【技术实现步骤摘要】
本专利技术属于电气自动化领域，具体涉及一种输电铁塔滑坡风险预测方法及系统。
技术介绍
1、随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。
2、输电线路是电力系统的重要组成部分，输电铁塔则是输电线路的最重要的部分之一。输电线路由于地处环境复杂多变，特别是在强降雨、工程施工等的影响下，容易引起输电线路基础的地表的水土流失、坡体滑动等情况，造成了输电基础的滑坡灾害，从而极大的影响输电铁塔的安全。因此，对于输电铁塔的滑坡风险进行监测，就显得尤为重要。
3、现阶段，传统的输电铁塔的滑坡风险监测方案，还是采用的人工监测的方案，即电力系统巡检人员人为对输电线路的铁塔进行监测，以现场发现输电铁塔的滑坡风险。但是，这类人工监测的方式，不仅费时费力，可靠性差，而且往往存在明显的滞后效应，即一旦发现输电铁塔的滑坡风险，已经为时已晚。
技术实现思路
1、本专利技术的目的之一在于提供一种可靠性高、精确性好且时效性好的输电铁塔滑坡风险预测方法。
2、本专利技术的目的之二在于提供一种实现所述输电铁塔滑坡风险预测方法的系统。
3、本专利技术提供的这种输电铁塔滑坡风险预测方法，包括如下步骤：
4、s1.获取目标输电线路的历史滑坡数据信息；
5、s2.根据步骤s1获取的历史滑坡数据信息，基于相关性分析，得
6、s3.根据步骤s1获取的历史滑坡数据和步骤s2得到的关联规则，预测得到目标线路的当前滑坡预测状态；
7、s4.获取目标输电线路的当前滑坡数据信息；
8、s5.根据步骤s4获取的当前滑坡数据信息和步骤s3得到的当前滑坡预测状态，计算得到推理误差数据；
9、s6.根据步骤s4获取的当前滑坡数据信息和步骤s2得到的关联规则，得到当前关联强度因子；
10、s7.结合步骤s6得到的当前关联强度因子，构建贝叶斯预测网络，并预测目标输电线路的滑坡风险；
11、s8.根据步骤s7得到的滑坡风险、步骤s3得到的当前滑坡预测状态和步骤s5得到的推理误差数据，计算得到目标输电线路的输电铁塔滑坡风险预测结果。
12、步骤s1所述的获取目标输电线路的历史滑坡数据信息，具体包括如下步骤：
13、目标输电线路的历史滑坡数据信息包括输电线路滑坡地质灾害评估状态集、输电线路基础地质数据集、输电线路工程气象数据集和输电线路杆塔基础数据集；
14、输电线路滑坡地质灾害评估状态集包括时间、输电线路名称、杆塔编号、电压等级、杆塔类型、基础类型、滑坡风险评定等级和滑坡数据；
15、输电线路基础地质数据集包括地质类型、土壤水度、坡度、海拔、坡位、植被类型和植被覆盖率；
16、输电线路工程气象数据集包括累积降雨量、月平均降雨量、当日降雨量、当日最高气温、平均温度、施工距离和施工损害程度；
17、输电线路杆塔基础数据集包括基础形式、基础大小、基础深度、塔材类型、受力类型、杆塔高度、杆塔档距和杆塔转角。
18、步骤s2所述的根据步骤s1获取的历史滑坡数据信息，基于相关性分析，得到输电线路滑坡关联规则，具体包括如下步骤：
19、置信度表示特定样本分布在指定区间的概率；采用如下算式计算得到置信度：
20、
21、式中confidence(tb→ta)为在区间tb对类型ta样本的置信度；count(ta∪tb)为在区间tb对类型为ta的样本数量；count(tb)为区间tb上的样本总量；
22、支持度表示特定样本占总样本的比率；采用如下算式计算得到支持度：
23、
24、式中support(tb→ta)为在区间tb中类型为ta样本的支持度；count(t)为总样本数量；
