一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法、系统、设备及介质与流程

本发明涉及输电线路运行监测，尤其涉及一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法、系统、设备及介质。

背景技术：

1、输电线路覆冰是高海拔及复杂地形区电网安全运行的头号自然灾害。导线积冰厚重时，机械荷载骤增，极易引发舞动、断线、金具破损乃至塔材弯折倒塌；同时，冰层加厚会明显削弱绝缘子绝缘性能，招致闪络跳闸，而不均匀脱冰产生的动荷载还可能使导线剧烈弹跳，造成相间短路等事故。这类连锁反应不光直接毁坏电力设施，更会导致大面积停电，对国民经济与民生保障冲击甚巨。因此，实现高精度、高时空分辨率的覆冰厚度反演，对电网部门提前预警、优化除冰决策及增强系统韧性意义重大。

2、然而，现有输电线路覆冰监测手段在实际应用中面临明显瓶颈。传统物理模型法极度依赖风速、液态水含量、碰撞效率等微气象参数的实时获取，复杂地形下泛化能力与精度十分有限。光学遥感虽能直观显示覆冰情形，但在覆冰高发的冬春季节，成像过程易受云雾遮蔽、降水和极夜干扰。近年来，具备全天候全天时穿透能力的微波遥感成为研究热点，但单一微波数据源存在难以调和的时空矛盾包括，主动微波空间分辨率虽高，能够刻画微地形特征，可重访周期偏长，难以动态追踪覆冰演变；被动微波辐射计（如ssmis）虽时间分辨率高，对大气温湿变化敏感，但其固有空间分辨率仅约25公里，无法满足特定输电走廊与微地形区域的精细化反演需要。

3、现行改进方案在系统建构与数据挖掘上仍存在明显不足。现有数据驱动模型多依赖单点气象站回归，基本忽略微地形对过冷却水滴积聚的复杂调控，导致在海拔陡变的喀斯特地貌区反演误差很大。学界虽尝试借助简单插值或降尺度来抬升被动微波分辨率，但因缺少高空间分辨率特征向量的物理约束，结果往往带有明显“块状”效应和辐射噪声，难以刻画出导线覆冰空间分布的异质性。

4、上述难题的根源在于未能建立起主被动微波特征与微地形环境之间的深层耦合。本发明提出一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法，通过多源异构数据的高效协同，打破单一遥感源的时空局限，以期在复杂环境下实现高分辨率、强鲁棒的覆冰动态监测。

技术实现思路

1、鉴于上述现有存在的问题，本发明提供了一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法、系统、设备及介质，解决单一微波遥感时空矛盾、复杂地形覆冰反演精度低以及现有监测手段精度不足、无法精细化监测线路覆冰的问题。

2、为解决上述技术问题，本发明提供如下技术方案：

3、第一方面，本发明提供了一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法，包括：

4、获取多源异构观测数据，对所述多源异构观测数据进行时空匹配，构建统一时空基准的输入特征张量；

5、基于所述输入特征张量，对所述多源异构观测数据进行特征提取，并构建多维特征耦合矩阵；

6、根据所述多维特征耦合矩阵选择梯度提升树回归模型作为覆冰厚度反演模型，利用优化算法对所述覆冰厚度反演模型进行训练，得到最优覆冰厚度反演模型；

7、将目标区域的多维特征耦合矩阵输入所述最优覆冰厚度反演模型中，生成覆冰厚度预测值，对所述覆冰厚度预测值进行物理一致性校核，输出高分辨率覆冰厚度分布图，实现输电线路覆冰厚度的反演。

8、作为本发明所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的一种优选方案，其中：对所述多源异构观测数据进行时空匹配，构建统一时空基准的输入特征张量包括：

9、基于多源异构观测数据中的主动微波、地形数据以及被动微波数据、气象数据，建立统一分辨率的空间基准网格；

10、响应于空间分辨率高于目标分辨率的主动微波数据和地形数据，在每个基准网格内对原始像素值进行统计聚合，将聚合结果作为对应网格的特征值；

11、响应于空间分辨率低于目标分辨率的被动微波数据和气象数据，利用双线性插值法将被动微波数据和气象数据重采样至目标分辨率；

12、以多源异构观测数据中的地面实测覆冰厚度数据的采集日为基准日，利用时间窗口匹配策略检索主动微波观测数据，将检索到的主动微波数据与基准日的被动微波数据及气象数据对齐，构成同一时间维度的特征向量；

13、对完成时空匹配的特征向量进行归一化处理，得到统一时空基准的输入特征张量。

14、本优选技术方案的有益效果为，通过统一多源数据时空尺度，消除量纲干扰，提升反演数据一致性。

15、作为本发明所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的一种优选方案，其中：对所述多源异构观测数据进行特征提取包括：

16、从主动微波数据中提取极化波段及入射角波段，并构建交叉极化差值特征；

17、利用空间灰度统计方法提取极化波段和交叉极化差值特征进行纹理分析，提取信息熵和对比度作为纹理特征；

18、将提取的极化波段、入射角波段、交叉极化差值特征以及纹理特征作为基础特征，在统一分辨率的空间基准网格内分别计算每个基础特征的均值和方差，得到主动微波特征集。

19、本优选技术方案的有益效果为，通过多维度挖掘微波特征，精细刻画覆冰空间分布差异。

20、作为本发明所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的一种优选方案，其中：构建多维特征耦合矩阵包括：

