微地形与雷电活动的关联挖掘方法及装置、设备及介质

技术领域

本发明涉及输电线路雷害风险评估领域，尤其涉及微地形与雷电活动的关联挖掘方法及装置、设备及存储介质。

背景技术

雷击灾害会造成人员伤亡、电力系统故障和设备损毁，已成为阻碍电网安全可靠、持续运行的三大影响因素之一。按雷击强度不同，可分为故障性雷击和非故障性雷击，故障性雷击将引起线路绝缘子串闪络导致线路故障跳闸，在山区、多雷区及土壤电阻率较高的地区，雷击线路引起的事故率更高。非故障性雷击可能会引起线路保护误动，造成线路非故障性跳闸，对电网造成不必要的损失。

现有技术对雷电活动分析预防电网仅停留在利用网格法统计沿线的地闪密度和雷电活动强度随季节、月份等时间变化的情况，不能全面反映线路架设地区的微地形对线路雷击故障的影响，无法针对特定场景雷害特征进行防护设计。

发明内容

基于此，有必要针对上述问题，提出了一种微地形与雷电活动的关联挖掘方法及装置、设备及介质，以解决因为不能全面反映线路架设地区的微地形对线路雷击故障的影响，而无法针对特定场景雷害特征进行防护设计的问题。

为实现上述目的，本申请第一方面提供一种微地形与雷电活动的关联挖掘方法，其特征在于，所述方法包括：

获取目标区域的雷电活动参数和高程数据，以及所述目标区域内的输电线路的各个杆塔的位置参数；

根据所述高程数据和所述各个杆塔的位置参数进行地形分析，得到所述各个杆塔的预设区域的水域密度地形参数；

对所述雷电活动参数和所述各个杆塔在所述预设区域内的所述水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，所述待挖掘事务表为所述事务与所述事务属性项之间的对应关系，所述杆塔为事务，所述事务属性项为所述预处理后的数据；

基于FP-Tree算法及所述待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征。

进一步的，所述对所述雷电活动参数和所述各个杆塔在所述预设区域内的所述水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，具体包括：

根据数据概化处理方法对所述雷电活动参数和所述各个杆塔在所述预设区域内的所述水域密度地形参数进行数据预处理，得到处理后的事务属性项；

根据所述事务属性项和所述事务，构建所述待挖掘事务表。

进一步的，所述基于FP-Tree算法及所述待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征，具体包括：

