基于多源数据融合的水电站地下厂房防淹联动预警方法、装置、设备以及介质与流程

本发明涉及地下厂房防水淹领域，尤其涉及基于多源数据融合的水电站地下厂房防淹联动预警方法、装置、设备以及介质。

背景技术：

1、水电站地下厂房作为水力发电系统的重要组成部分，长期处于封闭、潮湿且设备密集的运行环境，容易受到外部洪水倒灌、岩壁渗漏、引水压力钢管破裂、排水系统故障以及设备漏水等多种因素影响，导致地下厂房积水甚至发生水淹事故。

2、现有地下厂房防淹监测方式主要依赖液位传感器或人工巡检，其中液位传感器监测范围有限，易受安装位置及传感器故障影响，难以全面反映厂房整体积水状态；人工巡检存在效率低、实时性差及监测盲区等问题，难以及时发现隐蔽区域渗漏和异常积水；现有工业电视系统多用于视频监控和事故追溯，缺乏对图像信息的智能分析能力，无法与液位监测数据进行协同判断，导致水淹风险预警可靠性较低。因此，如何提高水淹风险预警的可靠性是亟待解决的问题。

技术实现思路

1、本发明通过提供基于多源数据融合的水电站地下厂房防淹联动预警方法、装置、设备以及介质，解决了现有技术中水淹风险预警可靠性较低的技术问题，实现了提高水淹风险预警的可靠性的技术效果。

2、第一方面，本发明提供了基于多源数据融合的水电站地下厂房防淹联动预警方法，包括：

3、构建目标地下厂房的三维模型，并根据目标地下厂房的地形特征和保护高度特征优化三维模型中的虚拟液位监测点，其中虚拟液位监测点用于在目标地下厂房中布置实际液位监测点；

4、获取目标地下厂房的监测区域的待处理图像数据，并对图像数据进行处理，得到待融合图像特征，目标地下厂房被划分为若干块监测区域，每个监测区域中至少存在一个液位监测点；

5、在实际液位监测点处获取待处理液位数据，并对液位数据进行卡尔曼滤波以及液位数据冗余表决，得到待融合液位数据；

6、将待融合液位数据与待融合图像特征，进行融合，得到融合特征；

7、构建厂房防淹报警神经网络模型，并基于融合特征及对应的淹没风险等级样本对厂房防淹报警神经网络模型进行训练，当完成训练后，将厂房防淹报警神经网络模型用于目标地下厂房的防淹预警。

8、进一步地，构建目标地下厂房的三维模型，包括：

9、获取目标地下厂房的点云数据、建筑设计数据及设备布置数据，并基于统一空间坐标系对点云数据进行配准；

10、根据配准后的点云数据以及建筑设计数据，并采用bim建模构建目标地下厂房的三维模型，三维模型用于表征目标地下厂房的地形特征及设备空间分布关系。

11、进一步地，根据目标地下厂房的地形特征和保护高度特征优化三维模型中的虚拟液位监测点，包括：

12、对三维模型进行地形分析，得到地形风险特征，地形风险特征包括积水汇流节点、低洼积水区域及淹没区域；

13、根据机组事故停机要求以及设备安装高程，确定保护高度特征；

14、

15、其中，为第个监测区域的保护高度特征，为根据机组事故停机要求确定的第个监测区域中的设备的最低安全高程，为第个监测区域的地面高程，为预设安全裕度；

16、基于地形风险特征及保护高度特征，建立候选虚拟液位监测点集合，并采用遗传算法对候选虚拟液位监测点集合进行优化，得到虚拟液位监测点的布置方案。

17、进一步地，采用遗传算法对候选虚拟液位监测点集合进行优化，得到虚拟液位监测点的布置方案，包括：

18、将三维模型划分为多个空间网格单元，并设第个空间网格单元的中心坐标为，每个空间网格单元均属于一个监测区域；

19、根据每个空间网格单元的保护高度特征以及地形风险特征，确定每个空间网格单元的风险指数，包括：

20、

21、其中，为第个空间网格单元的风险指数，均为权重，为第个空间网格单元的积水汇流节点的表征，若存在则记为1，若不存在则记为0，为第个空间网格单元的低洼积水区域的表征，若存在则记为1，若不存在则记为0，为第个空间网格单元的淹没区域的表征，若存在则记为1，若不存在则记为0，为预设高度；

