本發(fā)明屬于電力系統(tǒng)防災(zāi)減災(zāi)技術(shù)領(lǐng)域，具體涉及一種架空輸電線路山火衛(wèi)星監(jiān)測(cè)分區(qū)方法。

背景技術(shù)：

架空輸電線路走廊附近山火是電力系統(tǒng)主要災(zāi)害之一，利用衛(wèi)星監(jiān)測(cè)線路山火是一種十分有效的監(jiān)測(cè)手段。但線路山火與森林火災(zāi)不同，發(fā)生面積小、信號(hào)弱，且發(fā)生迅速，這對(duì)衛(wèi)星監(jiān)測(cè)的精度要求非常高?，F(xiàn)有的監(jiān)測(cè)大面積森林火災(zāi)采取的是單一閾值的方法，而實(shí)際閾值受植被、氣象等因素影響非常大，各地合適的閾值不盡相同，若沿用單一閾值的監(jiān)測(cè)手段進(jìn)行電網(wǎng)山火監(jiān)測(cè)，勢(shì)必造成大量火點(diǎn)漏測(cè)或誤測(cè)。為此，需要將監(jiān)測(cè)區(qū)域分為不同的分區(qū)，對(duì)每個(gè)分區(qū)區(qū)賦予不同的閾值，以提高電網(wǎng)山火監(jiān)測(cè)精度。然而，目前對(duì)監(jiān)測(cè)區(qū)域分區(qū)只能依靠經(jīng)驗(yàn)進(jìn)行，無有效的算法，缺乏科學(xué)依據(jù)，導(dǎo)致分區(qū)效果不理想。

因此，有必要設(shè)計(jì)一種分區(qū)準(zhǔn)確性性高、實(shí)用性強(qiáng)的架空輸電線路山火衛(wèi)星監(jiān)測(cè)分區(qū)方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所解決的技術(shù)問題是，針對(duì)現(xiàn)有技術(shù)的不足，提出了一種架空輸電線路山火衛(wèi)星監(jiān)測(cè)分區(qū)方法，能將監(jiān)測(cè)區(qū)域分為不同的聚類，從而為每個(gè)聚類代表地理區(qū)域賦予不同的監(jiān)測(cè)閾值，避免對(duì)大范圍監(jiān)測(cè)區(qū)域使用統(tǒng)一閾值，以提高電網(wǎng)山火衛(wèi)星監(jiān)測(cè)的準(zhǔn)確率，減少漏測(cè)、誤測(cè)。

本發(fā)明所提供的技術(shù)方案為：

一種架空輸電線路山火衛(wèi)星監(jiān)測(cè)分區(qū)方法，根據(jù)影響監(jiān)測(cè)閾值的四個(gè)變量：平均歸一化植被指數(shù)NDVI、平均氣溫(白天)T、日均濕度H以及日均降水量P將監(jiān)測(cè)區(qū)域分為不同的聚類，得到若干個(gè)分區(qū)。

設(shè)監(jiān)測(cè)區(qū)域由n個(gè)行政區(qū)域組成，對(duì)應(yīng)n個(gè)數(shù)據(jù)點(diǎn)分別為g₁(NDVI₁,T₁,H₁,P₁)，g₂(NDVI₂,T₂,H₂,P₂)，…，g_n(NDVI_n,T_n,H_n,P_n)，n＝1,2,3,…，其中NDVI_n,T_n,H_n,P_n分別表示第n個(gè)行政區(qū)域的平均歸一化植被指數(shù)、平均氣溫、日均濕度以及日均降水量；根據(jù)需要，將監(jiān)測(cè)區(qū)域分為k個(gè)分區(qū)，k＝1,2,3,…，k<n；則問題簡(jiǎn)化為求取g₁～g_n的最優(yōu)k聚類，即尋找最合適的k個(gè)聚類中心，將其余每個(gè)點(diǎn)分配至距離最近的聚類中心代表的類中；

求取g₁～g_n的最優(yōu)k聚類包括以下步驟：

步驟1、隨機(jī)選取k個(gè)數(shù)據(jù)點(diǎn)，作為k個(gè)聚類中心，再將剩余的數(shù)據(jù)點(diǎn)分配至距離最近的聚類中心，所述距離計(jì)算方法為：

$D(g_n,g_k)=\sqrt{{({\mathrm{NDVI}}_n-N_k)}^2+{(T_n-T_k)}^2+{(H_n-H_k)}^2+{(P_n-P_k)}^2}---\left(1\right)$

式中，D(g_n,g_k)為數(shù)據(jù)點(diǎn)g_n與g_k之間的距離；

步驟2、計(jì)算聚類有效性，定義聚類有效值eff如式(2)所示：

式中，k為聚類數(shù)目，g_i,g_j為各聚類中的元素，d(Erea_i,Erea_j)為聚類Erea_i與聚類Erea_i(i,j＝1,2,…,k)的最小距離，即聚類Erea_i中元素與聚類Erea_i中元素之間的距離的最小值；為聚類Erea_l(l＝1,2,…,k)的直徑，即聚類Erea_l中元素間的最大距離；max、min分別為求最大值、最小值函數(shù)；