21、从被动微波数据中提取多频段原始亮温，并根据多频段原始亮温构建极化差指数，得到被动微波特征集；

22、从数字高程模型中提取地形特征，从气象数据中提取气象特征；

23、将主动微波特征集、被动微波特征集、地形特征与气象特征进行融合，形成多维特征耦合矩阵。

24、作为本发明所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的一种优选方案，其中：利用优化算法对所述覆冰厚度反演模型进行训练，得到最优覆冰厚度反演模型包括：

25、将多维特征耦合矩阵与对应的地面实测覆冰厚度数据关联，构建训练样本集；

26、选择梯度提升树回归模型作为待训练的覆冰厚度反演模型；

27、利用贝叶斯优化算法对梯度提升树回归模型的超参数进行迭代寻优，并在每次迭代中通过交叉验证评估梯度提升树回归模型精度；

28、根据交叉验证结果选取最优超参数组合，对待训练的覆冰厚度反演模型利用训练样本集训练得到最优覆冰厚度反演模型。

29、本优选技术方案的有益效果为，通过自动优选超参，提升模型覆冰厚度反演精度与稳定性。

30、作为本发明所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的一种优选方案，其中：生成覆冰厚度预测值包括：

31、将目标区域内各像元的多维特征耦合矩阵逐像元输入最优覆冰厚度反演模型，通过非线性回归运算输出每个像元的初步覆冰厚度预测值；

32、获取每个像元对应的实时气温数据，判断实时气温是否高于预设的物理阈值；

33、响应于实时气温高于物理阈值，将对应像元的覆冰厚度预测值强制修正为预设值或零值；响应于实时气温低于物理阈值，保留初步覆冰厚度预测值，得到最终的覆冰厚度预测值。

34、作为本发明所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的一种优选方案，其中：输出高分辨率覆冰厚度分布图包括：

35、将最终的覆冰厚度预测值按照统一的空间分辨率进行网格化渲染，生成日尺度的高分辨率覆冰厚度分布图；

36、对高分辨率覆冰厚度分布图按微地形梯度进行分箱评估，计算不同海拔和坡度等级下的决定系数和均方根误差，得到评估后的高分辨率覆冰厚度分布图；

37、将评估后的高分辨率覆冰厚度分布图输出至电网调度系统，实现输电线路覆冰厚度反演。

38、本优选技术方案的有益效果为，通过校验不同地形反演精度，为电网覆冰预警提供可靠数据。

39、第二方面，本发明提供了一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演系统，包括：

40、时空匹配模块，用于获取多源异构观测数据，对所述多源异构观测数据进行时空匹配，构建统一时空基准的输入特征张量；

41、特征提取模块，用于基于所述输入特征张量，对所述多源异构观测数据进行特征提取，并构建多维特征耦合矩阵；

42、模型训练模块，用于根据所述多维特征耦合矩阵选择梯度提升树回归模型作为覆冰厚度反演模型，利用优化算法对所述覆冰厚度反演模型进行训练，得到最优覆冰厚度反演模型；

43、预测值生成与校验模块，用于将目标区域的多维特征耦合矩阵输入所述最优覆冰厚度反演模型中，生成覆冰厚度预测值，对所述覆冰厚度预测值进行物理一致性校核，输出高分辨率覆冰厚度分布图，实现输电线路覆冰厚度的反演。

44、第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的步骤。

45、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的一种基于主被动微波融合与机器学习的输电线路覆冰厚度反演方法的步骤。

46、与现有技术相比，本发明的有益效果：本发明通过主被动微波特征与微地形环境场的深度融合，配合优化的机器学习框架，在提升输电线路覆冰监测精度和时空分辨率上取得了明显进步，创新引入空间分辨率达10米的主动微波特征，经特征级融合与时空匹配，成功生成日更新的500米覆冰厚度分布图。既保持了对覆冰变化的逐日追踪能力，又大幅增强了对电网关键走廊附近微地形细节的刻画本领。本发明采用贝叶斯优化调参的轻量级梯度提升机（lightgbm）算法，相比传统的支持向量回归或广义回归神经网络，非线性拟合能力明显更强，能更准确地从多源遥感信息中反推覆冰厚度。本发明通过提取20个纹理和极化特征，并与海拔、坡度等微地形因子深度结合，模型能够精准抓住地形起伏带来的覆冰厚薄差异。在按海拔、坡度分档的稳定性测试中，模型始终表现稳健，证实其在复杂山区电网监测中的实用价值。整套方案完全依赖全天候卫星数据和再分析资料，无需大量铺设昂贵的地面监测设备，也不受云雾遮挡影响。生成的500米级覆冰预警图可为电力部门提供“从线到面”的广域态势感知，帮助一线人员在严寒天气下准确锁定高风险线段，科学制定融冰计划，从而最大程度降低倒塔、断线风险，保障民生与工业用电安全。