CN118333431B - 一种输电线路的数据采集与分析方法、系统及介质 - Google Patents

Abstract

本发明涉及一种输电线路的数据采集与分析方法、系统及介质，属于输电线路数据分析技术领域，本发明通过根据待数据采集的区域位置构建无人机的数据采集点，并基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集，最后通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息。本发明通过对异常概率较高的输电线路区域进行筛选，从而来更加科学地制定输电线路的数据采集路线，能够减少正常情况下不必要的监测，进而能够进一步提高监测效率，从而能够降低对于输电线路的监测成本。

Description

一种输电线路的数据采集与分析方法、系统及介质

技术领域

本发明涉及输电线路数据分析技术领域，尤其涉及一种输电线路的数据采集与分析方法、系统及介质。

背景技术

输电线路里程快速地增长，电力线路出现故障的概率也显著增加，而从大范围的输电线路中定位发生故障节点及其困难。特别由于输电线路长期暴露在日晒雨淋之下，一些关键部位容易产生安全隐患，导致输电线路发生故障。因此，有必要对输电线路进行准确、及时和高效的检查。然而，输电线路往往错综复杂、覆盖范围广且分散，加之城市或山区地形复杂、交通不便，使得人工巡检困难且低效。而使用直升机成本较高，并不利于大范围巡检；而且现有技术中对于输电线路的数据采集效率低下，由于输电线路在使用到一定的年限导致老化或者由于意外事故，就会导致输电线路产生故障，针对于输电线路老化而言，没必要大范围监测，这样的监测效率低下，监测成本过高。

发明内容

本发明克服了现有技术的不足，提供了一种输电线路的数据采集与分析方法、系统及介质。

为达上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种输电线路的数据采集与分析方法，包括以下步骤：

获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型；

根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置；

根据待数据采集的区域位置构建无人机的数据采集点，并基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集；

通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息。

进一步的，在本方法中，获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型，具体包括：

通过大数据获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建在各工作环境之下基于时间序列的历史性能变化特征数据；

基于深度神经网络构建输电线路的性能特征预测模型，并将在各工作环境之下基于时间序列的历史性能变化特征数据输入到图神经网络中，将工作环境以及历史性能特征数据作为节点；

通过有向边描述关系对节点连接，生成若干个拓扑结构图，并根据拓扑结构中节点的时间先后顺序排序，生成基于时间序列的拓扑结构变化特征；

将基于时间序列的拓扑结构变化特征输入到输电线路的性能特征预测模型中进行编码学习，当学习完成之后，输出输电线路的性能特征预测模型。

进一步的，在本方法中，根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置，具体包括：

获取预设时间之内目标区域中输电线路的性能特征数据，并将预设时间之内目标区域中输电线路的性能特征数据输入到输电线路的性能特征预测模型中进行预测；

通过预测，获取目标区域中输电线路的性能特征数据，预设输电线路的性能特征阈值，将目标区域划分为若干个子区域，获取每个子区域中输电线路的性能特征数据；

判断目标区域中输电线路的性能特征数据是否大于输电线路的性能特征阈值，当目标区域中输电线路的性能特征数据大于输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值低的子区域；

当目标区域中输电线路的性能特征数据不大于输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值高的子区域，并将输电线路异常概率值高的子区域作为待数据采集的区域位置。

进一步的，在本方法中，根据待数据采集的区域位置构建无人机的数据采集点，具体包括：

根据待数据采集的区域位置初始化无人机的数据采集点，获取无人机的数据参数工作范围，基于无人机的数据参数工作范围初始化无人机的数据采集参数；

获取目标区域中每个子区域的实时环境参数，根据目标区域中每个子区域的实时环境参数、无人机的数据采集点以及无人机的数据采集参数进行数据采集模拟，获取模拟之后的无人机数据采集特征数据；

引入遗传算法，基于遗传算法设置遗传代数，设置无人机数据采集特征数据阈值，当模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值时，则确定无人机的数据采集参数，并输出无人机的数据采集点；

当模拟之后的无人机数据采集特征数据不大于无人机数据采集特征数据阈值时，则重新调整无人机的数据采集参数以及无人机的数据采集点，直至模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值。