获取最小支持度阈值；

根据所述待挖掘事务表和所述最小支持度阈值得到第一频繁项集和所述第一频繁项集的目标事务表；

根据所述目标事务表和所述第一频繁项集，得到目标FP树；

根据所述目标事务表和所述目标FP得到第二频繁项集；

根据所述第二频繁项集和所述最小支持度阈值得到与雷电活动有强关联性的水域密度微地形特征。

进一步的，所述根据所述待挖掘事务表和所述最小支持度阈值得到第一频繁项集和所述第一频繁项集的目标事务表，具体包括：

对所述待挖掘事务表进行一次扫描，得到所述事务属性项的各项的支持度；

根据所述最小支持度阈值及所述事务属性项的各项的支持度得到第一频繁项集；

对所述第一频繁项集中所有项进行排序，得到目标事务表。

进一步的，所述根据所述目标事务表和所述第一频繁项集，得到目标FP树，具体包括：

对所述目标事务表进行二次扫描，并初始化FP树，根据所述第一频繁项集的所有项创建根节点，按顺序将每个事务对应的所有项依次插入所述FP树中作为节点，得到目标FP树。

进一步的，所述根据所述目标事务表和所述目标FP得到第二频繁项集，具体包括：

根据所述目标事务表进行频繁项挖掘，得到对应的目标项，并将所述目标项作为条件模式基；

在所述目标FP树搜索与所述条件模式基匹配的路径，得到第二频繁项集。

进一步的，所述根据所述第二频繁项集和所述最小支持度阈值得到与雷电活动有强关联性的水域密度微地形特征，具体包括：

基于所述第二频繁项集，计算得到所述第二频繁项集中所有项的支持度；

根据所述第二频繁项集中所有项的支持度和所述最小支持度阈值得到与雷电活动有强关联性的水域密度微地形特征。

为实现上述目的，本申请第二方面提供一种微地形与雷电活动的关联挖掘装置，其特征在于，所述装置包括：数据采集模块、数据处理模块和数据分析模块；

所述数据采集模块，用于获取目标区域的雷电活动参数和高程数据，以及所述目标区域内的输电线路的各个杆塔的位置参数；

所述数据处理模块，用于根据所述高程数据和所述各个杆塔的位置参数进行地形分析，得到所述各个杆塔的预设区域的水域密度地形参数；

对所述雷电活动参数和所述各个杆塔在所述预设区域内的所述水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，所述待挖掘事务表为所述事务与所述事务属性项之间的对应关系，所述杆塔为事务，所述事务属性项为所述预处理后的数据；

所述数据分析模块，用于基于FP-Tree算法及所述待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征。

为实现上述目的，本申请第三方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述方法的步骤。

为实现上述目的，本申请第四方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面所述方法的步骤。

采用本发明实施例，具有如下有益效果：

本发明中通过获取目标区域的雷电活动参数和高程数据，以及目标区域内的输电线路的各个杆塔的位置参数；并根据高程数据和各个杆塔的位置参数进行地形分析，得到各个杆塔的预设区域的水域密度地形参数；对雷电活动参数和各个杆塔在预设区域内的水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表；基于FP-Tree算法及待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征，通过上述方法挖掘出与雷电活动有强关联性的水域密度微地形特征，考虑了水域密度方面的因素对雷电活动的影响，更加全面的反映线路架设地区的微地形对线路雷击故障的影响，进而可以针对特定场景雷害特征进行防护设计。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本申请实施例中微地形与雷电活动的关联挖掘方法的流程示意图；

图2为本申请实施例中水域密度地形参数提取的流程示意图；

图3为本申请实施例中图1所示实施例步骤400的细化步骤的流程示意图；

图4为本申请实施例中微地形与雷电活动的关联挖掘装置的结构示意图；

图5为本申请实施例中计算机设备的内部结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本实施例中，提供一种微地形与雷电活动的关联挖掘方法，请参阅图1，图1为本申请实施例中微地形与雷电活动的关联挖掘方法的流程示意图，具体包括：

步骤100，获取目标区域的雷电活动参数和高程数据，以及目标区域内的输电线路的各个杆塔的位置参数；

在本申请实施例中，雷电活动参数包括地闪密度与雷电流幅值。其中，地闪是云内荷电中心与大地和地物之间的放电过程，具有很大的破坏性，因此产生雷电灾害主要的就是由地闪引起，地闪密度则为每平方千米、每年地面落雷次数；雷电流是一种自然现象，是直接雷击时，通过被击物体，而泄入大地的电流。

除此之外，还要获取目标区域内输电线路的每基杆塔的位置参数，位置参数为每基杆塔所在位置的经纬度。

在本申请一种可行的实施例中根据雷电定位系统统计目标区域内每基杆塔周围的10年的地闪密度与雷电流幅值的数据，具体而言，地闪密度可采用改进网格搜索法对其进行统计，雷电流幅值可采用中值测量电流法对其进行统计。

步骤200，根据高程数据和各个杆塔的位置参数进行地形分析，得到各个杆塔的预设区域的水域密度地形参数；

在本申请一种可行的实施例中将各个杆塔分别作为各个预设区域的圆心，预设距离作为半径，从而得到以杆塔为圆心的圆形区域，该圆心区域为杆塔的预设区域，该预设区域即为缓冲区，可选的，预设距离可为3km。

具体而言，基于地形高程数据，通过地理信息软件执行地形分析，导入地形高程数据中地表覆盖类型中的水域数据和各个杆塔经纬度数据，以各个杆塔为圆心创建缓冲区，即预设区域，计算得到目标区域的水域密度地形参数。对输电线路的逐基杆塔的水域密度进行更全面合理的统计分析，保证了该方法的普遍适用性和准确性。

