1.本发明涉及一种线路监测技术领域，尤其涉及一种输电线路弧垂监测方法及相关设备。
背景技术：2.近年来，随着信息通信技术的普及，电力需求不断扩大，我国正在大力建设与发展电力网络。输电线路作为电力系统中分布最为广泛的重要组成部分，其安全、可靠运行是电网建设和经济发展的基础。输电线路线路弧垂是线路安全运行的关键指标。当气象条件发生变化，或是输电线路运行负荷较高时，线路弧垂会发生改变。然而，当线路弧垂过大时，会限制输电线路的输送能力，严重时还会产生放电造成线路跳闸、短路等事故。因此，增强输电线路线路弧垂智能监测预警的保障能力是十分重要的。
3.现有的输电线路线路弧垂监测方法有视觉图像法、张力计算法、导线温度计算法和倾角测量法。视觉图像方法易受周围环境干扰，例如线路周围的地形地貌、动植物的生长活动以及浓雾、扬尘等天气因素。张力计算和导线温度计算方法会受到导线材质的差异以及风速和风向不均匀等因素带来的影响。而倾角测量法的精度受限于安装位置、导线刚度和外界环境的干扰。
技术实现要素：4.有鉴于此，本发明提供了一种输电线路弧垂监测方法及相关设备，用于解决现有技术中影响输电线路线路弧垂的计算过程的因素多，所得结果误差大的问题。为达上述之一或部分或全部目的或是其他目的，本发明提出一种输电线路弧垂监测方法，包括：获取目标输电线路上的卫星信号；
5.根据所述卫星信号计算所述目标输电线路的目标线路弧垂；
6.将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。
7.可选的，所述根据所述卫星信号计算所述目标输电线路的目标线路弧垂的步骤，包括：
8.基于所述卫星信号利用差分方式构建所述目标输电线路的伪距差分误差方程与所述目标输电线路的载波相位差分误差方程；
9.根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂。
10.可选的，所述根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂的步骤，包括：
11.基于粒子群算法对所述伪距差分误差方程与所述载波相位差分误差方程进行求解，求得所述目标输电线路上最低点的三维坐标与所述目标输电线路上两端悬挂点处的相
对三维坐标；
12.根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂。
13.可选的，在所述根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂的步骤之前，还包括：
14.获取参考值对照表，所述参考值对照表包括在不同地形地貌数据和不同气象数据条件下的参考值；
15.获取所述目标输电线路的目标地形地貌数据和目标气象数据；
16.根据所述目标地形地貌数据、所述目标气象数据和所述参考值对照表确定目标参考值；
17.基于所述目标参考值修正所述相对三维坐标，得到目标相对三维坐标。
18.可选的，所述将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标的步骤，包括：
19.将所述目标线路弧垂和所述目标输电线路的监测信息导入所述预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标。
20.可选的，所述预设深度学习网络模型通过不同输电线路的历史数据完成训练，用于得到表征输电线路状态信息的参考值以及预测值；还用于获取对应线路状态风险指标的参数的权重数据。
21.可选的，所述方法还包括：
22.基于所述线路状态风险指标生成报警指令，以使显示设备显示所述目标输电线路的运行状态。
23.另一方面，本技术实施例提供了一种输电线路弧垂监测装置，所述监测装置包括：
24.数据接收模块，用于获取目标输电线路上的卫星信号；
25.计算模块，用于根据所述卫星信号计算所述目标输电线路的目标线路弧垂；
26.评估模块，用于将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。
27.第三方面，本技术实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如上述的数据采集方法的步骤。
28.第四方面，本技术实施例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上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的数据采集方法的步骤。
29.实施本发明实施例，将具有如下有益效果：
30.通过接收装置获取目标输电线路上的卫星信号；根据所述卫星信号计算所述目标输电线路的目标线路弧垂；避免了线路周围的地形地貌、动植物的生长活动以及浓雾、扬尘等天气因素的影响，使得线路弧垂的计算结果更准确；将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标。以卫星信号差分定位的线路弧垂数据为主，地形地貌数据和气象数据等数据为辅，结合大数据分析与人工智能方法对
线路弧垂监测中的关键参数进行修正与预测，进一步提高系统的监测精度，为输电线路的管理提供科学依据。
附图说明
31.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。
32.其中：
33.图1是本技术实施例提供的一种输电线路弧垂监测方法的流程图；
34.图2是本技术实施例提供的又一种输电线路弧垂监测方法的流程图