进一步的，在本方法中，基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集，具体包括：

设置无人机的飞行距离阈值并初始化无人机的采集数量，根据无人机的数据采集点对每辆无人机规划数据采集路线，生成每辆无人机的数据采集飞行路线；

获取每辆无人机的数据采集飞行路线的飞行距离值，并判断每辆无人机的数据采集飞行路线的飞行距离值是否均小于无人机的飞行距离阈值；

当每辆无人机的数据采集飞行路线的飞行距离值均小于所属无人机的飞行距离阈值时，则输出无人机的数据采集飞行路线，并按照无人机的数据采集飞行路线对输电线路进行数据采集；

当每辆无人机的数据采集飞行路线的飞行距离值不均小于所属无人机的飞行距离阈值时，则重新规划无人机的数据采集飞行路线，直至每辆无人机的数据采集飞行路线的飞行距离值均小于所属无人机的飞行距离阈值。

进一步的，在本方法中，通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息，具体包括：

通过无人机获取输电线路的实时数据信息，设置输电线路的正常数据特征，并判断输电线路的实时数据信息是否为输电线路的正常数据特征；

当输电线路的实时数据信息为输电线路的正常数据特征时，则将对应子区域的输电线路作为正常区域的输电线路；

当输电线路的实时数据信息为输电线路的正常数据特征时，则将子区域的输电线路作为异常区域的输电线路根据异常区域的输电线路进行提示预警，生成预警信息，并将预警信息输出。

本发明第二方面提供了一种输电线路的数据采集与分析系统，输电线路的数据采集与分析系统包括存储器以及处理器，存储器中包括输电线路的数据采集与分析方法程序，输电线路的数据采集与分析方法程序被处理器执行时，实现如下步骤：

获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型；

根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置；

根据待数据采集的区域位置构建无人机的数据采集点，并基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集；

通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息。

本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质包括输电线路的数据采集与分析方法程序，输电线路的数据采集与分析方法程序被处理器执行时，实现任一项的输电线路的数据采集与分析方法的步骤。

本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

本发明通过获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型，进而根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置，从而根据待数据采集的区域位置构建无人机的数据采集点，并基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集，最后通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息。本发明通过对异常概率较高的输电线路区域进行筛选，从而来更加科学地制定输电线路的数据采集路线，能够减少正常情况下不必要的监测，进而能够进一步提高监测效率，从而能够降低对于输电线路的监测成本。

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实施例的附图。

图1示出了输电线路的数据采集与分析方法的整体方法流程图；

图2示出了输电线路的数据采集与分析方法的第一方法流程图；

图3示出了输电线路的数据采集与分析方法的第二方法流程图；

图4示出了输电线路的数据采集与分析系统的系统框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示，本发明第一方面提供了一种输电线路的数据采集与分析方法，包括以下步骤：

S102:获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型；

进一步的，在本方法S102中，具体包括：

通过大数据获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建在各工作环境之下基于时间序列的历史性能变化特征数据；

基于深度神经网络构建输电线路的性能特征预测模型，并将在各工作环境之下基于时间序列的历史性能变化特征数据输入到图神经网络中，将工作环境以及历史性能特征数据作为节点；

通过有向边描述关系对节点连接，生成若干个拓扑结构图，并根据拓扑结构中节点的时间先后顺序排序，生成基于时间序列的拓扑结构变化特征；

将基于时间序列的拓扑结构变化特征输入到输电线路的性能特征预测模型中进行编码学习，当学习完成之后，输出输电线路的性能特征预测模型。

需要说明的是，历史性能特征数据包括线路老化现象、发热能力变化等特征数据。工作环境包括温度、湿度、各气体类型的浓度信息等数据，通过本方法能够预测出当前目标区域中的输电线路的性能特征数据，如线路老化、发热能力变化特征等。

