基于北斗终端的输变电线路杆塔倾斜风险监测系统及方法与流程

1.本发明涉及杆塔倾斜预测技术领域，尤其涉及基于北斗终端的输变电线路杆塔倾斜风险监测系统及方法。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.输电杆塔由于受到输电导线拉力和地质运动等影响，使用过程中会逐渐呈现出倾斜的状态，需要及时进行维护扶正，不然随着倾斜角度的不断增大有可能导致断线和杆塔倒塌事故的发生。
4.电力杆塔目前还是靠人工巡检为主，输电线路杆塔维护人员对输电线路杆塔的倾斜状态进行现场勘探过程中，因为杆塔倾斜初期的杆塔倾斜角度小，杆塔倾斜趋势比较缓和，不容易被发现，存在对杆塔的倾斜风险错过或者误判的问题，进而可能导致断线和杆塔倒塌事故的发生。


技术实现要素：

5.本发明为了解决上述问题，提出了基于北斗终端的输变电线路杆塔倾斜风险监测系统及方法，能够对杆塔倾斜风险进行预测，提高对输电线路杆塔倾斜风险监测能力。
6.为实现上述目的，本发明采用如下技术方案：
7.第一方面，提出了基于北斗终端的输变电线路杆塔倾斜风险监测系统，包括：
8.北斗双天线包括天线a和天线b，用于接收北斗卫星的载波信号；
9.北斗终端，用于通过天线a和天线b接收的卫星i、j的载波相位，获得天线a和天线b接收的卫星i的载波相位差，及天线a和天线b接收的卫星j的载波相位差；通过天线a和天线b接收的卫星i的载波相位差、天线a和天线b接收的卫星j的载波相位差及双差载波相位观测方程，获得两个天线组成的基线向量；将基线向量的坐标系转置到衡量杆塔倾斜的坐标系中，获得杆塔倾斜姿态角；
10.杆塔倾斜处理机，用于通过杆塔倾斜姿态角和训练好的杆塔倾斜风险预测模型，获得杆塔倾斜风险预测结果。
11.第二方面，提出了基于北斗终端的输变电线路杆塔倾斜风险监测方法，包括：
12.通过天线a和天线b对北斗卫星信号进行接收；
13.通过天线a和天线b接收的卫星i、j的载波相位，获得天线a和天线b接收的卫星i的载波相位差，及天线a和天线b接收的卫星j的载波相位差；通过天线a和天线b接收的卫星i的载波相位差、天线a和天线b接收的卫星j的载波相位差及双差载波相位观测方程，获得两个天线组成的基线向量；将基线向量的坐标系转置到衡量杆塔倾斜的坐标系中，获得杆塔倾斜姿态角；
14.通过杆塔倾斜姿态角和训练好的杆塔倾斜风险预测模型，获得杆塔倾斜风险预测
结果。
15.第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成基于北斗终端的输变电线路杆塔倾斜风险监测方法所述的步骤。
16.第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成基于北斗终端的输变电线路杆塔倾斜风险监测方法所述的步骤。
17.与现有技术相比，本发明的有益效果为：
18.1、本发明基于北斗定位技术，通过单台北斗设备即可实现杆塔顺向和垂向的姿态监测，实现了高精度杆塔倾斜姿态的自动监测，也减少了设备的部署安装的工作量。
19.2、本发明采用了自回归移动平均模型，基于监测的杆塔倾斜数据实现对杆塔倾斜的趋势自动进行预测，实现对杆塔倾斜风险的监测，提高了杆塔倾斜风险的监测能力。
20.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
21.构成本技术的一部分的说明书附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。
22.图1为实施例1公开系统的架构图；
23.图2为实施例1公开系统对杆塔倾斜风险预测的流程图。
具体实施方式：
24.下面结合附图与实施例对本发明作进一步说明。
25.应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
26.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
27.实施例1
28.在该实施例中，公开了基于北斗终端的输变电线路杆塔倾斜风险监测系统，如图1、2所示，包括：安装于杆塔上的北斗双天线、北斗终端和杆塔倾斜处理机。
29.北斗双天线为两个北斗天线，分别为天线a和天线b，将两个北斗天线部署在杆塔的中部，且水平最大间距安装。
