本發明涉及輸電線路智能管理，具體為一種輸電線路通道智慧管控平臺。
背景技術：
1、隨著電力行業的發展，輸電線路作為電力傳輸的關鍵基礎設施，其安全穩定運行至關重要。
2、公開號為cn112383750a的專利申請，公開了一種輸電線路通道智慧管控平臺，包括數據處理系統、輸電線路通道關鍵隱患識別系統、大數據環境下數據安全保護系統；數據處理系統，用于接收前端監測系統傳輸的數據并對數據進行分類處理，將處理后的數據發送到輸電線路通道關鍵隱患識別系統；異常行為識別子系統，用于對接收到的視頻信息進行分析處理提取特征建立模型，利用機器學習對視頻信息檢測分類計算，與正常情況下設置的閾值進行相比判斷是否有影響輸電線路通道異常行為發生；并輸出預警信息；大數據環境下數據安全保護系統，用于對數據采集階段、數據存儲階段、數據挖掘處理階段以及數據發布階段的數據進行安全審計。
3、近年來，隨著傳感器技術、圖像識別技術、人工智能技術以及大數據分析技術的不斷發展，為輸電線路通道的智慧管控提供了技術支持，但是在面對大量的傳感器數據和線路運行參數時，如果不能及時準確地識別異常，就無法及時采取有效的措施進行處理，可能會導致故障的擴大化，現有技術在對輸電線路故障的預測和預防方面存在欠缺，無法充分利用歷史數據和實時數據進行深度分析，難以提前預測故障發生的概率，從而無法提前采取預防措施，降低故障發生的風險。
技術實現思路
1、針對現有技術的不足，本發明提供了一種輸電線路通道智慧管控平臺，解決了無法充分利用歷史數據和實時數據進行深度分析，難以提前預測故障發生的概率，從而無法提前采取預防措施的問題。
2、為實現以上目的，本發明通過以下技術方案予以實現：一種輸電線路通道智慧管控平臺，包括：
3、輸電線通道信息采集模塊，用于將獲取的通道信息傳輸到通道信息比較分析模塊；
4、通道信息比較分析模塊，用于根據獲取的通道信息對輸電線通道整體狀態進行識別，通過對通道信息中的傳感器數據和路線運行參數進行單獨分析，確定相應的異常，并生成狀態識別結果和正常信號，其中狀態識別結果包括通道異常信號和輸電線異常信號，接著將通道異常信號傳輸到通道異常分析處理模塊，將輸電線異常信號傳輸到輸電線異常分析處理模塊，將正常信號傳輸到分析信息輸出模塊；
5、通道異常分析處理模塊，用于對獲取的通道異常信號進行分析，通過對輸電線通道進行分段得到分段通道，并對分段通道對應的通道圖像進行獲取和分析，對存在的異常情況進行分析生成通道異常信息，同時將異常通道信息傳輸到分析信息輸出模塊；
6、輸電線異常分析處理模塊，用于對獲取的輸電線異常信號進行分析，通過對輸電線的異常參數進行獲取，并結合歷史數據確定異常原因，同時對異常原因的發生概率進行計算，生成概率預測信息，接著將其傳輸到分析信息輸出模塊。
7、作為本發明的進一步方案，還包括分析信息輸出模塊，用于將獲取的正常信號、通道異常信息、異常原因以及概率預測信息顯示給對應的操作人員。
8、作為本發明的進一步方案，所述通道信息比較分析模塊對輸電線通道整體狀態進行識別的具體方式為：
9、獲取通道信息中的傳感器數據和路線運行參數，接著分別對傳感器數據和路線運行參數與對應的閾值進行比較，若傳感器數據和路線運行參數存在任一組數據與閾值不匹配，則表示輸電線通道存在異常，同時獲取對應的不匹配數據并生成狀態識別結果，反之若傳感器數據和路線運行參數均與閾值匹配，則表示輸電線通道正常，并生成正常信號，同時將正常信號傳輸到分析信息輸出模塊。