进一步的，在本申请一种可行的实施例中水域密度地形参数提取流程如图2所示，图2为本申请实施例中水域密度地形参数提取的流程示意图，具体包括：

根据获取得到的地区数字高程tif文件，将地表覆盖类型中水域数据和各个杆塔的经纬度KML文件导入地理信息软件执行地形分析，提取各个杆塔水域密度地形参数，其中水域密度地形参数的提取公式如下：

式中，P为水域密度地形参数；a为水域面积；b为缓冲区面积。

步骤300，对雷电活动参数和各个杆塔在预设区域内的水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，待挖掘事务表为事务与事务属性项之间的对应关系，杆塔为事务，事务属性项为预处理后的数据；

进一步的，根据数据概化处理方法对雷电活动参数和各个杆塔在预设区域内的水域密度地形参数进行数据预处理，得到处理后的事务属性项；

根据事务属性项和事务，构建待挖掘事务表。

在本申请实施例中，将一个杆塔作为一个事务；即若目标区域内有n个杆塔，则待挖掘事务表中有n个事务；事务属性项为进行了预处理后的数据；待挖掘事务表即为各事务与事务属性项之间的对应关系。

具体而言，根据关联挖掘算法对数据的要求，对雷电活动参数和水域密度地形参数进行数据预处理。

其中，对于雷电活动参数中的地闪密度而言，对其进行离散化，采用先验知识划分方法，可将地闪密度从弱到强分为4个等级区域，4个等级区域分别为：少雷区、中雷区、多雷区和强雷区；

其中，少雷区：N

中雷区：0.78次/(km

多雷区：2.78次/(km

强雷区：N

对于雷电活动参数中的雷电流幅值均值和水域密度地形参数，采用等频分箱法将样本对象分割成实例数量相等的区间。

在对雷电活动参数和水域密度地形参数进行数据预处理后，将处理后的数据的每个区间作为一个单独的属性，根据所有的属性得到事务属性项，再根据每个事务与事务属性项之间的关系构建待挖掘事务表。

步骤400，基于FP-Tree算法及待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征。

具体的，请参阅图3，图3为本申请实施例中图1所示实施例步骤400的细化步骤的流程示意图，具体步骤包括：

步骤410，获取最小支持度阈值；

关联性分析是用于发现隐藏在大型数据集中的有意义的联系，所发现的联系可以用关联规则或频繁项集的形式表示。其中，关联规则，即反映一个事物与其他事物之间的相互依存性和关联性，如果两个或多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。支持度表示包含某一个关联关系的事务在事务表中的比例，反映了与事务属性之间关联程度的大小。支持度计算公式如下：

式中，A为关联规则的规则前件；B为关联规则的规则后件；σ(A∪B)为同时含有A和B的事务数；θ为事务总数；其中规则前件和规则后件可以解释为，对于规则(A)>(B)，则(A)为规则前件，(B)为规则后件。

具体而言，根据待挖掘事务表的规模大小和数据量，自行设定合适的最小支持度阈值，可以理解的是当支持度越大时，得到的关联性就强；支持度越小时，得到的关联性就弱。

步骤420，根据待挖掘事务表和最小支持度阈值得到第一频繁项集和第一频繁项集的目标事务表；

具体而言，在得到待挖掘事务表后，获取待挖掘事务表中所有属性项的支持度并与最小支持度阈值进行比较，得到所有频繁项，所有频繁项组成第一频繁项集，进而得到第一频繁项集的目标事务表。

