输电线路覆冰风险预警方法、装置、介质和电子设备与流程

本公开实施例涉及输电线
技术领域：
，尤其涉及一种输电线路覆冰风险预警方法，输电线路覆冰风险预警装置，以及实现输电线路覆冰风险预警方法的计算机可读存储介质和电子设备。
背景技术：
：输电线路冬季易发生覆冰，易造成输电线路冰闪跳闸、倒塔断线等事故发生，严重影响了电网的安全稳定运行。因此，提前预测预警输电线路覆冰影响范围及程度，可以有效防止输电线路覆冰灾害事故发生，大力支撑输电线路安全稳定运行。目前，相关技术开展了输电线路覆冰预测方法研究，例如基于多元物理量(风力、温度、湿度、雨滴、气压等)数学模型的输电线路覆冰预测方法，通过对电力线受力影响的分析，结合导线本身覆冰的因素(导线结构、材料表面性能等)，实现对输电线路覆冰厚度的有效预测；又例如建立了基于诱导有序加权平均算子组合预测模型的输电线路覆冰厚度及质量的快速分析模型，充分考虑了电线悬挂高度、地形、电线直径、电线扭转、电线温度、风速、风偏、温度、湿度、光照强度、降雨强度和降雪强度等因素，实现了覆冰厚度及质量预测；再例如提出了一种基于气象和地形因子的输变电设备覆冰灾害实时监测和滚动预报方法，实现了不同区域覆冰厚度分布的定量预测。然而，目前的这些方案中模型中的参数获取不够精确，人工经验因素占据主要地位。因此，不具备较强的理论合理性，导致输电线路覆冰灾害预测结果的准确性较低。技术实现要素：为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种输电线路覆冰风险预警方法，输电线路覆冰风险预警装置，以及实现输电线路覆冰风险预警方法的计算机可读存储介质和电子设备。第一方面，本公开实施例提供了一种输电线路覆冰风险预警方法，包括：获取输电线路不同区段的气象预报数据；基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度；基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度；基于整个输电线路的覆冰灾害预警结果和对应的置信度，确定输电线路覆冰灾害预警等级。在本公开的一些实施例中，所述输电线路覆冰灾害分类器由以下方式确定：对所述输电线路发生覆冰灾害的内因进行分类，根据分类结果统计所述输电线路在各类别内因下历史覆冰灾害的历史气象数据；将所述输电线路依次划分为多个不同区段，确定各个区段在分类结果中对应的类别，以选择各个区段对应类别下的历史覆冰灾害的历史气象数据构成训练样本集；基于所述训练样本集，以及adaboost集成学习算法形成所述输电线路覆冰灾害分类器。在本公开的一些实施例中，所述内因包括：输电线路各基杆塔的基础特征，该基础特征包括独立基础、桩基础和掏挖基础；输电线路电线直径、电线扭转、电线悬挂高度；输电线路处的地形地貌信息；所述气象数据包括以下任意一项或多项：降水量、风速、相对湿度、温度、气压、风偏、光照强度、降雪强度。在本公开的一些实施例中，所述基于所述训练样本集，以及adaboost集成学习算法形成所述输电线路覆冰灾害分类器，包括：给定训练样本集其中输电线路发生覆冰灾害事故样本类别标签xi规定为1，未发生覆冰灾害事故样本类别标签xi为-1；i为训练样本索引号，ωi为区段i，n为训练样本个数；t为弱分类器个数，即训练次数，其中弱分类器分类算法记为初始化训练样本的权值分布ωt(j)＝1/n,j＝1,2,...,n；t＝1,2,...,t；根据第t次的样本权值分布ωt(j)从原样本集中抽样，生成新的样本集合(t＝1,2,...,t)；根据训练弱分类器并根据此弱分类器对原样本集进行分类；计算所述弱分类器的分类错误率：上式中，计算所述弱分类器的权重系数更新样本权值分布：其中，是归一化因子，使得通过下式确定输电线路区段ωi覆冰灾害最终分类器即输电线路覆冰灾害分类器：其中，函数为符号函数。在本公开的一些实施例中，基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度，包括：基于以下公式计算得到输电线路区段ωi的覆冰灾害预警结果xi：基于以下公式计算得到输电线路区段ωi对应的置信度margin(ωi,xi)：在本公开的一些实施例中，所述基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段对应的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度，包括：整个输电线路的覆冰灾害预警结果x由以下公式确定：整个输电线路的覆冰灾害的置信度margin(ω,x)由以下公式确定：其中，margin(ω,x)∈[-1,1]，不同区段ωi对应的权重值为θωi。