一种大电网密集输电通道灾害监控方法及系统与流程

1.本技术涉及电力电网技术领域，尤其涉及一种大电网密集输电通道灾害监控方法和系统。


背景技术：

2.气象自然灾害是威胁现代电网安全的主要因素。随着特高压输变电工程的发展，特高压交直流电网运行特性日趋复杂，输电密集输电通道涉及线路容量大、距离远、影响范围广，使其更易受到外界复杂多变自然环境的制约，电网故障形态呈现多样化。
3.目前，全国范围已形成多处密集输电通道，如果电网运行风险较大，通道安全将直接影响电网的稳定运行。因此，从工程建设质量和灾害监测两个方面提升电网抵御极端自然灾害的能力势在必行，在提高电力设施和设备建造的抗灾标准的基础上，深挖气象监测和预报的应用潜力，还需面向电网运行和生产的要求，以提升预防和预警能力。
4.大电网密集输电通道在考虑灾害影响时，对电网造成影响的灾害因素包括台风灾害、雷电灾害、覆冰灾害、山火灾害等，而目前气象信息、灾害信息(台风、雷电、覆冰、山火等)、一次能源信息、节能减排信息等外部环境数据还没有正式接入到智能电网调度控制系统。而通过文件服务或数据库只读访问方式接入了气象信息、台风、雷电、冻雨等信息的系统，也由于没有统一的数据接入规范，数据存储独立建设，数据访问接口独立开发，不利于节约开发成本，在外部环境信息数据处理方面，接入的数据存在着冗余、不一致甚至错误的情况，没有经过数据辨识和清洗，不能保证数据的正确和合理性，在后续的使用中存在隐患。
5.因此，需要对大电网密集输电通道进行灾害监控以解决目前大电网密集输电通道缺乏对灾害影响监控的问题。


技术实现要素：

6.为了解决上述现有技术中的不足,本技术的主要目的在于提供一种大电网密集输电通道灾害监控方法和系统，有助于通过对多源数据的自动巡检和监视以及对密集输电通道环境及电网状况进行远程监测。
7.为实现上述目的，本技术提供一种大电网密集输电通道灾害监控方法，包括：
8.获取影响大电网密集输电通道的灾害的多源信息；
9.提取所述多源信息中影响大电网密集输电通道的灾害关键因素；
10.基于所述灾害关键因素建立灾害信息和大电网密集输电通道关键设备的关系模型；
11.根据关系模型以获取的地理信息、数据信息进行大电网密集通道的灾害实时监控，并将对电网影响态势感知进行可视化展示。
12.可选的，获取灾害的多源信息，包括：
13.收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地
理信息及外部灾害事件信息的数据；
14.归纳大电网密集输电通道安全运行的典型灾害场景，所述典型灾害场景包括气象信息、台风、雷电、覆冰和山火影响；
15.从典型灾害场景的多源信息中提取影响大电网密集输电通道安全运行灾害关键因素。
16.可选的，获取灾害的多源信息，还包括：
17.基于不同灾害的关键特征及灾害感知、监测、预测信息模型，建立灾害关键因素量化表达模型；其中，所述不同灾害的关键特征包括发生时间、地点、级别、危害程度。
18.可选的，提取灾害关键因素的方法，包括：
19.基于典型灾害场景，进行数据预处理分析，将数据聚集成不同类型灾害；
20.根据所述不同类型灾害对大电网密集通道安全运行影响的风险机理机制，感知灾害信息发生的关键特征，并构建监测和预测典型灾害场景的灾害信息模型；
21.基于灾害信息模型的构建，建立灾害关键因素的量化关系，提取多源信息中的灾害关键因素。
22.可选的，建立灾害信息和关键设备的关系模型的方法，包括：
23.基于典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型；
24.结合电网模型、灾害关键因素以及历史灾害信息，分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，进行机器学习，建立灾害信息与密集通道关系模型。
25.可选的，获取灾害关键因素的多源信息的数据源包括常规天气预报、灾害预警信息、设备在线监测、电网模型以及在线分析结果，所述数据源获取的多源数据经转换、汇集以及整合处理后，进行数据关键因素提取，提取的所述灾害关键因素汇入灾害信息和关键设备的关系模型。
26.此外，为实现上述目的，本技术还提供一种大电网密集输电通道灾害监控系统，所述大电网密集输电通道灾害监控系统包括：信息获取模块，用于获取影响大电网密集输电通道的灾害的多源信息；提取模块，用于提取所述多源信息中影响大电网密集输电通道的灾害关键因素；机器学习模块，用于基于所述灾害关键因素建立灾害信息和大电网密集输电通道关键设备的关系模型；监控展示模块，用于根据关系模型以获取的地理信息、数据信息进行大电网密集通道的灾害实时监控，并将对电网影响态势感知进行可视化展示。
