CN118277938A - 一种智能综合大数据融合处理系统 - Google Patents

Abstract

一种智能综合大数据融合处理系统，涉及数据处理技术领域，包括主控中心，所述主控中心通信连接有数据采集模块、数据处理模块、数据分析模块、数据评估模块；构建输电线路的数字孪生模型，获得若干个线路监测点及其相应的线路距离和线路振幅，构建输电线路在不同环境条件下的振幅预测模型，根据当前环境条件下的线路距离判断输电线路是否存在异常形变情况，根据后续的预测环境条件获得输电线路的预测线路振幅；通过本发明的技术方案，能够对输电线路是否存在异常形变情况进行判断，能够针对不同环境条件为输电线路提供有效的振幅预测。

Description

一种智能综合大数据融合处理系统

技术领域

本发明涉及数据处理技术领域，具体是一种智能综合大数据融合处理系统。

背景技术

对输电线路进行监测预警是一项涉及多方面数据的综合处理过程，如输电线路本身的数据，输电线路所处的环境数据，以及后者对前者的影响所产生的其他数据，例如在台风天气下，强风对于输电线路的影响就极易导致线路损坏或输电故障，在经济上造成无法挽回的损失，如何根据多方面数据对输电线路实现有效的监测预警是一个复杂的问题；

在现有技术中，对于输电线路的监测预警往往是将其物理形态视为固定不变的，但实际上无论是环境影响，还是输电线路本身的使用年限都会对其物理形态造成不可避免的形变，因此现有的技术方案大多误差过大，无法形成有效的监测预警，且现有技术中，对于输电线路的振幅检测往往只停留在实时监测上，而没能根据历史数据对后续的线路振幅形成有效的振幅预测，针对现有技术的不足，本发明提供了一种智能综合大数据融合处理系统。

发明内容

本发明的目的在于提供一种智能综合大数据融合处理系统。

本发明的目的可以通过以下技术方案实现：一种智能综合大数据融合处理系统，包括主控中心，所述主控中心通信连接有数据采集模块、数据处理模块、数据分析模块、数据评估模块；

所述数据采集模块用于对输电线路的基本信息进行采集，对输电线路在不同环境条件下的正常形变信息进行采集，根据所采集的基本信息和正常形变信息构建输电线路的数字孪生模型；

所述数据处理模块用于在输电线路上获得若干个线路监测点，对各个线路监测点的实时位置进行监测，根据所监测的实时位置获得线路监测点的移动轨迹，进而获得各个线路监测点的线路距离和线路振幅；

所述数据分析模块用于对线路监测点在不同环境条件下的线路距离和线路振幅进行监测，根据所获得的环境条件和线路振幅构建输电线路在不同环境条件下的振幅预测模型；

所述数据评估模块用于获得当前环境条件下的线路距离，结合相应环境条件下的正常形变信息判断输电线路是否存在异常形变情况，获得后续的预测环境条件，结合相应环境条件下的振幅预测模型获得输电线路的预测线路振幅。

进一步的，所述数据采集模块对输电线路的基本信息进行采集的过程包括：

设置采集单元，通过所述采集单元对输电线路的基本信息进行采集，所述基本信息包括线路长度、导线规格、技术参数、杆塔类型、线路走向，设置数据库，将所采集的基本信息上传至数据库进行保存。

进一步的，所述数据采集模块对输电线路在不同环境条件下的正常形变信息进行采集，根据所采集的基本信息和正常形变信息构建输电线路的数字孪生模型的过程包括：

对气候条件进行采集，包括温度、湿度、风速，将所获得的不同气候条件进行组合以获得不同的环境条件，获得输电线路在不同环境条件下的正常形变信息，所述正常形变信息是指输电线路在相应环境条件下的理论形变情况；

设置构建单元，通过所述构建单元利用数字孪生技术根据所采集的基本信息构建输电线路的数字孪生模型，根据所获得的正常形变信息将所构建的数字孪生模型设置为可调整状态，根据不同的环境条件对其输电线路的物理状态进行相应的形变。

