(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110701771.3 (22)申请日 2021.06.24 (71)申请人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国家电网有限公司 (72)发明人 马潇　王轶　汉京善　金欢　高洁　 王剑　刘彬　李丹煜　姬昆鹏　 赵彬　 (74)专利代理 机构 北京安博达知识产权代理有 限公司 1 1271 专利代理师 徐国文 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 20/00(2019.01) (54)发明名称 一种输电线路舞动监测方法及装置 (57)摘要 本发明涉及输电线路安全防控技术领域， 具 体提供了一种输电线路舞动监测方法及装置， 旨 在解决输电线路舞动幅值较小且频率较高时的 舞动现象无法记录的技术问题。 包括： 获取预测 时段的气象因素数据、 微地理因素数据和线路信 息； 将所述预测时段的气象因素数据、 微地理因 素数据和线路信息作为预先训练的机器学习模 型输入， 获取预先训练的机器学习模 型输出的预 测时段输电线路舞动系数； 其中， 所述预先训练 的机器学习模 型基于历史气象因素数据、 微地理 因素数据、 线路信息以及输电线路舞动系数训练 获取。 该方案实现输电线路覆冰 舞动的提前预测 预警， 提高了输电线路应对舞动灾害的安全防御 措施， 从而减少了或者消除舞动导致的灾害事 故。 权利要求书1页 说明书6页 附图1页 CN 115526361 A 2022.12.27 CN 115526361 A 1.一种输电线路舞动监测方法， 其特 征在于， 所述方法包括： 获取预测时段的气象因素 数据、 微地理因素数据和线路信息； 将所述预测时段的气象因素数据、 微地理因素数据和线路信 息作为预先训练 的机器学 习模型输入， 获取 预先训练的机器学习模型输出的预测时段输电线路舞动系数； 其中， 所述预先训练 的机器学习模型基于历史气象因素数据、 微地理因素数据、 线路信 息以及输电线路舞动系数训练获取。 2.如权利要求1所述的方法， 其特征在于， 所述输电线路舞动系数为1或0， 当输电线路 舞动系数为1时， 输电线路发生舞动， 当输电线路舞动系数为0时， 输电线路未发生舞动。 3.如权利要求1所述的方法， 其特征在于， 所述预先训练 的机器学习模型至少包括下述 中的一种： 深度学习模型、 人工神经网络、 支持向量机 。 4.如权利要求1所述的方法， 其特征在于， 所述预先训练 的机器学习模型的训练过程包 括： 将历史气象因素数据、 微地理因素数据和线路信 息作为初始机器学习 模型的输入层训 练样本， 将历史输电线路舞动系数作为初始机器学习模型的输出层训练样本对初始机器学 习模型进行训练， 获取 所述预先训练的机器学习模型。 5.如权利要求1所述的方法， 其特征在于， 所述气象因素数据包括： 温度、 湿度、 风速和 降水量， 所述微地理因素数据包括： 地形、 地貌和坡度， 所述线路信息包括： 导线截面积、 档 距、 分裂数和是否加装防舞装置 。 6.如权利要求1所述的方法， 其特征在于， 所述预先训练 的机器学习模型的隐含层的层 数为5。 7.如权利要求2所述的方法， 其特征在于， 所述方法还包括： 当预先训练的机器学习模 型输出的预测时段输电线路舞动系数为1时， 向控制中心发出 预警信息 。 8.一种输电线路舞动监测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取 预测时段的气象因素 数据、 微地理因素数据和线路信息； 预测模块， 用于将所述预测时段的气象因素数据、 微地理因素数据和线路信息作为预 先训练的机器学习模型输入， 获取预先训练的机器学习模型输出的预测时段输电线路舞动 系数； 其中， 所述预先训练 的机器学习模型基于历史气象因素数据、 微地理因素数据、 线路信 息以及输电线路舞动系数训练获取。 9.一种存储装置， 其中存储有多条程序代码， 其特征在于， 所述程序代码适于由处理器 加载并运行以执 行权利要求1至7中任一项所述的输电线路舞动监测方法。 10.一种控制装置， 包括处理器和存储装置， 所述存储装置适于存储多条程序代码， 其 特征在于， 所述程序 代码适于由所述处理器加载并运行以执行权利要求 1至7中任一项所述 的输电线路舞动监测方法。权　利　要　求　书 1/1 页 2 CN 115526361 A 2一种输电线路舞动监测方 法及装置 技术领域 [0001]本发明涉及输电线路安全防控领域， 具体涉及一种输电线路舞动监测方法及装 置。 背景技术 [0002]自然天气变化逐年强烈， 由此给电网设施造成了巨大的破坏， 低温下的雨雪天气 导致输电线路发生覆冰， 加之受风的作用， 极易引起线路发生覆冰舞动， 输电线路覆冰舞动 是输电线路在不均匀覆冰的条件下， 受风力作用发生的一种输电线路不规则运动， 覆冰舞 动一般造成线路跳闸、 断线、 金具损坏、 铁塔倒塔等事故， 因此非常有必要利用现有技术进 行输电线路覆冰舞动的监测及预警， 为线路安全提供 科学准确的技 术支持。 [0003]输电线路安全监测技术主要包括线路的微气象监测、 线路覆冰监测、 线路自身温 度监测、 导线微风振动监测、 线路风偏监测、 线路舞动监测， 其中输电线路覆冰舞动监测技 术相对其他输电线路安全监测技术发展较晚， 现有技术方案通过加装到线路上的舞动传感 器进行线路舞动幅值的监测， 根据线路的信息设置舞动阈值， 当线路发生舞动的幅度超过 设置的阈值时， 传感器被唤醒， 进行舞动幅值监测数据的回传， 该装置实现了输电线路覆冰 舞动在线监测， 为输电线路安全运行提供了保 障， 但在使用的过程中由于数据的传输是通 过无线传输方式进 行， 功耗较大， 因此为保证设备的正常运行， 舞动监测装置并不是实时一 直在线， 而是当线路发生舞动的幅值大于阈值时启动监测功能， 因此不可避免的带来输电 线路舞动幅值较小且频率较高时的舞动现象无法记录的缺 点。 发明内容 [0004]为了克服上述缺陷， 提出了本发明， 以提供解决或至少部分地解决输电线路舞动 幅值较小且频率较高时的舞动现象无法记录的技 术问题的输电线路舞动监测方法及装置 。 [0005]第一方面， 提供一种输电线路舞动监测方法， 所述输电线路舞动监测方法包括： [0006]获取预测时段的气象因素 数据、 微地理因素数据和线路信息； [0007]将所述预测时段的气象因素数据、 微地理因素数据和线路信息作为预先训练的机 器学习模型输入， 获取 预先训练的机器学习模型输出的预测时段输电线路舞动系数； [0008]其中， 所述预先训练的机器学习模型基于历史气象因素数据、 微地理因素数据、 线 路信息以及输电线路舞动系数训练获取。 [0009]优选的， 所述输电线路舞动系数为1或0， 当输电线路舞动系数为1时， 输电线路发 生舞动， 当输电线路舞动系数为0时， 输电线路未发生舞动。 [0010]优选的， 所述预先训练的机器学习模型至少包括下述中的一种： 深度学习模型、 人 工神经网络、 支持向量机 。 [0011]优选的， 所述预 先训练的机器学习模型的训练过程包括： [0012]将历史气象因素数据、 微地理因素数据和线路信息作为初始机器学习模型的输入 层训练样本， 将历史输电线路舞动系数作为初始机器学习模型的输出层训练样本对初始机说　明　书 1/6 页 3 CN 115526361 A 3