一种输配电同步数据采集方法技术

本申请公开了一种输配电同步数据采集方法。其首先将获取的多个预定时间点的输配电线路的监控图像分别通过第一卷积神经网络模型以得到多个输配电线路表面状态特征图，接着将所述多个输配电线路表面状态特征图进行特征图展开后通过上下文编码器以得到状态时序语义特征向量，然后将获取的多个预定时间点的所述输配电线路的周围预设范围内的气象数据排列后通过多尺度邻域特征提取模块以得到气象时序特征向量，最后将融合所述状态时序语义特征向量和所述气象时序特征向量得到的分类特征向量通过分类器以得到用于表示输配电线路是否存在受异常天气影响的安全隐患的分类结果。这样可以判断输配电线路是否存在受异常天气影响的安全隐患。气影响的安全隐患。气影响的安全隐患。

【技术实现步骤摘要】
一种输配电同步数据采集方法


[0001]本申请涉及数据采集领域，且更为具体地，涉及一种输配电同步数据采集方法。

技术介绍

[0002]随着电力系统的不断庞大，输配电线路的分布越来越广，对于室外分布的输配电线路来说，分布区域广、分布距离长、且长期暴露在空气之中，容易受到外界人为以及自然因素的影响，导致输配电线路的损坏，进而影响电力系统的正常运行。
[0003]传统技术中，一般采用人工巡检的方式，来监测输配电线路的异常情况。然而，目前的人工巡检方式，由于其工作量较大，导致人工巡检的效率低。
[0004]因此，期待一种用于输配电的数据采集与监测方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种输配电同步数据采集方法。其首先将获取的多个预定时间点的输配电线路的监控图像分别通过第一卷积神经网络模型以得到多个输配电线路表面状态特征图，接着，将所述多个输配电线路表面状态特征图进行特征图展开后通过上下文编码器以得到状态时序语义特征向量，然后，将获取的多个预定时间点的所述输配电线路的周围预设范围内的气象数据排列后通过多尺度邻域特征提取模块以得到气象时序特征向量，最后，将融合所述状态时序语义特征向量和所述气象时序特征向量得到的分类特征向量通过分类器以得到用于表示输配电线路是否存在受异常天气影响的安全隐患的分类结果。这样，可以判断输配电线路是否存在受异常天气影响的安全隐患。
[0006]根据本申请的一个方面，提供了一种输配电同步数据采集方法，其包括：获取预定时间段内多个预定时间点的输配电线路的监控图像以及所述多个预定时间点的所述输配电线路的周围预设范围内的气象数据；将所述多个预定时间点的输配电线路的监控图像分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个输配电线路表面状态特征图；将所述多个输配电线路表面状态特征图进行特征图展开以得到多个输配电线路表面状态展开特征向量；将所述多个输配电线路表面状态展开特征向量通过基于转换器的上下文编码器以得到状态时序语义特征向量；将所述多个预定时间点的所述输配电线路的周围预设范围内的气象数据按照时间维度排列为气象数据输入向量后通过多尺度邻域特征提取模块以得到气象时序特征向量；融合所述状态时序语义特征向量和所述气象时序特征向量以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示输配电
线路是否存在受异常天气影响的安全隐患。
[0007]在上述的输配电同步数据采集方法中，所述将所述多个预定时间点的输配电线路的监控图像分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个输配电线路表面状态特征图，包括：分别从所述第一卷积神经网络模型的浅层提取多个浅层特征图；分别从所述第一卷积神经网络模型的深层提取多个深层特征图；以及使用所述第一卷积神经网络模型的深浅特征融合模块来分别融合所述多个浅层特征图和所述多个深层特征图以得到所述多个输配电线路表面状态特征图。
[0008]在上述的输配电同步数据采集方法中，所述将所述多个输配电线路表面状态特征图进行特征图展开以得到多个输配电线路表面状态展开特征向量，包括：将所述多个输配电线路表面状态特征图沿着行向量或者列向量进行特征图展开以得到所述多个输配电线路表面状态展开特征向量。
[0009]在上述的输配电同步数据采集方法中，所述将所述多个输配电线路表面状态展开特征向量通过基于转换器的上下文编码器以得到状态时序语义特征向量，包括：使用所述基于转换器的上下文编码器对所述多个输配电线路表面状态展开特征向量进行基于全局的上下文语义编码以得到多个上下文输配电线路表面状态展开特征向量；以及将所述多个上下文输配电线路表面状态展开特征向量进行级联以得到所述状态时序语义特征向量。
[0010]在上述的输配电同步数据采集方法中，所述使用所述基于转换器的上下文编码器对所述多个输配电线路表面状态展开特征向量进行基于全局的上下文语义编码以得到多个上下文输配电线路表面状态展开特征向量，包括：将所述多个输配电线路表面状态展开特征向量分别通过所述基于转换器的上下文编码器的嵌入层以将所述多个输配电线路表面状态展开特征向量分别转化为嵌入向量以得到信号嵌入向量的序列；以及将所述信号嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个上下文输配电线路表面状态展开特征向量。
[0011]在上述的输配电同步数据采集方法中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
[0012]在上述的输配电同步数据采集方法中，所述将所述多个预定时间点的所述输配电线路的周围预设范围内的气象数据按照时间维度排列为气象数据输入向量后通过多尺度邻域特征提取模块以得到气象时序特征向量，包括：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述气象数据输入向量进行一维卷积编码以得到所述第一尺度气象特征向量；其中，所述公式为：
