本发明公开了一种基于监控信息的线路山火预警方法及系统，通过将监控时间和监控区域标识输入到目标概率预测模型中，得到预测概率，当预测概率达到预警值且各电压等级线路的监控信息特征之间存在相关特征，则对预测概率与监控信息特征进行逻辑运算，获取第一逻辑运算结果；获取监控区域标识对应卫星图像识别预警信息，将监控信息特征与卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果，最后若第一逻辑运算结果和第二逻辑运算结果中的一个为真，则进行线路山火报警，以实现实现地空联动的线路山火远程预警，保护电网线路的安全、稳定和经济运行。
1.一种基于监控信息的线路山火预警方法，其特征在于，包括：
获取监控时间和监控区域标识，并将所述监控时间和所述监控区域标识输入到目标概率预测模型中，得到预测概率；
根据所述监控区域标识，实时获取对应区域中各电压等级线路的监控信息特征；
当所述预测概率达到预警值且各电压等级线路的所述监控信息特征之间存在相关特征，则对所述预测概率与所述监控信息特征进行逻辑运算，获取第一逻辑运算结果；
获取所述监控区域标识对应卫星图像识别预警信息，将所述监控信息特征与所述卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果；
若所述第一逻辑运算结果和所述第二逻辑运算结果中的一个为真，则进行线路山火报警；
以年为单位，统计不同监控区域标识对应的历史山火数据；
基于所述历史山火数据，统计各监控区域标识对应的历史山火数据在一年中每个月的分布次数以及在一天中每个小时的分布次数；
通过月份分布概率函数计算每一监控区域标识对应的山火月份分布概率，得到月份概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述月份概率分布数据进行曲线拟合，得到月份拟合曲线函数并确定所述月份拟合曲线函数的阶数，建立月份概率预测模型；
通过小时分布概率函数计算每一监控区域标识对应的山火小时分布概率，得到小时概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述小时概率分布数据进行曲线拟合，得到小时拟合曲线函数并确定所述小时拟合曲线函数的阶数，建立小时概率预测模型；
将所述月份概率预测模型和所述小时概率预测模型相乘得到目标概率预测模型；
通过各电压等级线路的之间存在相互关联的特征信号作为监控信息特征；其中，特征信号包括故障录波启动信号、电压越限信号、消谐装置动作信号、行波测距启动、接地特征信号、距离保护启动信号、装置异常、零序相关特征信号和事故分闸信号；
第一逻辑运算结果指预测概率与监控信息特征进行逻辑与运算得到的结果；
第二逻辑运算结果指监控信息特征与卫星图像识别预警信息逻辑与运算得到的结果。
2.根据权利要求1所述的一种基于监控信息的线路山火预警方法，其特征在于，确定所述月份拟合曲线函数的阶数，包括：对所述月份拟合曲线函数的阶数初始化，得到月份初始阶数；
将所述月份初始阶数和按照从小到大的顺序将月份数依次输入到月份拟合曲线函数中，计算各月份的山火概率拟合值；
获取各月份对应的山火历史概率值，并通过损失函数对各月份的山火概率拟合值和山火历史概率值进行计算，得到各月份的山火概率损失值；
当所有月份的山火概率损失值中存在不小于预设精度阈值的情况，则对所述月份初始阶数加一，直至所有月份的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为月份拟合曲线函数的阶数。
3.根据权利要求1所述的一种基于监控信息的线路山火预警方法，其特征在于，确定所述小时拟合曲线函数的阶数，包括：对所述小时拟合曲线函数的阶数初始化，得到小时初始阶数；
将所述小时初始阶数和按照从小到大的顺序将小时数依次输入到小时拟合曲线函数中，计算各小时的山火概率拟合值；
获取各小时对应的山火历史概率值，并通过损失函数对各小时的山火概率拟合值和山火历史概率值进行计算，得到各小时的山火概率损失值；
当所有小时的山火概率损失值中存在不小于预设精度阈值的情况，则对所述小时初始阶数加一，直至所有小时的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为小时拟合曲线函数的阶数。
4.根据权利要求2或3所述的一种基于监控信息的线路山火预警方法，其特征在于，所述损失函数具体为：其中，Yi表示山火历史概率值， 表