25、设置置信度阈值和支持度阈值，根据不同区间对于滑坡风险的置信度和支持度，得到地质类型、土壤水度、坡度、海拔、坡位、植被类型、植被覆盖率、累积降雨量、月平均降雨量、当日降雨量、当日最高气温、平均温度、施工距离、施工损害程度、累积降雨量、月平均降雨量、当日降雨量、当日最高气温、平均温度、施工距离、施工损害程度、基础形式、基础大小、基础深度、塔材类型、受力类型、杆塔高度、杆塔档距、杆塔转角与滑坡风险的关联程度，从而得到输电线路滑坡关联规则。
26、步骤s3所述的根据步骤s1获取的历史滑坡数据和步骤s2得到的关联规则，预测得到目标线路的当前滑坡预测状态，具体包括如下步骤：
27、初始预测阶段：采用初始时刻t0的历史滑坡数据得到初始时刻的关联规则，然后结合初始时刻的预测误差和初始时刻的实际状态，采用贝叶斯网络预测得到t1时刻的预测状态；初始时刻的预测误差为0；
28、正常预测阶段：采用t1时刻的历史数据，采用关联规则得到t1时刻的历史数据的关联强度，然后根据t0时刻对t1时刻的预测结果和t1时刻的实际状态得到预测误差，最后结合预测误差和t1时刻的实际状态，预测得到后续时刻的目标线路的当前滑坡预测状态。
29、步骤s5所述的根据步骤s4获取的当前滑坡数据信息和步骤s3得到的当前滑坡预测状态，计算得到推理误差数据，具体包括如下步骤：
30、根据步骤s4获取的当前滑坡数据信息和步骤s3得到的当前滑坡预测状态，计算得到误差数据；
31、根据设定的规则，对误差数据进行判定，并得到推理误差数据：
32、若δ＜-a1，则推理误差数据取值为-4；
33、若-a1≤δ＜-a2，则推理误差数据取值为-3；
34、若-a2≤δ＜-a3，则推理误差数据取值为-2；
35、若-a3≤δ＜-a4，则推理误差数据取值为-1；
36、若δ＝0，则推理误差数据取值为0；
37、若0＜δ≤b1，则推理误差数据取值为1；
38、若b1＜δ≤b2，则推理误差数据取值为2；
39、若b2＜δ≤b3，则推理误差数据取值为3；
40、若δ＞b3，则推理误差数据取值为4；
41、其中，a1、a2、a3、a4、b1、b2和b3均为设定的分界阈值，且a1＞a2＞a3＞a4＞0，b3＞b2＞b1＞0。
42、步骤s6所述的根据步骤s4获取的当前滑坡数据信息和步骤s2得到的关联规则，得到当前关联强度因子，具体包括如下步骤：
43、结合步骤s2得到的关联规则，判断步骤s4获取的当前滑坡数据信息在关联规则中的位置，从而得到对应的当前关联强度因子；例如在步骤s2得到的关联规则中，杆塔处于海拔高度10m～50m范围则滑坡关联度为0.3；若当前滑坡数据信息显示某杆塔海拔高度为45m，那么可知其属于10m～50m范围，即可得到当前从海本文档来自技高网...
【技术保护点】
1.一种输电铁塔滑坡风险预测方法，包括如下步骤：
2.根据权利要求1所述的输电铁塔滑坡风险预测方法，其特征在于步骤S1所述的获取目标输电线路的历史滑坡数据信息，具体包括如下步骤：
3.根据权利要求2所述的输电铁塔滑坡风险预测方法，其特征在于步骤S2所述的根据步骤S1获取的历史滑坡数据信息，基于相关性分析，得到输电线路滑坡关联规则，具体包括如下步骤：
4.根据权利要求3所述的输电铁塔滑坡风险预测方法，其特征在于步骤S3所述的根据步骤S1获取的历史滑坡数据和步骤S2得到的关联规则，预测得到目标线路的当前滑坡预测状态，具体包括如下步骤：
5.根据权利要求4所述的输电铁塔滑坡风险预测方法，其特征在于步骤S5所述的根据步骤S4获取的当前滑坡数据信息和步骤S3得到的当前滑坡预测状态，计算得到推理误差数据，具体包括如下步骤：
6.根据权利要求5所述的输电铁塔滑坡风险预测方法，其特征在于步骤S6所述的根据步骤S4获取的当前滑坡数据信息和步骤S2得到的关联规则，得到当前关联强度因子，具体包括如下步骤：
7.根据权利要求6所述的