进一步的，所述数据处理模块在输电线路上获得若干个线路监测点，对各个线路监测点的实时位置进行监测的过程包括：

将输电线路按照线路长度等分为四段子线路，将相邻子线路的等分点作为该输电线路的线路监测点，并分别命名为第一监测点、第二监测点、第三监测点，获得输出点和输入点，以输出点为坐标原点、以输出点和输入点所连接的直线为z轴，构建该输电线路的空间坐标系，在输出点设置射频读写单元，在各个线路监测点分别设置射频标签单元；

通过射频读写单元发射射频信号激活各个射频标签单元，通过射频标签单元在激活后返回响应信号，通过射频读写单元对响应信号进行接收并获得各个射频标签单元的实时位置，将所获得的实时位置以空间坐标的形式进行表示。

进一步的，所述数据处理模块根据所监测的实时位置获得线路监测点的移动轨迹，进而获得各个线路监测点的线路距离和线路振幅的过程包括：

设置监测周期，当达到一个监测周期时，通过所述射频读写单元获得一次各个线路监测点的实时位置，在数字孪生模型中，将各个线路监测点的实时位置的空间坐标按照顺序进行连接以获得相应的移动轨迹；

所述线路距离是指各个线路监测点与输出点之间的直线距离，根据线路监测点的实时位置的空间坐标与坐标原点之间的欧氏距离获得，所述线路振幅是指各个线路监测点的振动幅度，获得振幅周期以及线路监测点在该振幅周期内的轨迹长度，根据振幅周期和轨迹长度获得线路监测点在该振幅周期内的线路振幅。

进一步的，所述数据分析模块对线路监测点在不同环境条件下的线路距离和线路振幅进行监测，根据所获得的环境条件和线路振幅构建输电线路在不同环境条件下的振幅预测模型的过程包括：

对各个线路监测点的线路距离和线路振幅进行监测，并获得各个线路距离与线路振幅所对应的环境条件，将相同环境条件下的线路振幅纳入同一个数据集，选择深度学习模型作为振幅预测模型，使用数据集对振幅预测模型进行训练和评估以获得该环境条件下的振幅预测模型，采取同样的方法分别获得其他环境条件下的振幅预测模型。

进一步的，所述数据评估模块获得当前环境条件下的线路距离，结合相应环境条件下的正常形变信息判断输电线路是否存在异常形变情况的过程包括：

获得当前环境条件下各个线路监测点的线路距离，将其按照第一监测点、第二监测点、第三监测点的顺序进行比较以获得三者之间的实际监测距离比，在数字孪生模型中，根据输电线路在相应环境条件下的正常形变信息对输电线路进行调整，根据调整后的输电线路获得在正常形变信息下各个线路监测点的理论监测距离比；

将所获得的实际监测距离比与理论监测距离比进行比较，根据比较结果判断该输电线路是否存在异常形变情况，若存在，则生成相应的异常形变信号并反馈至相关人员处。

进一步的，所述数据评估模块获得后续的预测环境条件，结合相应环境条件下的振幅预测模型获得输电线路的预测线路振幅的过程包括：

根据天气预报获得后续的预测环境条件，获得相应环境条件下的振幅预测模型，将预测环境条件输入至振幅预测模型，通过振幅预测模型对各个线路监测点的线路振幅进行预测，并输出预测线路振幅。

与现有技术相比，本发明的有益效果是：

1、本发明通过对输电线路的基本信息和正常形变信息进行采集，并构建相应的数字孪生模型，能够将不同环境条件对输电线路的影响纳入考虑范围，通过设置线路监测点获得各个线路监测点的实际监测距离比，将其与理论监测距离比进行比较，能够对输电线路是否存在异常形变情况进行判断，及时提醒相关人员对输电线路进行检修；