示山火概率拟合值，xi表示第i个时间点的山火分布次数，i包括月份和小时，n表示阶数，a表示根据拟合曲线函数计算得到的系数。
5.根据权利要求1所述的一种基于监控信息的线路山火预警方法，其特征在于，获取对应区域中各电压等级线路的监控信息特征，包括：获取各监控区域中对应监控时间的不同电压等级线路的特征信号名称并统计各特征信号名称的特征信号数量；
当所述监控时间的特征信号名称对应的特征信号数量恒大于相邻时间段内对应特征信号名称的特征信号数量，则将所述特征信号名称作为监控信息特征。
6.根据权利要求1所述的一种基于监控信息的线路山火预警方法，其特征在于，基于监控信息的线路山火预警方法还包括：根据预设间隔时间自动获取监控时间和监控区域标识。
7.一种基于监控信息的线路山火预警系统，其特征在于，包括：
目标概率预测模型识别模块，用于获取监控时间和监控区域标识，并将所述监控时间和所述监控区域标识输入到目标概率预测模型中，得到预测概率；
监控信息特征获取模块，用于根据所述监控区域标识，实时获取对应区域中各电压等级线路的监控信息特征；
第一逻辑运算结果获取模块，用于当所述预测概率达到预警值且各电压等级线路的所述监控信息特征之间存在相关特征，则对所述预测概率与所述监控信息特征进行逻辑运算，获取第一逻辑运算结果；
第二逻辑运算结果获取模块，用于获取所述监控区域标识对应卫星图像识别预警信息，将所述监控信息特征与所述卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果；
线路山火报警模块，用于若所述第一逻辑运算结果与和所述第二逻辑运算结果进行与计算中的一个为真，若二者计算结果为真，则进行线路山火报警；
历史山火数据获取单元，用于以年为单位，统计不同监控区域标识对应的历史山火数据；
历史山火数据处理单元，用于基于所述历史山火数据，统计各监控区域标识对应的历史山火数据在一年中每个月的分布次数以及在一天中每个小时的分布次数；
月份概率预测模型建立单元，用于通过月份分布概率函数计算每一监控区域标识对应的山火月份分布概率，得到月份概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述月份概率分布数据进行曲线拟合，得到月份拟合曲线函数并确定所述月份拟合曲线函数的阶数，建立月份概率预测模型；
小时概率预测模型建立单元，用于通过小时分布概率函数计算每一监控区域标识对应的山火小时分布概率，得到小时概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述小时概率分布数据进行曲线拟合，得到小时拟合曲线函数并确定所述小时拟合曲线函数的阶数，建立小时概率预测模型；
目标概率预测模型处理单元，用于将所述月份概率预测模型和所述小时概率预测模型相乘得到目标概率预测模型；
通过各电压等级线路的之间存在相互关联的特征信号作为监控信息特征；其中，特征信号包括故障录波启动信号、电压越限信号、消谐装置动作信号、行波测距启动、接地特征信号、距离保护启动信号、装置异常、零序相关特征信号和事故分闸信号；
第一逻辑运算结果指预测概率与监控信息特征进行逻辑与运算得到的结果；
第二逻辑运算结果指监控信息特征与卫星图像识别预警信息逻辑与运算得到的结果。
8.根据权利要求7所述的一种基于监控信息的线路山火预警系统，其特征在于，所述月份概率预测模型建立单元包括：月份阶数初始化单元，用于对所述月份拟合曲线函数的阶数初始化，得到月份初始阶数；
月山火概率拟合值计算单元，用于将所述月份初始阶数和按照从小到大的顺序将月份数依次输入到月份拟合曲线函数中，计算各月份的山火概率拟合值；
月山火概率损失值计算单元，用于获取各月份对应的山火历史概率值，并通过损失函数对各月份的山火概率拟合值和山火历史概率值进行计算，得到各月份的山火概率损失值；
月份拟合曲线阶数确定单元，用于当所有月份的山火概率损失值中存在不小于预设精度阈值的情况，则对所述月份初始阶数加一，直至所有月份的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为月份拟合曲线函数的阶数。
一种基于监控信息的线路山火预警方法及系统
技术领域
[0001] 本发明涉及电网线路安全监测技术领域，具体涉及一种基于监控信息的线路山火预警方法及系统。
背景技术