S104:根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置；

如图2所示，进一步的，在本方法的S104步骤中，具体包括：

S202:获取预设时间之内目标区域中输电线路的性能特征数据，并将预设时间之内目标区域中输电线路的性能特征数据输入到输电线路的性能特征预测模型中进行预测；

S204:通过预测，获取目标区域中输电线路的性能特征数据，预设输电线路的性能特征阈值，将目标区域划分为若干个子区域，获取每个子区域中输电线路的性能特征数据；

S206:判断目标区域中输电线路的性能特征数据是否大于输电线路的性能特征阈值，当目标区域中输电线路的性能特征数据大于输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值低的子区域；

S208:当目标区域中输电线路的性能特征数据不大于输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值高的子区域，并将输电线路异常概率值高的子区域作为待数据采集的区域位置。

需要说明的是，通过本方法能够筛选出输电线路异常概率值高的子区域，从而来进一步减少非必要的监测区域，提高监测效率。其中，在本案例中，还可以通过对输电线路异常概率值低的子区域进行进一步的判断，通过大数据网络获取输电线路异常概率值低的子区域在预设时间之内发生的事件信息，当输电线路异常概率值低的子区域在预设时间之内发生的事件信息为预设事件信息时，则将对应的输电线路异常概率值低的子区域作为待数据采集的区域位置。比如通过异常事件的反馈，如地质灾害、人为事件、交通事故事件等数据来进一步选择出待数据采集的区域位置。

S106:根据待数据采集的区域位置构建无人机的数据采集点，并基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集；

S108:通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息。

需要说明的是，本发明通过对异常概率较高的输电线路区域进行筛选，从而来更加科学地制定输电线路的数据采集路线，能够减少正常情况下不必要的监测，进而能够进一步提高监测效率，从而能够降低对于输电线路的监测成本。

如图3所示，进一步的，在本方法的步骤S106中，根据待数据采集的区域位置构建无人机的数据采集点，具体包括：

S302:根据待数据采集的区域位置初始化无人机的数据采集点，获取无人机的数据参数工作范围，基于无人机的数据参数工作范围初始化无人机的数据采集参数；

S304:获取目标区域中每个子区域的实时环境参数，根据目标区域中每个子区域的实时环境参数、无人机的数据采集点以及无人机的数据采集参数进行数据采集模拟，获取模拟之后的无人机数据采集特征数据；

S306:引入遗传算法，基于遗传算法设置遗传代数，设置无人机数据采集特征数据阈值，当模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值时，则确定无人机的数据采集参数，并输出无人机的数据采集点；

S308:当模拟之后的无人机数据采集特征数据不大于无人机数据采集特征数据阈值时，则重新调整无人机的数据采集参数以及无人机的数据采集点，直至模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值。

需要说明的是，无人机的数据采集点设置多个，根据每个待采集区域的采集面积所确定，可以通过模拟无人机的数据采集以及摄像机工作范围参数等数据来确定无人机的数据采集点，由于无人机可以搭载摄像机、红外温度检测仪等，因此，所采集的数据包括图像数据、温度数据等，所以无人机的数据采集参数包括摄像机的工作参数、红外温度检测仪的工作参数，其中摄像机的工作参数包括亮度参数、对比度参数、像素参数、放大缩小比例参数等，红外温度检测仪的工作参数包括波长工作参数、频率工作参数等数据。其中，遗传算法的遗传代数可以设置为20000代，可以通过虚拟现实技术来根据目标区域中每个子区域的实时环境参数、无人机的数据采集点以及无人机的数据采集参数进行数据采集模拟，获取模拟之后的无人机数据采集特征数据（如图像数据），无人机数据采集特征数据阈值可以包括像素数据、清晰度数据等。通过融合遗传算法能够获取到最优的无人机的数据采集点，从而来获取更准确的数据，减少无人机的多次飞行采集，提高对输电线路的数据采集效率。

进一步的，在本方法中，基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集，具体包括：

设置无人机的飞行距离阈值并初始化无人机的采集数量，根据无人机的数据采集点对每辆无人机规划数据采集路线，生成每辆无人机的数据采集飞行路线；

获取每辆无人机的数据采集飞行路线的飞行距离值，并判断每辆无人机的数据采集飞行路线的飞行距离值是否均小于无人机的飞行距离阈值；

当每辆无人机的数据采集飞行路线的飞行距离值均小于所属无人机的飞行距离阈值时，则输出无人机的数据采集飞行路线，并按照无人机的数据采集飞行路线对输电线路进行数据采集；

