杆塔倾斜预警方法、装置、计算机设备及存储介质与流程

1.本技术涉及输电线路监测技术领域，特别是涉及一种杆塔倾斜预警方法、装置、计算机设备及存储介质。


背景技术：

2.输电线路杆塔是用来支撑和架空导线、避雷线和其他附件的塔架结构，使得导线与导线、导线与杆塔、导线与避雷线之间、导线对地面或交叉跨越物保持规定的安全距离的高耸式结构。输电线路基本上都采用架空线路，由于线路架设在空中，需要承受自重、风力、暴雨和冰雪等机械力的作用和风沙等有害气体的侵蚀，运行条件十分恶劣。在沙漠地带、高盐土质区、采空区和山地滑坡区等不良地质区，在重力、应力、自然力扰动作用下，杆塔地基容易变形，导致杆塔倾斜、甚至塔倒线断，使供电线路陷于瘫痪，严重影响人们的生产生活，造成巨大损失。
3.电网输电杆塔具有跨越大、跨距远、柔度大等特征，导致工作人员巡检的难度大、周期长，且部分关键节点的运维难度大。亟需通过有效技术路径对杆塔的倾斜状态进行实时在线检测，及时发现问题并报警，从而维护输电线路安全运行，减小巡检的工作强度，提升电网的管理效率。然而传统技术中，难以实时准确地进行杆塔倾斜预警。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够实时准确地进行杆塔倾斜预警的杆塔倾斜预警方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种杆塔倾斜预警方法。所述方法包括：
6.获取杆塔上第一监测点的倾角数据；
7.根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
8.当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
9.根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
10.当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
11.在其中一个实施例中，所述根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级，包括：
12.根据所述第一监测点在各坐标轴方向上的倾角数据，确定所述第一监测点与各坐标轴倾角数据对应的加速度分量；
13.根据所述第一监测点与各坐标轴倾角数据对应的加速度分量，确定所述杆塔的综合倾斜度；
14.根据所述杆塔的综合倾斜度，确定所述杆塔的倾斜度等级。
15.在其中一个实施例中，所述根据所述第二监测点的杆塔数据确定杆塔的稳定性等级，包括：
16.将第二监测点的多个杆塔数据进行分解，得到每个杆塔数据对应的特征向量；
17.根据每个杆塔数据对应的所述特征向量，得到对应的第一稳定性结果；
18.将多个所述第一稳定性结果进行数据融合，得到第二稳定性结果；
19.根据所述第二稳定性结果，确定所述杆塔的稳定性等级。
20.在其中一个实施例中，所述将第二监测点的杆塔数据进行分解，得到所述杆塔数据对应的特征向量，包括：
21.对所述第二监测点的杆塔数据进行小波包能量谱分析，确定各传感器数据的频带能量；
22.计算所述各传感器数据的频带能量在总能量中的占比，得到各传感器数据的频带能量比值；
23.将所述各传感器数据的频带能量比值作为所述杆塔数据对应的特征向量。
24.在其中一个实施例中，所述方法还包括：
25.当所述杆塔的稳定性等级不大于预设稳定性等级时，发出包含倾斜度等级的预警信号。
26.在其中一个实施例中，所述第一监测点位置和所述第二监测点位置相同。
27.第二方面，本技术还提供了一种杆塔倾斜预警装置。所述装置包括：
28.第一获取模块，用于获取杆塔上第一监测点的倾角数据；
29.倾斜度模块，用于根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
30.第二获取模块，用于当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
31.稳定性模块，用于根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
32.报警模块，用于当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
33.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
34.获取杆塔上第一监测点的倾角数据；
35.根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
36.当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
