本發(fā)明涉及輸電線路，尤其涉及一種基于多模態(tài)融合的輸電線路風險預測方法。

背景技術(shù)：

1、輸電線路技術(shù)領(lǐng)域涉及電力系統(tǒng)中輸電網(wǎng)絡的設計、建設、維護和監(jiān)控等多個方面。這一領(lǐng)域的關(guān)鍵任務包括確保電力從發(fā)電站通過高壓輸電線路安全、高效地傳輸?shù)礁鱾€分配網(wǎng)和最終用戶。技術(shù)包括線路布設規(guī)劃、電線的物理和化學特性研究、耐候性和安全性評估。此外，現(xiàn)代輸電線路技術(shù)也強調(diào)智能監(jiān)控和故障預測系統(tǒng)的應用。

2、現(xiàn)有技術(shù)主要依靠傳統(tǒng)監(jiān)測和歷史數(shù)據(jù)，難以實時捕捉到由環(huán)境快速變化引起的風險，如突發(fā)天氣事件。這種技術(shù)限制了風險預測的時效性和全面性，無法提供全方位的數(shù)據(jù)分析支持。同時在數(shù)據(jù)處理和風險預警方面缺乏動態(tài)更新能力，處理大規(guī)模實時數(shù)據(jù)時效率低下，這導致在緊急情況下無法迅速響應，增加了運營風險和潛在的經(jīng)濟損失。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點，而提出的一種基于多模態(tài)融合的輸電線路風險預測方法。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案，一種基于多模態(tài)融合的輸電線路風險預測方法，包括以下步驟：

3、采集輸電線路的靜態(tài)圖像和動態(tài)視頻，提取圖像和視頻文件名中嵌入的地理位置信息，比對提取的地理位置信息與地理信息中的地理坐標，將圖像和視頻匹配到對應的地理坐標，獲取匹配后的多媒體數(shù)據(jù)集；基于所述匹配后的多媒體數(shù)據(jù)集對圖像和視頻進行坐標計算，計算輸電線路和周邊物體的位置，分析像素值以檢測輸電線路和周邊物體的邊緣和形狀，計算輸電線路與周邊物體之間的距離和角度，獲取識別的空間特征；

4、基于所述識別的空間特征，提取輸電線路和周邊物體的形態(tài)參數(shù)，計算鄰近度和排列的空間關(guān)系，分析幾何構(gòu)型以識別輸電線路與周邊物體發(fā)生交互的區(qū)域，獲取空間關(guān)系數(shù)據(jù)，分析所述空間關(guān)系數(shù)據(jù)以識別關(guān)鍵區(qū)域和潛在危險點，獲取識別出的風險區(qū)域。

5、較佳的，基于所述識別出的風險區(qū)域，收集風險區(qū)域的環(huán)境參數(shù)的時間序列數(shù)據(jù)，包括氣象條件和植被生長情況，將時間序列數(shù)據(jù)與空間關(guān)系數(shù)據(jù)融合，獲取時空數(shù)據(jù)集，對時空數(shù)據(jù)集進行時空分析，計算環(huán)境參數(shù)隨時間的變化率，計算變化對輸電線路和周邊物體之間距離和角度的影響，使用時間外推預測未來時間段內(nèi)的空間構(gòu)型，獲取風險趨勢預測結(jié)果；

6、基于所述風險趨勢預測結(jié)果，將預測的風險等級與輸電線路設定的安全閾值進行比較，識別預測風險等級超過閾值的地點，獲取預測的故障點，將預測的故障點與地理坐標和關(guān)聯(lián)的風險等級進行整理，生成風險預測報告。

7、較佳的，所述匹配后的多媒體數(shù)據(jù)集的獲取步驟為：

8、采集輸電線路的靜態(tài)圖像和動態(tài)視頻，并從每個文件的文件名中提取嵌入的地理位置信息，生成地理位置信息列表；

9、基于所述地理位置信息列表，計算每個文件的地理位置與地理信息中地理坐標的匹配度，計算公式為：

10、;

11、其中，為文件中的地理位置坐標，為gis中的坐標，表示第i個文件的地理匹配度；

12、基于所述匹配度，篩選出匹配度高于設定閾值的多媒體內(nèi)容，整合多媒體內(nèi)容至一個新的集合中，得到匹配后的多媒體數(shù)據(jù)集。

13、較佳的，所述識別的空間特征的獲取步驟為：

14、提取所述多媒體數(shù)據(jù)集中的圖像和視頻進行坐標計算，確定輸電線路和周邊物體的位置，分析圖像的像素值，識別輸電線路和周邊物體的邊緣和形狀，得到邊緣和形狀數(shù)據(jù)；