2、通过所设置的线路监测点获得各个线路监测点的实时位置，进而构建其相应的移动轨迹，通过所获得的移动轨迹能够有效地获得线路监测点的振动幅度，能够将复杂的振幅监测转换为简单的轨迹问题，能够提供一种新的对输电线路的振动幅度进行监测的技术手段，结合不同环境条件对输电线路的影响以构建输电线路在不同环境条件下的振幅预测模型，能够针对不同环境条件为输电线路提供有效的振幅预测，有利于避免潜在的输电风险。

附图说明

图1为本发明的原理图。

具体实施方式

如图1所示，一种智能综合大数据融合处理系统，包括主控中心，所述主控中心通信连接有数据采集模块、数据处理模块、数据分析模块、数据评估模块；

所述数据采集模块用于对输电线路的基本信息进行采集，对输电线路在不同环境条件下的正常形变信息进行采集，根据所采集的基本信息和正常形变信息构建输电线路的数字孪生模型；

所述数据处理模块用于在输电线路上获得若干个线路监测点，对各个线路监测点的实时位置进行监测，根据所监测的实时位置获得线路监测点的移动轨迹，进而获得各个线路监测点的线路距离和线路振幅；

所述数据分析模块用于对线路监测点在不同环境条件下的线路距离和线路振幅进行监测，根据所获得的环境条件和线路振幅构建输电线路在不同环境条件下的振幅预测模型；

所述数据评估模块用于获得当前环境条件下的线路距离，结合相应环境条件下的正常形变信息判断输电线路是否存在异常形变情况，获得后续的预测环境条件，结合相应环境条件下的振幅预测模型获得输电线路的预测线路振幅。

需要进一步说明的是，在具体实施过程中，所述数据采集模块对输电线路的基本信息进行采集的过程包括：

设置采集单元，通过所述采集单元对输电线路的基本信息进行采集，所述基本信息包括但不限于输电线路的线路长度、导线规格、技术参数、杆塔类型、线路走向，设置数据库，将所采集的输电线路的基本信息上传至数据库进行保存；

以任意两个相邻的输电线路塔之间的输电线路为例，所述线路长度是指输电线路在两个输电线路塔之间的实际距离，所述导线规格是指输电线路所使用的导线类型、截面积、材料，所述技术参数是指输电线路的电阻、电感、电容，所述杆塔类型是指输电线路塔的设计、型号、间隔，所述线路走向是指输电线路在两个输电线路塔之间的输电方向。

需要进一步说明的是，在具体实施过程中，所述数据采集模块对输电线路在不同环境条件下的正常形变信息进行采集，根据所采集的基本信息和正常形变信息构建输电线路的数字孪生模型的过程包括：

由于输电线路在工作场景中总是会受到多种多样的外部环境的影响，使得输电线路产生相应的物理形变，如高温时伸张，低温时收缩，在本发明的实施例中，仅考虑气候条件对输电线路的影响，包括温度、湿度、风速等，将所获得的不同气候条件进行组合，如温度15、湿度10、风速5，将所获得的各种气候条件的组合标记为不同的环境条件；

根据输电线路的基本信息获得输电线路在不同环境条件下的正常形变信息，所述正常形变信息用于反映输电线路在相应环境条件下的理论形变情况，该理论形变情况不会超出输电线路的工作阈值，即不会导致输电线路无法正常工作；

设置构建单元，通过所述构建单元利用数字孪生技术根据所采集的基本信息构建输电线路的数字孪生模型，在该数字孪生模型中，包括输电线路和输电线路塔以及它们之间的连接关系，根据所获得的正常形变信息将所构建的数字孪生模型设置为可调整状态，即根据不同的环境条件对其输电线路的物理状态进行相应的形变。

