一种融合专家知识的输电线路环境风险评估方法与流程

1.本发明属于输电线路风险评估技术领域，具体涉及一种融合专家知识的输电线路环境风险评估方法。


背景技术：

2.在我国，由于地域面积广阔，输电线路遍布全国各地，具有点多、线长、面广等特点，大部分位于无人区等复杂环境中。这些区域地形地貌差异大、环境恶劣、自然灾害严重，线路长期遭受山火、覆冰、地灾、雷电等灾害的影响，故障停运事故频发，对国民经济发展和人民社会生活造成了巨大的损失。因此，对输电线路进行环境风险评估已势在必行。
3.目前对输电线路的风险评估主要是通过采集气象信息和电网的运行工况信息，结合设计资料，运用电气几何模型法、层次分析法、朴素贝叶斯、长短时记忆(lstm)神经网络等方法，对输电线路当前状态进行评估。这些方法在输电线路风险评估和预测效果上虽有一定的优势，但仍存在一些局限性：一是仅针对单一风险建立评估预测模型，模型通用性不强；二是仅考虑气候因素或单一致灾因子，未整合多重因素对输电线路风险的影响；三是仅接受特征属性明确的输入数据，不能灵活地处理输入数据的不确定性，并且缺乏对评估结果不确定性的处理。。


技术实现要素：

4.为克服现有输电线路风险评估技术的不足，实现利用多源观测数据对输电线路的多种环境风险进行评估的目的，本发明提供一种融合专家知识的输电线路环境风险评估方法。首先，通过采集与输电线路运行相关的多源数据，整合多重因素对输电线路风险的影响，为风险评估提供了多元数据基础。然后，为实现输电线路多灾种环境风险评估的目的，以专家知识和模糊数学为基础，构建了多风险的多维致灾因子知识库和多维致灾因子隶属度函数知识库。最后，提出了基于多风险的多维致灾因子知识库和多维致灾因子隶属度函数知识库进行多风险评估的计算方法，包括基本概率分配函数(bpa)计算、多源证据融合、风险概率生成等。该方法适用于输电线路多灾种环境风险评估，可处理输入数据及评估结果的不确定性。
5.为实现上述目的，本发明采用如下技术方案：
6.一种融合专家知识的输电线路环境风险评估方法，所述环境风险包括山火、覆冰、地灾、雷害、树竹和风害；如图1所示，评估方法包括以下步骤：
7.s1、获取与环境风险相关的因子数据，包括遥感监测d1、传感器d2、人工巡检d3、地面气象站d4、气象数据服务商d5、在线设备监测d6，其中，d
l
为从第l个数据源获取的多种因子数据集合，d
l
＝{f
l1n
：f
l1
，...，f
lmn
：f
lm
}，f
lmn
为数据集d
l
中的第m个因子的名称，f
lm
为数据集d
l
中的第m个因子数据，m为d
l
包含的因子个数。将获得的所有数据集合记为d＝{d1，d2，d3，d4，d5，d6}。
8.具体的，所述遥感监测包括山火、地灾事件监测数据，具体包含事件的时间信息、
空间信息(经纬度)、强度或等级；所述传感器包括覆冰拉力传感、震动传感、烟雾传感数据；所述人工巡检和在线监测设备通过定时对输电通道进行监测，采集的因子包括树竹砍伐、树竹高度、覆冰现象、山火现象等级数据；所述地面气象站和气象数据服务商的气象要素包括温度、降雨、风速、风向、湿度、地闪强度及其时间和空间信息(经纬度)。
9.数据集di中的因子数据分为三种类型：事件类数据、等级类数据和连续型数据。其中，事件类数据表现形式为：{event
type
，event
time
，event
lat
，event
lon
，event
level
}，event
type
是事件类型；event
time
是事件发生时间；event
lat
是事件的纬度；event
lon
是事件的经度；event
level
是事件等级或强度；等级类数据为：{f：level}，f是观测因子，level是该因子的等级，等级是特定值，为离散数据；连续型数据为：{f：value}，f是观测因子，value是该因子的属性值，属性值可以是连续范围内的任何值。每个数据集di包含至少一种类型的因子数据。
10.以地灾为例，地灾相关因子包括地震、强降雨、地灾隐患点、采矿爆破、采石挖方。其中，地震为事件类数据，来源于d1；强降雨为连续型数据，来源于d4和d5；地灾隐患点属于事件类数据，来源于d5；采矿爆破和采石挖方属于事件类数据，来源于d3。地灾致灾因子数据输入格式为：
[0011][0012]
其中，eq1＝{earthquake，eq
time1
，eq
lat1
，eq
lon1
，eq
level1
}；v
41
为d4中某时段内的降雨量；v
51
为d5中某时段内的降雨量；r
51
＝{risk
lat1
，risk
lon1
}，表示在该经纬度发生过地灾事件；e1
31
为d3中的采矿爆破事件，e1
31
＝{destruction1，e
time1
，e
lat1
，e
lon1
，e