37.根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
38.当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
39.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
40.获取杆塔上第一监测点的倾角数据；
41.根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
42.当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
43.根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
44.当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
45.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算
机程序，该计算机程序被处理器执行时实现以下步骤：
46.获取杆塔上第一监测点的倾角数据；
47.根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
48.当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
49.根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
50.当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
51.上述杆塔倾斜预警方法、装置、计算机设备、存储介质和计算机程序产品通过获取杆塔上第一监测点的倾角数据；根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。本技术通过先判断杆塔上第一监测点的倾斜度等级，当第一监测点的倾斜度等级大于预设倾斜度等级时，继续判断杆塔的稳定性等级，当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号，可实时输出相应的杆塔倾斜度等级和稳定性等级，实现对杆塔倾斜情况的准确预警，有效提高杆塔倾斜情况的监测效率。
附图说明
52.图1为一个实施例中杆塔倾斜预警方法的应用环境图；
53.图2为一个实施例中杆塔倾斜预警方法的流程示意图；
54.图3为一个实施例中步骤204的流程示意图；
55.图4为一个实施例中步骤208的流程示意图；
56.图5为一个实施例中步骤402的流程示意图；
57.图6为一个实施例中杆塔倾斜预警装置的结构框图；
58.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
60.本技术实施例提供的杆塔倾斜预警方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104获取杆塔上第一监测点的倾角数据；根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群
来实现。
61.在一个实施例中，如图2所示，提供了一种杆塔倾斜预警方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
62.步骤202，获取杆塔上第一监测点的倾角数据。
63.杆塔(pole and tower)是支承架空输电线路导线和架空地线并使它们之间以及与大地之间保持一定距离的杆形或塔形构筑物。根据杆塔的形状，可将杆塔分为杆塔塔顶、杆塔塔腰及杆塔塔基三个部分，第一监测点可以是杆塔上的任意一部分中的任意一个点或多个点，例如，第一监测点可以是杆塔塔顶上的a点，及杆塔塔腰上的b点；或者同是杆塔塔基上的多个点。
64.在一个可选的实现方式中，可根据放置在第一监测点处的倾角传感器，获取相应第一监测点相对于正常位置的倾角数据。也可以在杆塔垂直时，以选取的第一监测点为原点建立三维空间坐标系，当杆塔发生倾斜时，计算倾斜后的第一监测点和原点所在直线与三维空间坐标系中各坐标轴之间的夹角数据，将该夹角数据作为第一监测点处的倾角数据。
65.步骤204，根据第一监测点的倾角数据确定杆塔的倾斜度等级。
66.本实施例中，第一监测点的倾角数据，包括多个角度数据，可根据多个角度数据计算第一监测点的综合倾斜度，通过综合倾斜度确定杆塔的倾斜度等级。通常情况下，不同的第一监测点，对应的杆塔倾斜度等级不相同，杆塔倾斜度等级越高，代表杆塔的倾斜程度越大，当杆塔在同一倾斜程度时，杆塔塔顶处第一监测点对应的倾斜度等级高于杆塔塔基处第一监测点对应的倾斜度等级。具体的杆塔倾斜度等级的高低或者命名情况可以根据具体情况进行设定，在此不作进一步限定。
