一种架空线树障隐患的预警方法及装置与流程

本技术涉及输电线路隐患监测，更具体的说，是涉及一种架空线树障隐患的预警方法及装置。

背景技术：

1、随着电力设备的日渐使用，输电线路稳定和安全运行受到广泛的重视。架空线路运行距离长、运行环境复杂，在气候、地形等环境因素的影响下、容易发生隐患放电。树障放电是一种极为常见的隐患类型，是由于输电走廊内部植被生长过快，使得植被与输电导线之间的距离（下称树线距离）超过绝缘极限，进而树线之间发生放电。树障放电会从电晕开始发展、最终形成树线闪络，严重时可能造成大停电事故，影响输电系统的安全，并危及用户的正常用电。

2、为避免树线闪络故障，需要对输电走廊内部以及周围的植被进行管理。目前该管理通常是以定期人工巡检的方式进行，通过现场技术人员的主观判断决定植被是否存在隐患威胁，但这种模式存在效率较低、主观性强且存在一定的安全隐患。

技术实现思路

1、鉴于上述问题，本技术提供了一种架空线树障隐患的预警方法及装置，以提高判定架空线是否存在树障隐患的准确率，减少停电事故的发生，保护输电系统的安全。

2、为了实现上述目的，现提出具体方案如下：

3、一种架空线树障隐患的预警方法，包括：

4、获取架空线的实时电信号、所述架空线所处环境的实时非电信号，以及所述架空线的输电走廊两侧及竖直下侧的植被的实时超声测距信息；

5、将所述实时电信号、所述实时非电信号和所述实时超声测距信息输入至预先建立的树障隐患预测模型，输出所述架空线是否发生树障隐患的预测结果，所述树障隐患预测模型是以多个树障隐患强关联因素作为模型预测分析因素下训练得到的；

6、当所述预测结果为所述架空线发生树障隐患时，进行风险预警。

7、可选的，所述树障隐患预测模型的建立过程，包括：

8、采集所述架空线发生树障隐患和未发生树障隐患的信息集；

9、从所述信息集中确定各个树障隐患强关联因素；

10、以所述信息集作为训练样本，以各个树障隐患强关联因素作为模型预测分析的因素，训练得到树障隐患预测模型。

11、可选的，采集所述架空线发生树障隐患和未发生树障隐患的信息集，包括：

12、采集所述架空线每次发生树障隐患时的第一信息集，以及所述架空线每次未发生树障隐患时的第二信息集，其中，每个第一信息集包括所述架空线在树障隐患发生时的温度、空气湿度、风力等级以及所述架空线的输电走廊两侧及竖直下侧的植被生长信息，每个第二信息集包括所述架空线在树障隐患未发生时的温度、空气湿度、风力等级以及所述架空线的输电走廊两侧及竖直下侧的植被生长信息；

13、组合各个第一信息集和各个第二信息集，得到所述架空线发生树障隐患和未发生树障隐患的信息集。

14、可选的，从所述信息集中确定各个树障隐患强关联因素，包括：

15、根据各个第一信息集，确定所述架空线发生树障隐患下的温度典型值、空气湿度典型值、风力等级典型值以及植被生长典型值；

16、基于各个第一信息集、各个第二信息集、所述温度典型值、所述空气湿度典型值、所述风力等级典型值以及所述植被生长典型值，在预设最小支持度和预设置信度下，利用apriori算法计算最大频繁项集，以确定所述最大频繁项集中的各个树障隐患强关联因素。

17、可选的，以所述信息集作为训练样本，以各个树障隐患强关联因素作为模型预测分析的因素，训练得到树障隐患预测模型，包括：

18、构建包含各个树障隐患强关联因素的预测公式，并对所述预测公式中的每个树障隐患强关联因素的系数初始化；

19、以所述信息集作为训练样本，在利用所述信息集的每份数据进行模型训练时，更新所述预测公式中的各个树障隐患强关联因素的系数，直至模型对所述信息集的所有数据训练完毕时，确定最终的预测公式并得到树障隐患预测模型。

20、可选的，所述架空线接于第一杆塔和第二杆塔之间，所述输电走廊的竖直下侧布置有三组超声测距传感器，所述输电走廊的第一杆塔侧和所述输电走廊的第二杆塔侧均布置有三个超声测距传感器；

21、获取所述架空线的输电走廊两侧及竖直下侧的植被的实时超声测距信息，包括：

22、通过所述架空线的输电走廊的第一杆塔侧的三个超声测距传感器，以及所述输电走廊的第二杆塔侧的三个超声测距传感器，获取所述架空线的输电走廊两侧的植被的实时超声测距信息；

23、通过所述输电走廊的竖直下侧的三组超声测距传感器，获取所述架空线的输电走廊的竖直下侧的植被的实时超声测距信息。

24、可选的，每组超声测距传感器包括两个相同水平高度的超声测距传感器，相邻两组超声测距传感器的高度间隔相同，水平高度最高的一组超声测距传感器的对地距离为所述架空线的弧垂最低点的对地高度的预设比例。

25、可选的，所述输电走廊的第一杆塔侧的三个超声测距传感器和所述输电走廊的第二杆塔侧的三个超声测距传感器组成三组水平方向超声测距传感器，每组水平方向超声测距传感器包括两个与各自最近杆塔等距的超声测距传感器，相邻两组水平方向超声测距传感器的水平方向间隔距离相同。