需要进一步说明的是，在具体实施过程中，所述数据处理模块在输电线路上获得若干个线路监测点，对各个线路监测点的实时位置进行监测的过程包括：

在实际工作场景中，将输电线路按照其线路长度等分为四段子线路，将相邻子线路的等分点作为该输电线路的线路监测点，根据输电线路的输电方向将其两端的输电线路塔分为输出塔和输入塔，以输出塔为基准，对三个线路监测点分别进行命名，将距离输出塔最近的线路监测点记为第一监测点，以此类推、分别获得第二监测点、第三监测点；

将输电线路与输出塔和输入塔之间的连接位置分别标记为输出点和输入点，以输出点为坐标原点、以输出点和输入点所连接的直线为z轴，构建该输电线路的空间坐标系，在输出点设置一个射频读写单元，在各个线路监测点分别设置一个射频标签单元；

通过所述射频读写单元向输电方向发射一束射频信号以激活输电线路上的各个射频标签单元，所述射频标签单元在被激活后，将向该射频读写单元发送一束包含唯一标识码的响应信号，通过所述射频读写单元对响应信号进行接收并解码以获得相应的唯一标识码，根据所接收的信号强度和时间延迟获得各个射频标签单元的实时位置，将所获得的实时位置以空间坐标的形式进行表示，分别为第一监测点坐标、第二监测点坐标、第三监测点坐标。

需要进一步说明的是，在具体实施过程中，所述数据处理模块根据所监测的实时位置获得线路监测点的移动轨迹，进而获得各个线路监测点的线路距离和线路振幅的过程包括：

设置监测周期，每达到一个监测周期时，便通过所述射频读写单元获得一次各个线路监测点的实时位置，以第一监测点为例，所述实时位置以第一监测点坐标进行表示，根据所获得的第一监测点坐标构建第一监测点的移动轨迹，在数字孪生模型中，将各个第一监测点坐标按照其获得顺序进行连接以获得相应的移动轨迹；

所述线路距离是指各个线路监测点与输出点之间的直线距离，根据线路监测点的实时位置进行获得，以第一监测点坐标为例，获得第一监测点坐标与坐标原点之间的欧氏距离，将所获得的欧氏距离标记为第一监测点的线路距离，所述第一监测点坐标处于动态变化中，所述第一监测点的线路距离也处于动态变化中；

所述线路振幅是指各个线路监测点的振动幅度，根据线路监测点的移动轨迹进行获得，以第一监测点的移动轨迹为例，在数字孪生模型中，对第一监测点的轨迹长度进行计算，获得相邻的第一监测点坐标的欧氏距离，将所获得的欧氏距离相加以获得第一监测点的轨迹长度；

根据监测周期获得振幅周期，所述振幅周期由若干个监测周期而构成，获得第一监测点在任一振幅周期内的轨迹长度，将轨迹长度除以振幅周期以获得第一监测点在该振幅周期内的线路振幅，采取同样的方法获得各个线路监测点的线路距离和线路振幅。

需要进一步说明的是，在具体实施过程中，所述数据分析模块对线路监测点在不同环境条件下的线路距离和线路振幅进行监测，根据所获得的环境条件和线路振幅构建输电线路在不同环境条件下的振幅预测模型的过程包括：

采取上述方法对各个线路监测点的线路距离和线路振幅进行监测，并获得各个线路距离与线路振幅所对应的环境条件，以此为基础形成各个线路监测点的历史监测数据，所述历史监测数据包括各个线路监测点的线路距离和线路振幅以及对应的环境条件；

将相同环境条件下的线路振幅纳入同一个数据集，并将该数据集划分为训练集和测试集，选择深度学习模型作为初始的振幅预测模型，使用训练集对初始的振幅预测模型进行训练，通过学习其中的线路振幅与环境条件的对应关系以获得训练的振幅预测模型，使用测试集对训练的振幅预测模型进行评估，根据评估结果对训练的振幅预测模型进行调优以获得调优的振幅预测模型，将最近调优的振幅预测模型作为该环境条件下的振幅预测模型，采取同样的方法分别获得其他环境条件下的振幅预测模型。