当每辆无人机的数据采集飞行路线的飞行距离值不均小于所属无人机的飞行距离阈值时，则重新规划无人机的数据采集飞行路线，直至每辆无人机的数据采集飞行路线的飞行距离值均小于所属无人机的飞行距离阈值。

需要说明的是，由于无人机的飞行距离是有一定的限制的，此时设置无人机的飞行距离阈值，从而通过本方法能够根据数据采集点对每辆无人机的输电线路进行采集规划，提高数据采集的合理性。

进一步的，在本方法的S108中，具体包括：

通过无人机获取输电线路的实时数据信息，设置输电线路的正常数据特征，并判断输电线路的实时数据信息是否为输电线路的正常数据特征；

当输电线路的实时数据信息为输电线路的正常数据特征时，则将对应子区域的输电线路作为正常区域的输电线路；

当输电线路的实时数据信息为输电线路的正常数据特征时，则将子区域的输电线路作为异常区域的输电线路根据异常区域的输电线路进行提示预警，生成预警信息，并将预警信息输出。

需要说明的是，输电线路的实时数据信息包括图像数据、温度数据等。

此外，按照无人机的数据采集飞行路线对输电线路进行数据采集，包括以下步骤：

构建无人机集群控制网络，获取当前目标区域中无人机的工作数量信息，并通过大数据获取单位无人机数量在进行控制时的数据传输量信息，根据所述当前目标区域中无人机的工作数量信息以及单位无人机数量在进行控制时的数据传输量信息计算出总的数据传输量；

引入贝叶斯网络，通过大数据获取各信息传输量之下无人机集群控制网络的瘫痪概率值，并将所述各信息传输量之下无人机集群控制网络的瘫痪概率值输入到所述贝叶斯网络中进行训练，获取训练完成的贝叶斯网络；

将所述总的数据传输量输入到所述训练完成的贝叶斯网络中进行瘫痪概率值预测，获取无人机集群控制网络的实时瘫痪概率值，并判断所述无人机集群控制网络的实时瘫痪概率值是否大于预设瘫痪概率阈值；

当所述无人机集群控制网络的实时瘫痪概率值大于预设瘫痪概率阈值时，则重新调整当前目标区域中无人机的工作数量信息，直至所述无人机集群控制网络的实时瘫痪概率值不大于预设瘫痪概率阈值，通过所述无人机集群控制网络按照无人机的数据采集飞行路线对输电线路进行数据采集。

需要说明的是，由于在控制无人机时，需要通过信息传输来控制无人机，无人机集群控制网络存在一个信息传输量上限，当信息传输量不断升高时，就会导致无人机集群控制网络的瘫痪概率值不断地升高，通过本方法能够提高无人机的控制合理性以及数据采集合理性。

此外，本方法还可以包括以下步骤：

获取各电磁波干扰特征数据信息之下信息传输中断概率值，并将所述各电磁波干扰特征数据信息之下信息传输中断概率值输入到所述贝叶斯网络中；

获取目标区域在当前时间戳的电磁波干扰特征数据信息，并将所述目标区域在当前时间戳的电磁波干扰特征数据信息输入到所述贝叶斯网络中，获取目标区域中在当前时间戳的电磁波干扰特征数据信息之下的信息传输中断概率值；

当所述目标区域中在当前时间戳的电磁波干扰特征数据信息之下的信息传输中断概率值大于预设信息传输中断概率阈值时，则通过无人机集群控制网络生成停止工作指令；

当所述目标区域中在当前时间戳的电磁波干扰特征数据信息之下的信息传输中断概率值不大于预设信息传输中断概率阈值时，则通过无人机集群控制网络生成正常工作指令，并按照正常工作指令以及停止工作指令控制无人机进行数据采集。

需要说明的是，电磁波干扰特征数据信息包括电磁波的类型、波长、频率等数据，由于电磁波会干扰无人机与集群控制网络之间的信息传输，通过本方法能够提高数据采集的合理性，从而提高对输电线路的数据采集效率。