15、基于所述邊緣和形狀數(shù)據(jù)，計算輸電線路與周邊物體之間的距離和角度，計算公式為：

16、;

17、和

18、;

19、其中，為輸電線路的坐標，為周邊物體的坐標，表示距離，表示角度；

20、基于所述距離和角度，確定輸電線路與周邊物體的空間關(guān)系，得到識別的空間特征。

21、較佳的，所述空間關(guān)系數(shù)據(jù)的獲取步驟為：

22、基于所述識別的空間特征，提取輸電線路周邊物體的尺寸、外形和相對于輸電線路的位置，構(gòu)建形態(tài)參數(shù)數(shù)據(jù)；

23、基于所述形態(tài)參數(shù)數(shù)據(jù)，計算輸電線路與周邊物體間的空間關(guān)系評分，計算公式為：

24、;

25、其中，代表空間關(guān)系評分，是第i個物體對評分的權(quán)重，是從輸電線路到第i個物體的距離；

26、基于所述空間關(guān)系評分，分析物體相對于輸電線路的幾何構(gòu)型，識別交互區(qū)域，得到空間關(guān)系數(shù)據(jù)。

27、較佳的，所述識別出的風險區(qū)域的獲取步驟為：

28、對所述空間關(guān)系數(shù)據(jù)進行分析，確定輸電線路與周圍物體的空間分布特征，篩選具有潛在安全風險特征的區(qū)域，得到初步識別的關(guān)鍵區(qū)域；

29、基于所述初步識別的關(guān)鍵區(qū)域，分析物體的幾何形態(tài)、距離輸電線路的距離以及與已知風險事件的相似度，標定出潛在危險點，得到潛在危險點數(shù)據(jù)；

30、基于所述潛在危險點數(shù)據(jù)，識別并驗證對輸電線路操作安全構(gòu)成威脅的風險區(qū)域，得到識別出的風險區(qū)域。

31、較佳的，所述時空數(shù)據(jù)集的獲取步驟為：

32、基于所述識別出的風險區(qū)域，收集識別出的風險區(qū)域的環(huán)境參數(shù)的時間序列數(shù)據(jù)，得到環(huán)境參數(shù)數(shù)據(jù)；

33、基于所述環(huán)境參數(shù)數(shù)據(jù)，進行環(huán)境參數(shù)數(shù)據(jù)預處理和清洗，校準環(huán)境參數(shù)數(shù)據(jù)以匹配時間點和日期，得到預處理后的時間序列數(shù)據(jù)；

34、將所述預處理后的時間序列數(shù)據(jù)與所述空間關(guān)系數(shù)據(jù)融合，形成包括時間和空間維度的數(shù)據(jù)，得到時空數(shù)據(jù)集。

35、較佳的，所述風險趨勢預測結(jié)果的獲取步驟為：

36、對所述時空數(shù)據(jù)集進行時空分析，識別溫度、濕度和風速隨時間的變化情況，得到環(huán)境參數(shù)變化趨勢數(shù)據(jù)；

37、基于所述環(huán)境參數(shù)變化趨勢數(shù)據(jù)，計算變化對輸電線路和周邊物體之間距離和角度的變化量，計算公式為：

38、;

39、其中，代表距離或角度的變化量，為當前距離或角度，為環(huán)境參數(shù)的變化率，為時間變化量；

40、基于所述變化量，使用時間外推方法預測未來時間段內(nèi)的空間構(gòu)型，分析未來時間段內(nèi)的風險發(fā)展趨勢，得到風險趨勢預測結(jié)果。

41、較佳的，所述風險預測報告的獲取步驟為：

42、基于所述風險趨勢預測結(jié)果，比較每個地點的預測風險等級與輸電線路設定的安全閾值，識別預測風險等級超過安全閾值的地點，得到超閾值風險地點列表；

43、基于所述超閾值風險地點列表，收集每個地點的地理坐標和關(guān)聯(lián)的風險等級，得到風險預測報告。

44、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點和積極效果在于：

45、本發(fā)明通過整合輸電線路的靜態(tài)圖像和動態(tài)視頻數(shù)據(jù)，實現(xiàn)對其環(huán)境特征的分析和風險預測。同時引入了地理位置信息提取與圖像數(shù)據(jù)融合，提高了風險區(qū)域定位的精確度和預測的可靠性。通過分析輸電線路與周邊物體的相對位置和形態(tài)參數(shù)，實時監(jiān)測環(huán)境變化對線路的潛在威脅。不僅提升了故障預測的及時性，還增強了對未來風險趨勢的預測能力，使得預防措施更為針對性和有效，降低了意外故障和風險發(fā)生的概率。