[0002] 由于输电线路大多架设在野外，运行环境复杂多变，易受雷电、山火、冰灾等灾害性天气影响而发生故障。特别是山火，随着电网的不断发展，输电线路常常跨越植被茂盛的山区，线路走廊附近大范围山火灾害时有发生，山火灾害大范围爆发时，往往会对多条线路产生威胁，对于负载较重的潮流断面，线路因山火跳闸后可能引发连锁跳闸事故，从而导致电网大规模停电。或是，由于输电线路遇风很容易发生摆动并与线路周围树木或山体坡面频繁接触，引起输电线路短路放电造成丛林火灾。
[0003] 鉴于近年来数次山火都对电网安全稳定运行造成了严重威胁，而目前所采用的：人员驻点巡视耗费人力、物力和财力，且巡视范围受限；基于卫星图像识别的手段限于气象干扰、分辨率低、卫星绕地周期等原因不能及时发现火情，特别是对由于输电线短路、断线、接地等放电造成的火情，当过火面积太小时更无法第一时间预警，错过了灭火的最佳时机；
加装烟雾传感系统、红外摄像头等大大增加了开支，且偏远地区这些系统的运维也很难实现。
发明内容
[0004] 本发明要解决的技术问题现有的人工巡检、卫星图像识别和加装烟雾传感器对假设在山林中的输电线路进行山火安全监测存在耗费人力、资金、干扰大以及无法及时识别的问题，因此，本发明提供一种基于监控信息的线路山火预警方法，通过电网调控主站的监控信息结合目标概率预测模型，提高监测的准确性，并通过将监控信息与卫星图像识别预警结合，实现地空联动的线路山火远程预警，保护电网线路的安全、稳定和经济运行。
[0005] 本发明通过下述技术方案实现：
[0006] 一种基于监控信息的线路山火预警方法，包括：
[0007] 获取监控时间和监控区域标识，并将所述监控时间和所述监控区域标识输入到目标概率预测模型中，得到预测概率；
[0008] 根据所述监控区域标识，实时获取对应区域中各电压等级线路的监控信息特征；
[0009] 当所述预测概率达到预警值且各电压等级线路的所述监控信息特征之间存在相关特征，则对所述预测概率与所述监控信息特征进行逻辑运算，获取第一逻辑运算结果；
[0010] 获取所述监控区域标识对应卫星图像识别预警信息，将所述监控信息特征与所述卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果；
[0011] 若所述第一逻辑运算结果和所述第二逻辑运算结果中的一个为真，则进行线路山火报警。
[0012] 进一步地，建立所述目标概率预测模型，包括：
[0013] 以年为单位，统计不同监控区域标识对应的历史山火数据；
[0014] 基于所述历史山火数据，统计各监控区域标识对应的历史山火数据在一年中每个月的分布次数以及在一天中每个小时的分布次数；
[0015] 通过月份分布概率函数计算每一监控区域标识对应的山火月份分布概率，得到月份概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述月份概率分布数据进行曲线拟合，得到月份拟合曲线函数并确定所述月份拟合曲线函数的阶数，建立月份概率预测模型；
[0016] 通过小时分布概率函数计算每一监控区域标识对应的山火小时分布概率，得到小时概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述小时概率分布数据进行曲线拟合，得到小时拟合曲线函数并确定所述小时拟合曲线函数的阶数，建立小时概率预测模型；
[0017] 将所述月份概率预测模型和所述小时概率预测模型相乘得到目标概率预测模型。
[0018] 进一步地，确定所述月份拟合曲线函数的阶数，包括：
[0019] 对所述月份拟合曲线函数的阶数初始化，得到月份初始阶数；
[0020] 将所述月份初始阶数和按照从小到大的顺序将月份数依次输入到月份拟合曲线函数中，计算各月份的山火概率拟合值；
[0021] 获取各月份对应的山火历史概率值，并通过损失函数对各月份的山火概率拟合值和山火历史概率值进行计算，得到各月份的山火概率损失值；
[0022] 当所有月份的山火概率损失值中存在不小于预设精度阈值的情况，则对所述月份初始阶数加一，直至所有月份的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为月份拟合曲线函数的阶数。
[0023] 进一步地，确定所述小时拟合曲线函数的阶数，包括：
[0024] 对所述小时拟合曲线函数的阶数初始化，得到小时初始阶数；
[0025] 将所述小时初始阶数和按照从小到大的顺序将小时数依次输入到小时拟合曲线函数中，计算各小时的山火概率拟合值；
[0026] 获取各小时对应的山火历史概率值，并通过损失函数对各小时的山火概率拟合值和山火历史概率值进行计算，得到各小时的山火概率损失值；