67.步骤206，当第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据。
68.通常情况下，不同位置的第一监测点对应设置有不同的预设倾斜度等级，例如，在杆塔塔顶处的第一监测点对应的预设倾斜度等级，与在杆塔塔基处的第一监测点对应的预设倾斜度等级不相同。当第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据，其中，杆塔数据包括倾角数据、拉力数据、振动数据等传感数据，第二监测点可以与第一监测点相同，也可以与第一监测点不同。
69.步骤208，根据第二监测点的杆塔数据确定杆塔的稳定性等级。
70.本实施例中，通过第二监测点的杆塔数据确定杆塔的稳定性等级，其中，第二监测点的杆塔数据至少为第二监测点的倾角数据、拉力数据及振动数据等传感数据中的至少一种，每种传感数据包括多个传感器获取的传感数据，第二监测点可以是多个点。通常情况下，不同的第二监测点的杆塔数据对应的杆塔的稳定性等级不相同，杆塔的稳定性等级可用来表征杆塔在当前状态下的稳定性情况。
71.步骤210，当杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
72.本实施例中，当杆塔的稳定性等级大于对应第二监测点的预设稳定性等级时，发出报警信号。可选地，将相应报警信号发送至杆塔所在区域的移动终端，通知相应运维人员及时对杆塔进行抢修处理，以及辅助判断其他监测结果。
73.上述杆塔倾斜预警方法中，通过获取杆塔上第一监测点的倾角数据；根据所述第
一监测点的倾角数据确定杆塔的倾斜度等级；当第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；根据第二监测点的杆塔数据确定杆塔的稳定性等级；当杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。本技术通过先判断杆塔上第一监测点的倾斜度等级，当第一监测点的倾斜度等级大于预设倾斜度等级时，继续判断杆塔的稳定性等级，当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号，可实时输出相应的杆塔倾斜度等级和稳定性等级，实现对杆塔倾斜情况的准确预警，有效提高杆塔倾斜情况的监测效率。
74.在一个实施例中，如图3所示，根据第一监测点的倾角数据确定杆塔的倾斜度等级的步骤204，包括：
75.步骤302，根据第一监测点在各坐标轴方向上的倾角数据，确定第一监测点与各坐标轴倾角数据对应的加速度分量。
76.具体地，获取第一监测点在各坐标轴方向上的倾角数据后，可根据各坐标轴方向上的倾角数据与对应的加速度分量之间的对应关系，计算第一监测点与各坐标轴倾角数据对应的加速度分量。
77.步骤304，根据第一监测点与各坐标轴倾角数据对应的加速度分量，确定杆塔的综合倾斜度。
78.具体地，综合倾斜度可由第一监测点与各坐标轴倾角数据对应的加速度分量的平方和的平方根得到。
79.步骤306，根据杆塔的综合倾斜度，确定杆塔的倾斜度等级。
80.在一个可选的实施例中，以一个第一监测点在各坐标轴方向上的倾角数据来进行说明。如果第一监测点在空间直角坐标系中的x轴、y轴和z轴上的倾角数据分别是α、β和γ，那么可根据下列公式(1)至(3)计算第一监测点与各坐标轴倾角数据对应的加速度分量g
x
、gy和gz：
[0081][0082][0083][0084]
其中：g
x
、gy和gz分别表示x轴、y轴以及z轴方向的加速度分量，α、β和γ分别是第一监测点与x轴的倾斜夹角、y轴的倾斜夹角以及z轴的倾斜夹角。
[0085]
杆塔的综合倾斜度g可通过如下公式(4)计算：
[0086][0087]
在此需要说明的是，为了更加适应相应的应用场景，上述公式可以根据具体情况进行相应的演变，例如增加相应的比例系数或者针对同一步骤重复计算多次等，均应该认为在本技术的保护范围内。
[0088]
在得到杆塔的综合倾斜度后，根据杆塔的综合倾斜度情况，确定杆塔的倾斜度等级。
[0089]
在一个实施例中，如图4所示，根据第二监测点的杆塔数据确定杆塔的稳定性等级的步骤208，包括：
[0090]
步骤402，将第二监测点的多个杆塔数据进行分解，得到每个杆塔数据对应的特征向量。
[0091]
步骤404，根据每个杆塔数据对应的特征向量，得到对应的第一稳定性结果。
[0092]
步骤406，将多个第一稳定性结果进行数据融合，得到第二稳定性结果。
[0093]
步骤408，根据第二稳定性结果，确定杆塔的稳定性等级。
[0094]
