本發(fā)明涉及輸電通道監(jiān)測，具體涉及一種輸電通道的安全智能預(yù)警系統(tǒng)。

背景技術(shù)：

1、在電力傳輸領(lǐng)域，輸電通道的安全穩(wěn)定運(yùn)行至關(guān)重要。隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，輸電線路的分布愈發(fā)廣泛和復(fù)雜，傳統(tǒng)的輸電通道監(jiān)測與維護(hù)方式面臨諸多難題。早期，供電方式多依賴外部電源，不僅鋪設(shè)和維護(hù)成本高昂，在偏遠(yuǎn)或復(fù)雜地形區(qū)域，還存在布線困難、供電不穩(wěn)定的問題，嚴(yán)重影響監(jiān)測系統(tǒng)的持續(xù)運(yùn)行。在監(jiān)測環(huán)節(jié)，單一的監(jiān)測手段難以對輸電通道的整體狀態(tài)進(jìn)行全面、實時的掌握，漏檢和誤檢情況時有發(fā)生。

2、在數(shù)據(jù)處理階段，由于缺乏有效的多模態(tài)數(shù)據(jù)融合技術(shù)，不同類型監(jiān)測數(shù)據(jù)之間相互孤立，無法形成全面準(zhǔn)確的輸電通道特征描述，降低了對潛在安全隱患的分析和判斷能力。在特征提取方面，傳統(tǒng)方法難以精準(zhǔn)提取圖像和傳感器數(shù)據(jù)中的關(guān)鍵特征，導(dǎo)致分析結(jié)果不夠可靠。

3、同時，在安全隱患識別環(huán)節(jié)，缺乏高效智能的深度學(xué)習(xí)模型，面對海量的監(jiān)測數(shù)據(jù)，無法快速、準(zhǔn)確地識別出輸電通道存在的安全隱患，難以在隱患發(fā)生初期及時預(yù)警，給輸電線路的安全運(yùn)行帶來極大風(fēng)險。因此，開發(fā)一套能夠穩(wěn)定供電、全面監(jiān)測、精準(zhǔn)分析和及時預(yù)警的輸電通道安全監(jiān)測系統(tǒng)迫在眉睫。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種輸電通道的安全智能預(yù)警系統(tǒng)，解決了背景技術(shù)中所提出的技術(shù)問題。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：

3、一種輸電通道的安全智能預(yù)警系統(tǒng)，包括：

4、供電單元，用于為監(jiān)測單元、處理單元、深度學(xué)習(xí)識別單元提供電能；其采用感應(yīng)取電自供電技術(shù)結(jié)合超級電容儲能；所述供電單元包括：

5、感應(yīng)取電模塊，利用高壓導(dǎo)線上的磁場變化來產(chǎn)生電能；

6、超級電容儲能模塊，用于存儲產(chǎn)生的電能；

7、監(jiān)測單元，用于對輸電通道進(jìn)行全方位的狀態(tài)監(jiān)測，并獲取對輸電通道的監(jiān)測數(shù)據(jù)；

8、處理單元，用于通過多模態(tài)數(shù)據(jù)融合技術(shù)對監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理，并得出輸電通道的綜合特征向量；所述處理單元包括：

9、特征提取模塊，用于從圖像數(shù)據(jù)中提取圖像特征，包括顏色、紋理和形狀特征；

10、預(yù)處理模塊，用于對傳感器得出的監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，并得到歸一化處理的電流、表面溫度、環(huán)境溫度和環(huán)境濕度；

11、數(shù)據(jù)融合模塊，用于對歸一化處理的電流、表面溫度、環(huán)境溫度和環(huán)境濕度進(jìn)行數(shù)據(jù)融合處理；

12、深度學(xué)習(xí)識別單元，用于基于深度學(xué)習(xí)模型對融合后的綜合特征向量以及提取的圖像特征進(jìn)行分析識別，判斷輸電通道是否存在安全隱患。

