欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025101767184
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于卫星互联网的输电走廊山火蔓延预测与风险评估方法,其特征在于,包括:基于星地融合网络模式的多模态数据构建火灾风险因子数据库;

应用随机森林算法在所述火灾风险因子数据库中筛选出关键因子并确定关键因子对应的火灾风险贡献度;

基于电力山火隐患因子,提取输电走廊邻域的相似特征,采用聚类算法将研究区域划分为若干具有相似电力风险特征的子区域;

构建火灾风险加权评分模型,结合所述火灾风险贡献度动态调整所述子区域的区域划分,识别高、中、低风险区域;

基于气象观测数据驱动构建山火蔓延模型,建立火灾风险状态转移矩阵,结合动态贝叶斯网络实时预测火势蔓延路径;

综合火势蔓延路径、火灾强度和设备分布特性,评估山火对输电线路的损害风险,生成输电走廊的损害风险分级图;

其中,所述构建火灾风险加权评分模型,结合所述火灾风险贡献度动态调整所述子区域的区域划分,识别高、中、低风险区域的步骤,包括:构建火灾风险加权评分模型;

;

式中:为根据重要度对每个因子赋予的加权值,为筛选出的不同维度的关键火灾风险因子标准化取值,为各划分区域火灾风险评分;

在所述子区域中分析初步划分的个具有相似电力风险特征的区域火灾影响因子,基于因子的风险贡献度分配权重;

基于动态评分机制更新区域的火灾风险评分以通过设定阈值将所述子区域划分为高、中、低风险区域;

其中,所述基于气象观测数据驱动构建山火蔓延模型,建立火灾风险状态转移矩阵,结合动态贝叶斯网络实时预测火势蔓延路径的步骤,包括:基于气象观测数据驱动构建山火蔓延模型;

;

式中,为山火蔓延速度,为无风平坡且无其余干扰情况下的理想山火蔓延速度,为山火辐射因子,其数值与火释放热量相关,为山火辐射带来的速度因子,其数值与火焰厚度相关,表示山火与地面法线夹角,表示坡面与水平面间的夹角,和分别表示风速与烟雾垂直方向的传播速度;

构建火灾风险状态转移矩阵;

;

式中,表示火势从区域向区域蔓延的概率,火势从一个簇区域蔓延到所有相邻簇区域的概率之和为1,、、表示气象、燃料、地形三类最重要火灾传播影响因子;

结合山火蔓延模型通过所述火灾风险状态转移矩阵量化火势从一个区域向相邻区域传播的可能性;

结合动态贝叶斯网络模拟火势的状态演化以实时预测火灾蔓延路径。

2.根据权利要求1所述的一种基于卫星互联网的输电走廊山火蔓延预测与风险评估方法,其特征在于,所述基于星地融合网络模式的多模态数据构建火灾风险因子数据库的步骤之前,还包括:构建基于星地融合网络模式的多尺度山火监测体系以采集红外热图、气象参数、火点位置和电力设施状态信息;

利用时空配准算法将所述红外热图、气象参数、火点位置和电力设施状态信息进行融合以生成多模态数据。

3.根据权利要求1所述的一种基于卫星互联网的输电走廊山火蔓延预测与风险评估方法,其特征在于,所述应用随机森林算法在所述火灾风险因子数据库中筛选出关键因子并确定关键因子对应的火灾风险贡献度的步骤,包括:从所述火灾风险因子数据库中随机抽取个训练数据集和对应的个用于预测测试的数据集,其中各训练集中因子不完全重合,预测测试集由对应的非训练集包含因子所组成;

对于每个训练数据集,使用随机森林构建决策树模型,并对数据集进行预测,统计相应数据的预测误差为;

将每个数据集中的火灾风险因子记作,并对预测测试的数据集中的各因子施加扰动,用训练好的模型对进行预测,并计算新的预测误差;

计算每个因子的预测误差变化量的均值作为该因子的重要度:;

