输电线路异常状态分析系统的制作方法

1.本发明涉及输电线路领域，尤其涉及一种输电线路异常状态分析系统。


背景技术：

2.输电网是将发电厂、变电所或变电所之间连接起来的送电网络，主要承担输送电能的任务。根据输电电压的不同又可以分为高压输电网(110～220kv)、超高压输电网(330～750kv)和特高压输电网(1000kv及以上)。
3.输电网是由输电设备和变电设备构成的。输电设备主要有输电线路、杆塔、绝缘子串、空线路等；变电设备主要有变压器、电抗器、电容器、断路器、接地开关、避雷器、电压互感器、电流互感器以及电力保护、监视、控制、通信系统。
4.作为输电网的关键部件，输电线路是输电网的一种毛细血管的存在，输电线路的健康状态与否直接决定了输电网能否正常供电，例如，对于湿冷地区或者湿冷季节的输电线路，存在覆冰严重甚至断裂的风险，一旦某一段输电线路发生断裂，会导致整个输电网供电受阻。然而，由于输电网内的各个输电线路是分段存在的，不同输电线路所在环境千差万别，同时不同输电线路的输电状态也完全不同，导致每一段输电线路因为覆冰严重发生断裂的时机难以凭借经验进行预测。
5.cn115940064a公开了一种输电线路除冰装置，包括待除冰电线和发热机构，所述发热机构用于提高待除冰电线的温度，所述待除冰电线的上方设有行走轮，所述待除冰电线的下方设有驱动行走轮旋转的第一动力机构，所述第一动力机构的两侧分别连接有撞击仓和设备仓，所述撞击仓和设备仓沿第一动力机构旋转，所述第一动力机构处设有驱动撞击仓和设备仓旋转的第二动力机构，所述撞击仓包括撞击头以及驱动撞击头上下移动的第三动力机构，所述撞击仓的一侧设有摄像头。
6.cn115935215a提供了一种极端天气下基于深度学习的输电线路覆冰预警方法及系统，本发明考虑环境因素和输电线路的运行工况，并根据输电线路布设区域特征对环境因素进行修正，基于深度学习建立输电线路覆冰预测模型，在覆冰趋势在线评估的基础上，进行覆冰严重度的在线预警，能够提高预测的准确性，更加符合输电线路的实际运行工况。
7.cn115940066a提供一种光伏输电线除冰设备，包括设备箱，所述设备箱由驱动装置驱动沿输电线移动，所述设备箱内部沿远离所述驱动装置方向依次设置有用于擦拭输电线的擦拭装置、用于除去附着在输电线表面冰的蒸汽装置和用于敲击输电线的敲击装置，所述蒸汽装置包括开设在设备箱内部的蒸汽腔，所述蒸汽腔内部固定设置有蒸汽机，本发明的在使用的过程中，在驱动轮的作用下，设备箱沿输电线移动，移动的过程中，敲击装置不断的敲击输电线，蒸汽往复吹向输电线，然后由擦拭块将输电线上的水分擦去，通过不断的通过挤压杆挤压活动板，擦拭块内部的水分能够被及时的挤压出，保证擦拭块的吸水性，同时在中空铁片和活性炭包的作用下，进一步保证擦拭块的干燥。
8.cn115940071a公开了一种应用于输电线系统的除冰装置，涉及除冰技术领域，包括底座、空心管、升降组件、除冰组件和导流组件，所述底座上一侧设有空心管，所述空心管
下端与底座转动连接，所述空心管内部设有升降组件，所述升降组件顶部设有除冰组件，所述除冰组件下方设有导流组件，所述底座上设有油箱，所述油箱通过输油组件连接除冰组件；通过在除冰组件下方设置导流组件，利用导流组件的导流盒体可以收集从输电线上被除落的冰，配合加热棒可以将冰融化后的水通过引流管引流至低处进行排放，可以有效避免传统输电线除冰操作中输电线上的冰直接从高空掉落而容易对输电线下方的空间产生高空坠物危害的问题，使得整个除冰过程安全性提升。
9.cn218829021u公开了一种输电线路直流融冰快速短接装置，包括基座和电线转接装置，基座底端固定安装有电线转接装置，基座顶端设置有连接机构；基座顶端设置有固定机构，固定机构包括第一侧杆，第一侧杆固定连接在基座侧壁，第一侧杆外壁套设有第一连杆，第一连杆内部贯穿有第二侧杆，第二侧杆固定连接在压板侧壁。该一种输电线路直流融冰快速短接装置，通过设置有固定机构，令操作人员能够通过转动正反转棘轮扳手，便可对压板和基座之间进行固定，从而便于操作人员对电缆的安装，通过设置有软垫，能够减少电缆外壁受到的磨损，进而提高电缆的使用寿命，通过设置有第二螺杆和第三螺母，能够进一步提高压板和基座之间的固定效果。