26、可选的，在当所述预测结果为所述架空线发生树障隐患时，进行风险预警之后，还包括：

27、获取控制中心基于所述风险预警作出的应答结果；

28、利用所述应答结果修正所述树障隐患预测模型。

29、一种架空线树障隐患的预警装置，包括：

30、信号采集模块，用于获取架空线的实时电信号、所述架空线所处环境的实时非电信号；

31、超声测距模块，用于获取所述架空线的输电走廊两侧及竖直下侧的植被的实时超声测距信息；

32、数据处理模块，用于将所述实时电信号、所述实时非电信号和所述实时超声测距信息输入至预先建立的树障隐患预测模型，输出所述架空线是否发生树障隐患的预测结果，所述树障隐患预测模型是以多个树障隐患强关联因素作为模型预测分析因素下训练得到的；

33、风险预警模块，用于当所述预测结果为所述架空线发生树障隐患时，进行风险预警。

34、可选的，该装置还包括：

35、信息集采集模块，用于采集所述架空线发生树障隐患和未发生树障隐患的信息集；

36、强关联因素确定模块，用于从所述信息集中确定各个树障隐患强关联因素；

37、模型输出模块，用于以所述信息集作为训练样本，以各个树障隐患强关联因素作为模型预测分析的因素，训练得到树障隐患预测模型。

38、可选的，所述信息集采集模块，包括：

39、信息子集采集模块，用于采集所述架空线每次发生树障隐患时的第一信息集，以及所述架空线每次未发生树障隐患时的第二信息集，其中，每个第一信息集包括所述架空线在树障隐患发生时的温度、空气湿度、风力等级以及所述架空线的输电走廊两侧及竖直下侧的植被生长信息，每个第二信息集包括所述架空线在树障隐患未发生时的温度、空气湿度、风力等级以及所述架空线的输电走廊两侧及竖直下侧的植被生长信息；

40、信息集组合模块，用于组合各个第一信息集和各个第二信息集，得到所述架空线发生树障隐患和未发生树障隐患的信息集。

41、可选的，所述强关联因素确定模块，包括：

42、典型值确定模块，用于根据各个第一信息集，确定所述架空线发生树障隐患下的温度典型值、空气湿度典型值、风力等级典型值以及植被生长典型值；

43、最大频繁项集计算模块，用于基于各个第一信息集、各个第二信息集、所述温度典型值、所述空气湿度典型值、所述风力等级典型值以及所述植被生长典型值，在预设最小支持度和预设置信度下，利用apriori算法计算最大频繁项集，以确定所述最大频繁项集中的各个树障隐患强关联因素。

44、可选的，所述模型输出模块，包括：

45、预测公式初始化模块，用于构建包含各个树障隐患强关联因素的预测公式，并对所述预测公式中的每个树障隐患强关联因素的系数初始化；

46、预测公式更新模块，用于以所述信息集作为训练样本，在利用所述信息集的每份数据进行模型训练时，更新所述预测公式中的各个树障隐患强关联因素的系数，直至模型对所述信息集的所有数据训练完毕时，确定最终的预测公式并得到树障隐患预测模型。

47、可选的，所述架空线接于第一杆塔和第二杆塔之间，所述输电走廊的竖直下侧布置有三组超声测距传感器，所述输电走廊的第一杆塔侧和所述输电走廊的第二杆塔侧均布置有三个超声测距传感器；

48、所述超声测距模块，包括：

49、超声纵向测距模块，用于通过所述架空线的输电走廊的第一杆塔侧的三个超声测距传感器，以及所述输电走廊的第二杆塔侧的三个超声测距传感器，获取所述架空线的输电走廊两侧的植被的实时超声测距信息；

50、超声横向测距模块，用于通过所述输电走廊的竖直下侧的三组超声测距传感器，获取所述架空线的输电走廊的竖直下侧的植被的实时超声测距信息。

51、可选的，每组超声测距传感器包括两个相同水平高度的超声测距传感器，相邻两组超声测距传感器的高度间隔相同，水平高度最高的一组超声测距传感器的对地距离为所述架空线的弧垂最低点的对地高度的预设比例。

52、可选的，所述输电走廊的第一杆塔侧的三个超声测距传感器和所述输电走廊的第二杆塔侧的三个超声测距传感器组成三组水平方向超声测距传感器，每组水平方向超声测距传感器包括两个与各自最近杆塔等距的超声测距传感器，相邻两组水平方向超声测距传感器的水平方向间隔距离相同。

53、可选的，该装置还包括：

54、应答结果获取模块，用于在当所述预测结果为所述架空线发生树障隐患时，进行风险预警之后，获取控制中心基于所述风险预警作出的应答结果；

55、修正模块，用于利用所述应答结果修正所述树障隐患预测模型。

56、借由上述技术方案，本技术通过获取架空线的实时电信号、架空线所处环境的实时非电信号，以及架空线的输电走廊两侧及竖直下侧的植被的实时超声测距信息，并输入至预先建立的树障隐患预测模型，树障隐患预测模型是以多个树障隐患强关联因素作为模型预测分析因素下训练得到的，输出架空线是否发生树障隐患的预测结果，当预测结果为发生树障隐患时，进行风险预警。由此可见，将与树障隐患强关联的因素作为模型预测分析因素，所建立的模型在预测架空线是否发生树障隐患时，综合考量各个因素，以得到更准确的树障隐患预测结果，减少停电事故的发生，保护输电系统的安全。