在本公开的一些实施例中，所述输电线路覆冰灾害预警等级具体由以下方式确定：在margin(ω,x)>0.9时，为红色预警；在0.6<margin(ω,x)≦0.9时，为橙色预警；在0.3<margin(ω,x)≦0.6时，为黄色预警在margin(ω,x)≦0.3时，为蓝色预警。第二方面，本公开实施例提供一种输电线路覆冰风险预警装置，包括：气象数据获取模块，用于获取输电线路不同区段的气象预报数据；输电线路区段预警模块，用于基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度；输电线路预警模块，用于基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度；预警等级确定模块，用于基于整个输电线路的覆冰灾害预警结果和对应的置信度，确定输电线路覆冰灾害预警等级。第三方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述输电线路覆冰风险预警方法的步骤。第四方面，本公开实施例提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任一实施例所述输电线路覆冰风险预警方法的步骤。本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例中，获取输电线路不同区段的气象预报数据，基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度，基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度，基于整个输电线路的覆冰灾害预警结果和对应的置信度，确定输电线路覆冰灾害预警等级。本实施例的方案获取输电线路不同区段的气象预报数据结合覆冰灾害分类器进行预警分析，再基于不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度，进而确定输电线路覆冰灾害预警等级，使得输电线路覆冰灾害预测结果的准确性大为提高，为重要输电通道的安全稳定运行提供重要技术支撑。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。为了更清楚地说明本公开实施例或现有技术中的技术方案，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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本公开实施例输电线路覆冰风险预警方法流程图；图2为本公开具体实施例输电线路覆冰风险预警过程示意图；图3为本公开实施例输电线路覆冰风险预警装置示意图；图4为本公开实施例实现输电线路覆冰风险预警方法的电子设备示意图。具体实施方式为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。应当理解，在下文中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。图1为本公开实施例示出的输电线路覆冰风险预警方法流程图，该输电线路覆冰风险预警方法可以包括以下步骤：步骤s101：获取输电线路不同区段的气象预报数据。步骤s102：基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度。步骤s103：基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度。步骤s104：基于整个输电线路的覆冰灾害预警结果和对应的置信度，确定输电线路覆冰灾害预警等级。本实施例的方案获取输电线路不同区段的气象预报数据结合覆冰灾害分类器进行预警分析，再基于不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度，进而确定输电线路覆冰灾害预警等级，使得输电线路覆冰灾害预测结果的准确性大为提高。具体的，作为示例，在本公开的一些实施例中，步骤s102中所述输电线路覆冰灾害分类器可由但不限于以下方式确定：对所述输电线路发生覆冰灾害的内因进行分类，根据分类结果统计所述输电线路在各类别内因下历史覆冰灾害的历史气象数据；将所述输电线路依次划分为多个不同区段，确定各个区段在分类结果中对应的类别，以选择各个区段对应类别下的历史覆冰灾害的历史气象数据构成训练样本集；基于所述训练样本集，以及adaboost集成学习算法形成所述输电线路覆冰灾害分类器。