[发明专利]一种输电线路树障生长预测方法

说明书

本发明提供一种输电线路树障生长预测方法，包括以下步骤：S101、获取输电线路树障隐患样本数据；S102、对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展样本数据；S103、将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，获得二次扩展样本数据；S104、通过二次扩展样本数据对树高生长模型进行训练；S105、将实时采集的输电线路树障隐患数据输入到树高生长模型中，获得树高预测数据，所述方法使用较少的初始样本数据就能将树高生长模型训练出较高的性能，有助于提高树高生长模型的预测准确性。

技术领域

本发明涉及树木生长预测技术领域，尤其涉及一种输电线路树障生长预测方法。

背景技术

热带地区的植被生长速度快，植物种类繁多。输电线路附近的树木长得过高时，刮大风引起的树木枝叶摆动，可能会触及导线造成漏电，甚至砸断导线。在输电线路下面的树木过高时，也可能触及导线造成漏电、断路，甚至引起停电事故。树障处理的难点之一是估算树木到电线的距离，为了解决传统作业中人工巡视输电线路的方式工作量大、人工测算距离较为困难且难以避免误差等问题，目前行业中通过机器学习模型对树木生长高度进行预测，从而辅助运维单位编制树障清理计划，减小树木对线路安全运行造成的风险，但仍存在一些问题，例如为了满足输电线路周边范围的覆盖需求以及不同树种的生长多样性，需要大量的树障隐患和生长训练数据，单单从自然环境中收集足量的训练数据耗时耗力，而从网络获取的训练数据不一定符合要求，导致预测模型的训练难度提高，影响预测准确性。

发明内容

鉴于此，本发明的目的在于提供一种输电线路树障生长预测方法，以克服或至少部分解决现有技术所存在的上述问题。

为实现上述发明目的，本发明提供一种输电线路树障生长预测方法，所述方法包括以下步骤：

S101、获取输电线路树障隐患样本数据；

S102、对输电线路树障隐患样本数据进行一次扩展处理，获得一次扩展样本数据；

S103、将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，获得二次扩展样本数据；

S104、通过二次扩展样本数据对树高生长模型进行训练；

S105、将实时采集的输电线路树障隐患数据输入到树高生长模型中，获得树高预测数据。

进一步的，所述输电线路树障隐患样本数据包括树种、树龄、郁闭度、植株数量、当前树高、当前胸径、距离导线的当前水平距离和垂直距离、生长速率。

进一步的，对输电线路树障隐患样本数据进行一次扩展处理，具体包括：

S201、从扩展策略集合中选择一扩展策略；

S202、根据选中的扩展策略对输电线路树障隐患样本数据进行一次扩展处理。

进一步的，从扩展策略集合中选择一扩展策略，具体包括以下步骤：

S301、获取输电线路区段信息列表，从输电线路区段信息列表中随机选择一区段作为目标区段；

S302、获取目标区段的历史树障清除数据，基于历史树障清除数据从扩展策略集合中选择扩展策略。

进一步的，基于历史树障清除数据从扩展策略集合中选择扩展策略，具体包括以下步骤：

S401、根据历史树障清除数据生成历史树障清除数据变化曲线图；

S402、计算历史树障清除数据变化曲线图中曲线的平均曲率；

S403、对平均曲率进行分级，根据平均曲率所属级别从扩展策略集合中选择扩展策略。

进一步的，将一次扩展样本数据输入到循环预测模型中进行二次扩展处理，具体包括以下步骤：