在一个可选的实施例中，基于小波包能量谱对第二监测点的多个杆塔数据进行分解，提取每个杆塔数据对应的特征向量；将得到的特征向量作为输入，通过rbf(radial basis function，径向基函数)神经网络进行处理，得到第一稳定性结果；将多个第一稳定性结果作为稳定性状态的基本概念分配值，利用贝叶斯推理，得到第二稳定性结果，再根据第二稳定性结果，确定杆塔的稳定性等级。
[0095]
在一个可能的实现方式中，基于小波包能量谱对第二监测点的多个杆塔数据进行分解，提取每个杆塔数据对应的特征向量，将得到的特征向量作为rbf神经网络的输入，rbf神经网络包括输入层、输出层和隐含层共三层，完成非线性映射，如公式(5)和公式(6)所示：
[0096][0097]
由上式转换得到：
[0098][0099]
其中，ei和ωi分别表示输入的特征向量和对应的权重，ci表示rbf神经网络的基函数的数据中心，σi和n分别表示宽度和数目，φ(x)、ω0分别表示径向基函数和偏差。得到的fn(ei)表示第一稳定性结果，将多个第一稳定性结果作为稳定性状态的基本概念分配值，利用贝叶斯推理，得到第二稳定性结果。贝叶斯推理得到数据融合的最优准则如公式(7)和公式(8)所示：
[0100][0101][0102]
其中，u(k)、un(k)均表示二值函数，第k次测量后hi的后验概率通过pk(hi/u1(k),
…
，ui(k)，
…
un(k))描述，i＝0.01，h0表示目标内部没有该数据，h1表示目标内部有该数据。通过贝叶斯推理得到的概率为相应的第二稳定性结果，可通过概率确定相应的稳定性等级。
[0103]
在一个可选的实施例中，在将第二监测点的多个杆塔数据进行分解，得到每个杆
塔数据对应的特征向量之前，对第二监测点的杆塔数据进行滤波处理，例如使用离散小波变换对杆塔数据进行滤波处理，离散小波变换如下公式(9)所示：
[0104][0105]
其中，j、n分别表示为尺度因子以及平移因子，*表示共轭，x(t)表示杆塔数据，小波基函数如下公式(10)所示：
[0106]
ψ
j,n
(t)＝2-j/2
ψ(2-j
t-n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0107]
通过选取合适的母小波ψ(t)能够保证小波基函数与其傅里叶变换的局限性，因此小波分析为时频分析。在进行离散小波变换时，需要依据幂级数实现尺度因子离散，实现平移因子的均匀离散。
[0108]
在一个实施例中，如图5所示，将第二监测点的杆塔数据进行分解，得到杆塔数据对应的特征向量的步骤402，包括：
[0109]
步骤502，对第二监测点的杆塔数据进行小波包能量谱分析，确定各传感器数据的频带能量。
[0110]
步骤504，计算各传感器数据的频带能量在总能量中的占比，得到各传感器数据的频带能量比值。
[0111]
步骤506，将各传感器数据的频带能量比值作为杆塔数据对应的特征向量。
[0112]
在一个可能的实现方式中，基于小波包能量谱对第二监测点的杆塔数据进行分解得到各个传感器数据对应的频带能量，具体如下公式(11)所示：
[0113][0114]
其中，ej用来表示第j个传感器的频带能量，x
jk
表示第j个传感器的各离散点数值，k为正整数。由此，可以计算各频带能量在总能量中的占比如公式(12)所示：
[0115][0116]
其中，ei表示为第i个传感器的频带分量，en表示为第n个传感器的频带分量。将各频带能量在总能量中的占比ei作为杆塔数据对应的特征向量。
[0117]
在一个实施例中，上述杆塔倾斜预警方法还包括：
[0118]
当杆塔的稳定性等级不大于预设稳定性等级时，发出包含倾斜度等级的预警信号。
[0119]
本实施例中，当杆塔的稳定性等级等于或者小于预设稳定性等级时，发出预警信号，同时输出杆塔的倾斜度等级。其中，预警信号是指发生事故前的提示信息，针对可能发生的事故提前预示，提醒相应工作人员提高关注度或者采取相应的防御措施，最大程度避免相应损失，预警信息包括信息提示、语音提示或者视觉提示等方式。预警信号与前述的报警信号不同，报警信号是指已经发生事故或者需要进行维修的情形下而进行的警报提示，提醒相应工作人员及时进行故障处理，例如警报铃声等。
[0120]
在一个可选的实施例中，若第二监测点的稳定性等级大于第一预设稳定性等级且小于第二预设稳定性等级，则发出第一预警信息；若第二监测点的稳定性等级大于第二预
设稳定性等级且小于第三预设稳定性等级，则发出第二预警信息；若第二监测点的稳定性等级大于第三预设稳定性等级，则发出第三预警信息，其中，第三预设稳定性等级不大于预设稳定性等级。本实施例中，从第一预设稳定性等级至第三预设稳定性等级，所对应的杆塔稳定性逐渐减弱。其中，第一预警信息可以为相应系统或者应用程序上的消息提示；第二预警信息可以是手机短信提示；第三预警信息可以是电话或者设定的语音提示，或者可以根据系统终端界面不同的颜色来区分不同的预警信息，例如，当发出第一预警信息时，系统终端界面为蓝色；当发出第二预警信息时，系统终端界面为橙色；发出第三预警信息时，系统终端界面为黄色。