[0027] 当所有小时的山火概率损失值中存在不小于预设精度阈值的情况，则对所述小时初始阶数加一，直至所有小时的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为小时拟合曲线函数的阶数。
[0028] 进一步地，所述损失函数具体为：
[0029] 其中，Yi表示山火历史概率值，表示山火概率拟合值，xi表示第i个时间点的山火分布次数，i包括月份和小时，n表示阶数，a表示根据拟合曲线函数计算得到的系数。
[0030] 进一步地，获取对应区域中各电压等级线路的监控信息特征，包括：
[0031] 获取各监控区域中对应监控时间的不同电压等级线路的特征信号名称并统计各特征信号名称的特征信号数量；
[0032] 当所述监控时间的特征信号名称对应的特征信号数量恒大于相邻时间段内对应特征信号名称的特征信号数量，则将所述特征信号名称作为监控信息特征。
[0033] 进一步地，基于监控信息的线路山火预警方法还包括：
[0034] 根据预设间隔时间自动获取监控时间和监控区域标识。
[0035] 一种基于监控信息的线路山火预警系统，包括：
[0036] 目标概率预测模型识别模块，用于获取监控时间和监控区域标识，并将所述监控时间和所述监控区域标识输入到目标概率预测模型中，得到预测概率；
[0037] 监控信息特征获取模块，用于根据所述监控区域标识，实时获取对应区域中各电压等级线路的监控信息特征；
[0038] 第一逻辑运算结果获取模块，用于当所述预测概率达到预警值且各电压等级线路的所述监控信息特征之间存在相关特征，则对所述预测概率与所述监控信息特征进行逻辑运算，获取第一逻辑运算结果；
[0039] 第二逻辑运算结果获取模块，用于获取所述监控区域标识对应卫星图像识别预警信息，将所述监控信息特征与所述卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果；
[0040] 线路山火报警模块，用于若所述第一逻辑运算结果与和所述第二逻辑运算结果进行与计算中的一个为真，则进行线路山火报警。
[0041] 进一步地，所述目标概率预测模型建立单元包括：
[0042] 历史山火数据获取单元，用于以年为单位，统计不同监控区域标识对应的历史山火数据；
[0043] 历史山火数据处理单元，用于基于所述历史山火数据，统计各监控区域标识对应的历史山火数据在一年中每个月的分布次数以及在一天中每个小时的分布次数；
[0044] 月份概率预测模型建立单元，用于通过月份分布概率函数计算每一监控区域标识对应的山火月份分布概率，得到月份概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述月份概率分布数据进行曲线拟合，得到月份拟合曲线函数并确定所述月份拟合曲线函数的阶数，建立月份概率预测模型；
[0045] 小时概率预测模型建立单元，用于通过小时分布概率函数计算每一监控区域标识对应的山火小时分布概率，得到小时概率分布数据，采用拟合曲线函数阶数逐次递增法，对所述小时概率分布数据进行曲线拟合，得到小时拟合曲线函数并确定所述小时拟合曲线函数的阶数，建立小时概率预测模型。
[0046] 目标概率预测模型处理单元，用于将所述月份概率预测模型和所述小时概率预测模型相乘得到目标概率预测模型。
[0047] 进一步地，所述月份概率预测模型建立单元包括：
[0048] 月份阶数初始化单元，用于对所述月份拟合曲线函数的阶数初始化，得到月份初始阶数；
[0049] 月山火概率拟合值计算单元，用于将所述月份初始阶数和按照从小到大的顺序将月份数依次输入到月份拟合曲线函数中，计算各月份的山火概率拟合值；
[0050] 月山火概率损失值计算单元，用于获取各月份对应的山火历史概率值，并通过损失函数对各月份的山火概率拟合值和山火历史概率值进行计算，得到各月份的山火概率损失值；
[0051] 月份拟合曲线阶数确定单元，用于当所有月份的山火概率损失值中存在不小于预设精度阈值的情况，则对所述月份初始阶数加一，直至所有月份的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为月份拟合曲线函数的阶数。