13、作為本發(fā)明進(jìn)一步的方案：電能產(chǎn)生與存儲的方式如下：

14、首先，當(dāng)高壓導(dǎo)線上電流變化時，其周圍磁場強(qiáng)度也跟著改變，所述感應(yīng)取電模塊中的線圈在磁場變化下產(chǎn)生感應(yīng)電動勢，進(jìn)而產(chǎn)生電能；

15、其輸出電壓v的計算方式為：vout=k×b×a×f；

16、其中：vout代表輸出電壓，k為預(yù)設(shè)的感應(yīng)系數(shù)，b代表預(yù)先監(jiān)測的磁場強(qiáng)度，f為預(yù)先計算出的磁場變化頻率，a為線圈的有效面積；

17、其先經(jīng)過整流電路，將交流電轉(zhuǎn)變?yōu)橹绷麟?，再通過穩(wěn)壓電路，把電壓穩(wěn)定在合適的數(shù)值范圍，然后存儲在超級電容中；

18、其中，超級電容的儲能容量c滿足：c=vg×q；

19、其中，q代表存儲的電荷量，vg代表工作電壓。

20、作為本發(fā)明進(jìn)一步的方案：狀態(tài)監(jiān)測方式如下：

21、首先，通過安裝在輸電導(dǎo)線弧垂兩側(cè)相鄰兩基電桿上兩個高清攝像頭獲取圖像數(shù)據(jù)；

22、其中，高清攝像頭的覆蓋范圍依據(jù)公式：計算得出；

23、其中，d代表覆蓋范圍，h為攝像頭安裝高度，θ為攝像頭的視場角；

24、同時，通過設(shè)置在輸電導(dǎo)線上的電流傳感器測量輸電導(dǎo)線的電流，并將其標(biāo)記為l；

25、同時，通過設(shè)置在輸電導(dǎo)線上的溫度傳感器測量輸電導(dǎo)線的表面溫度，并將其標(biāo)記為tb；

26、同時，通過在距輸電導(dǎo)線固定距離處布設(shè)溫濕度傳感器，并實時監(jiān)測輸電導(dǎo)線所處環(huán)境的環(huán)境溫度th和環(huán)境濕度hh。

27、作為本發(fā)明進(jìn)一步的方案：顏色特征提取方式如下：

28、將圖像數(shù)據(jù)調(diào)整為rgb模式的圖像，隨之從中提取各個像素點(diǎn)在分別在紅、綠、藍(lán)通道下的像素值，并將其依次標(biāo)記為rk、gk、bk，其中，k=1、2、……e，e表示圖像數(shù)據(jù)中像素點(diǎn)的數(shù)量；

29、隨之通過：；

30、分別計算出圖像數(shù)據(jù)在紅、綠、藍(lán)通道下的通道均值rp、gp和bp；

31、同時通過：

32、分別計算出圖像數(shù)據(jù)在紅、綠、藍(lán)通道下的通道離散值rq、gq和bq；

33、其中，通道均值用于反映圖像整體顏色的偏向，通道離散值用于體現(xiàn)顏色的離散程度。

34、作為本發(fā)明進(jìn)一步的方案：紋理特征提取方式如下：

35、依據(jù)圖像數(shù)據(jù)構(gòu)建灰度共生矩陣，通過灰度共生矩陣計算紋理特征；

36、其中，灰度共生矩陣描述了圖像中不同灰度級像素在空間上的分布關(guān)系；

37、通過：；

38、計算出紋理特征中的對比度db；

39、式中，i和j指代為圖像數(shù)據(jù)中不同的兩個灰度級像素，且i和j為變量值，同時i≠j；|i-j|2表示為兩個灰度級i和j之間差值的平方，反映了灰度級差異的幅度，pi，j表示為灰度共生矩陣中的概率值，即指代為這兩個灰度級i和j同時出現(xiàn)的概率。