[0121]
在一个实施例中，第一监测点位置和第二监测点位置相同。
[0122]
本实施例中，当第一监测点位置和第二监测点位置相同时，首先获取第一监测点的倾角数据，根据第一监测点的倾角数据确定杆塔的倾斜度等级，当第一监测点的倾斜度等级大于预设倾斜度等级时，获取第一监测点除倾角数据之外的其他杆塔数据，根据第一监测点的杆塔数据确定杆塔的稳定性等级，当杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。当第一监测点位置和第二监测点位置相同时，只需要获取一次第一监测点的倾角数据，避免在第一监测点的倾斜度等级大于预设倾斜度等级时，重复获取第二监测点的倾角数据，可加快计算速度，提高相应计算效率。
[0123]
在一个实施例中，提供了一种杆塔倾斜预警系统，用于实现上述实施例中的杆塔倾斜预警方法。该杆塔倾斜预警系统包括集中控制器、远程监控终端及多个监测装置，集中控制器分别与远程监控终端和监测装置通信连接，其中，监测装置分别安装在多个第一监测点及多个第二监测点上，用于采集第一监测点及第二监测点的杆塔数据。
[0124]
集中控制器包括主控模块、第一通信模块及第一电源模块，主控模块分别与第一通信模块及第一电源模块连接，第一通信模块用于与远程监控终端和监测装置通信。
[0125]
监测装置包括监测控制器、传感器、第二通信模块和第二电源模块，监测控制器分别与传感器、第二通信模块、第二电源模块连接，监测控制器用于接收传感器采集的杆塔数据，并对杆塔数据进行相应计算，包括搭建rbf神经网络模型。其中，传感器包括拉力传感器、倾角传感器、振动传感器等。具体地，监测控制器获取由倾角传感器所采集到的杆塔上第一监测点的倾角数据，监测控制器根据第一监测点的倾角数据确定杆塔的倾斜度等级，当第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据，其中，第二监测点的杆塔数据由传感器采集得到，监测控制器根据第二监测点的杆塔数据确定杆塔的稳定性等级，当杆塔的稳定性等级大于预设稳定性等级时，发出报警信号，监测控制器将报警信号及相应处理数据发送至集中控制器的主控模块，主控模块对报警信息进行验证后发送至远程监控终端，由远程监控终端对应的工作人员做出相应的处理。
[0126]
可选地，监测装置还包括预警模块，用于发出报警信号或者预警信号。其中，预警模块与监测控制器通信连接，当杆塔的稳定性等级大于预设稳定性等级时，预警模块发出相应报警信号；当杆塔的稳定性等级不大于预设稳定性等级时，预警模块发出相应的预警信号。
[0127]
在一个可选的实施例中，第一通信模块和第二通信模块为无线通信模块，例如采用zigbee(紫蜂)无线传输协议，第一通信模块与远程控制终端采用无线网络进行连接。第一电源模块和第二电源模块都包括光伏板，即可通过太阳照射产生电流；为了保证输电线
路电压稳定性，还可以在电源电路中加入电容滤波电路。
[0128]
上述杆塔倾斜预警系统，包括集中控制器、远程监控终端及多个监测装置，通过多个监测装置获取监测点的杆塔数据，并确定相应杆塔的倾斜度等级和稳定性等级，当杆塔的稳定性等级大于预设稳定性等级时，发出报警信号，并将报警信号及相应处理数据发送至集中控制器，集中控制再发送相应指令至远程监控终端，远程监控终端对应的工作人员进行相应处理。本技术通过将杆塔数据采集和计算的复杂工作分配在多个监测装置中完成，分散了集中控制器的处理压力，可提高数据处理效率，同时可提高杆塔倾斜预警的准确性和预警效率。
[0129]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0130]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的杆塔倾斜预警方法的杆塔倾斜预警装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个杆塔倾斜预警装置实施例中的具体限定可以参见上文中对于杆塔倾斜预警方法的限定，在此不再赘述。
[0131]
在一个实施例中，如图6所示，提供了一种杆塔倾斜预警装置，包括：第一获取模块602、倾斜度模块604、第二获取模块606、稳定性模块608和报警模块610，其中：
[0132]
第一获取模块602，用于获取杆塔上第一监测点的倾角数据；
[0133]
倾斜度模块604，用于根据第一监测点的倾角数据确定杆塔的倾斜度等级；
[0134]
第二获取模块606，用于当第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
[0135]
稳定性模块608，用于根据第二监测点的杆塔数据确定杆塔的稳定性等级；