level1
}；e2
31
为d3中的采石挖方事件，e2
31
＝{destruction2，e
time1
，e
lat1
，e
lon1
，e
level1
}。
[0013]
s2、构建输电线路环境风险评估专家知识库，包括多风险的多维致灾因子知识库和多维致灾因子隶属度函数知识库。其中，多风险的多维致灾因子知识库用于匹配d
l
中各个因子与所述6种风险的关联关系，并生成相应的规则集合，记为w1；多维致灾因子隶属度函数知识库的作用在于，基于w1中因子与风险间的组合关系，构建规则并配置相应的隶属度函数类型及参数，记为w2。
[0014]
定义输电线路环境风险评估识别框架θ＝{true，false，true or false}，其中true表示存在风险，false表示无风险，true or false表示未知；true和false为一元焦元，true or false为混合焦元。
[0015]
将w1采用三元组方式表达：(rti，f
ljn
，v
ij
)。其中rti为第i种环境风险类型，i∈[1，...，6]；f
ljn
为第l个数据集中第j种与rti相关的因子名称，f
lj
∈d
l
；v
ij
为f
ljn
导致rti发生的规则集合，v
ij
＝{rule1，rule2，...，ruleh}，其中ruleh为规则，h为规则个数。
[0016]
基于w1中因子与风险的组合关系，结合专家知识和模糊数学，构建出结构为ruleh＝(f
lj
，θ
1s
，ph)的多维致灾因子隶属度函数知识库w2，其代表规则是：
[0017]
if condition1(f
lj
)and/or condition2(f
lj
)thenθ
1s
，ph[0018]
其中ruleh为f
lj
导致rti发生的第h条规则，ruleh∈v
ij
；condition1是由专家设定的规则；f
lj
为与f
ljn
对应的第j种与rti相关的因子数据，f
lj
∈d
l
；θ1为识别框架θ中的一元焦元集合，θ1＝{true，false}，θ
1s
∈θ1；ph为满足f
lj
导致θ
1s
发生的隶属度函数类型及参数配置，ph＝{funch，param_1h，param_2h，...，param_kh}，其中funch为隶属度函数类型，param_kh为隶属度函数第k个参数的取值，k为隶属度函数参数的个数。隶属度函数类型包
括三角形隶属度函数，高斯隶属度函数，半梯形隶属度函数，岭形分布隶属度函数。
[0019]
以地灾中的致灾因子地震为例，输入数据为一个地震事件{earthquake，eq
time1
，eq
lat1
，eq
lon1
，eq
level1
}，通过数据预处理将该事件数据转化为{earthquake，eq
time1
，eq
dist1
，eq
level1
}。}。在w2中，rule1为：
[0020]
if eq
time1
＜t
0 and eq
dist1
＜dist
0 then true，p1[0021]
其中，t0为预设的时间阈值，dist0为预设的空间距离阈值。
[0022]
多维致灾因子隶属度函数知识库的冲突消解方式是，当存在多个互相矛盾的规则时，激发最具体的规则。
[0023]
s3、依次对待评估输电线路的风险进行评估：
[0024]
s31、根据w1中因子与风险的组合关系，获取评估风险rti的因子列表f
list
＝[f
l1n
，f
l2n
，...]，f
l1n
是第l个数据集中导致rti的第1个因子名称。按照因子列表f
list
从步骤s1中获取对应的因子数据。
[0025]
s32、根据w1中因子与规则集合的组合关系，获取f
list
对应的规则集合。
[0026]
s33、对于步骤s32中的每一条规则，将s31的因子数据输入步骤s2构建的专家知识库w2，根据规则匹配，找到对应的隶属度函数类型及参数，根据隶属度函数计算出目标因子的一元焦元{true，false}的bpa。
[0027]
s34、采用几何平均法求出混合焦元{true or false}的bpa，并对识别框架θ中所有焦元的bpa进行归一化处理。
[0028]
s35、采用ds证据理论中的dempster法则将多数据源的多维致灾因子的bpa进行合成，然后，将其转化为各类风险发生的概率完成风险评估。
[0029]
本发明的有益效果为，与现有技术相比，本发明在数据采集阶段，整合了多数据源、多重因素对输电线路环境风险的影响，为风险评估提供了多元数据基础。然后，结合专家知识和模糊数学，构建出多风险的多维致灾因子知识库和多维致灾因子隶属度函数知识库，实现了输电线路多灾种环境风险评估的目的，提高了方法的通用性。最后，提出了基于多风险的多维致灾因子知识库和多维致灾因子隶属度函数知识库进行多风险评估的计算方法，包括bpa计算、多源证据融合、风险概率生成等，实现了输电线路风险量化评估，能够灵活地处理输入数据及评估结果的不确定性，提高了风险评估的稳定性。