10.cn115879059a涉及一种基于多源数据融合的输电线路覆冰监测方法和装置。所述方法包括：获取输电线路对应的天气温度信息、输电线表面温度信息、变压器温度信息以及天气情况信息数据集；将天气温度信息、输电线表面温度信息以及变压器温度信息输入至输电线路覆冰指数确定模型，得到输电线路覆冰指数确定结果；将天气情况信息数据集与危险天气情况特征数据库进行特征匹配，得到输电线路的覆冰危险特征匹配度；危险天气情况特征数据库通过各天气场景对应的天气情况信息数据集构建的；根据输电线路覆冰指数确定结果以及覆冰危险特征匹配度，得到输电线路的第一覆冰危险数据监测结果。采用本方法能够有效地提升覆冰输电线的覆冰厚度计算精度。
11.从上述现有技术公开的技术方案可见，现有技术不能基于每一段输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测该段输电线路发生断裂的未来时间戳到当前时间戳的时间长度，从而完成对每一段输电线路发生断裂的时机的有效判断，为保证输电网的可靠运行提供关键信息。


技术实现要素：

12.为了解决相关领域的技术问题，本发明提供了一种输电线路异常状态分析系统，能够基于每一段输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测该段输电线路发生断裂的未来时间戳到当前时间戳的时间长度，从而完成对每一段输电线路发生断裂的时机的有效判断，为保证输电网的可靠运行提供关键信息。
13.根据本发明的一方面，提供了一种输电线路异常状态分析系统，所述系统包括：
14.参数提取机构，用于将处于监控下的一段输电线路作为当前输电线路，获取当前输电线路的线路长度、线路数量以及线路平均截面面积；
15.画面捕获机构，用于获取每一时间戳所述当前输电线路的覆冰画面，所述每一时间戳所述当前输电线路的覆冰画面为在每一时间戳的时刻从所述当前输电线路的正上方
进行拍摄所获得的画面，各个时间戳所述当前输电线路的覆冰画面的解析度、视野以及清晰度相同；
16.冰体测量机构，与所述画面捕获机构连接，用于识别所述每一时间戳所述当前输电线路的覆冰画面中的当前输电线路的各条线缆分别对应的各个线缆图像分块，获取各个线路图像分块分别对应的各个像素点数量以作为对应时间戳的单份冰体测量数据；
17.断裂预测器件，分别与所述参数提取机构以及所述冰体测量机构连接，用于基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度，各个时间戳在时间轴上两两间隔相等；
18.模型构建器件，与所述断裂预测器件连接，用于将完成多次训练后的卷积神经网络作为所述ai预测模型输出；
19.其中，将完成多次训练后的卷积神经网络作为所述ai预测模型输出包括：针对已发生断裂的输电线路，将已发生断裂的输电线路的线路长度、线路数量以及线路平均截面面积和存在冰体测量数据的多个历史时间戳分别对应的多份冰体测量数据作为卷积神经网络的各项输入信息，将多个历史时间戳中最新时间戳到发生断裂的时间戳的时间长度作为卷积神经网络的输出信息，执行对卷积神经网络的一次训练。
20.通过本发明，能够预测每一段输电线路发生断裂的未来时间戳到当前时间戳的时间长度，从而完成对每一段输电线路发生断裂的时机的有效判断，为输电网的异常状态的应对提供反应时间。
附图说明
21.以下将结合附图对本发明的实施方案进行描述，其中：
22.图1为根据本发明首要实施方案示出的输电线路异常状态分析系统的结构方框图。
23.图2为根据本发明次要实施方案示出的输电线路异常状态分析系统的结构方框图。
24.图3为根据本发明再次要实施方案示出的输电线路异常状态分析系统的结构方框图。
具体实施方式
25.下面将参照附图对本发明的输电线路异常状态分析系统的实施方案进行详细说明。
26.第一实施例
27.图1为根据本发明首要实施方案示出的输电线路异常状态分析系统的结构方框图，所述系统包括：