进一步的，请参阅以下具体步骤：

步骤421，对待挖掘事务表进行一次扫描，得到事务属性项的各项的支持度；

具体而言，对待挖掘事务表进行一次扫描，统计所有项的计数，并且得到所有项的支持度。

步骤422，根据最小支持度阈值及事务属性项的各项的支持度得到第一频繁项集；

具体而言，将事务属性项的各项的支持度与最小支持度阈值进行比较，保留中所有支持度计数大于最小支持度阈值的项，并组成第一频繁项集。

步骤423，对第一频繁项集中所有项进行排序，得到目标事务表。

具体而言，在本申请一种可行的实施例中，将第一频繁项集中所有的项根据的支持度大小按降序排序生成新的事务表，将生成的新的事务表作为目标事务表。

步骤430，根据目标事务表和第一频繁项集，得到目标FP树；

具体而言，对目标事务表进行二次扫描，并初始化FP树，根据第一频繁项集的所有项创建根节点，按顺序将每个事务对应的所有项依次插入FP树中作为节点，得到目标FP树。

步骤440，根据目标事务表和目标FP得到第二频繁项集；

具体而言，根据目标事务表进行频繁项挖掘，得到对应的目标项，并将目标项作为条件模式基；在目标FP树搜索与条件模式基匹配的路径，得到第二频繁项集。

在本申请实施例中，根据目标事务表自底向上的顺序依次进行频繁项挖掘，此时挖掘得到的目标项对应的元素作为条件模式基。在目标FP树中搜索与该目标条件模式基对应的路径，得到多个条件模式基，进而得到第二频繁项集。

步骤450，根据第二频繁项集和最小支持度阈值得到与雷电活动有强关联性的水域密度微地形特征。

具体而言，基于第二频繁项集，计算得到所述第二频繁项集中所有项的支持度；根据第二频繁项集中所有项的支持度和最小支持度阈值得到与雷电活动有强关联性的水域密度微地形特征。

在本申请一种可行的实施例中，基于第二频繁项集中各条件模式基计算各条件模式基与水域密度地形参数的支持度，去除掉小于最小支持度阈值的项，保留不小于最小支持度阈值的项，进而得到与雷电活动有强关联性的水域密度微地形特征。计算出水域密度地形参数分别以地闪密度的多雷区、强雷区和雷电流幅值均值高等级为条件模式基的支持度值，对其进行归纳总结，即得到与雷电活动有强关联性的水域密度微地形特征。

根据上述方法可以得到本申请通过获取目标区域的雷电活动参数和高程数据，以及目标区域内的输电线路的各个杆塔的位置参数，并根据高程数据和各个杆塔的位置参数进行地形分析，得到各个杆塔的预设区域的水域密度地形参数，还对雷电活动参数和各个杆塔在预设区域内的水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，最后基于FP-Tree算法及待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征，以此挖掘出与雷电活动有强关联性的水域密度微地形特征，本申请提出的方法考虑了水域密度方面的因素对雷电活动产生的影响，更加全面的反映线路架设地区的微地形对线路雷击故障的影响，进而可以针对特定场景雷害特征进行防护设计。

在本申请实施例中，提供一种微地形与雷电活动的关联挖掘装置，请参阅图4，图4为本申请实施例中微地形与雷电活动的关联挖掘装置的结构示意图，该装置包括：数据采集模块401、数据处理模块402和数据分析模块403；

数据采集模块401，用于获取目标区域的雷电活动参数和高程数据，以及目标区域内的输电线路的各个杆塔的位置参数；

数据处理模块402，用于根据高程数据和各个杆塔的位置参数进行地形分析，得到各个杆塔的预设区域的水域密度地形参数；

对雷电活动参数和各个杆塔在预设区域内的水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，待挖掘事务表为事务与事务属性项之间的对应关系，杆塔为事务，事务属性项为预处理后的数据；

数据分析模块403，用于基于FP-Tree算法及待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征。

本申请通过上述装置获取目标区域的雷电活动参数和高程数据，以及目标区域内的输电线路的各个杆塔的位置参数，并根据高程数据和各个杆塔的位置参数进行地形分析，得到各个杆塔的预设区域的水域密度地形参数，还对雷电活动参数和各个杆塔在预设区域内的水域密度地形参数进行数据预处理，得到事务属性项，并构建待挖掘事务表，最后基于FP-Tree算法及待挖掘事务表对雷电活动与水域密度的关联性进行分析，得到与雷电活动有强关联性的水域密度微地形特征，以此挖掘出与雷电活动有强关联性的水域密度微地形特征，充分地考虑了水域密度方面的因素对雷电活动产生的影响，更加全面的反映线路架设地区的微地形对线路雷击故障的影响，进而可以针对特定场景雷害特征进行防护设计。

图5示出了本发明一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是系统。如图5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，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法实施例中的各个步骤。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法实施例中的各个步骤。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请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。

在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述方法实施例中的各个步骤。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述方法实施例中的各个步骤。

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，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

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。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。