40、作為本發(fā)明進(jìn)一步的方案：形狀特征提取方式如下：

41、用于通過canny方法對圖像數(shù)據(jù)進(jìn)行邊緣檢測，最終確定邊緣圖像；

42、隨之對于得出的邊緣圖像，通過遍歷邊緣圖像上的所有像素點(diǎn)，統(tǒng)計輪廓內(nèi)包含的像素點(diǎn)的個數(shù)，并將其作為邊緣圖像的輪廓面積；同時通過歐幾里得距離公式計算相鄰像素點(diǎn)之間的距離，之后對所有相鄰像素點(diǎn)間的距離求和，并將其和記作輪廓周長；

43、然后利用圓形度公式：y=（4π×s）/c，計算相關(guān)圖像數(shù)據(jù)中邊緣圖像的圓形度y；

44、式中，s為邊緣圖像的輪廓面積，c為邊緣圖像的輪廓周長；

45、同時利用公式：b=s/c，計算相關(guān)圖像數(shù)據(jù)中邊緣圖像的面積周長比b。

46、作為本發(fā)明進(jìn)一步的方案：歸一化處理方式如下：

47、將輸電導(dǎo)線的電流、表面溫度、環(huán)境溫度或環(huán)境濕度，減去其正常運(yùn)行時的下限值，所得差值除以正常運(yùn)行時上限值與下限值的差值，得到的值就是經(jīng)過歸一化處理后的電流、表面溫度、環(huán)境溫度和環(huán)境濕度；

48、歸一化處理公式為：；

49、式中，x1代表經(jīng)過歸一化處理的電流、表面溫度、環(huán)境溫度和環(huán)境濕度，x代表輸電導(dǎo)線的電流、表面溫度、環(huán)境溫度和環(huán)境濕度，即x=｛l、tb、th、hh｝；xmin和xmax分別為輸電導(dǎo)線的電流、表面溫度、環(huán)境溫度和環(huán)境濕度對應(yīng)監(jiān)測數(shù)據(jù)在正常運(yùn)行時的正常運(yùn)行下限值和正常運(yùn)行上限值。

50、作為本發(fā)明進(jìn)一步的方案：數(shù)據(jù)融合處理為采用線性加權(quán)法將歸一化處理的電流、表面溫度、環(huán)境溫度和環(huán)境濕度融合為綜合特征向量，其計算公式為：

51、

52、式中，γ1、γ2、γ3、γ4分別為依據(jù)歸一化處理的電流、表面溫度、環(huán)境溫度和環(huán)境濕度預(yù)設(shè)的權(quán)重系數(shù)，z為綜合特征向量，l1、t1b、t1h、h1h分別為經(jīng)過歸一化處理的電流、表面溫度、環(huán)境溫度和環(huán)境濕度。

53、作為本發(fā)明進(jìn)一步的方案：深度學(xué)習(xí)模型訓(xùn)練過程如下：

54、stepk1、收集輸電通道在不同場景下的若干個圖像數(shù)據(jù)以及對應(yīng)的若干個傳感器監(jiān)測數(shù)據(jù)，將其按照70%訓(xùn)練集、20%驗證集、10%測試集進(jìn)行劃分；

55、其中，不同場景下的圖像數(shù)據(jù)及傳感器監(jiān)測數(shù)據(jù)均設(shè)置有標(biāo)注信息，其中，標(biāo)注信息包括是否存在安全隱患以及具體的隱患類型；

56、stepk2、構(gòu)建cnn模型，將圖像數(shù)據(jù)和傳感器監(jiān)測數(shù)據(jù)輸入到cnn模型中，模型依次通過卷積層、池化層、全連接層對圖像數(shù)據(jù)和傳感器監(jiān)測數(shù)據(jù)進(jìn)行特征提取與分類；具體為：

57、stepk2.1、在卷積層，通過卷積核在圖像數(shù)據(jù)和傳感器監(jiān)測數(shù)據(jù)上滑動進(jìn)行卷積運(yùn)算，提取綜合特征向量和圖像特征；