需要进一步说明的是，在具体实施过程中，所述数据评估模块获得当前环境条件下的线路距离，结合相应环境条件下的正常形变信息判断输电线路是否存在异常形变情况的过程包括：

在本发明的实施例中，在输电线路上设置多个线路监测点，并获得其相应的线路距离，在理想情况下，各个线路监测点的线路距离为等比关系，而在实际情况中，由于输电线路会受到不同环境条件的影响，导致各个线路监测点的线路距离之间的比例也会发生变化；

获得当前环境条件下各个线路监测点的线路距离，将其按照第一监测点、第二监测点、第三监测点的顺序进行比较以获得三者之间的实际监测距离比，在数字孪生模型中，根据输电线路在相应环境条件下的正常形变信息对输电线路进行调整，根据调整后的输电线路获得在正常形变信息下各个线路监测点的理论监测距离比；

将所获得的实际监测距离比与理论监测距离比分别标记为Q_S和Q_L，并将两者进行比较，根据比较结果判断该输电线路是否存在异常形变情况，若Q_L-Q₀≤Q_S≤Q_L+Q₀，则判断不存在异常形变情况，不对其进行操作，若Q_S＜Q_L-Q₀或Q_S＞Q_L+Q₀，则判断存在异常形变情况，生成相应的异常形变信号并反馈至相关人员处，其中，Q₀为预设的固定系数。

需要进一步说明的是，在具体实施过程中，所述数据评估模块获得后续的预测环境条件，结合相应环境条件下的振幅预测模型获得输电线路的预测线路振幅的过程包括：

根据天气预报获得后续的天气情况，并将其转换为相应的预测环境条件，获得相应环境条件下的振幅预测模型，将所获得的预测环境条件输入至振幅预测模型，通过所获得的振幅预测模型对后续各个线路监测点的线路振幅进行预测，并输出相应的预测线路振幅。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种智能综合大数据融合处理系统，其特征在于，包括主控中心，所述主控中心通信连接有数据采集模块、数据处理模块、数据分析模块、数据评估模块；

所述数据采集模块用于对输电线路的基本信息进行采集，对输电线路在不同环境条件下的正常形变信息进行采集，根据所采集的基本信息和正常形变信息构建输电线路的数字孪生模型；

所述数据处理模块用于在输电线路上获得若干个线路监测点，对各个线路监测点的实时位置进行监测，根据所监测的实时位置获得线路监测点的移动轨迹，进而获得各个线路监测点的线路距离和线路振幅；

所述数据分析模块用于对线路监测点在不同环境条件下的线路距离和线路振幅进行监测，根据所获得的环境条件和线路振幅构建输电线路在不同环境条件下的振幅预测模型；

所述数据评估模块用于获得当前环境条件下的线路距离，结合相应环境条件下的正常形变信息判断输电线路是否存在异常形变情况，获得后续的预测环境条件，结合相应环境条件下的振幅预测模型获得输电线路的预测线路振幅。

2.根据权利要求1所述的一种智能综合大数据融合处理系统，其特征在于，所述数据采集模块对输电线路的基本信息进行采集的过程包括：

设置采集单元，通过所述采集单元对输电线路的基本信息进行采集，所述基本信息包括线路长度、导线规格、技术参数、杆塔类型、线路走向，设置数据库，将所采集的基本信息上传至数据库进行保存。

3.根据权利要求2所述的一种智能综合大数据融合处理系统，其特征在于，所述数据采集模块对输电线路在不同环境条件下的正常形变信息进行采集，根据所采集的基本信息和正常形变信息构建输电线路的数字孪生模型的过程包括：

对气候条件进行采集，包括温度、湿度、风速，将所获得的不同气候条件进行组合以获得不同的环境条件，获得输电线路在不同环境条件下的正常形变信息，所述正常形变信息是指输电线路在相应环境条件下的理论形变情况；