35.图3是本技术实施例提供的一种输电线路弧垂监测装置的结构示意图；
36.图4是本技术实施例提供的一种电子设备的结构示意图；
37.图5是本技术实施例提供的一种存储介质的结构示意图；
38.图6是本技术实施例提供的一种输电线路弧垂监测系统示意图。
具体实施方式
39.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。
40.如图1所示，本技术实施例提供了一种输电线路弧垂监测方法，包括：
41.s101、获取目标输电线路上的卫星信号；
42.示例性的，采用四频卫星天线作为信号采集装置，实时跟踪并采集预设目标卫星发出的信号，例如，采用四频北斗卫星天线，实时跟踪并采集北斗卫星发出的b1i、b3i、b1c、b2a四个频段的卫星信号。
43.示例性的，卫星信号接收设备，即，四频卫星天线分别设置于所述目标输电线路导线的最低点和所述目标输电线路导线两端的悬挂点处。
44.s102、根据所述卫星信号计算所述目标输电线路的目标线路弧垂；
45.在一种可能的实施方式中，所述根据所述卫星信号计算所述目标输电线路的目标线路弧垂的步骤，包括：
46.基于所述卫星信号利用差分方式构建所述目标输电线路的伪距差分误差方程与所述目标输电线路的载波相位差分误差方程；
47.根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂。
48.示例性的，对所述目标输电线路导线最低点的卫星信号和所述目标输电线路导线两端悬挂点的卫星信号进行数据转换，利用星间差分、历元间差分、频间差分、站间差分等多种差分方式构建伪距差分误差方程与载波相位差分误差方程。
49.在一种可能的实施方式中，所述根据所述伪距差分误差方程与所述载波相位差分
误差方程计算所述目标输电线路的目标线路弧垂的步骤，包括：
50.基于粒子群算法对所述伪距差分误差方程与所述载波相位差分误差方程进行求解，求得所述目标输电线路上最低点的三维坐标与所述目标输电线路上两端悬挂点处的相对三维坐标；
51.根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂。
52.示例性的，所述伪距差分误差方程和载波相位差分误差方程可利用粒子群算法求得所述目标输电线路最低点的三维坐标的最佳估计值与所述目标输电线路两端悬挂点处的相对三维坐标的最佳估计值。
53.示例性的，根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂，即，完成了通过卫星信号获取目标输电线路的线路弧垂过程。
54.s103、将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。
55.示例性的，如图2所示，本技术实施例提供了又一种输电线路弧垂监测方法，包括：
56.读取北斗导航数据，例如卫星信号、导线温度数据、微气象数据；
57.已所述北斗导航数据为主，结合导线周边的所述微气象数据和所述导线温度数据计算所述目标输电线路的线路弧垂，并预测下一时段所述目标输电线路的线路弧垂；
58.将所述线路弧垂结合监测数据完成对所述目标输电线路的风险评估，得到所述目标输电线路的线路状态风险指标；
59.若所述目标输电线路存在风险，则发送报警指令，以使维护人员根据所述目标输电线路的风险评估进行检修或者改造；
60.若所述目标输电线路不存在风险，则将所述目标输电线路的风险评估进行保存。
61.在一种可能的实施方式中，所述根据所述卫星信号计算所述目标输电线路的目标线路弧垂的步骤，包括：
62.基于所述卫星信号利用差分方式构建所述目标输电线路的伪距差分误差方程与所述目标输电线路的载波相位差分误差方程；
63.根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂。
64.示例性的，将所述目标输电线路导线最低点的卫星信号和所述目标输电线路导线两端悬挂点的卫星信号按照星间差分、历元间差分、频间差分、站间差分等多种差分方式进行处理，得到伪距差分误差方程与载波相位差分误差方程，其中，伪距差分的误差方程表示为如下矩阵形式：
[0065][0066]
其中，v为伪距差分的误差项向量，a为伪距差分系数矩阵，为伪距差分向量，l为可测得或计算的常数项所构成的向量。
[0067]
用矩阵形式表示出载波相位差分的误差方程，如下所示：
[0068]
[0069]
其中，w为载波相位差分的误差项向量，b为载波相位差分的系数矩阵，为载波相位差分向量，为载波相位的双差整周模糊度，k为可测得或计算的常数项所构成的向量，e为单位矩阵。
[0070]
进而，根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂。
[0071]
在一种可能的实施方式中，所述根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂的步骤，包括：
[0072]
基于粒子群算法对所述伪距差分误差方程与所述载波相位差分误差方程进行求解，求得所述目标输电线路上最低点的三维坐标与所述目标输电线路上两端悬挂点处的相对三维坐标；
[0073]
根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂。
[0074]
示例性的，所述伪距差分误差方程和载波相位差分误差方程可利用粒子群算法求得所述目标输电线路导线最低点与其两端悬挂点处的相对三维坐标的最佳估计值。为保证计算结果的准确性，需要对的相对三维坐标的最佳估计值进行修正，具体修正过程为：