其中，为第一一维卷积核在方向上的宽度、为第一一维卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第一一维卷积核的尺寸，表示所述气象数据输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述气象数据输入向量进行一维卷积编码以得到所述第二尺度气象特征向量；其中，所述公式为：其中，为第二一维卷积核在方向上的宽度、为第二一维卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第二一维卷积核的尺寸，表示所述气象数据输入向量；以及使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度气象特征向量和所述第二尺度气象特征向量进行级联以得到所述气象时序特征向量。
[0013]在上述的输配电同步数据采集方法中，所述融合所述状态时序语义特征向量和所述气象时序特征向量以得到分类特征向量，包括：以如下公式融合所述状态时序语义特征向量和所述气象时序特征向量以得到所述分类特征向量；其中，所述公式为：其中，表示所述状态时序语义特征向量，表示所述气象时序特征向量，表示所述分类特征向量，和为超参数，表示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置的特征值为幂的自然指数函数值。
[0014]在上述的输配电同步数据采集方法中，所述将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示输配电线路是否存在受异常天气影响的安全隐患，包括：使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0015]根据本申请的另一个方面，提供了一种输配电数据采集系统，其包括：数据获取模块，用于获取预定时间段内多个预定时间点的输配电线路的监控图像以及所述多个预定时间点的所述输配电线路的周围预设范围内的气象数据；第一卷积编码模块，用于将所述多个预定时间点的输配电线路的监控图像分别通
过包含深浅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输配电同步数据采集方法，其特征在于，包括：获取预定时间段内多个预定时间点的输配电线路的监控图像以及所述多个预定时间点的所述输配电线路的周围预设范围内的气象数据；将所述多个预定时间点的输配电线路的监控图像分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个输配电线路表面状态特征图；将所述多个输配电线路表面状态特征图进行特征图展开以得到多个输配电线路表面状态展开特征向量；将所述多个输配电线路表面状态展开特征向量通过基于转换器的上下文编码器以得到状态时序语义特征向量；将所述多个预定时间点的所述输配电线路的周围预设范围内的气象数据按照时间维度排列为气象数据输入向量后通过多尺度邻域特征提取模块以得到气象时序特征向量；融合所述状态时序语义特征向量和所述气象时序特征向量以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示输配电线路是否存在受异常天气影响的安全隐患。2.根据权利要求1所述的输配电同步数据采集方法，其特征在于，所述将所述多个预定时间点的输配电线路的监控图像分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个输配电线路表面状态特征图，包括：分别从所述第一卷积神经网络模型的浅层提取多个浅层特征图；分别从所述第一卷积神经网络模型的深层提取多个深层特征图；以及使用所述第一卷积神经网络模型的深浅特征融合模块来分别融合所述多个浅层特征图和所述多个深层特征图以得到所述多个输配电线路表面状态特征图。3.根据权利要求2所述的输配电同步数据采集方法，其特征在于，所述将所述多个输配电线路表面状态特征图进行特征图展开以得到多个输配电线路表面状态展开特征向量，包括：将所述多个输配电线路表面状态特征图沿着行向量或者列向量进行特征图展开以得到所述多个输配电线路表面状态展开特征向量。4.根据权利要求3所述的输配电同步数据采集方法，其特征在于，所述将所述多个输配电线路表面状态展开特征向量通过基于转换器的上下文编码器以得到状态时序语义特征向量，包括：使用所述基于转换器的上下文编码器对所述多个输配电线路表面状态展开特征向量进行基于全局的上下文语义编码以得到多个上下文输配电线路表面状态展开特征向量；以及将所述多个上下文输配电线路表面状态展开特征向量进行级联以得到所述状态时序语义特征向量。5.根据权利要求4所述的输配电同步数据采集方法，其特征在于，所述使用所述基于转换器的上下文编码器对所述多个输配电线路表面状态展开特征向量进行基于全局的上下文语义编码以得到多个上下文输配电线路表面状态展开特征向量，包括：将所述多个输配电线路表面状态展开特征向量分别通过所述基于转换器的上下文编码器的嵌入层以将所述多个输配电线路表面状态展开特征向量分别转化为嵌入向量以得
到信号嵌入向量的序列；以及将所述信号嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个上下文输配电线路表面状态展开特征向量。6.根据权利要求5所述的输配电同步数据采集方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积...

【专利技术属性】
技术研发人员：涂善军，杨宏江，彭韬，吴月飞，闵文杰，
申请(专利权)人：南京博纳威电子科技有限公司，
类型：发明
国别省市：