27.可选的，所述大电网密集输电通道灾害监控系统还包括数据聚类分析模块，用于将收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据聚集成类，得到大电网密集输电通道安全运行的典型灾害场景。
28.可选的，所述大电网密集输电通道灾害监控系统还包括灰色关联模块，用于根据灾害关键因素影响关键设备的行为特征比较序列与参考序列之间的关联系数和关联度对关联度进行排序、分析，得出灾害时空维度演变特性与模型和灾害信息与大电网密集通道的关系模型。
29.此外，为实现上述目的，本技术还提供一种大电网密集输电通道灾害监控设备，所
述大电网密集输电通道灾害监控设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的大电网密集输电通道灾害监控程序，其中所述大电网密集输电通道灾害监控程序被所述处理器执行时，实现如上述的大电网密集输电通道灾害监控方法的步骤。
30.此外，为实现上述目的，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有大电网密集输电通道灾害监控程序，其中所述大电网密集输电通道灾害监控程序被处理器执行时，实现如上述的大电网密集输电通道灾害监控方法的步骤。
31.本技术提供一种大电网密集输电通道灾害监控方法和系统，在获取灾害因素的多源信息后，利用数据聚类分析将多源外部环境信息归纳总结为典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型，结合电网模型、灾害关键因素分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，建立灾害信息与密集通道关系模型，实现了大电网密集通道外部环境信息标准化建模、信息采集以及数据整合，为灾害实时监视及对电网影响的可视化展示提供支撑，有利于提升大电网密集输电通道的外部环境综合监视能力。
32.本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
33.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例。在附图中：
34.图1为本技术大电网密集输电通道灾害监控方法的流程示意图；
35.图2为本技术大电网密集输电通道灾害监控方法的框架结构示意图；
36.图3为本技术大电网密集输电通道灾害监控方法的技术线路示意图；
37.图4为本技术大电网密集输电通道灾害监控系统一实施例的系统框图；
38.图5为本技术大电网密集输电通道灾害监控方法又一实施例的系统框图。
39.本技术目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
40.下面，结合附图以及具体实施方式，对本技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
41.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
42.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
43.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/ 步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实
际执行的顺序有可能根据实际情况改变。
44.应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
45.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
46.针对大电网密集输电通道在考虑灾害影响时，对电网造成影响的灾害因素等外部环境数据还没有正式接入到智能电网调度控制系统，或者由于没有统一的数据接入规范，数据存储独立建设，数据访问接口独立开发，不利于节约开发成本，在外部环境信息数据处理方面，接入的数据存在着冗余、不一致甚至错误的情况，没有经过数据辨识和清洗，不能保证数据的正确和合理性，在后续的使用中存在隐患。
47.本技术的实施例提供了一种大电网密集输电通道灾害监控方法和系统，解决目前大电网密集输电通道缺乏对灾害影响监控的问题。
