[发明专利]一种基于机器学习的输电线路的缺陷预测方法及装置

权利要求书

1.一种基于机器学习的输电线路的缺陷预测方法，其特征在于，包括：

获取输电线路的生产管理信息系统数据以及气象信息数据，其中，所述生产管理信息系统数据包含输电线路结构参数、输电线路缺陷历史数据，所述气象信息数据包含气象预报数据、气象历史数据；

根据所述输电线路结构参数、输电线路缺陷历史数据和所述气象预报数据、气象历史数据，利用机器学习分析算法，生成所述输电线路的特定缺陷预测信息。

2.根据权利要求1所述的基于机器学习的输电线路的缺陷预测方法，其特征在于，所述机器学习分析算法包括聚类分析和关联分析。

3.根据权利要求2所述的基于机器学习的输电线路的缺陷预测方法，其特征在于，所述根据所述输电线路结构参数、输电线路缺陷历史数据和所述气象预报数据、气象历史数据，利用机器学习分析算法，生成所述输电线路的特定缺陷预测信息，具体包括：

根据所述输电线路缺陷历史数据和所述气象历史数据，进行关联分析，得到第一特定缺陷信息，所述第一特定缺陷信息包括所述输电线路缺陷历史数据中的由气象直接或间接引发的输电线路缺陷；

根据所述第一特定缺陷信息和输电线路结构参数，进行聚类分析，得到第二特定缺陷信息，所述第二特定缺陷信息包括所述第一特定缺陷信息中的由输电线路结构参数直接或间接引发的输电线路缺陷；

根据所述第二特定缺陷信息和所述气象历史数据，进行关联分析，计算获得特定气象历史信息，所述特定气象历史信息包括所述第二特定缺陷信息中由一段时间的气象导致发生的缺陷；

根据所述特定气象历史信息和所述气象预报数据，进行聚类分析，计算获得特定气象预报信息，所述特定气象预报信息包括当发生某特定气象时，有可能发生的缺陷；

根据所述第二特定缺陷信息和所述特定气象预报信息，进行关联分析，生成可预测到输电线路具体线路单元的特定缺陷，所述输电线路具体线路单元的特定缺陷包括当发生某特定气象时，有可能发生缺陷，将可能发生的缺陷与所述输电线路缺陷历史数据中相关的输电线路结构参数相关联，生成具体线路杆塔可能会出现的特定缺陷。

4.根据权利要求3所述的基于机器学习的输电线路的缺陷预测方法，其特征在于，所述输电线路结构参数包括：线路台账、电压等级、线路分裂数、导线型号、杆塔性质、塔型、杆塔经纬度、档距、呼高、杆塔材质、固定方式、杆塔高。

5.根据权利要求2所述的基于机器学习的输电线路的缺陷预测方法，其特征在于，在进行聚类分析时，将缺陷模式分为六类，包括冰害、雷击、风害、污闪、外力破坏以及鸟害。

6.一种基于机器学习的输电线路的缺陷预测装置，其特征在于，包括：

获取模块，用于获取输电线路的生产管理信息系统数据以及气象信息数据，其中，所述生产管理信息系统数据包含输电线路结构参数、输电线路缺陷历史数据，所述气象信息数据包含气象预报数据、气象历史数据；

分析模块，用于根据所述输电线路结构参数、输电线路缺陷历史数据和所述气象预报数据、气象历史数据，利用机器学习分析算法，生成所述输电线路的特定缺陷预测信息。

7.根据权利要求6所述的基于机器学习的输电线路的缺陷预测装置，其特征在于，所述机器学习分析算法包括聚类分析和关联分析。