[0052] 本发明提供了一种基于监控信息的线路山火预警方法及系统，通过将监控时间和监控区域标识输入到目标概率预测模型中，得到预测概率，当预测概率达到预警值且各电压等级线路的监控信息特征之间存在相关特征，则对预测概率与监控信息特征进行逻辑运算，获取第一逻辑运算结果；获取监控区域标识对应卫星图像识别预警信息，将监控信息特征与卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果，最后若第一逻辑运算结果和第二逻辑运算结果中的一个为真，则进行线路山火报警，以实现实现地空联动的线路山火远程预警，保护电网线路的安全、稳定和经济运行。
附图说明
[0053] 此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
[0054] 图1为本发明一种基于监控信息的线路山火预警方法的流程图。
[0055] 图2为图1中步骤S10的一具体流程图。
[0056] 图3为图2中步骤S103的一具体流程图。
[0057] 图4为图2中步骤S104的一具体流程图。
[0058] 图5为图1中步骤S20的一具体流程图。
[0059] 图6为本发明一种基于监控信息的线路山火预警系统的示意图。
具体实施方式
[0060] 为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
[0061] 实施例1
[0062] 如图1所示，本发明提供一种基于监控信息的线路山火预警方法，包括：
[0063] S10：获取监控时间和监控区域标识，并将监控时间和监控区域标识输入到目标概率预测模型中，得到预测概率。
[0064] 具体地，本实施例中获取监控时间和监控区域标识的方式可以为手动输入，也可以为根据预设间隔时间自动获取。
[0065] S20：根据监控区域标识，实时获取对应区域中各电压等级线路的监控信息特征。
[0066] 具体地，本实施例中的各电压等级线路包括主网中的不同电压等级线路(如500kV、220kV和110kV)和配网中的不同电压等级线路(如35kV、10kV和6kV)。
[0067] S30：当预测概率达到预警值且各电压等级线路的监控信息特征之间存在相关特征，则对预测概率与监控信息特征进行逻辑运算，获取第一逻辑运算结果。
[0068] 具体地，由于不同电压等级线路、不同区域的设备配置特征会有所差异，因此需要选取特征明显的信号作为监控信息特征，本实施例通过各电压等级线路的之间存在相互关联的特征信号作为监控信息特征。其中，特征信号包括但不限于故障录波启动信号、电压越限信号、消谐装置动作信号、行波测距启动、接地特征信号、距离保护启动信号、装置异常、零序相关特征信号和事故分闸信号。
[0069] 其中，第一逻辑运算结果指预测概率与监控信息特征进行逻辑与运算得到的结果。
[0070] S40：获取监控区域标识对应卫星图像识别预警信息，将监控信息特征与卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果。
[0071] 其中，第二逻辑运算结果指监控信息特征与卫星图像识别预警信息逻辑与运算得到的结果。
[0072] 具体地，卫星图像识别数据可根据预先设置好的时间间隔(如10分钟)获取一次，也可根据用户自定义时间获取。
[0073] S50：若第一逻辑运算结果和第二逻辑运算结果中的一个为真，则进行线路山火报警。
[0074] 具体地，将基于历史数据时空分布的概率模型的预警值PAlarm默认设置为100：
[0075] P≥PAlarm→bool:1
[0076] P＜PAlarm→bool:0
[0077] 当基于历史数据时空分布的概率值P大于预警值PAlarm时，则输出布尔量为1；否则输出布尔量为0。
[0078] 在获取各电压等级线路的监控信息特征时
[0079] 循环监测到特征信号Ti→bool:1
[0080] 未监测到特征信号Ti→bool:0
[0081] 在卫星图像识别预警信息时
[0082] 监测到卫星图像识别预 警S→bool:1
[0083] 未监测到卫星图像识别 预警S→bool:0
[0084] 最终的地空联动的线路山火远程预警输出逻辑为：
[0085] 当P&&Ti＝1→bool:1，进行预警输出
[0086] 当P&&Ti＝0→bool:0，不进行预警输出当S&&Ti＝1→bool:1，进行预警输出[0087] 当S&&Ti＝0→bool:0，不进行预警输出
[0088] 当进行预警输出，则表示进行线路山火报警；当不进行预警输出，则表示不进行线路山火报警。将预测概率与监控信息特征结合，可避免监控信息特征量在低风险时间段、低风险区域造成的干扰；将监控信息特征与卫星图像识别预警信息结合，可以避免在低风险时间段、低风险区域发生的特殊火情，最终实现地空联动的线路山火远程预警。
