多模态数据融合的输电线路故障预测方法及系统与流程

本发明涉及数据融合，尤其涉及多模态数据融合的输电线路故障预测方法及系统。

背景技术：

1、随着智能电网建设的快速推进，输电线路运行状态的在线监测与早期故障预警已成为保障电力系统安全稳定运行的关键环节。

2、目前，行业内广泛采用的输电线路监测手段主要依赖基于可见光摄像头的视觉监测系统，通过采集导线、绝缘子及金具的表面图像并进行图像识别分析来判断设备运行状态。然而，输电线路长期暴露于野外复杂气象环境中，大雾、暴雨、冰雪以及夜间低光照等恶劣条件会严重降低可见光图像的质量和特征信息的可辨识度，导致视觉监测系统的有效性和可靠性急剧下降。更为关键的是，可见光视觉监测技术仅能捕捉导线和绝缘子表面的宏观形变特征，例如导线弧垂变化和绝缘子串倾斜角度，完全无法感知材料深层发生的理化性质变化。绝缘子表面污秽的化学成分累积过程以及金属导线内部因疲劳产生的微观损伤和材质劣化，在发生明显外部形变或闪络放电之前，并不会在可见光图像上产生任何可识别的视觉差异，因此单一依赖视觉感知的监测手段无法对上述隐蔽性故障实现早期发现。

3、综上所述，现有技术中存在由于依赖单一可见光视觉感知且无法穿透材料表层获取深层理化状态信息，导致难以察觉绝缘子污秽与金属内部疲劳等早期隐蔽性故障，进一步影响输电线路运行安全评估的及时性和准确性的技术问题。

技术实现思路

1、本发明的目的是提供多模态数据融合的输电线路故障预测方法及系统，用以解决现有技术中存在由于依赖单一可见光视觉感知且无法穿透材料表层获取深层理化状态信息，导致难以察觉绝缘子污秽与金属内部疲劳等早期隐蔽性故障，进一步影响输电线路运行安全评估的及时性和准确性的技术问题。

2、鉴于上述问题，本发明提供了多模态数据融合的输电线路故障预测方法及系统。

3、第一方面，本发明提供了多模态数据融合的输电线路故障预测方法，通过多模态数据融合的输电线路故障预测系统实现，包括：通过分布式声纤传感、高光谱成像及毫米波雷达对输电线路执行信号采集和特征提取，输出多模态融合张量；将所述多模态融合张量时序位置编码后输入informer长时序预测模型，经概率稀疏自注意力机制筛选主导查询并执行自注意力蒸馏操作，输出未来多个时间步长的故障演化概率分布及设备健康状态演化轨迹；将所述故障演化概率分布及设备健康状态演化轨迹与预设的安全阈值进行比对判定，根据判定结果生成包含劣化诱因定位信息的多级预警指令与预防性维护策略。

4、优选地，所述多模态数据融合的输电线路故障预测方法还包括：通过所述分布式声纤传感、所述高光谱成像及所述毫米波雷达同步采集输电线路的多模态物理数据；对所述多模态物理数据分别进行去噪滤波处理，并对去噪后的多模态物理数据进行基于统一时间基准的时空同步匹配，构建多模态异构数据集；基于所述多模态异构数据集，分别提取声频振动信号、高光谱图像块以及三维点云数据。

5、优选地，所述多模态数据融合的输电线路故障预测方法还包括：将所述声频振动信号经空洞因果卷积与门控激活单元处理，输出声纹特征向量；将所述高光谱图像块经光谱残差与空间残差联合处理及全局平均池化压缩，输出理化劣化特征向量；将所述三维点云数据经最远点采样、球查询与多层感知机编码聚合，输出空间形变特征向量；在隐空间中以所述空间形变特征向量的映射量作为查询矩阵，以所述理化劣化特征向量的映射量作为第一键矩阵和第一值矩阵，以所述声纹特征向量的映射量作为第二键矩阵和第二值矩阵，进行交叉注意力点积计算，将计算所得的多源注意力加权结果进行拼接与线性映射，输出所述多模态融合张量。