48.在一些实施方式中，大电网密集输电通道灾害监控方法可以应用在大电网密集输电通道灾害监控设备，该大电网密集输电通道灾害监控设备可以是pc、便携计算机、移动终端等具有显示和处理功能的设备，当然也不限于此。
49.请参照图1，图1为本技术大电网密集输电通道灾害监控方法第一实施例的流程示意图。本技术的实施例中，所述大电网密集输电通道灾害监控方法包括以下步骤s10-s40：
50.步骤s10，获取影响大电网密集输电通道的灾害的多源信息。
51.在本技术实施例中，多源信息为影响大电网密集输电通道安全运行的多源外部环境信息。在获取多源信息时，包括采集和梳理大电网密集输电通道安全稳定运行相关的各类数据信息，包括风、光、水等一次能源，输变电设备，以及设备检修、缺陷、外部环境等。
52.在一些实施例中，获取灾害的多源信息时，包括：
53.收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据；
54.归纳大电网密集输电通道安全运行的典型灾害场景，所述典型灾害场景包括气象信息、台风、雷电、覆冰和山火影响。
55.在一些实施例中，获取灾害的多源信息时，还包括：
56.基于不同灾害的关键特征及灾害感知、监测、预测信息模型，建立灾害关键因素量化表达模型；其中，所述不同灾害的关键特征包括发生时间、地点、级别、危害程度。
57.在本技术的实施例中，调研收集国内外大电网密集通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息，归纳总结强风、台风、雷电、覆冰、山火等影响大电网密集输电通道安全运行的典型灾害场景。针对典型灾害场景，通过数据预处理分析等技术，开展各类灾害对大电网密集通道安全运行影响的风险机理分析，基于不同灾害的发生时间、地点、级别、危害程度等关键特征及灾害感知、监测、预测信息模型，建立灾害关键因素量化表达模型。
58.步骤s20，提取所述多源信息中影响大电网密集输电通道的灾害关键因素。
59.在本技术实施例中，针对多源外部环境信息进行归纳总结典型灾害场景后，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型，以此提取灾害关键因素。
60.在一些实施例中，提取灾害关键因素的方法，包括：
61.基于典型灾害场景，进行数据预处理分析，将数据聚集成不同类型灾害；
62.根据所述不同类型灾害对大电网密集通道安全运行影响的风险机理机制，感知灾害信息发生的关键特征，并构建监测和预测典型灾害场景的灾害信息模型；
63.基于灾害信息模型的构建，建立灾害关键因素的量化关系，提取多源信息中的灾害关键因素。
64.步骤s30，基于所述灾害关键因素建立灾害信息和大电网密集输电通道关键设备的关系模型。
65.在本技术实施例中，结合电网模型、灾害关键因素分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，建立灾害信息与密集通道关系模型。
66.在一些实施例中，建立灾害信息和关键设备的关系模型的方法，包括：
67.基于典型灾害场景，通过特征挖掘提取灾害关键特征，建立灾害关键因素量化表达模型；
68.结合电网模型、灾害关键因素以及历史灾害信息，分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，进行机器学习，建立灾害信息与密集通道关系模型。
69.参见图2和图3所示，在本技术的实施例中，基于各种灾害关键因素量化表达模型，应用灰色关联分析理论，分析与提炼灾害时空维度演变特性与模型。基于大电网密集通道的空间地理信息，分析灾害信息与大电网密集通道的时空耦合映射关系，并研究建立关系模型。
70.具体的，首先以灾害关键因素量化表达模型为基础，通过分析灾害性质、灾害等级、影响范围等因素以及灾害发展态势，提炼灾害时空维度演变特性与模型；其次，综合考虑大电网密集输电通道相关区域风、光、水等一次能源，输变电设备，以及影响大电网密集输电通道安全稳定运行的设备检修、缺陷、外部环境等相关信息，通过分析各类时空耦合映射关系，构建灾害信息与密集通道关系模型，最后，有利于研究调控系统中表征灾害信息与大电网密集通道关键设备关联关系。
71.步骤s40，根据关系模型以获取的地理信息、数据信息进行大电网密集通道的灾害实时监控，并将对电网影响态势感知进行可视化展示。
72.在本技术实施例中，通过对大电网密集通道外部环境信息标准化建模、信息采集、数据整合，进行大电网密集通道的灾害实时监视，并对电网影响的可视化展示。