[0089] 进一步地，如图2所示，本实施例中建立目标概率预测模型，具体包括如下步骤：
[0090] S101：以年为单位，统计不同监控区域标识对应的历史山火数据。
[0091] S102：基于历史山火数据，统计各监控区域标识对应的历史山火数据在一年中每个月的分布次数以及在一天中每个小时的分布次数。
[0092] 具体地，以年为单位，统计A监控区域标识的电网线路历史山火数据，如表1所示，包括A监控区域标识对应的往年各月份的山火分布次数。
[0093]
[0094] 表1
[0095] 其中，表1中表示第i个月份A区域的山火分布次数Xm，其中，(1≤i≤12，i∈N)。
[0096] 以小时为单位，统计A监控区域标识的电网线路历史山火数据，表2所示，包括A监控区域标识对应的各小时的山火分布次数。
[0097]
[0098] 表2
[0099] 其中，表2中表示第i个小时A区域的山火分布次数Xh，其中，(1≤i≤12，i∈N)。
[0100] S103：通过月份分布概率函数计算每一监控区域标识对应的山火月份分布概率，得到月份概率分布数据，采用拟合曲线函数阶数逐次递增法，对月份概率分布数据进行曲线拟合，得到月份拟合曲线函数并确定月份拟合曲线函数的阶数，建立月份概率预测模型。
[0101] S104：通过小时分布概率函数计算每一监控区域标识对应的山火小时分布概率，得到小时概率分布数据，采用拟合曲线函数阶数逐次递增法，对小时概率分布数据进行曲线拟合，得到小时拟合曲线函数并确定小时拟合曲线函数的阶数，建立小时概率预测模型。
[0102] 具体地，月份分布概率函数为： 其中，λ1为月份的松弛系数。
[0103] 小时分布概率函数为： 其中，λ2为月份的松弛系数。
[0104] 为避免小时分布概率函数计算得到的概率值(0到1之间)相乘之后结果太小，不便于判断和观测，因此设置松弛系数，默认为100。
[0105] 拟合曲线函数用polyfit(x,y,n)表示，具体为：
[0106] f(x,y,n)＝polyfit(x,y,n),即y＝anxn+an‑1xn‑1+…+a0，其中，n表示阶数，x表示月份或者小时，y表示各月份或者各小时对应的概率数值，a表示根据拟合曲线函数计算得到的系数。
[0107] S105：将月份概率预测模型和小时概率预测模型相乘得到目标概率预测模型。
[0108] 具体地，通过将月份概率预测模型计算得到的概率值与小时概率预测模型概率值相乘，得到总概率P(为0到10000之间的数值)，即基于历史数据时空分布的地区山火预测概率。设定预警值为PAlarm(默认设置为100，根据实际情况可进行调整)，当达到预警值时，则置预警值布尔量为1。
[0109] 其中，月份概率预测模型、小时概率预测模型和二者相乘后得到的目标概率预测模型为根据实时时刻连续计算的概率模型。
[0110] 进一步地，如图3所示，步骤S103中，确定月份拟合曲线函数的阶数，具体包括如下步骤：
[0111] S1031：对月份拟合曲线函数的阶数初始化，得到月份初始阶数。
[0112] S1032：将月份初始阶数和按照从小到大的顺序将月份数依次输入到月份拟合曲线函数中，计算各月份的山火概率拟合值。
[0113] S1033：获取各月份对应的山火历史概率值，并通过损失函数对各月份的山火概率拟合值和山火历史概率值进行计算，得到各月份的山火概率损失值。
[0114] S1034：当所有月份的山火概率损失值中存在不小于预设精度阈值的情况，则对月份初始阶数加一，直至所有月份的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为月份拟合曲线函数的阶数。
[0115] 进一步地，本实施例中的损失函数具体为：
[0116] 其中，Yi表示山火历史概率值，表示山火概率拟合值，xi表示第i个时间点的山火分布次数，i包括月份和小时，n表示阶数，a表示根据拟合曲线函数计算得到的系数。
[0117] 为使得损失函数L达到最小，则对损失函数的各项系数求偏导，使得偏导数的值为0，可由下式计算得到。
[0118]
[0119] 最终解算得到使得损失函数L达到最小的系数，即拟合曲线函数polyfit(x,y,n)的系数。
[0120] 进一步地，如图4所示，步骤S104中，确定小时拟合曲线函数的阶数，具体包括如下步骤：
[0121] S1041：对小时拟合曲线函数的阶数初始化，得到小时初始阶数。
[0122] S1042：将小时初始阶数和按照从小到大的顺序将小时数依次输入到小时拟合曲线函数中，计算各小时的山火概率拟合值。