30.两个北斗天线，用于对多颗北斗卫星信号进行接收。
31.北斗终端，用于通过天线a和天线b接收的卫星i、j的载波相位，获得天线a和天线b接收的卫星i的载波相位差，及天线a和天线b接收的卫星j的载波相位差；通过天线a和天线b接收的卫星i的载波相位差、天线a和天线b接收的卫星j的载波相位差及双差载波相位观测方程，获得两个天线组成的基线向量；将基线向量的坐标系转置到衡量杆塔倾斜的坐标
系中，获得杆塔倾斜姿态角。
32.从图1中可以看出，a、b双天线的距离(下简称基线ab长度)与gnss卫星离杆塔的距离相比甚短，卫星信号可视为平面波，a和b两天线观测两颗不同的卫星i和j，得到双差相位基线ab的双差载波相位观测方程如下：
[0033][0034]
其中：
[0035]
b为天线a与天线b组成的基线向量。
[0036]
分别为天线a和天线b接收的卫星j的载波相位差，天线a和天线b接收的卫星i的载波相位差。其差值为相位双差值，其实质为双差模糊度的小数部分与可观测的整数部分之和。
[0037]
pj,pi为天线a和天线b分别到卫星i和卫星j的双差单位矢量。
[0038]nja,b
,n
ia,b
分别为天线a和天线b到卫星i和卫星j的单差整周模糊度，其差值为基线ab双差整周模糊度。
[0039]
基于得到的整周模糊度，计算得到高精度的基线向量值。
[0040]
基线向量的解算采用的是大地坐标系wgs-84。为了进行杆塔倾斜姿态的计算，还要将基线向量的坐标系换算到可衡量杆塔倾斜的坐标系中，即需要将杆塔的坐标体系转置到输电线路顺向和垂向的坐标系中，采用以下公式进行坐标系的转置。
[0041][0042]
其中，x
gt
，x
wgs84
分别为转置到衡量杆塔倾斜坐标系后的向量和大地坐标系wgs-84下的基线向量。
[0043]
为坐标系的转置系数，其定义如下：
[0044][0045]
其中，r
x,y
(ρ)、rz(ν)为杆塔相对于顺向和垂直方向的转置参数，由此可以计算出杆塔倾斜姿态角。
[0046]
获取塔倾斜姿态角的过程为：
[0047]
根据天线a和天线b第一次获得的卫星载波信号计算获得初始基线向量；
[0048]
对初始基线向量进行转置，获得初始转置后的向量，为杆塔的原始姿态；
[0049]
之后，天线a和天线b持续获得卫星载波信号；
[0050]
根据某一时刻，天线a和天线b获得的卫星载波信号，计算获得该时刻的基线向量；
[0051]
对该时刻的基线向量进行转置，获得该时刻转置后的向量；
[0052]
将该时刻转置后的向量与初始转置后的向量进行比较，获得该时刻的杆塔倾斜姿态角。
[0053]
在具体实施时，安装天线a和天线b后第一次获取的北斗卫星载波信号为天线a和天线b第一次获得的卫星载波信号。
[0054]
将该时刻转置后的向量与初始转置后的向量进行相减，获得坐标偏差，根据坐标偏差计算获得该时刻的杆塔倾斜姿态角。
[0055]
杆塔倾斜处理机，用于通过杆塔倾斜姿态角和训练好的杆塔倾斜风险预测模型，
获得杆塔倾斜风险预测结果，如图2所示。
[0056]
在具体实施时，杆塔倾斜处理机采用的杆塔倾斜风险预测模型为自回归移动平均模型。
[0057]
自回归移动平均模型是是分析杆塔倾斜发展变化规律的一种定量分析方法，它属于统计学的一种分析预测方法，主要思路就是要找到一定的数学模型去近似描述各种类型的时序数据，通过研究模型可以基本了解内部数据结构和功能的复杂性，从而达到预测杆塔倾斜的发展趋势。
[0058]
用于预测杆塔倾斜风险的自回归移动平均模型如下：
[0059]
该时序数据通常描述这样一组有序的杆塔倾斜数列，是一组有先后顺序且时间间隔均匀的数列。时序分析认为同一变量在某时刻的杆塔倾斜观测值与该时刻之前历史数据相关联。
[0060]
因此，则可以提出这样一种模型来描述该序列。
[0061]
x
t
＝f(x
t-1
,x
t-2
,...)+a
t
[0062]
这样就通过函数将目前的杆塔倾斜情况与以前的倾斜情况联系起来，其中，x
t
表示t时刻杆塔倾斜姿态角，a
t
表示目前时刻的随机值。
[0063]
杆塔倾斜预测指标随时间推移而逐渐形成数据数据序列，基于对杆塔在实际使用过程的理解，其在时间上是具有延续性，回归分析公式如下：
[0064]
y＝β0+β1x1+β2x2+...+βkxk+e
[0065]