设置构建单元，通过所述构建单元利用数字孪生技术根据所采集的基本信息构建输电线路的数字孪生模型，根据所获得的正常形变信息将所构建的数字孪生模型设置为可调整状态，根据不同的环境条件对其输电线路的物理状态进行相应的形变。

4.根据权利要求3所述的一种智能综合大数据融合处理系统，其特征在于，所述数据处理模块在输电线路上获得若干个线路监测点，对各个线路监测点的实时位置进行监测的过程包括：

将输电线路按照线路长度等分为四段子线路，将相邻子线路的等分点作为该输电线路的线路监测点，并分别命名为第一监测点、第二监测点、第三监测点，获得输出点和输入点，以输出点为坐标原点、以输出点和输入点所连接的直线为z轴，构建该输电线路的空间坐标系，在输出点设置射频读写单元，在各个线路监测点分别设置射频标签单元；

通过射频读写单元发射射频信号激活各个射频标签单元，通过射频标签单元在激活后返回响应信号，通过射频读写单元对响应信号进行接收并获得各个射频标签单元的实时位置，将所获得的实时位置以空间坐标的形式进行表示。

5.根据权利要求4所述的一种智能综合大数据融合处理系统，其特征在于，所述数据处理模块根据所监测的实时位置获得线路监测点的移动轨迹，进而获得各个线路监测点的线路距离和线路振幅的过程包括：

设置监测周期，当达到一个监测周期时，通过所述射频读写单元获得一次各个线路监测点的实时位置，在数字孪生模型中，将各个线路监测点的实时位置的空间坐标按照顺序进行连接以获得相应的移动轨迹；

所述线路距离是指各个线路监测点与输出点之间的直线距离，根据线路监测点的实时位置的空间坐标与坐标原点之间的欧氏距离获得，所述线路振幅是指各个线路监测点的振动幅度，获得振幅周期以及线路监测点在该振幅周期内的轨迹长度，根据振幅周期和轨迹长度获得线路监测点在该振幅周期内的线路振幅。

6.根据权利要求5所述的一种智能综合大数据融合处理系统，其特征在于，所述数据分析模块对线路监测点在不同环境条件下的线路距离和线路振幅进行监测，根据所获得的环境条件和线路振幅构建输电线路在不同环境条件下的振幅预测模型的过程包括：

对各个线路监测点的线路距离和线路振幅进行监测，并获得各个线路距离与线路振幅所对应的环境条件，将相同环境条件下的线路振幅纳入同一个数据集，选择深度学习模型作为振幅预测模型，使用数据集对振幅预测模型进行训练和评估以获得该环境条件下的振幅预测模型，采取同样的方法分别获得其他环境条件下的振幅预测模型。

7.根据权利要求6所述的一种智能综合大数据融合处理系统，其特征在于，所述数据评估模块获得当前环境条件下的线路距离，结合相应环境条件下的正常形变信息判断输电线路是否存在异常形变情况的过程包括：

获得当前环境条件下各个线路监测点的线路距离，将其按照第一监测点、第二监测点、第三监测点的顺序进行比较以获得三者之间的实际监测距离比，在数字孪生模型中，根据输电线路在相应环境条件下的正常形变信息对输电线路进行调整，根据调整后的输电线路获得在正常形变信息下各个线路监测点的理论监测距离比；

将所获得的实际监测距离比与理论监测距离比进行比较，根据比较结果判断该输电线路是否存在异常形变情况，若存在，则生成相应的异常形变信号并反馈至相关人员处。

8.根据权利要求7所述的一种智能综合大数据融合处理系统，其特征在于，所述数据评估模块获得后续的预测环境条件，结合相应环境条件下的振幅预测模型获得输电线路的预测线路振幅的过程包括：

根据天气预报获得后续的预测环境条件，获得相应环境条件下的振幅预测模型，将预测环境条件输入至振幅预测模型，通过振幅预测模型对各个线路监测点的线路振幅进行预测，并输出预测线路振幅。