京德电缆有限公司

本发明公开了一种基于大数据的绝缘导线风险预测方法，属于电力系统自动化领域，该方法包括：采集并对齐静态台账、实时负荷及微气象数据构建特征库；执行语义规约处理并利用关联特征算法筛选核心特征；利用长短期记忆神经网络模型捕捉运行状态演化规律，计算风险预测轨迹；结合信息熵赋权的综合评价模型实施多维度风险量化评估与等级判定；最终生成分级预警指令及推荐运维策略。本发明旨在解决传统绝缘导线风险评估依赖参数单一且识别不全面的问题，实现了多源异构数据的深度融合与动态预测，显著提升了风险感知的全面性与预警提前量，确保了电力设备在全生命周期内的安全稳定运行。

本发明公开了一种配电网导线绝缘套损坏的识别方法，涉及电力系统自动化领域，该方法包括：同步采集导线激光点云与红外热成像数据并进行时序对齐；通过基于空间距离与表面法向夹角联合加权的改进高斯滤波去噪并执行空间融合配准，构建包含几何与热学特征的多维度特征点云模型；基于几何畸变与异常温升融合的损伤得分评估筛选疑似受损区域；利用深度融合卷积神经网络识别损坏类别，并结合阿尔法形状表面重建算法计算受损面积、深度与体积参数；基于地理空间信息实现损坏点精准定位并生成识别报告。本发明通过几何与热学特征深度耦合，实现了对损坏区域的精细化量化分析与自动化巡检，提升了检测稳健性及电力运维智能化水平。