[0075]
获取参考值对照表，所述参考值对照表包括在不同地形地貌数据和不同气象数据条件下的参考值；
[0076]
获取所述目标输电线路的目标地形地貌数据和目标气象数据；
[0077]
根据所述目标地形地貌数据、所述目标气象数据和所述参考值对照表确定目标参考值；
[0078]
基于所述目标参考值修正所述相对三维坐标，得到目标相对三维坐标。
[0079]
示例性的，假设所述目标输电线路导线最低点与其两端悬挂点处的相对三维坐标的最佳估计值为则对得出的最佳估计值依据下式进行修正：
[0080][0081]
其中，δx,δy,δz为根据参考值对照表确定的目标参考值，(δxu,δyu,δzu)为经过改正得到的导线最低点与其悬挂点处的相对三维坐标。
[0082]
示例性的，若所述目标输电线路导线最低点的三维坐标与其两端悬挂点处的相对三维坐标分别为(δx1,δy1,δz10、(δx2,δy2,δz2)，则输电线路的线路弧垂s可用如下公式计算得到。
[0083][0084]
在一种可能的实施方式中，所述将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标的步骤，包括：
[0085]
将所述目标线路弧垂和所述目标输电线路的监测信息导入所述预设深度学习网
络模型，得到所述目标输电线路的线路状态风险指标。
[0086]
示例性的，将所述目标线路弧垂和所述目标输电线路的监测信息导入所述预设深度学习网络模型，基于深度学习网络训练中所述目标线路弧垂和所述目标输电线路的监测信息的重要程度系数，将所述目标线路弧垂与所述监测信息数据融合，得到所述目标输电路线的线路状态风险指标。
[0087]
在一种可能的实施方式中，所述预设深度学习网络模型通过不同输电线路的历史数据完成训练，用于得到表征输电线路状态信息的参考值以及预测值；还用于获取对应线路状态风险指标的参数的权重数据。
[0088]
示例性的，建立用于架空输电线路弧垂评估的bp神经网络模型，确定输入输出向量；
[0089]
收集待测架空输电线路的历史运行数据：负荷电流、气象环境温度、档距、弧垂；
[0090]
根据所收集的待测架空输电线路上述的历史运行数据初始化所建bp神经网络模型的结构和权值；
[0091]
利用所收集的历史数据对所建立的bp神经网络进行网络训练，得到所述预设深度学习网络模型。
[0092]
在一种可能的实施方式中，所述方法还包括：
[0093]
基于所述线路状态风险指标生成报警指令，以使显示设备显示所述目标输电线路的运行状态。
[0094]
示例性的，根据气象部门所传输的实时环境温度值和调度部门所传输的实时导线负荷电流值以及现有的档距数据值，实时评估架空输电线路的弧垂值；
[0095]
若所述评估值大于设定预警值，则发出预警。
[0096]
利用北斗智能差分技术，实现了对输电线路线路弧垂的实时、高精度监测，大大提高了输电线路的智能化监测水平，为后续的风险评估与智能预警打下基础。以基于卫星信号获得的线路弧垂数据为主，地形地貌数据和气象数据等数据为辅，结合大数据分析与人工智能方法对线路弧垂监测中的关键参数进行修正与预测，进一步提高系统的监测精度，为输电线路的管理提供科学依据。
[0097]
在一种可能的实施方式中，如图3所示，本技术实施例提供了一种输电线路弧垂监测装置，所述监测装置包括：
[0098]
数据接收模块201，用于获取目标输电线路上的卫星信号；
[0099]
计算模块202，用于根据所述卫星信号计算所述目标输电线路的目标线路弧垂；
[0100]
评估模块203，用于将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。
[0101]
在一种可能的实施方式中，如图4所示，本技术实施例提供了一种电子设备300，包括：包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311，处理器320执行计算机程序311时，实现：获取目标输电线路上的卫星信号；根据所述卫星信号计算所述目标输电线路的目标线路弧垂；将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级的步骤。
[0102]
在一种可能的实施方式中，如图5所示，本技术实施例提供了一种计算机可读存储介质400，其上存储有计算机程序411，该计算机程序411被处理器执行时实现：获取目标输电线路上的卫星信号；根据所述卫星信号计算所述目标输电线路的目标线路弧垂；将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级的步骤。
[0103]
在一种可能的实施方式中，如图6所示，本技术提供了一种输电线路弧垂监测系统，具体为：
[0104]
包括参考站网络1，智能监测终端2，数据分析中心3，服务器4，控制中心5以及维护工作站6；
[0105]
其中，参考站网络1：用于根据所述卫星信号计算所述目标输电线路的目标线路弧垂；采用dclaunay三角网技术选取最优参考站构成参考站网路，可为北斗差分定位提供基准，通过分析参考站数据可以为线路坐标的解算提供校准；
[0106]
智能监测终端2：用于接收装置获取目标输电线路上的卫星信号；可实时采集传送线路弧垂、导线温度和线路微环境数据给数据处理中心；
[0107]