28.参数提取机构，用于将处于监控下的一段输电线路作为当前输电线路，获取当前输电线路的线路长度、线路数量以及线路平均截面面积；
29.示例地，所述参数提取机构内置数值转换器件，用于对获取的当前输电线路的线路长度、线路数量以及线路平均截面面积分别执行二进制数值转换；
30.画面捕获机构，用于获取每一时间戳所述当前输电线路的覆冰画面，所述每一时间戳所述当前输电线路的覆冰画面为在每一时间戳的时刻从所述当前输电线路的正上方进行拍摄所获得的画面，各个时间戳所述当前输电线路的覆冰画面的解析度、视野以及清晰度相同；
31.冰体测量机构，与所述画面捕获机构连接，用于识别所述每一时间戳所述当前输电线路的覆冰画面中的当前输电线路的各条线缆分别对应的各个线缆图像分块，获取各个线路图像分块分别对应的各个像素点数量以作为对应时间戳的单份冰体测量数据；
32.断裂预测器件，分别与所述参数提取机构以及所述冰体测量机构连接，用于基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度，各个时间戳在时间轴上两两间隔相等；
33.模型构建器件，与所述断裂预测器件连接，用于将完成多次训练后的卷积神经网络作为所述ai预测模型输出；
34.其中，将完成多次训练后的卷积神经网络作为所述ai预测模型输出包括：针对已发生断裂的输电线路，将已发生断裂的输电线路的线路长度、线路数量以及线路平均截面面积和存在冰体测量数据的多个历史时间戳分别对应的多份冰体测量数据作为卷积神经网络的各项输入信息，将多个历史时间戳中最新时间戳到发生断裂的时间戳的时间长度作为卷积神经网络的输出信息，执行对卷积神经网络的一次训练；
35.其中，基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：相邻时间戳的间隔时长越短，所述预设数量的取值越大。
36.第二实施例
37.图2为根据本发明次要实施方案示出的输电线路异常状态分析系统的结构方框图。
38.在图2中，与图1不同，本发明次要实施方案示出的输电线路异常状态分析系统还可以包括：
39.动态存储器件，与所述模型构建器件连接，用于存储所述ai预测模型的各项模型参数；
40.示例地，可以采用flash闪存、mmc存储卡或者tf存储卡完成对所述动态存储器件的有效替换，实现对所述ai预测模型的各项模型参数的存储。
41.第三实施例
42.图3为根据本发明再次要实施方案示出的输电线路异常状态分析系统的结构方框图。
43.在图3中，与图1不同，本发明再次要实施方案示出的输电线路异常状态分析系统还可以包括：
44.现场配置器件，分别与所述断裂预测器件、所述参数提取机构以及所述冰体测量机构连接，用于采用串行配置模式分时完成对所述断裂预测器件、所述参数提取机构以及所述冰体测量机构各自工作参数的现场配置。
45.接着，继续对本发明的输电线路异常状态分析系统的具体结构进行进一步的说明。
46.在根据本发明各个实施方案的输电线路异常状态分析系统中：
47.基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：将当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据作为所述ai预测模型的各项输入信息以运行所述ai预测模型；
48.其中，基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：运行所述ai预测模型后，所述ai预测模型输出当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度；
49.其中，基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：在当前输电线路发生断裂的时刻不在时间轴上的任一时间戳上时，将距离当前输电线路发生断裂的时刻最近的时间戳作为当前输电线路发生断裂的未来时间戳。
50.在根据本发明各个实施方案的输电线路异常状态分析系统中：