6、优选地，所述多模态数据融合的输电线路故障预测方法还包括：将所述声频振动信号逐层送入堆叠的多层空洞因果卷积网络，得到输入序列；在第i层空洞卷积中，以第i层的扩张因子作为步长间隔，将滤波器核长度范围内的权重系数分别与所述输入序列对应历史时刻的数值相乘后累加，得到第i层的时域卷积结果；每向下一层推进时，将所述扩张因子按指数级增大，以逐层扩大每一输出位置关联的输入序列时间跨度；将所述时域卷积结果通过门控激活单元同时馈入并行支路，得到降噪脉冲特征；将所述降噪脉冲特征进行跳跃连接并求和，将求和结果作为所述声纹特征向量输出。

7、优选地，所述多模态数据融合的输电线路故障预测方法还包括：第一支路经双曲正切函数变换输出主干特征映射，第二支路经sigmoid函数变换输出门控权重向量，将所述主干特征映射与所述门控权重向量按元素相乘，得到滤除背景噪声后的降噪脉冲特征。

8、优选地，所述多模态数据融合的输电线路故障预测方法还包括：将所述高光谱图像块输入多个连续的光谱残差块中第m个光谱残差块，执行基于第一路径的直接传递；基于第二路径对所述高光谱图像块执行三维光谱卷积运算，将所述第一路径的未处理特征与所述第二路径的光谱卷积输出结果逐元素相加，作为第m+1个光谱残差块的输入特征，逐级提取连续光谱维度上的吸收峰差异特征，输出光谱深层特征图。

9、优选地，所述多模态数据融合的输电线路故障预测方法还包括：将所述光谱深层特征图输入多个连续的空间残差块中第n个空间残差块，执行基于第一通道的直接传递；基于第二通道对所述光谱深层特征图执行三维空间卷积运算，将所述第一通道的未处理特征与所述第二通道的空间卷积输出结果逐元素相加，作为第n+1个空间残差块的输入特征，逐级提取局部空间纹理与形态特征，输出空谱联合特征图；将所述空谱联合特征图输入全局平均池化层，分别沿空间高度维度和空间宽度维度计算算术平均值，并将三维特征图压缩为一维向量形式，作为所述理化劣化特征向量输出。

10、优选地，所述多模态数据融合的输电线路故障预测方法还包括：将所述三维点云数据作为输入点集，采用最远点采样算法在所述输入点集中迭代选取与已有采样点集距离最远的点，直至达到预设数量，将选出的点作为质心点集输出；以所述质心点集中的每个质心点为球心，以设定半径执行球查询操作，在每个球心邻域内收集所有落入球形空间内的输入点，按所属质心点组织为局部邻域点集。

11、优选地，所述多模态数据融合的输电线路故障预测方法还包括：将每个局部邻域点集分别输入多层感知机，所述多层感知机对局部邻域内每个点独立进行维度升维变换，通过最大池化操作对每个点的升维特征逐维度取最大值，得到局部邻域的聚合几何特征编码；将第k层输出的聚合几何特征编码作为第k+1层的输入点集，重复执行最远点采样、球查询与多层感知机编码聚合操作，将最后一级输出的全局几何特征编码作为所述空间形变特征向量输出。

12、第二方面，本发明还提供了多模态数据融合的输电线路故障预测系统，用于执行如第一方面所述的多模态数据融合的输电线路故障预测方法，包括：多模态融合张量输出模块，用于通过分布式声纤传感、高光谱成像及毫米波雷达对输电线路执行信号采集和特征提取，输出多模态融合张量；故障演化概率分布输出模块，用于将所述多模态融合张量时序位置编码后输入informer长时序预测模型，经概率稀疏自注意力机制筛选主导查询并执行自注意力蒸馏操作，输出未来多个时间步长的故障演化概率分布及设备健康状态演化轨迹；多级预警指令生成模块，用于将所述故障演化概率分布及设备健康状态演化轨迹与预设的安全阈值进行比对判定，根据判定结果生成包含劣化诱因定位信息的多级预警指令与预防性维护策略。

13、本发明中提供的技术方案，至少具有如下技术效果或优点：通过实现从表层宏观形变到深层理化状态的多维度运行状态感知与隐蔽性故障超前识别的技术目标，达到提升输电线路故障预警的全面性和时效性、为电网预防性运维决策提供可靠数据支撑的技术效果。

14、上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。