式中,表示火灾风险因子的重要性。

4.根据权利要求1所述的一种基于卫星互联网的输电走廊山火蔓延预测与风险评估方法,其特征在于,所述基于电力山火隐患因子,提取输电走廊邻域的相似特征,采用聚类算法将研究区域划分为若干具有相似电力风险特征的子区域的步骤,包括:将输电走廊区域进行均匀网格化划分,并根据电力山火隐患因子特性确定初始聚类中心与聚类数,定义基于隐患因子的因子关联度与分散度,从而形成聚类分析的效果综合评估指标,以确定输电走廊区域的最佳划分值:;

式中,表示第个电力设施数据,表示第个聚类中心;

计算所有电力设施之间的距离,并根据k值选择圆周辐射模型的半径,计算各电力设施辐射范围内的其他电力设施数量,同时设定阈值,阈值选值为输电走廊区域内电力设施总数与聚类数k的比值;

整合所有的数据并放入数据集中,同时找出最大的作为第一个聚类中心,然后将其移动到集合中;再选择中与距离最远的电力设施作为第二个聚类中心,然后将其移动到集合中,依此类推得到k个聚类中心,再将输电走廊区域所有电力设施分别分配到与之最近的聚类中心,从而形成k个具有相似电力风险特征的区域:;

式中,为区域总电力设施数,表示两个电力设施在维下的距离,x,y分别表示的是不同电力设施在各个维度上的位置坐标。

5.根据权利要求1所述的一种基于卫星互联网的输电走廊山火蔓延预测与风险评估方法,其特征在于,所述综合火势蔓延路径、火灾强度和设备分布特性,评估山火对输电线路的损害风险,生成输电走廊的损害风险分级图的步骤,包括:综合火势蔓延路径以识别火灾影响区域和关键设备;

将山火的影响区域划分为高温燃烧区、电荷积聚区、烟雾颗粒区三类区域,对山火引发线路跳闸的历史数据进行分析考虑山火蔓延条件与线路击穿概率,得到山火条件下的输电线路跳闸概率:;

式中,和分别为山火条件下的空间间隙电压和空间间隙击穿电压,为高温燃烧区、电荷积聚区、烟雾颗粒区三类区域的空间间隙击穿电压之和,为输电线路运行的相电压;

综合线路跳闸概率和故障传播对电网运行的影响,基于电网潮流分析模拟火灾引发的问题并构建损害评估模型;

其中,输电线路山火跳闸综合概率模型构建方法为:

;

式中:为沿告警杆塔与火点连线方向的火点最大蔓延速度,为山火数据更新周期,为火点与告警杆塔间的距离;

损害评估模型的构建为:

;

式中:为山火对输电线路的损害风险值,为第条线路因山火跳闸的概率,为第条线路因跳闸引起的电网损害值,分别为负荷丢失量与电压波动量,为权重系数,调整这两个参数可以根据不同的实际情况控制损害模型;

基于损害评估模型的输出结果生成输电走廊损害风险分级图。

6.一种基于卫星互联网的输电走廊山火蔓延预测与风险评估系统,其特征在于,执行如权利要求1所述的方法,所述基于卫星互联网的输电走廊山火蔓延预测与风险评估系统包括:数据构建模块,用于基于星地融合网络模式的多模态数据构建火灾风险因子数据库;

贡献度模块,用于应用随机森林算法在所述火灾风险因子数据库中筛选出关键因子并确定关键因子对应的火灾风险贡献度;

子区域模块,用于基于电力山火隐患因子,提取输电走廊邻域的相似特征,采用聚类算法将研究区域划分为若干具有相似电力风险特征的子区域;

区域划分模块,用于构建火灾风险加权评分模型,结合所述火灾风险贡献度动态调整所述子区域的区域划分,识别高、中、低风险区域;

路径预测模块,用于基于气象观测数据驱动构建山火蔓延模型,建立火灾风险状态转移矩阵,结合动态贝叶斯网络实时预测火势蔓延路径;

分级图模块,用于综合火势蔓延路径、火灾强度和设备分布特性,评估山火对输电线路的损害风险,生成输电走廊的损害风险分级图。

7.一种计算机设备,其特征在于,所述设备包括:存储器、处理器,所述处理器在运行所述存储器存储的计算机指令时,执行如权利要求1至5中任一项所述的方法。

8.一种计算机可读存储介质,其特征在于,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至5中任一项所述的方法。