51.将处于监控下的一段输电线路作为当前输电线路，获取当前输电线路的线路长度、线路数量以及线路平均截面面积包括：获取组成当前输电线路的各条线缆分别对应的各个截面面积，并对所述各个截面面积执行均值计算以获得当前输电线路的线路平均截面面积。
52.在根据本发明各个实施方案的输电线路异常状态分析系统中：
53.获取每一时间戳所述当前输电线路的覆冰画面，所述每一时间戳所述当前输电线路的覆冰画面为在每一时间戳的时刻从所述当前输电线路的正上方进行拍摄所获得的画面包括：所述画面捕获机构为无人机的航拍成像机构。
54.以及在根据本发明各个实施方案的输电线路异常状态分析系统中：
55.基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度还包括：采用数值映射公式表示所述当前输电线路的线路数量到所述预设数量的取值的数值映射关系。
56.另外，在所述输电线路异常状态分析系统中，针对已发生断裂的输电线路，将已发生断裂的输电线路的线路长度、线路数量以及线路平均截面面积和存在冰体测量数据的多个历史时间戳分别对应的多份冰体测量数据作为卷积神经网络的各项输入信息，将多个历史时间戳中最新时间戳到发生断裂的时间戳的时间长度作为卷积神经网络的输出信息，执行对卷积神经网络的一次训练包括：在发生断裂的时刻不在时间轴上的任一时间戳上时，将距离发生断裂的时刻最近的时间戳作为发生断裂的时间戳。
57.采用本发明的输电线路异常状态分析系统，针对现有技术中对输电网每一段输电线路因为覆冰严重发生断裂的时机难以预测的技术问题，能够采用智能模型预测每一段输
电线路发生断裂的未来时间戳到当前时间戳的时间长度，从而完成对每一段输电线路发生断裂的时机的有效判断，为输电网的异常状态的应对提供反应时间。
58.由此可见，本发明至少具备以下三处关键的发明点：
59.首先、基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度，从而完成对当前输电线路发生断裂的时机的有效预测；
60.其次、识别每一时间戳当前输电线路的覆冰画面中的当前输电线路的各条线缆分别对应的各个线缆图像分块，获取各个线路图像分块分别对应的各个像素点数量以作为对应时间戳的单份冰体测量数据，从而为后续的输电线路断裂时机的预测提供关键信息；
61.再次、在基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度时，相邻时间戳的间隔时长越短，所述预设数量的取值越大，从而为采集分辨率更精细的模型选择更多的基础数据以保证模型预测的可靠性。
62.虽然已经参照在这里所披露的结构对本发明进行了说明，但是本发明并不限于所给出的细节，并且本技术旨在覆盖落入在改进目的或以下权利要求的范围内的这些改进或变化。

技术特征：
1.一种输电线路异常状态分析系统，其特征在于，所述系统包括：参数提取机构，用于将处于监控下的一段输电线路作为当前输电线路，获取当前输电线路的线路长度、线路数量以及线路平均截面面积；画面捕获机构，用于获取每一时间戳所述当前输电线路的覆冰画面，所述每一时间戳所述当前输电线路的覆冰画面为在每一时间戳的时刻从所述当前输电线路的正上方进行拍摄所获得的画面，各个时间戳所述当前输电线路的覆冰画面的解析度、视野以及清晰度相同；冰体测量机构，与所述画面捕获机构连接，用于识别所述每一时间戳所述当前输电线路的覆冰画面中的当前输电线路的各条线缆分别对应的各个线缆图像分块，获取各个线路图像分块分别对应的各个像素点数量以作为对应时间戳的单份冰体测量数据；断裂预测器件，分别与所述参数提取机构以及所述冰体测量机构连接，用于基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度，各个时间戳在时间轴上两两间隔相等；模型构建器件，与所述断裂预测器件连接，用于将完成多次训练后的卷积神经网络作为所述ai预测模型输出；其中，将完成多次训练后的卷积神经网络作为所述ai预测模型输出包括：针对已发生断裂的输电线路，将已发生断裂的输电线路的线路长度、线路数量以及线路平均截面面积和存在冰体测量数据的多个历史时间戳分别对应的多份冰体测量数据作为卷积神经网络的各项输入信息，将多个历史时间戳中最新时间戳到发生断裂的时间戳的时间长度作为卷积神经网络的输出信息，执行对卷积神经网络的一次训练。