附图说明
[0030]
图1为本发明的逻辑顺序示意图。
具体实施方式
[0031]
下面对本发明的方案进行进一步的描述：
[0032]
本发明的详细步骤为：
[0033]
s1、获取与山火、覆冰、地灾、雷害、树竹和风害等6种环境风险相关的因子数据，包括遥感监测d1、传感器d2、人工巡检d3、地面气象站d4、气象数据服务商d5、在线设备监测d6，其中，d
l
为从第l个数据源获取的多种因子数据集合，d
l
＝{f
l1n
：f
l1
，...，f
lmn
：f
lm
}，f
lmn
为数据集d
l
中的第m个因子的名称，f
lm
为数据集d
l
中的第m个因子数据，m为d
l
包含的因子个数。将
获得的所有数据集合记为d＝{d1，d2，d3，d4，d5，d6}。
[0034]
具体的，所述遥感监测包括山火、地灾事件监测数据，具体包含事件的时间信息、空间信息(经纬度)、强度或等级；所述传感器包括覆冰拉力传感、震动传感、烟雾传感数据；所述人工巡检和在线监测设备通过定时对输电通道进行监测，采集的因子包括树竹砍伐、树竹高度、覆冰现象、山火现象等级数据；所述地面气象站和气象数据服务商的气象要素包括温度、降雨、风速、风向、湿度、地闪强度及其时间和空间信息(经纬度)。
[0035]
数据集di中的因子数据分为三种类型：事件类数据、等级类数据和连续型数据。其中，事件类数据表现形式为：{event
type
，event
time
，event
lat
，event
lon
，event
level
}，event
type
是事件类型；event
time
是事件发生时间；event
lat
是事件的纬度；event
lon
是事件的经度；event
level
是事件等级或强度；等级类数据为：{f：level}，f是观测因子，level是该因子的等级，等级是特定值，为离散数据；连续型数据为：{f：value}，f是观测因子，value是该因子的属性值，属性值可以是连续范围内的任何值。每个数据集di包含至少一种类型的因子数据。
[0036]
以地灾为例，地灾相关因子包括地震、强降雨、地灾隐患点、采矿爆破、采石挖方。其中，地震为事件类数据，来源于d1；强降雨为连续型数据，来源于d4和d5；地灾隐患点属于事件类数据，来源于d5；采矿爆破和采石挖方属于事件类数据，来源于d3。地灾致灾因子数据输入格式为：
[0037][0038]
其中，eq1＝{earthquake，eq
time1
，eq
lat1
，eq
lon1
，eq
level1
}；v
41
为d4中某时段内的降雨量；v
51
为d5中某时段内的降雨量；r
51
＝{risk
lat1
，risk
lon1
}，表示在该经纬度发生过地灾事件；e1
31
为d3中的采矿爆破事件，e1
31
＝{destruction1，e
time1
，e
lat1
，e
lon1
，e
level1
}；e2
31
为d3中的采石挖方事件，e2
31
＝{destruction2，e
time1
，e
lat1
，e
lon1
，e
level1
}。
[0039]
s2、构建输电线路环境风险评估专家知识库，包括多风险的多维致灾因子知识库和多维致灾因子隶属度函数知识库。其中，多风险的多维致灾因子知识库用于匹配d
l
中各个因子与所述6种风险的关联关系，并生成相应的规则集合，记为w1；多维致灾因子隶属度函数知识库的作用在于，基于w1中因子与风险间的组合关系，构建规则并配置相应的隶属度函数类型及参数，记为w2。
[0040]
定义输电线路环境风险评估识别框架θ＝{true，false，true or false}，其中true表示存在风险，false表示无风险，true or false表示未知；true和false为一元焦元，true or false为混合焦元。
[0041]
将w1采用三元组方式表达：(rti，f
ljn
，v
ij
)。其中rti为第i种环境风险类型，i∈[1，...，6]；f
ljn
为第l个数据集中第j种与rti相关的因子名称，f
lj
∈d
l
；v
ij
为f
ljn
导致rti发生的规则集合，v
ij
＝{rule1，rule2，...，ruleh}，其中ruleh为规则，h为规则个数。
[0042]
基于w1中因子与风险的组合关系，结合专家知识和模糊数学，构建出结构为ruleh＝(f
lj
，θ
1s
，ph)的多维致灾因子隶属度函数知识库w2，其代表规则是：
[0043]
if condition1(f
lj
)and/or condition2(f
lj
)thenθ
1s