本实施例的方案基于机器学习理论通过已往的观察数据获取较准确的预测，提供了一种从观测数据出发得到目前尚不能通过物理原理分析得到的规律，而这些规律则可以预测未来数据，它为输电线路覆冰灾害的准确预测预警提供了一种更加可行的操作方式。具体的，在本公开的一些实施例中，所述内因可包括：输电线路各基杆塔的基础特征，该基础特征包括独立基础、桩基础和掏挖基础；输电线路电线直径、电线扭转、电线悬挂高度。输电线路处的地形(如分水岭、垭口等)地貌信息。所述气象数据可以包括但不限于以下任意一项或多项：降水量、风速、相对湿度、温度、气压、风偏、光照强度、降雪强度。在本公开的一些实施例中，所述基于所述训练样本集，以及adaboost集成学习算法形成所述输电线路覆冰灾害分类器，具体可包括以下步骤：1)给定训练样本集其中输电线路发生覆冰灾害事故样本类别标签xi规定为1，未发生覆冰灾害事故样本类别标签xi为-1；i为训练样本索引号，ωi为区段i，n为训练样本个数；t为弱分类器个数，即训练次数，其中弱分类器分类算法记为2)初始化训练样本的权值分布ωt(j)＝1/n,j＝1,2,...,n；t＝1,2,...,t；3)根据第t次的样本权值分布ωt(j)从原样本集中抽样，生成新的样本集合(t＝1,2,...,t)；4)根据训练弱分类器并根据此弱分类器对原样本集进行分类；5)计算所述弱分类器的分类错误率：上式中，6)计算所述弱分类器的权重系数7)更新样本权值分布：其中，是归一化因子，使得8)通过下式确定输电线路区段ωi覆冰灾害最终分类器即输电线路覆冰灾害分类器：其中，函数为符号函数。在本公开的一些实施例中，步骤s102中基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度，包括：基于以下公式计算得到输电线路区段ωi的覆冰灾害预警结果xi：基于以下公式计算得到输电线路区段ωi对应的置信度margin(ωi,xi)：在本公开的一些实施例中，步骤s103中基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段对应的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度，包括以下步骤：整个输电线路的覆冰灾害预警结果x由以下公式确定：整个输电线路的覆冰灾害的置信度margin(ω,x)由以下公式确定：其中，margin(ω,x)∈[-1,1]，不同区段ωi对应的权重值为本实施例中依据每个区段ωi的权重值比例线性组合计算输电线路整个区段覆冰灾害预警输出结果x和置信度margin(ω,x)，margin(ω,x)∈[-1,1]中较大的正边界则表示预测该线路发生覆冰灾害的可信度高，较大的负边界表示预测该线路不发生覆冰灾害事故的可信度高，较小的边界则表示预测结果的可信度较低。本实施例中基于改进adaboost的输电线路覆冰风险预警方法，通过对每个区段下的输电线路覆冰风险评估弱分类器进行集成学习，形成整个输电线路覆冰风险评估的强学习分类器，能够实现对输电线路覆冰气象预报数据、输电线路的结构参数以及地形地貌等相关数据的综合计算处理，使得输出所在区域的输电线路覆冰灾害预警分析结果更为准确，为重要输电通道的安全稳定运行提供技术支撑。在本公开的一些实施例中，步骤s104中所述输电线路覆冰灾害预警等级具体可以由但不限于以下方式确定：在margin(ω,x)>0.9时，为红色预警，表示特别严重覆冰；在0.6<margin(ω,x)≦0.9时，为橙色预警，表示严重覆冰；在0.3<margin(ω,x)≦0.6时，为黄色预警，表示中等程度覆冰。在margin(ω,x)≦0.3时，为蓝色预警，表示轻度程度覆冰。本实施例的方案考虑到影响输电线路覆冰灾害致因最重要外界因素为气象数据要素和地形地貌特征要素数据等，而当内因相对稳定不变时，电网覆冰灾害事故的发生将由外因决定。为了弥补现有电网覆冰灾害预警主动性差且准确性低等不足，本公开实施例方案从电网覆冰灾害实际发生状况和运行角度提出了一种基于改进adaboost的输电线路覆冰灾害风险预警方法，本质上将输电线路覆冰灾害风险预警问题归结为有监督学习下的分类预测问题，通过改进adaboost集成学习算法建立强分类器，综合计算处理输电线路结构数据参数、气象数据以及地形地貌信息等要素数据，确定输电线路覆冰灾害风险等级，最终在一定程度上实现较高精度下的输电线路覆冰灾害预测预警，预警结果准确性较高。