杆塔滑坡风险的监测方法、装置、设备、介质和产品与流程

摘要: 本技术涉及输电线路监测,特别是涉及一种杆塔滑坡风险的监测方法、装置、设备、介质和产品。背景技术:1、杆塔作为电力、通信等基础设施的核心支撑结构,常建于边坡区域,...
杆塔滑坡风险的监测方法、装置、设备、介质和产品与流程

本技术涉及输电线路监测,特别是涉及一种杆塔滑坡风险的监测方法、装置、设备、介质和产品。

背景技术:

1、杆塔作为电力、通信等基础设施的核心支撑结构,常建于边坡区域,其安全稳定与边坡状态密切相关。而边坡的稳定性受土壤参数和降雨条件等多种因素耦合影响,易发生滑坡灾害,进而导致杆塔倾斜甚至倒塌,造成重大经济损失和安全隐患。

2、相关技术中,为了保证杆塔边坡耦合体系的安全稳定性,通常通过传统数值仿真方法确定杆塔是否存在滑坡风险,即预先通过搭建杆塔边坡耦合体系仿真模型,模拟不同工况下的边坡稳定性,计算得到对应工况下的边坡安全系数,并汇总得到不同工况与边坡安全系数的映射关系表。再根据实际监测到的工况数据,从该映射关系表中查找对应的边坡安全系数,最后,基于边坡安全系数和预设安全系数阈值的比较结果,确定杆塔是否存在滑坡风险。然而,这样的方式难以保证杆塔滑坡风险的监测结果的准确性。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种杆塔滑坡风险的监测方法、装置、设备、介质和产品。

2、第一方面,本技术提供了一种杆塔滑坡风险的监测方法,该方法包括:

3、实时获取被测杆塔边坡耦合体系的当前工况数据;

4、将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值;目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的;初始监测模型是基于卷积神经网络和加权注意力机制构建的;

5、根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果。

6、在其中一个实施例中,目标监测模型包括依次连接的输入层、卷积层、池化层、注意力机制层和全连接层;将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值,包括:

7、通过输入层构建当前工况数据对应的三维矩阵;三维矩阵的不同通道对应当前工况数据中不同物理属性的特征数据集;各种特征数据集中包括不同输入特征对应的特征数据;

8、通过卷积层中多种不同的卷积核对三维矩阵进行卷积处理,得到不同输入特征之间的局部组合特征,并基于局部组合特征生成特征图;

9、通过池化层对特征图进行下采样压缩处理,筛选出显著特征,得到特征序列;特征序列中包括不同的显著特征对应的特征值;

10、通过注意力机制层对特征序列进行加权注意力计算,得到各显著特征的注意力分配权重,并将各特征值与对应的注意力分配权重相乘,得到加权后的特征向量;

11、通过全连接层对加权后的特征向量进行非线性变换处理,得到被测杆塔边坡耦合体系的边坡安全系数预测值。

12、在其中一个实施例中,目标监测模型的训练过程包括:

13、获取多组不同工况下的样本工况数据以及各种工况对应的临界边坡安全系数;

14、将多组不同工况下的样本工况数据作为初始监测模型的输入,并将对应的临界边坡安全系数作为预期输出,对初始监测模型进行迭代训练,得到目标监测模型。

15、在其中一个实施例中,获取多组不同工况下的样本工况数据以及各种工况对应的临界边坡安全系数,包括:

16、基于仿真实验数据库,确定样本工况数据中各个工况参数的取值范围;

17、根据预设样本生成策略和各个工况参数的取值范围,生成多组不同工况下的样本工况数据;

18、对各样本工况数据进行仿真计算,得到各种工况对应的临界边坡安全系数。

19、在其中一个实施例中,根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果,包括:

20、在边坡安全系数预测值不大于预设安全系数阈值的情况下,确定风险监测结果为被测杆塔边坡耦合体系存在滑坡风险;

21、在边坡安全系数预测值大于预设安全系数阈值的情况下,确定风险监测结果为被测杆塔边坡耦合体系不存在滑坡风险。

22、在其中一个实施例中,风险监测结果包括风险等级;在边坡安全系数预测值不大于预设安全系数阈值的情况下,确定风险监测结果为被测杆塔边坡耦合体系存在滑坡风险之后,方法还包括:

23、在边坡安全系数预测值不大于预设安全系数阈值的情况下,基于边坡安全系数预测值和各预设滑坡风险等级对应的安全系数范围,确定边坡安全系数预测值对应的风险等级;所有安全系数范围中的最大值均不大于预设安全系数阈值。

24、第二方面,本技术还提供了一种杆塔滑坡风险的监测装置,该装置包括:

25、工况数据获取模块,用于实时获取被测杆塔边坡耦合体系的当前工况数据;

26、安全系数预测模块,用于将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值;目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的;初始监测模型是基于卷积神经网络和加权注意力机制构建的;

27、监测结果确定模块,用于根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果。

28、第三方面,本技术还提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:

29、实时获取被测杆塔边坡耦合体系的当前工况数据;

30、将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值;目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的;初始监测模型是基于卷积神经网络和加权注意力机制构建的;

31、根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果。

32、第四方面,本技术还提供了一种计算机可读存储介质,该计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:

33、实时获取被测杆塔边坡耦合体系的当前工况数据;

34、将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值;目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的;初始监测模型是基于卷积神经网络和加权注意力机制构建的;

35、根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果。

36、第五方面,本技术还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现以下步骤:

37、实时获取被测杆塔边坡耦合体系的当前工况数据;

38、将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值;目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的;初始监测模型是基于卷积神经网络和加权注意力机制构建的;

39、根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果。

40、上述杆塔滑坡风险的监测方法、装置、设备、介质和产品,先实时获取被测杆塔边坡耦合体系的当前工况数据;再将当前工况数据输入目标监测模型,得到被测杆塔边坡耦合体系的边坡安全系数预测值;目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的;初始监测模型是基于卷积神经网络和加权注意力机制构建的;最后,根据边坡安全系数预测值和预设安全系数阈值,确定被测杆塔边坡耦合体系的风险监测结果。本技术采用上述方法,由于目标监测模型是利用多组不同工况下的杆塔边坡耦合体系的样本工况数据对初始监测模型进行训练得到的,而初始监测模型是基于卷积神经网络和加权注意力机制构建的,因此该目标监测模型能够从当前工况数据中有效提取与边坡安全系数强相关的关键特征,抑制冗余信息的干扰,从而保证输出的边坡安全系数预测值具有较高的准确性,能够真实反映被测杆塔边坡耦合体系当前的风险状态。