如图4所示，本发明第二方面提供了一种输电线路的数据采集与分析系统4，输电线路的数据采集与分析系统4包括存储器41以及处理器42，存储器41中包括输电线路的数据采集与分析方法程序，输电线路的数据采集与分析方法程序被处理器42执行时，实现如下步骤：

获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型；

根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置；

根据待数据采集的区域位置构建无人机的数据采集点，并基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集；

通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息。

进一步的，在本系统中，获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型，具体包括：

通过大数据获取输电线路在各工作环境之下的历史性能特征数据，并根据输电线路在各工作环境之下的历史性能特征数据构建在各工作环境之下基于时间序列的历史性能变化特征数据；

基于深度神经网络构建输电线路的性能特征预测模型，并将在各工作环境之下基于时间序列的历史性能变化特征数据输入到图神经网络中，将工作环境以及历史性能特征数据作为节点；

通过有向边描述关系对节点连接，生成若干个拓扑结构图，并根据拓扑结构中节点的时间先后顺序排序，生成基于时间序列的拓扑结构变化特征；

将基于时间序列的拓扑结构变化特征输入到输电线路的性能特征预测模型中进行编码学习，当学习完成之后，输出输电线路的性能特征预测模型。

进一步的，在本系统中，根据输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置，具体包括：

获取预设时间之内目标区域中输电线路的性能特征数据，并将预设时间之内目标区域中输电线路的性能特征数据输入到输电线路的性能特征预测模型中进行预测；

通过预测，获取目标区域中输电线路的性能特征数据，预设输电线路的性能特征阈值，将目标区域划分为若干个子区域，获取每个子区域中输电线路的性能特征数据；

判断目标区域中输电线路的性能特征数据是否大于输电线路的性能特征阈值，当目标区域中输电线路的性能特征数据大于输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值低的子区域；

当目标区域中输电线路的性能特征数据不大于输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值高的子区域，并将输电线路异常概率值高的子区域作为待数据采集的区域位置。

进一步的，在本系统中，根据待数据采集的区域位置构建无人机的数据采集点，具体包括：

根据待数据采集的区域位置初始化无人机的数据采集点，获取无人机的数据参数工作范围，基于无人机的数据参数工作范围初始化无人机的数据采集参数；

获取目标区域中每个子区域的实时环境参数，根据目标区域中每个子区域的实时环境参数、无人机的数据采集点以及无人机的数据采集参数进行数据采集模拟，获取模拟之后的无人机数据采集特征数据；

引入遗传算法，基于遗传算法设置遗传代数，设置无人机数据采集特征数据阈值，当模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值时，则确定无人机的数据采集参数，并输出无人机的数据采集点；

当模拟之后的无人机数据采集特征数据不大于无人机数据采集特征数据阈值时，则重新调整无人机的数据采集参数以及无人机的数据采集点，直至模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值。

进一步的，在本系统中，基于无人机的数据采集点构建无人机的数据采集飞行路线，按照无人机的数据采集飞行路线对输电线路进行数据采集，具体包括：

设置无人机的飞行距离阈值并初始化无人机的采集数量，根据无人机的数据采集点对每辆无人机规划数据采集路线，生成每辆无人机的数据采集飞行路线；

获取每辆无人机的数据采集飞行路线的飞行距离值，并判断每辆无人机的数据采集飞行路线的飞行距离值是否均小于无人机的飞行距离阈值；

当每辆无人机的数据采集飞行路线的飞行距离值均小于所属无人机的飞行距离阈值时，则输出无人机的数据采集飞行路线，并按照无人机的数据采集飞行路线对输电线路进行数据采集；

当每辆无人机的数据采集飞行路线的飞行距离值不均小于所属无人机的飞行距离阈值时，则重新规划无人机的数据采集飞行路线，直至每辆无人机的数据采集飞行路线的飞行距离值均小于所属无人机的飞行距离阈值。

进一步的，在本系统中，通过无人机获取输电线路的实时数据信息，通过对输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对异常区域的输电线路进行预警，生成预警信息，具体包括：