本公开实施例的技术方案至少包含以下技术优点：1)不仅考虑了影响输电线路覆冰灾害的内因和外因，而且充分利用电网历史覆冰灾害信息，更加符合输电线路覆冰灾害的实际情况，使得预警结果准确性大为提高。2)采用改进adaboost集成学习算法，有利于从样本数据中学习到的规则中强化适用于新数据的能力，具有泛化能力强、易编码等特点，使得预测预警结果可靠性高。3)本公开实施例的方法流程相对详尽，可操作性强，更具有实用性。下面结合参考图2对本公开具体实施例的方案进行示例说明。以2010-2017年28组湖南电网500kv某输电线路样本数据集为例，具体实施操作步骤如下：步骤s1，针对输电线路覆冰灾害的内因进行分析，并按照分类结果对输电线路在各类别内因下历史覆冰灾害事故的气象数据进行统计；其中根据9个内因的取值分类，共计组合24*35种。示例性的，输电线路覆冰灾害内因分类结果包括有：输电线路各基杆塔的基础特征，包括独立基础、桩基础和掏挖基础；输电线路特征，如电线直径、电线扭转、电线悬挂高度等；地形信息，如分水岭、垭口等；地貌信息。气象数据包括有：降水量、风速、相对湿度、温度、气压、风偏、光照强度、降雪强度。步骤s2，将被预测的整条输电线路依次划分为20个区段，分别搜集和整理各区段ωi(1≤i≤20)的输电线路信息，记为ω＝{ω1,ω2,...ω20}，；步骤s3，针对每个区段ωi内的输电线路信息，选择与区段ωi中输电线路覆冰灾害内因分类结果中对应的类别，并获取这些类别中历史覆冰灾害事故条件下的历史气象数据记录构成训练样本集，以adaboost集成学习算法形成分类器。步骤s3的具体示例实施方式如下：(1)输入：训练样本集，具体包括样本类别标签，其中输电线路覆冰灾害事故发生样本类别标签xi规定为1，未发生覆冰灾害事故则记为-1；i为训练样本索引号，n为训练样本个数；t为弱分类器个数，即训练次数，其中弱分类器分类算法记为c|ωi；这里，采用的弱分类器算法可以采用支持向量机即可。(2)初始化：样本权值分布ωt(j)＝1/n,j＝1,2,...,n；t＝1,2,...,t；(3)训练样本进化及弱分类器：(3.1)根据第t次的样本权值分布ωt(j)从原样本集中进行有放回的抽样，生成新的样本集合(t＝1,2,...,t)；(3.2)根据训练弱分类器并根据此分类器对原样本集进行分类；(3.3)计算弱分类器的分类错误率：上式中，(3.4)计算弱分类器的权重系数(3.5)更新权值分布其中是归一化因子，使得(3.6)确定输电线路区段ωi覆冰灾害最终分类器：这里，函数为符号函数。步骤s4，从气象部门获取区段ωi中输电线路覆冰灾害气象预报数据u作为输入，通过上述分类器得到区段ωi中输电线路覆冰灾害预警输出结果xi和置信度margin值margin(ωi,xi)。具体计算公式如下所示：步骤s5，根据步骤s4得到的区段ωi中输电线路覆冰灾害预警输出结果xi和置信度margin值margin(ωi,xi)，依据每个区段ωi的权重比例线性组合计算输电线路整个区段覆冰灾害预警输出结果x和置信度margin值margin(ω,x)。具体的计算公式如下所示：本实施例中示例性的该输电线路20个区段的权重值如下所示：上式中，margin(ω,x)∈[-1,1]，其中较大的正边界则表示预测该线路发生覆冰灾害的可信度高，较大的负边界表示预测该线路不发生覆冰灾害事故的可信度高，较小的边界则表示预测结果的可信度较低。步骤s6，根据步骤s5得到的输电线路整个区段覆冰灾害预警输出结果x对应的置信度margin值margin(ω,x)，判定得到输电线路覆冰灾害风险预警等级。示例性的输电线路覆冰灾害风险预警等级如下表所示：条件预警等级备注margin(ω,x)>0.9红色预警特别严重覆冰0.6<margin(ω,x)≦0.9橙色预警严重覆冰0.3<margin(ω,x)≦0.6黄色预警中等程度覆冰margin(ω,x)≦0.3蓝色预警轻度覆冰需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。基于同一构思，本公开实施例提供一种输电线路覆冰风险预警装置，包括：气象数据获取模块301，用于获取输电线路不同区段的气象预报数据；输电线路区段预警模块302，用于基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度；输电线路预警模块303，用于基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度；预警等级确定模块304，用于基于整个输电线路的覆冰灾害预警结果和对应的置信度，确定输电线路覆冰灾害预警等级。