数据分析中心3：用于对的相对三维坐标的最佳估计值进行修正，并将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，综合评估监测数据并进行智能预警；
[0108]
服务器4：用于存储参考站网络、智能监测终端、数据分析中心、控制中心和维护工作站提供上传的数据；
[0109]
控制中心5：用于日常管理所有输电线路，当出现预警信息时，及时调度最合适的维护工作站进行抢修；
[0110]
维护工作站6：用于利用无人机等智能巡检设备对输电线路进行巡检，依照控制中心调度对有风险的线路进行抢修。
[0111]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0112]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0113]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0114]
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
[0115]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里上述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
[0116]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
技术特征：1.一种输电线路弧垂监测方法，其特征在于，包括：获取目标输电线路上的卫星信号；根据所述卫星信号计算所述目标输电线路的目标线路弧垂；将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。2.如权利要求1所述的一种输电线路弧垂监测方法，其特征在于，所述根据所述卫星信号计算所述目标输电线路的目标线路弧垂的步骤，包括：基于所述卫星信号利用差分方式构建所述目标输电线路的伪距差分误差方程与所述目标输电线路的载波相位差分误差方程；根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂。3.如权利要求2所述的一种输电线路弧垂监测方法，其特征在于，所述根据所述伪距差分误差方程与所述载波相位差分误差方程计算所述目标输电线路的目标线路弧垂的步骤，包括：基于粒子群算法对所述伪距差分误差方程与所述载波相位差分误差方程进行求解，求得所述目标输电线路上最低点的三维坐标与所述目标输电线路上两端悬挂点处的相对三维坐标；根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂。4.如权利要求3所述的一种输电线路弧垂监测方法，其特征在于，在所述根据所述三维坐标和所述相对三维坐标计算所述目标输电线路的目标线路弧垂的步骤之前，还包括：获取参考值对照表，所述参考值对照表包括在不同地形地貌数据和不同气象数据条件下的参考值；获取所述目标输电线路的目标地形地貌数据和目标气象数据；根据所述目标地形地貌数据、所述目标气象数据和所述参考值对照表确定目标参考值；基于所述目标参考值修正所述相对三维坐标，得到目标相对三维坐标。5.如权利要求1所述的一种输电线路弧垂监测方法，其特征在于，所述将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标的步骤，包括：将所述目标线路弧垂和所述目标输电线路的监测信息导入所述预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标。6.如权利要求1所述的一种输电线路弧垂监测方法，其特征在于，所述预设深度学习网络模型通过不同输电线路的历史数据完成训练，用于得到表征输电线路状态信息的参考值以及预测值；还用于获取对应线路状态风险指标的参数的权重数据。7.如权利要求1所述的输电线路弧垂监测方法，其特征在于，所述方法还包括：基于所述线路状态风险指标生成报警指令，以使显示设备显示所述目标输电线路的运行状态。8.一种输电线路弧垂监测装置，其特征在于，所述监测装置包括：
数据接收模块，用于获取目标输电线路上的卫星信号；计算模块，用于根据所述卫星信号计算所述目标输电线路的目标线路弧垂；评估模块，用于将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的输电线路弧垂监测方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的输电线路弧垂监测方法的步骤。
技术总结本发明实施例公开了一种输电线路弧垂监测方法及相关设备，所述方法包括：基于卫星信号接收装置获取目标输电线路上的卫星信号；根据所述卫星信号计算所述目标输电线路的目标线路弧垂；将所述目标线路弧垂导入预设深度学习网络模型，得到所述目标输电线路的线路状态风险指标，其中，所述预设深度学习网络模型包括所述目标线路弧垂的权重数据，所述线路状态风险指标代表当前线路的风险等级。通过获取卫星信号计算所述目标输电线路的目标线路弧垂，不受目标输电线路的环境和自身材质等因素的影响，使得基于线路弧垂监测输电线路运行状态的过程更准确，更可靠。更可靠。更可靠。
技术研发人员：翟兵 周仿荣 曹俊 马御棠 王国芳 潘浩 耿浩 文刚
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：2022.07.19
技术公布日：2022/11/1