10、作為本發明的進一步方案，所述通道異常分析處理模塊對通道異常信號進行分析的具體方式為：
11、獲取通道信息中的通道路徑，并對通道路徑進行分段處理得到分段通道記作i，且i＝1、2、…、j，其中j表示分段通道的數量，同時獲取分段通道i對應的通道圖像，基于人工智能圖像識別技術，對通道圖像進行實時分析得到圖像分析信息，并基于路線運行參數對分段通道i進行篩選得到異常分段通道；
12、獲取異常分段通道，并獲取對應的圖像分析信息，接著對圖像分析信息中的輸電線距離和物體行為進行綜合分析，利用圖像中的幾何關系和相機參數來計算物體與線路的實際距離，并將實際距離與安全距離進行比較，若實際距離小于安全距離，則表示對應的物體對路線存在影響，并生成距離影響結果，反之若實際距離大于安全距離，則表示對應物體的距離對路徑不存在影響，并生成距離正常結果；
13、對于通道內的動態物體，分析運動軌跡和行為，通過連續幀圖像的分析，判斷其是否有靠近輸電線路的趨勢，并生成對應的物體行為結果。
14、作為本發明的進一步方案，所述輸電線異常分析處理模塊對輸電線異常信號進行分析的具體方式為：
15、獲取輸電線異常信號對應的異常參數，接著獲取歷史數據，并將異常參數與歷史數據進行匹配，通過對異常參數對應的參數特征進行提取，將參數特征與歷史數據中相同的數據進行匹配生成異常原因，同時將異常原因傳輸到分析信息輸出模塊；
16、接著對歷史數據中對應的故障記錄進行獲取，并將故障記錄按照故障類型進行整理得到同類型故障數據，并以任一組同類型故障數據為目標對象進行分析。
17、作為本發明的進一步方案，所述輸電線異常分析處理模塊對目標對象進行分析的具體方式為：
18、對目標對象中的故障記錄進行獲取，同時對故障記錄對應的故障特征進行提取，接著以相同故障特征為標準將對應的歷史數據進行獲取，同時將提取的歷史數據進行分類得到故障記錄和正常記錄，并計算故障記錄對應的故障概率；
19、接著對故障特征對應的關聯特征進行獲取，同時對得到的關聯特征進行分析，分析方式同理故障特征的分析方式得到對應的關聯故障概率，將得到的故障概率和關聯故障概率進行乘積運算得到預測概率，同理對所有同類型故障數據對應的預測概率進行分析。
20、作為本發明的進一步方案，所述輸電線異常分析處理模塊生成概率預測信息的具體方式為：
21、獲取當前異常參數和異常參數特征，同時對異常參數特征對應的關聯特征進行獲取，并將二者與同類型故障數據進行匹配，得到預測概率生成預測概率信息，接著將預測概率信息傳輸到分析信息輸出模塊。
22、本發明提供了一種輸電線路通道智慧管控平臺。與現有技術相比具備以下有益效果：
23、本發明通過通道信息比較分析模塊通過對傳感器數據和路線運行參數與閾值進行比較，能夠準確判斷輸電線通道是否存在異常，并區分是通道異常還是輸電線異常，生成相應的狀態識別結果，通道異常分析處理模塊對通道異常信號進行深入分析，通過對輸電線通道進行分段、獲取通道圖像并基于人工智能圖像識別技術進行分析，能夠對異常分段通道中的輸電線距離和物體行為進行綜合分析，不僅可以計算物體與線路的實際距離并與安全距離比較，還能對動態物體的運動軌跡和行為進行分析，準確判斷其是否對線路安全構成威脅，生成詳細的通道異常信息，為操作人員提供了全面的決策依據。
24、輸電線異常分析處理模塊通過對輸電線異常信號進行分析，獲取異常參數，結合歷史數據確定異常原因，并計算異常原因的發生概率。通過對歷史數據的深入挖掘和分析，利用故障特征和關聯特征計算預測概率，能夠提前預測故障發生的可能性，為預防故障提供了科學依據。