通过无人机获取输电线路的实时数据信息，设置输电线路的正常数据特征，并判断输电线路的实时数据信息是否为输电线路的正常数据特征；

当输电线路的实时数据信息为输电线路的正常数据特征时，则将对应子区域的输电线路作为正常区域的输电线路；

当输电线路的实时数据信息为输电线路的正常数据特征时，则将子区域的输电线路作为异常区域的输电线路根据异常区域的输电线路进行提示预警，生成预警信息，并将预警信息输出。

本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质包括输电线路的数据采集与分析方法程序，输电线路的数据采集与分析方法程序被处理器执行时，实现任一项的输电线路的数据采集与分析方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种输电线路的数据采集与分析方法，其特征在于，包括以下步骤：

获取输电线路在各工作环境之下的历史性能特征数据，并根据所述输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型；

根据所述输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据所述目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置；

根据所述待数据采集的区域位置构建无人机的数据采集点，并基于所述无人机的数据采集点构建无人机的数据采集飞行路线，按照所述无人机的数据采集飞行路线对输电线路进行数据采集；

通过无人机获取输电线路的实时数据信息，通过对所述输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对所述异常区域的输电线路进行预警，生成预警信息；

获取输电线路在各工作环境之下的历史性能特征数据，并根据所述输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型，具体包括：

通过大数据获取输电线路在各工作环境之下的历史性能特征数据，并根据所述输电线路在各工作环境之下的历史性能特征数据构建在各工作环境之下基于时间序列的历史性能变化特征数据；

基于深度神经网络构建输电线路的性能特征预测模型，并将所述在各工作环境之下基于时间序列的历史性能变化特征数据输入到图神经网络中，将工作环境以及历史性能特征数据作为节点；

通过有向边描述关系对所述节点连接，生成若干个拓扑结构图，并根据所述拓扑结构图中节点的时间先后顺序排序，生成基于时间序列的拓扑结构变化特征；

将所述基于时间序列的拓扑结构变化特征输入到所述输电线路的性能特征预测模型中进行编码学习，当学习完成之后，输出所述输电线路的性能特征预测模型。

2.根据权利要求1所述的一种输电线路的数据采集与分析方法，其特征在于，根据所述输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据所述目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置，具体包括：

获取预设时间之内目标区域中输电线路的性能特征数据，并将所述预设时间之内目标区域中输电线路的性能特征数据输入到所述输电线路的性能特征预测模型中进行预测；

通过预测，获取目标区域中输电线路的性能特征数据，预设输电线路的性能特征阈值，将目标区域划分为若干个子区域，获取每个子区域中输电线路的性能特征数据；

判断所述目标区域中输电线路的性能特征数据是否大于输电线路的性能特征阈值，当所述目标区域中输电线路的性能特征数据大于所述输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值低的子区域；

当所述目标区域中输电线路的性能特征数据不大于所述输电线路的性能特征阈值时，则将对应的子区域作为输电线路异常概率值高的子区域，并将所述输电线路异常概率值高的子区域作为待数据采集的区域位置。

3.根据权利要求1所述的一种输电线路的数据采集与分析方法，其特征在于，根据所述待数据采集的区域位置构建无人机的数据采集点，具体包括：

根据所述待数据采集的区域位置初始化无人机的数据采集点，获取无人机的数据参数工作范围，基于所述无人机的数据参数工作范围初始化无人机的数据采集参数；

获取目标区域中每个子区域的实时环境参数，根据所述目标区域中每个子区域的实时环境参数、无人机的数据采集点以及无人机的数据采集参数进行数据采集模拟，获取模拟之后的无人机数据采集特征数据；

引入遗传算法，基于所述遗传算法设置遗传代数，设置无人机数据采集特征数据阈值，当所述模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值时，则确定无人机的数据采集参数，并输出无人机的数据采集点；

当所述模拟之后的无人机数据采集特征数据不大于无人机数据采集特征数据阈值时，则重新调整无人机的数据采集参数以及无人机的数据采集点，直至所述模拟之后的无人机数据采集特征数据大于无人机数据采集特征数据阈值。