其中，y是杆塔预测值，e为误差，β表示x对应时刻的相关系数，通过回归分析求得，作为预测对象y
t
受杆塔倾斜数据的影响，其变化趋势可由下式表示：
[0066]yt
＝β0+β1x
t-1
+β2x
t-2
+...+βkx
t-p
+e
t
[0067]
其误差观测项在不同时间点的数据可由下式表示：
[0068]et
＝α0+α1e
t-1
+α2e
t-2
+...+α
ket-q
+μ
t
[0069]
由此可以获取自回归移动平均模型表达式如下：
[0070]yt
＝β0+β1x
t-1
+β2x
t-2
+...+βkx
t-p
+α0+α1e
t-1
+α2e
t-2
+...+α
ket-q
+μ
t
[0071]
其中，α表示x对应时刻误差观测的相关系数，通过回归分析求得。
[0072]
通过已知时间序列数据，获取并优化自回归移动平均模型参数，然后获得训练好的自回归移动平均模型。
[0073]
获得训练好的杆塔倾斜风险预测模型进行训练的具体过程为：
[0074]
获取训练用的杆塔倾斜时间序列数据；
[0075]
从训练用的杆塔倾斜时间序列数据中提取训练用的杆塔倾斜特征序列数据；
[0076]
对训练用的杆塔倾斜特征数据进行平稳处理，获得训练样本数据，因为杆塔倾斜数据时间序列为非平稳序列，具有向下或向上的趋势，故需要进行序列平稳化处理，即零均值化、平稳化处理；
[0077]
通过训练样本数据对自回归移动平均模型进行训练，获得训练好的杆塔倾斜风险预测模型。
[0078]
杆塔倾斜处理机，将北斗终端获得的杆塔倾斜姿态角组成杆塔倾斜时间序列；
[0079]
对杆塔倾斜姿态角组成的杆塔倾斜时间序列数据进行特征提取，获得杆塔倾斜特征序列数据；
[0080]
对杆塔倾斜特征序列数据进行平稳化处理，获得平稳化处理后特征序列数据；
[0081]
将平稳化处理后特征序列数据输入训练好的杆塔倾斜风险预测模型中，获得杆塔倾斜风险预测结果。
[0082]
此外，本实施例公开的基于北斗终端的输变电线路杆塔倾斜风险监测系统还包括数据传输模块和杆塔倾斜监测中心，杆塔倾斜处理机经数据传输模块和杆塔倾斜监测中心连接，杆塔倾斜监测中心用于对观测的载波相位、杆塔倾斜姿态角和杆塔倾斜风险预测结果进行展示。
[0083]
在具体实施时，将北斗终端、杆塔倾斜处理机和数据传输单元安装杆塔下方的设备箱中。
[0084]
本实施例公开的基于北斗终端的输变电线路杆塔倾斜风险监测系统，基于北斗终端，利用载波相位技术，通过测量多颗卫星在两个天线上的载波相位差，实时解算出两个天线组成的基线向量；然后通过数据变换得出杆塔倾斜的姿态参数；最后通过自回归移动平均模型对杆塔倾斜的风险进行预测。通过单台北斗设备即可实现杆塔顺向和垂向的姿态监测，实现了高精度杆塔倾斜姿态的自动监测，也减少了设备的部署安装的工作量；采用了自回归移动平均模型，基于监测的杆塔倾斜数据实现对杆塔倾斜的趋势自动进行预测，实现对杆塔倾斜风险的监测，提高了杆塔倾斜风险的监测能力。
[0085]
实施例2
[0086]
在该实施例中，公开了基于北斗终端的输变电线路杆塔倾斜风险监测方法，包括：
[0087]
通过天线a和天线b对北斗卫星信号进行接收；
[0088]
通过天线a和天线b接收的卫星i、j的载波相位，获得天线a和天线b接收的卫星i的载波相位差，及天线a和天线b接收的卫星j的载波相位差；通过天线a和天线b接收的卫星i的载波相位差、天线a和天线b接收的卫星j的载波相位差及双差载波相位观测方程，获得两个天线组成的基线向量；将基线向量的坐标系转置到衡量杆塔倾斜的坐标系中，获得杆塔倾斜姿态角；
[0089]
通过杆塔倾斜姿态角和训练好的杆塔倾斜风险预测模型，获得杆塔倾斜风险预测结果。
[0090]
实施例3
[0091]
在该实施例中，公开了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例2公开的基于北斗终端的输变电线路杆塔倾斜风险监测方法所述的步骤。
[0092]
实施例4
[0093]
在该实施例中，公开了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例2公开的基于北斗终端的输变电线路杆塔倾斜风险监测方法所述的步骤。
[0094]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。