8.根据权利要求7所述的输电铁塔滑坡风险预测方法，其特征在于步骤S8所述的根据步骤S7得到的滑坡风险、步骤S3得到的当前滑坡预测状态和步骤S5得到的推理误差数据，计算得到目标输电线路的输电铁塔滑坡风险预测结果，具体包括如下步骤：
9.一种实现权利要求1～8之一所述的输电铁塔滑坡风险预测方法的系统，其特征在于包括历史获取模块、相关性分析模块、状态预测模块、实时获取模块、推理误差模块、关联强度模块、网络构建模块和风险预测模块；历史获取模块、相关性分析模块、状态预测模块、实时获取模块、推理误差模块、关联强度模块、网络构建模块和风险预测模块依次串接；历史获取模块用于获取目标输电线路的历史滑坡数据信息，并将数据信息上传相关性分析模块；相关性分析模块用于根据接收到的数据信息，根据获取的历史滑坡数据信息，基于相关性分析，得到输电线路滑坡关联规则，并将数据信息上传状态预测模块；状态预测模块用于根据接收到的数据信息，根据获取的历史滑坡数据和得到的关联规则，预测得到目标线路的当前滑坡预测状态，并将数据信息上传实时获取模块；实时获取模块用于根据接收到的数据信息，获取目标输电线路的当前滑坡数据信息，并将数据信息上传推理误差模块；推理误差模块用于根据接收到的数据信息，根据获取的当前滑坡数据信息和得到的当前滑坡预测状态，计算得到推理误差数据，并将数据信息上传关联强度模块；关联强度模块用于根据接收到的数据信息，根据获取的当前滑坡数据信息和得到的关联规则，得到当前关联强度因子，并将数据信息上传网络构建模块；网络构建模块用于根据接收到的数据信息，结合得到的当前关联强度因子，构建贝叶斯预测网络，并预测目标输电线路的滑坡风险，并将数据信息上传风险预测模块；风险预测模块用于根据接收到的数据信息，根据得到的滑坡风险、当前滑坡预测状态和推理误差数据，计算得到目标输电线路的输电铁塔滑坡风险预测结果。
...【技术特征摘要】
1.一种输电铁塔滑坡风险预测方法，包括如下步骤：
2.根据权利要求1所述的输电铁塔滑坡风险预测方法，其特征在于步骤s1所述的获取目标输电线路的历史滑坡数据信息，具体包括如下步骤：
3.根据权利要求2所述的输电铁塔滑坡风险预测方法，其特征在于步骤s2所述的根据步骤s1获取的历史滑坡数据信息，基于相关性分析，得到输电线路滑坡关联规则，具体包括如下步骤：
4.根据权利要求3所述的输电铁塔滑坡风险预测方法，其特征在于步骤s3所述的根据步骤s1获取的历史滑坡数据和步骤s2得到的关联规则，预测得到目标线路的当前滑坡预测状态，具体包括如下步骤：
5.根据权利要求4所述的输电铁塔滑坡风险预测方法，其特征在于步骤s5所述的根据步骤s4获取的当前滑坡数据信息和步骤s3得到的当前滑坡预测状态，计算得到推理误差数据，具体包括如下步骤：
6.根据权利要求5所述的输电铁塔滑坡风险预测方法，其特征在于步骤s6所述的根据步骤s4获取的当前滑坡数据信息和步骤s2得到的关联规则，得到当前关联强度因子，具体包括如下步骤：
7.根据权利要求6所述的输电铁塔滑坡风险预测方法，其特征在于步骤s7所述的结合步骤s6得到的当前关联强度因子，构建贝叶斯预测网络，并预测目标输电线路的滑坡风险，具体包括如下步骤：
8.根据权利要求7所述的输电铁塔滑坡风险预测方法，其特征在于步骤s8所述的根据步骤s7得到的滑坡风险、步骤s3得到的当前滑坡预测状态和步骤s5得到的推理误差数据，计算得到目标输电线路的输电铁塔滑坡风险预测结果，具体包...
【专利技术属性】
技术研发人员：白剑锋，唐融，吴振，周健朋，刘新潮，李勃铖，黄頔，刘娟，李钰，翁廷坤，张怡宁，彭湃，尚育雯，陈诗琦，吴鹏宇，何思林，谢佳新，
申请(专利权)人：国网湖南省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。