22、进一步，得到候选虚拟液位监测点集合，包括：

23、

24、其中，为风险指数预设值；

25、以监测覆盖率作为优化目标，采用遗传算法对候选虚拟液位监测点集合进行优化，得到虚拟液位监测点的布置方案。

26、进一步地，对图像数据进行处理，得到待融合图像特征，包括：

27、对图像数据进行预处理，得到预处理图像，预处理包括视频分帧、分辨率缩放、噪点去除、色彩均衡以及roi区域提取；

28、将预处理图像输入预训练yolov8模型进行特征提取，得到每个图像帧中每个网格的目标检测结果，目标检测结果包括目标边界框、目标置信度以及目标类别；

29、根据目标检测结果提取对应的网格的水尺刻度特征、地面积水特征以及渗漏形态特征；

30、根据水尺刻度特征、地面积水特征以及渗漏形态特征确定对应网格的图像异常等级；

31、将目标检测结果及图像异常等级作为待融合图像特征。

32、进一步地，对液位数据进行卡尔曼滤波以及液位数据冗余表决，得到待融合液位数据，包括：

33、对液位数据进行卡尔曼滤波处理，得到滤波液位数据；

34、获取水位浮子开关节点信号；

35、若滤波液位数据同时输出大于第一水位阈值报警信号和大于第二水位阈值报警信号，以及水位浮子开关节点信号输出大于第一水位阈值报警信号，则输出液位数据，并将液位数据作为待融合液位数据，其中第一水位阈值小于第二水位阈值；

36、若水位浮子开关节点信号同时输出大于第一水位阈值报警信号和大于第二水位阈值报警信号，以及滤波液位数据输出大于第一水位阈值报警信号，则输出液位数据，并将液位数据作为待融合液位数据；

37、否则，将上一次已输出的液位数据，作为待融合液位数据。

38、进一步地，构建厂房防淹报警神经网络模型，并基于融合特征及对应的淹没风险等级样本对厂房防淹报警神经网络模型进行训练，包括：

39、向厂房防淹报警神经网络模型输入融合特征，并得到淹没风险等级预测结果；

40、根据淹没风险等级预测结果与淹没风险等级真实结果的差异，对厂房防淹报警神经网络模型的网络参数进行调整；

41、当满足预设迭代次数时，将厂房防淹报警神经网络模型用于目标地下厂房的防淹预警。

42、第二方面，本发明提供了基于多源数据融合的水电站地下厂房防淹联动预警装置，包括：

43、模型构建模块，用于构建目标地下厂房的三维模型，并根据目标地下厂房的地形特征和保护高度特征优化三维模型中的虚拟液位监测点，其中虚拟液位监测点用于在目标地下厂房中布置实际液位监测点；

44、图像特征获取模块，用于获取目标地下厂房的监测区域的待处理图像数据，并对图像数据进行处理，得到待融合图像特征，目标地下厂房被划分为若干块监测区域，每个监测区域中至少存在一个液位监测点；

45、融合液位模块，用于在实际液位监测点处获取待处理液位数据，并对液位数据进行卡尔曼滤波以及液位数据冗余表决，得到待融合液位数据；

46、融合特征获取模块，用于将待融合液位数据与待融合图像特征，进行融合，得到融合特征；

47、模型训练模块，用于构建厂房防淹报警神经网络模型，并基于融合特征及对应的淹没风险等级样本对厂房防淹报警神经网络模型进行训练，当完成训练后，将厂房防淹报警神经网络模型用于目标地下厂房的防淹预警。

48、第三方面，本发明提供了一种电子设备，包括：

49、处理器；

50、用于存储处理器可执行指令的存储器；

51、其中，处理器被配置为执行以实现如第一方面提供的基于多源数据融合的水电站地下厂房防淹联动预警方法。

52、第四方面，本发明提供了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行实现如第一方面提供的基于多源数据融合的水电站地下厂房防淹联动预警方法。

53、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

54、本发明提供通过融合三维空间建模、液位监测、工业电视图像分析及神经网络智能识别等多项技术，实现了地下厂房水淹风险的精准感知与智能预警。基于地下厂房三维模型，结合地形特征及设备保护高度特征优化虚拟液位监测点，并指导实际液位监测点布置，使监测资源能够优先覆盖积水汇流节点、低洼区域及关键设备区域，提高液位监测的针对性和覆盖率。

55、本发明通过对液位数据进行卡尔曼滤波及冗余表决，提高液位监测数据的稳定性和可靠性，同时结合工业电视图像提取水尺刻度、积水范围及渗漏形态等视觉特征，实现液位信息与图像信息的优势互补，有效克服单一传感器易受遮挡、噪声及误报警影响的问题。

56、本发明利用神经网络对多源融合特征进行深层学习，能够充分挖掘液位变化、图像异常及区域属性之间的关联关系，实现对地下厂房淹没风险等级的准确预测，提高复杂工况下水淹风险识别的准确率和鲁棒性；最终，根据预测结果实现分级联动预警及自动处置，为水电站地下厂房提供更加及时、可靠和智能的防淹安全保障，有效降低设备受淹风险，提升水电站运行的安全性和稳定性。