[发明专利]一种特高压密集输电通道灾害监测预警方法在审
| 申请号: | 202110940768.7 | 申请日: | 2021-08-16 | 
| 公开(公告)号: | CN113762090A | 公开(公告)日: | 2021-12-07 | 
| 发明(设计)人: | 李龙;殷志敏;许大令;岳灵平;金国亮;张鹏;李响;程亮亮;李浩言;戴建华 | 申请(专利权)人: | 国网浙江省电力有限公司湖州供电公司 | 
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01S13/86;G01S13/90;G01S19/46 | 
| 代理公司: | 杭州杭诚专利事务所有限公司 33109 | 代理人: | 刘正君 | 
| 地址: | 313000 浙*** | 国省代码: | 浙江;33 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 一种 高压 密集 输电 通道 灾害 监测 预警 方法 | ||
1.一种特高压密集输电通道灾害监测预警方法,其特征是,包括如下步骤:
步骤S1:通过北斗卫星、干涉雷达获某一区域内的地貌、地形、道路、建筑物和输电通道的多源遥感影像数据;
步骤S2:将多源影像数据统一到相同坐标系下进行空间配准;
步骤S3:对空间配准后的多源遥感影像数据进行信息融合,应用AI影像识别、人工智能和精细化建模技术构建某一区域内的输电线路三维可视化模型;
步骤S4:根据地表数据和历史灾害资料建立并训练灾害预警模型;
步骤S5:进行地表区域变形分析和疑似灾害点识别。
2.根据权利要求1所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,步骤S4所述的地表数据包括某一区域内的地貌、地形、道路、建筑物和输电通道的多源遥感影像数据。
3.根据权利要求2所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,步骤S4所述的历史灾害资料包括历史滑坡资料、历史沉降资料和采矿活动资料。
4.根据权利要求1或3所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,步骤S5所述的区域地表变形分析包括将地表变形方式分为单线性形变、双线型形变、季节形变、指数形变和阶梯形变并建立对应的形变函数模型。
5.根据权利要求4所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,步骤S5所述的区域地表变形分析还包括监测地表变形点,将地表变形点整合形成地表变形序列,采用T检验法,判别与地表变形序列的拟合度最高的的形变函数模型,根据地表变形序列判别出形变函数模型的模型参数。
6.根据权利要求5所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,步骤S5所述的疑似灾害点识别包括设定地质灾害评价指标,所述地质灾害评价指标包括地质灾害影响因素,所述地质灾害影响因素包括内在因素、外在因素和历史状况;将地质灾害评价指标与历史灾害资料进行叠加,通过AHP层次分析法得出某一区域内地质灾害影像因素评价指标体系。
7.根据权利要求6所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,所述某一区域内地质灾害影像因素评价指标体系还包括将某一区域分为若干单元,对每一个单元的所有地质灾害影响因素设定量化评价因子,计算地质灾害危险指数Qj:
其中,Qj为第j单元的危险性指数;wi为地质灾害i类因素的权重;vi为地质灾害危险程度的i类因素的评分。
8.根据权利要求5-7任一条所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,还包括根据多源遥感影像数据构建某一区域内的输电线路三维可视化模型,包括如下步骤:
步骤S31:根据多源遥感影像数据,对所述某一区域内的输电线路进行实景重构;
步骤S32:采用激光点云分类进行智能化地物筛选,对遥感影像中的目标进行矢量标注,形成矢量格式样本;
步骤S33:构建卷积神经网络模型,将样本分成训练样本和验证样本,利用深度学习框架和训练样本对卷积神经网络模型进行训练,利用验证样本对卷积神经网络模型进行精度验证。
9.根据权利要求8所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,所述步骤S31还包括采用基于四叉树结构的多分辨率细节层次模型将所述某一区域分隔成若干个大小不同的正方形地块,对地块进行渲染。
10.根据权利要求8或9所述的一种特高压密集输电通道灾害监测预警方法,其特征在于,所述实景重构还包括采用LOD技术对多元遥感影像数据进行分层形成若干数据层,对多元遥感影像数据进行不同精度的简化生成模型数据,并将不同精度简化的模型数据分别存入数据层中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司湖州供电公司,未经国网浙江省电力有限公司湖州供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110940768.7/1.html,转载请声明来源钻瓜专利网。





