轴加速度数据，/>为在时间/>处的/>轴倾角数据，/>为/>轴姿态校正度量值的修正系数，/>为在时间/>处的/>轴姿态校正度量值，/>为在时间/>处的/>轴加速度数据，/>为在时间/>处的/>轴倾角数据，/>为/>轴姿态校正度量值的修正系数。

9.根据权利要求1所述的输电线路杆塔形变监测方法，其特征在于，步骤S4包括以下步骤：

步骤S41：通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行形变趋势分析，得到杆塔形变姿态趋势数据；

步骤S42：利用形变姿态安全值计算公式对杆塔形变姿态趋势数据进行安全计算，以得到杆塔形变姿态安全度量值；

其中，形变姿态安全值计算公式如下所示：

；

式中，为杆塔形变姿态安全度量值，/>为安全计算的积分时间范围参数，/>为安全计算的外层积分变量参数，/>为安全计算的内层积分变量参数，/>为杆塔形变姿态趋势数据在时间/>处的杆塔形变角度变化值，/>为杆塔形变变化率的权重调整参数，/>为杆塔形变姿态趋势数据在时间/>处的杆塔形变角度变化值，/>为杆塔形变加速度的权重调整参数，为杆塔形变姿态趋势数据在时间/>处的杆塔形变速度变化值，/>为杆塔形变速度的权重调整参数，/>为杆塔形变姿态安全度量值的修正系数；

步骤S43：根据预设的杆塔形变姿态安全阈值对杆塔形变姿态安全度量值进行安全预警处理，以得到杆塔形变安全预警信号；

步骤S44：根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。

10.一种输电线路杆塔形变监测系统，其特征在于，用于执行如权利要求1所述的输电线路杆塔形变监测方法，该输电线路杆塔形变监测系统包括：

杆塔形变信号监测模块，用于通过杆塔形变监测网络的形变传感器对输电线路杆塔进行形变信号监测，得到杆塔形变量电压变化信号；通过高精度信号采样电路和信号抗干扰电路对杆塔形变量电压变化信号进行信号预处理，从而得到杆塔形变量抗干扰信号数据；

形变姿态三轴数据采集模块，用于对杆塔形变量抗干扰信号数据进行形变姿态检测，得到杆塔形变姿态信息数据；利用三轴加速传感器和三轴倾角传感器对杆塔形变姿态信息数据进行实时采集处理，从而得到当前形变姿态的三轴加速度数据以及三轴倾角数据；

杆塔三轴姿态校正模块，用于对杆塔形变姿态信息数据进行异常变化检测，以得到杆塔形变姿态异常变化数据；获取输电线路杆塔环境数据并对杆塔形变姿态异常变化数据进行姿态影响评估分析以及电损失计算，以得到杆塔形变姿态环境影响因子以及杆塔电损失形变因子；基于杆塔形变姿态环境影响因子以及杆塔电损失形变因子对当前形变姿态的三轴加速度数据以及三轴倾角数据进行影响变化分析，得到三轴加速度变化数据以及三轴倾角变化数据；通过三轴姿态校正传感器对三轴加速度变化数据以及三轴倾角变化数据进行三轴姿态校正计算，从而得到杆塔形变姿态校正数据；

形变安全预警维护处理模块，用于通过网络通信技术将杆塔形变姿态校正数据传输至形变预警系统，并通过形变预警系统对杆塔形变姿态校正数据进行安全预警处理，以得到杆塔形变安全预警信号；根据杆塔形变安全预警信号对输电线路杆塔进行智能维护决策分析，以生成杆塔形变预警维护决策报告。