4.根据权利要求1所述的一种输电线路的数据采集与分析方法，其特征在于，基于所述无人机的数据采集点构建无人机的数据采集飞行路线，按照所述无人机的数据采集飞行路线对输电线路进行数据采集，具体包括：

设置无人机的飞行距离阈值并初始化无人机的采集数量，根据所述无人机的数据采集点对每辆无人机规划数据采集路线，生成每辆无人机的数据采集飞行路线；

获取所述每辆无人机的数据采集飞行路线的飞行距离值，并判断所述每辆无人机的数据采集飞行路线的飞行距离值是否均小于所述无人机的飞行距离阈值；

当所述每辆无人机的数据采集飞行路线的飞行距离值均小于所述无人机的飞行距离阈值时，则输出无人机的数据采集飞行路线，并按照所述无人机的数据采集飞行路线对输电线路进行数据采集；

当所述每辆无人机的数据采集飞行路线的飞行距离值不均小于所述无人机的飞行距离阈值时，则重新规划无人机的数据采集飞行路线，直至所述每辆无人机的数据采集飞行路线的飞行距离值均小于所述无人机的飞行距离阈值。

5.根据权利要求1所述的一种输电线路的数据采集与分析方法，其特征在于，通过无人机获取输电线路的实时数据信息，通过对所述输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对所述异常区域的输电线路进行预警，生成预警信息，具体包括：

通过无人机获取输电线路的实时数据信息，设置输电线路的正常数据特征，并判断所述输电线路的实时数据信息是否为输电线路的正常数据特征；

当所述输电线路的实时数据信息为输电线路的正常数据特征时，则将对应子区域的输电线路作为正常区域的输电线路；

当所述输电线路的实时数据信息不为输电线路的正常数据特征时，则将子区域的输电线路作为异常区域的输电线路，根据所述异常区域的输电线路进行提示预警，生成预警信息，并将所述预警信息输出。

6.一种输电线路的数据采集与分析系统，其特征在于，所述输电线路的数据采集与分析系统包括存储器以及处理器，所述存储器中包括输电线路的数据采集与分析方法程序，所述输电线路的数据采集与分析方法程序被所述处理器执行时，实现如下步骤：

获取输电线路在各工作环境之下的历史性能特征数据，并根据所述输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型；

根据所述输电线路的性能特征预测模型预测出目标区域中输电线路的性能特征数据，并根据所述目标区域中输电线路的性能特征数据筛选出待数据采集的区域位置；

根据所述待数据采集的区域位置构建无人机的数据采集点，并基于所述无人机的数据采集点构建无人机的数据采集飞行路线，按照所述无人机的数据采集飞行路线对输电线路进行数据采集；

通过无人机获取输电线路的实时数据信息，通过对所述输电线路的实时数据信息进行数据分析，获取异常区域的输电线路，并对所述异常区域的输电线路进行预警，生成预警信息；

获取输电线路在各工作环境之下的历史性能特征数据，并根据所述输电线路在各工作环境之下的历史性能特征数据构建输电线路的性能特征预测模型，具体包括：

通过大数据获取输电线路在各工作环境之下的历史性能特征数据，并根据所述输电线路在各工作环境之下的历史性能特征数据构建在各工作环境之下基于时间序列的历史性能变化特征数据；

基于深度神经网络构建输电线路的性能特征预测模型，并将所述在各工作环境之下基于时间序列的历史性能变化特征数据输入到图神经网络中，将工作环境以及历史性能特征数据作为节点；

通过有向边描述关系对所述节点连接，生成若干个拓扑结构图，并根据所述拓扑结构图中节点的时间先后顺序排序，生成基于时间序列的拓扑结构变化特征；

将所述基于时间序列的拓扑结构变化特征输入到所述输电线路的性能特征预测模型中进行编码学习，当学习完成之后，输出所述输电线路的性能特征预测模型。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括输电线路的数据采集与分析方法程序，所述输电线路的数据采集与分析方法程序被处理器执行时，实现如权利要求1-5任一项所述的输电线路的数据采集与分析方法的步骤。