58、stepk2.2、池化層則對卷積層輸出的特征進(jìn)行降采樣；

59、降采樣采用最大池化，其計算方式為：在規(guī)定大小的池化窗口內(nèi)，取窗口內(nèi)像素的最大值作為池化輸出值；

60、stepk2.3、將經(jīng)過特征提取模塊處理后的圖像特征向量，以及數(shù)據(jù)融合模塊輸出的綜合特征向量，一同輸入到全連接層；

61、全連接層通過公式進(jìn)行線性變換；

62、其中，sc為輸出值，βr為權(quán)重，srr為輸入值，pz為偏置值，v為輸入向量維度；

63、stepk3、隨之將輸出值與預(yù)設(shè)的判定閾值進(jìn)行比較：

64、當(dāng)輸出值大于判定閾值時，則輸電通道存在相關(guān)標(biāo)注信息對應(yīng)的安全隱患以及具體的隱患類型；之后觸發(fā)預(yù)警，然后將相關(guān)標(biāo)注信息通過無線網(wǎng)絡(luò)推送至巡檢人員的手機(jī)app和中臺系統(tǒng)；

65、當(dāng)輸出值小于等于判定閾值時，則輸電通道不存在安全隱患。

66、本發(fā)明的有益效果：

67、供電方式優(yōu)勢：采用感應(yīng)取電自供電技術(shù)結(jié)合超級電容儲能的供電方式，利用高壓導(dǎo)線上的磁場變化產(chǎn)生電能，無需額外的外部電源，降低了供電成本和維護(hù)難度，且超級電容儲能模塊能夠有效地存儲電能，保證了系統(tǒng)的持續(xù)穩(wěn)定供電。

68、全方位監(jiān)測：監(jiān)測單元通過高清攝像頭、電流傳感器、溫度傳感器、溫濕度傳感器等對輸電通道進(jìn)行全方位的狀態(tài)監(jiān)測，獲取豐富的監(jiān)測數(shù)據(jù)，包括圖像數(shù)據(jù)、輸電導(dǎo)線電流、表面溫度、環(huán)境溫度和環(huán)境濕度等，能夠全面反映輸電通道的運(yùn)行狀態(tài)。

69、多模態(tài)數(shù)據(jù)融合：處理單元運(yùn)用多模態(tài)數(shù)據(jù)融合技術(shù)，對不同類型的監(jiān)測數(shù)據(jù)進(jìn)行融合處理。特征提取模塊提取圖像的顏色、紋理和形狀特征，預(yù)處理模塊對傳感器數(shù)據(jù)進(jìn)行歸一化處理，數(shù)據(jù)融合模塊采用線性加權(quán)法將歸一化后的傳感器數(shù)據(jù)融合為綜合特征向量，提高了數(shù)據(jù)的利用效率和分析的準(zhǔn)確性，能夠得出更全面準(zhǔn)確的輸電通道綜合特征向量。

70、精準(zhǔn)的特征提取：在顏色特征提取方面，通過計算圖像在紅、綠、藍(lán)通道下的均值和離散值，能夠準(zhǔn)確反映圖像整體顏色的偏向和離散程度；紋理特征提取通過構(gòu)建灰度共生矩陣計算對比度，有效描述了圖像中不同灰度級像素在空間上的分布關(guān)系；形狀特征提取利用canny方法進(jìn)行邊緣檢測，并計算輪廓面積、周長、圓形度和面積周長比等參數(shù)，能夠精確地提取圖像的形狀特征，這些特征提取方法為后續(xù)的分析識別提供了有力支持。

71、高效的深度學(xué)習(xí)識別：深度學(xué)習(xí)識別單元基于深度學(xué)習(xí)模型對融合后的綜合特征向量以及提取的圖像特征進(jìn)行分析識別，能夠準(zhǔn)確判斷輸電通道是否存在安全隱患。通過合理劃分訓(xùn)練集、驗證集和測試集對模型進(jìn)行訓(xùn)練，并在模型的卷積層、池化層、全連接層采用有效的處理方式，如卷積運(yùn)算、最大池化、線性變換等，提高了模型的識別精度和效率。當(dāng)檢測到安全隱患時，能夠及時觸發(fā)預(yù)警，并將相關(guān)標(biāo)注信息推送至巡檢人員的手機(jī)app和中臺系統(tǒng)，便于及時采取措施，保障輸電通道的安全運(yùn)行。