根據(jù)式(2)計(jì)算該類聚方法聚類有效值eff；

步驟3、改變聚類中心，重復(fù)步驟1和步驟2，直至列出所有種聚類方法，并計(jì)算出各個(gè)類聚方法對(duì)應(yīng)的聚類有效值eff；

步驟4、選取最優(yōu)聚類方法。根據(jù)步驟3的計(jì)算結(jié)果，尋找第x種聚類方法，使得式(3)得到滿足，則該聚類方法為最佳聚類方法；

${\mathrm{eff}}_x=\underset{m=1,2,...C_n^k}{max}\left({\mathrm{eff}}_m\right)---\left(3\right)$

本發(fā)明根據(jù)影響監(jiān)測(cè)閾值的四個(gè)變量：平均歸一化植被指數(shù)NDVI、平均氣溫(白天)T、日均濕度H以及日均降水量P進(jìn)行聚類分析，將監(jiān)測(cè)區(qū)域分為不同的聚類，從而為每個(gè)聚類代表地理區(qū)域賦予不同的監(jiān)測(cè)閾值，避免對(duì)大范圍監(jiān)測(cè)區(qū)域使用統(tǒng)一閾值，以提高電網(wǎng)山火衛(wèi)星監(jiān)測(cè)的準(zhǔn)確率，減少漏測(cè)、誤測(cè)。

本發(fā)明的有益效果是：

監(jiān)測(cè)閾值Th與植被、氣象等因素密切相關(guān)，可視為平均歸一化植被指數(shù)NDVI、平均氣溫(白天)T、日均濕度H以及日均降水量P的函數(shù)，即Th＝f(NDVI,T,H,P)。本發(fā)明針對(duì)輸電線路山火衛(wèi)星監(jiān)測(cè)分區(qū)需求，本發(fā)明提出了一種監(jiān)測(cè)閾值聚類方法＝，系以上述變量為依據(jù)，對(duì)監(jiān)測(cè)區(qū)域進(jìn)行聚類分析，將性質(zhì)相近的子區(qū)域劃分為一個(gè)聚類，如此可將監(jiān)測(cè)區(qū)域根據(jù)需要分為若干個(gè)聚類，得到若干個(gè)分區(qū)，并通過有效性檢驗(yàn)，保證了分區(qū)的準(zhǔn)確性與實(shí)用性，為電網(wǎng)山火衛(wèi)星分區(qū)閾值監(jiān)測(cè)提供了科學(xué)依據(jù)；各聚類分區(qū)使用單獨(dú)的監(jiān)測(cè)閾值，可大大減小使用統(tǒng)一閾值帶來的火點(diǎn)漏判與誤判，提高衛(wèi)星監(jiān)測(cè)電網(wǎng)山火準(zhǔn)確率和精度。

附圖說明

圖1為本發(fā)明流程圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明所述方法進(jìn)行進(jìn)一步具體說明。

實(shí)施例1：

某省有14個(gè)地級(jí)市，各市平均歸一化植被指數(shù)NDVI、平均氣溫(白天)T、日均濕度H以及日均降水量P分別如下表所示：

表1某省各市參數(shù)值

現(xiàn)要將該省分為4個(gè)聚類，求最優(yōu)聚類方法，流程如圖1所示。

首先，選取4個(gè)城市City1、City3、City5、City9作為4個(gè)聚類中心，根據(jù)式(1)逐一計(jì)算City2、City4、City6～City8、City10～City14距離4個(gè)聚類中心的距離，計(jì)算結(jié)果如表2所示。

表2第一次運(yùn)算結(jié)果各數(shù)據(jù)點(diǎn)與中心點(diǎn)的距離

從表2中可以看出，City2、City4、City6～City8、City10～City14距離最近的中心分別為City1、City5、City1、City1、City9、City3、City1、City1、City1、City1，由此得到第一種聚類：

Erea₁：{City1、City2、City6、City7、City11、City12、City13、City14}；

Erea₂：{City3、City10}；

Erea₃：{City4、City5}；

Erea₄：{City8、City9}。

然后計(jì)算第一次聚類運(yùn)算的有效性。經(jīng)計(jì)算，有：

則

d(Erea₁,Erea₂)＝D(City3,City12)＝3.003，d(Erea₁,Erea₃)＝D(City4,City12)＝1.010，d(Erea₁,Erea₄)＝D(City7,City9)＝2.832，d(Erea₂,Erea₃)＝D(City3,City4)＝3.162，d(Erea₂,Erea₄)＝D(City9,City10)＝8.256，d(Erea₃,Erea₄)＝D(City5,City9)＝5.106，則

$\underset{i=1,2,\mathrm{...4}}{\min }\{\underset{j=i+1,i+2,\mathrm{...4}}{\min }\&lsqb;d({\mathrm{Erea}}_i,{\mathrm{Erea}}_j)\&rsqb;\}=d({\mathrm{Erea}}_1,{\mathrm{Erea}}_3)=D(City4,City12)=1.010$

于是，

最后，改變4個(gè)聚類中心，重復(fù)上述步驟，直至列出所有種聚類方法，并求得eff₁～eff₁₀₀₁，尋找第x種聚類方法，使得

${\mathrm{eff}}_x=\underset{m=1,2,...1001}{max}\left({\mathrm{eff}}_m\right)$

則該聚類方法得到的為最佳聚類。