73.参见图2和图3所示，在本技术实施例中，梳理大电网密集输电通道安全稳定运行相关的各类数据信息，包括风、光、水等一次能源，输变电设备，以及设备检修、缺陷、外部环境等，提出信息采集融合方法，其次，依托灾害信息和大电网密集输电通道关键设备的关系模型，结合地理信息、 3d全景展示等可视化。
74.本技术的实施例提供的一种大电网密集输电通道灾害监控方法，能够实现大电网密集通道外部环境信息标准化建模、信息采集以及数据整合，为灾害实时监视及对电网影响的可视化展示提供支撑，有利于提升大电网密集输电通道的外部环境综合监视能力。
75.参照图2，图2为本技术大电网密集输电通道灾害监控方法第二实施例的流程示意
图。
76.基于上述图1所示实施例，本技术的实施例中，获取灾害关键因素的多源信息的数据源包括常规天气预报、灾害预警信息、设备在线监测、电网模型以及在线分析结果，所述数据源获取的多源数据经转换、汇集以及整合处理后，进行数据关键因素提取，提取的所述灾害关键因素汇入灾害信息和关键设备的关系模型。
77.参照图4，图4为本技术大电网密集输电通道灾害监控系统第一实施例的功能模块示意图。
78.本技术的实施例中，所述大电网密集输电通道灾害监控系统包括：
79.信息获取模块100，用于获取影响大电网密集输电通道的灾害的多源信息；
80.提取模块200，用于提取所述多源信息中影响大电网密集输电通道的灾害关键因素；
81.机器学习模块300，用于基于所述灾害关键因素建立灾害信息和大电网密集输电通道关键设备的关系模型；
82.监控展示模块400，用于根据关系模型以获取的地理信息、数据信息进行大电网密集通道的灾害实时监控，并将对电网影响态势感知进行可视化展示。
83.在一些实施例中，所述监控展示模块400进行可视化展示时，采用三维全景展示技术，在本技术中，采用国内外先进科技的高精度三维激光雷达扫描设备，对外界真实场景合成高逼真度彩色(rgb)点云，将现实中的物质抽象为真实物质形态。结合激光器的高度与角度，从gnss得到的激光器的位置和从ins(惯性导航系统)得到的激光发射方向，就可以准确地计算出每一个地面光斑的座标x，y，z，将现实场景按1：1的比例还原。通过扫描测量现实中真实存在的物体，获取物体表面的基本点云数据，然后通过数据处理，将采集到的数据进行数据解算，变为系统可用的精确三维坐标的离散点数据，通过对点云数据进行滤波处理形成可用的平滑的数据，并对处理完成的点进行轮廓线的提取，最终在计算机中生成相应的三维数据模型。通过专业的建模软件结合点云数据和视频图像融合，将现实中的物体按照1:1的比例形成实体模型，最终融入3d平台形成三维可视文件，最终形成实景模型。以密集输电通道三维模型为基础，接入监视数据分析应用的各类分析结果数据，为密集输电通道运行情况提供直观的监视效果。
84.在一些实施例中，参见图5所示，所述大电网密集输电通道灾害监控系统还包括数据聚类分析模块101，用于将收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据聚集成类，得到大电网密集输电通道安全运行的典型灾害场景。
85.在本技术的实施例中，将雷电、台风、覆冰、山火等外部极端灾害设置为因变量，其余属性设置为自变量，考察各个自变量与因变量的相关性程度。按照物理或抽象对象的某些相似性属性，将上述对象的集合聚集成类，使不同类之间的相似性尽可能的小，同类中的相似性尽可能的大，每一个类是一组对象的集合，称为簇，簇中的对象彼此具有较高的相似度，而与其他簇中的对象相异。
86.因此，在本技术的实施例中，通过所述数据聚类分析模块101收集大电网密集输电通道的输电设备静态信息、历史运行数据、气象环境信息、地理信息及外部灾害事件信息的数据，归纳为包括气象信息、台风、雷电、覆冰和山火的影响大电网密集输电通道安全运行
的典型灾害场景。
87.在一些实施例中，所述大电网密集输电通道灾害监控系统还包括灰色关联模块301，用于根据灾害关键因素影响关键设备的行为特征比较序列与参考序列之间的关联系数和关联度对关联度进行排序、分析，得出灾害时空维度演变特性与模型和灾害信息与大电网密集通道的关系模型。
88.在本技术的实施例中，所述灰色关联模块301在进行灾害信息和大电网密集输电通道关键设备的关系模型建模时，可以对系统动态发展态势做出定量描述和比较的分析，通过计算反映灾害关键因素和影响关键设备的行为特征的比较序列与参考序列之间的关联系数和关联度来对关联度进行排序、分析，得出灾害时空维度演变特性与模型和灾害信息与大电网密集通道的关系模型。
89.所述灰色关联模块301进行计算步骤如下：
90.1)确定分析数列。确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。