2.如权利要求1所述的输电线路异常状态分析系统，其特征在于：基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：相邻时间戳的间隔时长越短，所述预设数量的取值越大。3.如权利要求2所述的输电线路异常状态分析系统，其特征在于，所述系统还包括：动态存储器件，与所述模型构建器件连接，用于存储所述ai预测模型的各项模型参数。4.如权利要求2所述的输电线路异常状态分析系统，其特征在于，所述系统还包括：现场配置器件，分别与所述断裂预测器件、所述参数提取机构以及所述冰体测量机构连接，用于采用串行配置模式分时完成对所述断裂预测器件、所述参数提取机构以及所述冰体测量机构各自工作参数的现场配置。5.如权利要求2-4任一所述的输电线路异常状态分析系统，其特征在于：基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：将当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据作为所述ai预测模型的各项输入信息以运行所述ai预测模型。6.如权利要求5所述的输电线路异常状态分析系统，其特征在于：
基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：运行所述ai预测模型后，所述ai预测模型输出当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度。7.如权利要求6所述的输电线路异常状态分析系统，其特征在于：基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度包括：在当前输电线路发生断裂的时刻不在时间轴上的任一时间戳上时，将距离当前输电线路发生断裂的时刻最近的时间戳作为当前输电线路发生断裂的未来时间戳。8.如权利要求2-4任一所述的输电线路异常状态分析系统，其特征在于：将处于监控下的一段输电线路作为当前输电线路，获取当前输电线路的线路长度、线路数量以及线路平均截面面积包括：获取组成当前输电线路的各条线缆分别对应的各个截面面积，并对所述各个截面面积执行均值计算以获得当前输电线路的线路平均截面面积。9.如权利要求2-4任一所述的输电线路异常状态分析系统，其特征在于：获取每一时间戳所述当前输电线路的覆冰画面，所述每一时间戳所述当前输电线路的覆冰画面为在每一时间戳的时刻从所述当前输电线路的正上方进行拍摄所获得的画面包括：所述画面捕获机构为无人机的航拍成像机构。10.如权利要求2-4任一所述的输电线路异常状态分析系统，其特征在于：基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据采用ai预测模型预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度还包括：采用数值映射公式表示所述当前输电线路的线路数量到所述预设数量的取值的数值映射关系。

技术总结
本发明涉及一种输电线路异常状态分析系统，包括：参数提取机构，用于获取当前输电线路的线路长度、线路数量以及线路平均截面面积；冰体测量机构，用于获取各个线路图像分块分别对应的各个像素点数量以作为对应时间戳的单份冰体测量数据；断裂预测器件，用于基于当前输电线路的线路长度、线路数量以及线路平均截面面积和当前时间戳之前预设数量的多个最近时间戳分别对应的多份冰体测量数据预测当前输电线路发生断裂的未来时间戳到当前时间戳的时间长度。通过本发明，能够预测每一段输电线路发生断裂的未来时间戳到当前时间戳的时间长度，从而完成对每一段输电线路发生断裂的时机的有效判断，为输电网的异常状态的应对提供反应时间。供反应时间。供反应时间。


技术研发人员：杨鹏
受保护的技术使用者：杨鹏
技术研发日：2023.04.12
技术公布日：2023/7/21