[0136]
报警模块610，用于当杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
[0137]
在一个实施例中，倾斜度模块604，还用于：
[0138]
根据所述第一监测点在各坐标轴方向上的倾角数据，确定所述第一监测点与各坐标轴倾角数据对应的加速度分量；
[0139]
根据所述第一监测点与各坐标轴倾角数据对应的加速度分量，确定所述杆塔的综合倾斜度；
[0140]
根据所述杆塔的综合倾斜度，确定所述杆塔的倾斜度等级。
[0141]
在一个实施例中，稳定性模块608，还用于：
[0142]
将第二监测点的多个杆塔数据进行分解，得到每个杆塔数据对应的特征向量；
[0143]
根据每个杆塔数据对应的所述特征向量，得到对应的第一稳定性结果；
[0144]
将多个所述第一稳定性结果进行数据融合，得到第二稳定性结果；
[0145]
根据所述第二稳定性结果，确定所述杆塔的稳定性等级。
[0146]
在一个实施例中，稳定性模块608，还用于：
[0147]
对所述第二监测点的杆塔数据进行小波包能量谱分析，确定各传感器数据的频带能量；
[0148]
计算所述各传感器数据的频带能量在总能量中的占比，得到各传感器数据的频带能量比值；
[0149]
将所述各传感器数据的频带能量比值作为所述杆塔数据对应的特征向量。
[0150]
在一个实施例中，杆塔倾斜预警装置还包括预警模块，用于：
[0151]
当所述杆塔的稳定性等级不大于预设稳定性等级时，发出包含倾斜度等级的预警信号。
[0152]
在一个实施例中，杆塔倾斜预警装置，还用于实现第一监测点位置和所述第二监测点位置相同。
[0153]
上述杆塔倾斜预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0154]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储杆塔传感器数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种杆塔倾斜预警方法。
[0155]
本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0156]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0157]
获取杆塔上第一监测点的倾角数据；
[0158]
根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
[0159]
当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
[0160]
根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
[0161]
当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
[0162]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0163]
获取杆塔上第一监测点的倾角数据；
[0164]
根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
[0165]
当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
[0166]
根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
[0167]
当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
[0168]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0169]
获取杆塔上第一监测点的倾角数据；
[0170]
根据所述第一监测点的倾角数据确定所述杆塔的倾斜度等级；
[0171]
当所述第一监测点的倾斜度等级大于预设倾斜度等级时，获取第二监测点的杆塔数据；
[0172]
根据所述第二监测点的杆塔数据确定所述杆塔的稳定性等级；
[0173]
当所述杆塔的稳定性等级大于预设稳定性等级时，发出报警信号。
[0174]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0175]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0176]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。