91.2)无量纲处理。由于测量数据的数量级和量纲不同，导致各个指标数据之间不存在可比性，因此需要对测量数据进行无量纲处理来消除量纲。
92.3)计算关联度。传统关联度计算公式是求关联系数的平均值，该方法没有考虑各个指标在整个指标评价体系结构中的重要程度，最终得到的结果可能不够精确。因此，本文采用加权的方法，将各个指标得到的关联系数与权重相乘并求和作为最终的关联度。
93.其中，上述大电网密集输电通道灾害监控系统中各个模块与上述大电网密集输电通道灾害监控方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
94.本技术的大电网密集输电通道灾害监控方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在大电网密集输电通道灾害监控设备上运行。
95.该大电网密集输电通道灾害监控设备包括通过系统总线连接的处理器和存储器，其中，存储器可以包括非易失性存储介质和内存储器。
96.处理器用于提供计算和控制能力，支撑整个大电网密集输电通道灾害监控设备的运行。
97.内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种大电网密集输电通道灾害监控方法的以下步骤：
98.获取影响大电网密集输电通道的灾害的多源信息；
99.提取所述多源信息中影响大电网密集输电通道的灾害关键因素；
100.基于所述灾害关键因素建立灾害信息和大电网密集输电通道关键设备的关系模型；
101.根据关系模型以获取的地理信息、数据信息进行大电网密集通道的灾害实时监控，并将对电网影响态势感知进行可视化展示。
102.应当理解的是，处理器可以是中央处理单元(central processing unit， cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor，dsp)、专用集成电路(application specificintegrated circuit，asic)、现场可编程门阵列
(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
103.其中，所述处理器用于运行存储在存储器中的计算机程序，以实现本技术大电网密集输电通道灾害监控方法的各个实施例，此处不再赘述。
104.此外，本技术实施例还提供一种计算机可读存储介质。
105.本技术计算机可读存储介质上存储有大电网密集输电通道灾害监控程序，其中所述大电网密集输电通道灾害监控程序被处理器执行时，实现如上述的大电网密集输电通道灾害监控方法的步骤：
106.获取影响大电网密集输电通道的灾害的多源信息；
107.提取所述多源信息中影响大电网密集输电通道的灾害关键因素；
108.基于所述灾害关键因素建立灾害信息和大电网密集输电通道关键设备的关系模型；
109.根据关系模型以获取的地理信息、数据信息进行大电网密集通道的灾害实时监控，并将对电网影响态势感知进行可视化展示。
110.其中，大电网密集输电通道灾害监控程序被执行时所实现的方法可参照本技术大电网密集输电通道灾害监控方法的各个实施例，此处不再赘述。
111.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
112.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
113.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
114.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如 rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
115.本技术提供一种大电网密集输电通道灾害监控方法和系统，在获取灾害因素的多源信息后，利用数据聚类分析将多源外部环境信息归纳总结为典型灾害场景，通过特征挖
掘提取灾害关键特征，建立灾害关键因素量化表达模型，结合电网模型、灾害关键因素分析与提炼灾害时空维度演变特性及灾害信息与大电网密集通道的时空耦合映射关系，建立灾害信息与密集通道关系模型，实现了大电网密集通道外部环境信息标准化建模、信息采集以及数据整合，为灾害实时监视及对电网影响的可视化展示提供支撑，有利于提升大电网密集输电通道的外部环境综合监视能力。
116.以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。