[0123] S1043：获取各小时对应的山火历史概率值，并通过损失函数对各小时的山火概率拟合值和山火历史概率值进行计算，得到各小时的山火概率损失值。
[0124] S1044：当所有小时的山火概率损失值中存在不小于预设精度阈值的情况，则对小时初始阶数加一，直至所有小时的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为小时拟合曲线函数的阶数。
[0125] 进一步地，如图5所示，步骤S20中，获取对应区域中各电压等级线路的监控信息特征，具体包括如下步骤：
[0126] S21：获取各监控区域中对应监控时间的不同电压等级线路的特征信号名称并统计各特征信号名称的特征信号数量。
[0127] S22：当监控时间的特征信号名称对应的特征信号数量恒大于相邻时间段内对应特征信号名称的特征信号数量，则将特征信号名称作为监控信息特征。
[0128] 具体地，通过公示可表示为：
[0129]
[0130]
[0131] 其中，i表示特征信号的编号，j表示统计时间段的天数编号，m需要为奇数，山火发生当日的编号为编号的中位数值，即
[0132] 实施例2
[0133] 如图6所示，本实施例提供一种与实施例1一种基于监控信息的线路山火预警方法一一对应的基于监控信息的线路山火预警系统，包括：
[0134] 目标概率预测模型识别模块10，用于获取监控时间和监控区域标识，并将监控时间和监控区域标识输入到目标概率预测模型中，得到预测概率。
[0135] 监控信息特征获取模块20，用于根据监控区域标识，实时获取对应区域中各电压等级线路的监控信息特征。
[0136] 第一逻辑运算结果获取模块30，用于当预测概率达到预警值且各电压等级线路的监控信息特征之间存在相关特征，则对预测概率与监控信息特征进行逻辑运算，获取第一逻辑运算结果。
[0137] 第二逻辑运算结果获取模块40，用于获取监控区域标识对应卫星图像识别预警信息，将监控信息特征与卫星图像识别预警信息进行逻辑运算，得到第二逻辑运算结果。
[0138] 线路山火报警模块50，用于若第一逻辑运算结果和第二逻辑运算结果中的一个为真，则进行线路山火报警。
[0139] 进一步地，目标概率预测模型建立单元包括历史山火数据获取单元、历史山火数据处理单元、月份概率预测模型建立单元和小时概率预测模型建立单元。
[0140] 历史山火数据获取单元，用于以年为单位，统计不同监控区域标识对应的历史山火数据。
[0141] 历史山火数据处理单元，用于基于历史山火数据，统计各监控区域标识对应的历史山火数据在一年中每个月的分布次数以及在一天中每个小时的分布次数。
[0142] 月份概率预测模型建立单元，用于通过月份分布概率函数计算每一监控区域标识对应的山火月份分布概率，得到月份概率分布数据，采用拟合曲线函数阶数逐次递增法，对月份概率分布数据进行曲线拟合，得到月份拟合曲线函数并确定月份拟合曲线函数的阶数，建立月份概率预测模型。
[0143] 小时概率预测模型建立单元，用于通过小时分布概率函数计算每一监控区域标识对应的山火小时分布概率，得到小时概率分布数据，采用拟合曲线函数阶数逐次递增法，对小时概率分布数据进行曲线拟合，得到小时拟合曲线函数并确定小时拟合曲线函数的阶数，建立小时概率预测模型。
[0144] 目标概率预测模型处理单元，用于将月份概率预测模型和小时概率预测模型相乘得到目标概率预测模型。
[0145] 进一步地，月份概率预测模型建立单元包括月份阶数初始化单元、月山火概率拟合值计算单元、月山火概率损失值计算单元和月份拟合曲线阶数确定单元。
[0146] 月份阶数初始化单元，用于对月份拟合曲线函数的阶数初始化，得到月份初始阶数。
[0147] 月山火概率拟合值计算单元，用于将月份初始阶数和按照从小到大的顺序将月份数依次输入到月份拟合曲线函数中，计算各月份的山火概率拟合值。
[0148] 月山火概率损失值计算单元，用于获取各月份对应的山火历史概率值，并通过损失函数对各月份的山火概率拟合值和山火历史概率值进行计算，得到各月份的山火概率损失值。
[0149] 月份拟合曲线阶数确定单元，用于当所有月份的山火概率损失值中存在不小于预设精度阈值的情况，则对月份初始阶数加一，直至所有月份的山火概率损失值均小于预设精度阈值，则停止并将对应的阶数作为月份拟合曲线函数的阶数。
[0150] 以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