在本公开的一些实施例中，所述输电线路覆冰灾害分类器由以下方式确定：对所述输电线路发生覆冰灾害的内因进行分类，根据分类结果统计所述输电线路在各类别内因下历史覆冰灾害的历史气象数据；将所述输电线路依次划分为多个不同区段，确定各个区段在分类结果中对应的类别，以选择各个区段对应类别下的历史覆冰灾害的历史气象数据构成训练样本集；基于所述训练样本集，以及adaboost集成学习算法形成所述输电线路覆冰灾害分类器。在本公开的一些实施例中，所述内因包括：输电线路各基杆塔的基础特征，该基础特征包括独立基础、桩基础和掏挖基础；输电线路电线直径、电线扭转、电线悬挂高度；输电线路处的地形地貌信息；所述气象数据包括以下任意一项或多项：降水量、风速、相对湿度、温度、气压、风偏、光照强度、降雪强度。在本公开的一些实施例中，所述基于所述训练样本集，以及adaboost集成学习算法形成所述输电线路覆冰灾害分类器，具体由以下方式确定：给定训练样本集u|ωi，其中输电线路发生覆冰灾害事故样本类别标签xi规定为1，未发生覆冰灾害事故样本类别标签xi为-1；i为训练样本索引号，ωi为区段i，n为训练样本个数；t为弱分类器个数，即训练次数，其中弱分类器分类算法记为初始化训练样本的权值分布ωt(j)＝1/n,j＝1,2,...,n；t＝1,2,...,t；根据第t次的样本权值分布ωt(j)从原样本集中抽样，生成新的样本集合根据训练弱分类器并根据此弱分类器对原样本集进行分类；计算所述弱分类器的分类错误率：上式中，计算所述弱分类器的权重系数更新样本权值分布：其中，是归一化因子，使得通过下式确定输电线路区段ωi覆冰灾害最终分类器即输电线路覆冰灾害分类器：其中，函数为符号函数。在本公开的一些实施例中，输电线路区段预警模块302基于输电线路覆冰灾害分类器，对所述不同区段的气象预报数据进行处理以得到不同区段的覆冰灾害预警结果和对应的置信度，具体可以包括以下方式：基于以下公式计算得到输电线路区段ωi的覆冰灾害预警结果xi：基于以下公式计算得到输电线路区段ωi对应的置信度margin(ωi,xi)：在本公开的一些实施例中，输电线路预警模块303基于所述不同区段的覆冰灾害预警结果和对应的置信度，以及不同区段对应的权重值确定整个输电线路的覆冰灾害预警结果和对应的置信度，具体包括以下方式：整个输电线路的覆冰灾害预警结果x由以下公式确定：整个输电线路的覆冰灾害的置信度margin(ω,x)由以下公式确定：其中，margin(ω,x)∈[-1,1]，不同区段ωi对应的权重值为θωi。在本公开的一些实施例中，所述输电线路覆冰灾害预警等级具体由以下方式确定：在margin(ω,x)>0.9时，为红色预警；在0.6<margin(ω,x)≦0.9时，为橙色预警；在0.3<margin(ω,x)≦0.6时，为黄色预警在margin(ω,x)≦0.3时，为蓝色预警。关于上述实施例中的装置，其中各个模块执行操作的具体方式以及带来的相应技术效果已经在有关该方法的实施例中进行了对应的详细描述，此处将不做详细阐述说明。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现木公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项实施例所述输电线路覆冰风险预警方法的步骤。示例性的，该可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。本公开实施例还提供一种电子设备，包括处理器以及存储器，存储器用于存储所述处理器的可执行指令。其中，所述处理器配置为经由执行所述可执行指令来执行上述任一项实施例中所述输电线路覆冰风险预警方法的步骤。下面参照图4来描述根据本发明的这种实施方式的电子设备600。图4显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图4所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述输电线路覆冰风险预警方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示输电线路覆冰风险预警方法的步骤。所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述输电线路覆冰风险预警方法。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页12