，ph[0044]
其中ruleh为f
lj
导致rti发生的第h条规则，ruleh∈v
ij
；condition1是由专家设定的规则；f
lj
为与f
ljn
对应的第j种与rti相关的因子数据，f
lj
∈d
l
；θ1为识别框架θ中的一元焦元集合，θ1＝{true，false}，θ
1s
∈θ1；ph为满足f
lj
导致θ
1s
发生的隶属度函数类型及参
数配置，ph＝{funch，param_1h，param_2h，...，param_kh}，其中funch为隶属度函数类型，param_kh为隶属度函数第k个参数的取值，k为隶属度函数参数的个数。隶属度函数类型包括三角形隶属度函数，高斯隶属度函数，半梯形隶属度函数，岭形分布隶属度函数。
[0045]
以地灾中的致灾因子地震为例，输入数据为一个地震事件{earthquake，eq
time1
，eq
lat1
，eq
lon1
，eq
level1
}，通过数据预处理将该事件数据转化为{earthquake，eq
time1
，eq
dist1
，eq
level1
}。}。在w2中，rule1为：
[0046]
if eq
time1
＜t
0 and eq
dist1
＜dist
0 then true，p1[0047]
其中，t0为预设的时间阈值，dist0为预设的空间距离阈值，p1＝{func1，param_11，param_21}。
[0048]
多维致灾因子隶属度函数知识库的冲突消解方式是，当存在多个互相矛盾的规则时，激发最具体的规则，判断依据是具体规则比一般规则处理更多的信息。
[0049]
s3、依次对待评估输电线路的风险进行评估：
[0050]
s31、根据w1中因子与风险的组合关系，获取评估风险rti的因子列表f
list
＝[f
l1n
，f
l2n
，...]，f
l1n
是第l个数据集中导致rti的第1个因子名称。按照因子列表f
list
从步骤s1中获取对应的因子数据。
[0051]
s32、根据根据w1中因子与规则集合的组合关系，获取f
list
对应的规则集合。
[0052]
s33、对于步骤s32中的每一条规则，将s31的因子数据输入步骤s2构建的专家知识库w2，根据规则匹配，找到对应的隶属度函数类型及参数，根据隶属度函数计算出目标因子的一元焦元{true，false}的bpa。
[0053]
以地灾的致灾因子地震为例，根据规则
[0054]
if eq
time1
＜t
0 and eq
dist1
＜dist
0 then true，p1[0055]
找出对应的隶属度函数类型及参数p1＝{func1，param_11，param_21}，相应地，地震事件的一元焦元true的bpa，bpa
true
＝func1(param_11，param_21)；
[0056]
同样地，根据规则
[0057]
if eq
time1
≥t
0 and eq
dist1
≥dist
0 thenfalse，p2[0058]
找出对应的隶属度函数类型及参数p2＝{func2，param_12，param_22}，相应地，地震事件的一元焦元false的bpa，bpa
false
＝func2(param_12，param_22)。
[0059]
s34、采用几何平均法求出混合焦元{true or false}的bpa，并对识别框架θ中所有焦元的bpa进行归一化处理。
[0060]
以地灾风险的地震因子为例，混合焦元归一化后，生成识别框架θ所有焦元的bpa，bpa
′
true
，bpa
′
fazse
，bpa
′
mix
∈[0，1]。
[0061]
s35、采用ds证据理论中的dempster法则将多数据源的多维致灾因子的bpa进行合成，然后，将其转化为各类风险发生的概率完成风险评估。
[0062]
本发明提出了一种融合专家知识的输电线路环境风险评估方法，旨在同时对多种风险进行评估，提高方法的通用性；同时，能够灵活地处理输入数据及评估结果的不确定性，提高风险评估的准确性和稳定性。
[0063]
现有技术对输电线路的风险评估通常只针对单一风险建立评估模型，而本发明融合专家知识和模糊数学，通过构建多风险的多维致灾因子知识库和多维致灾因子隶属度函
数知识库，能够对输电线路运行中的多种风险进行评估，通用性较强。现有技术通常仅考虑气候因素的影响或单一致灾因子，未整合多重因素对输电线路风险的影响，而本发明采集了与输电线路运行相关的多种数据，包含了丰富的致灾因子，为风险评估提供了丰富的数据基础。现有技术通常不能灵活地处理输入数据及评估结果的不确定性，本发明提出的基于专家知识库和ds证据理论的风险评估计算方法，不仅实现了输电线路风险的量化评估，还能够灵活地处理输入数据及评估结果的不确定性，提高了风险评估的稳定性。