本技术涉及智能报警相关领域，尤其涉及基于图像灰度共生矩阵的输电线路覆冰预警方法及系统。
背景技术：
1、输电线路覆冰对电力系统的安全稳定运行构成了严重威胁。覆冰会导致导线重量增加、弧垂增大，进而可能引起闪络跳闸。在严重的情况下，覆冰还可能导致断线倒塌，造成电网系统大范围破坏，带来巨大的经济损失。
2、现有技术进行覆冰监控主要存在两种方式，其一为通过人工观测图像，确定覆冰状态；其二为了保证计算效率，通过选定维度的特征确定输电线路是否存在覆冰情况。
3、以上两种方式缺陷在于，第一种方式效率较低，第二种方式参考特征维度较少导致判断准确性难以保障。因此输电线路存在难以平衡处理效率和判断覆冰情况准确率的技术问题。
技术实现思路
1、本技术通过提供基于图像灰度共生矩阵的输电线路覆冰预警方法及系统，解决了现有输电线路无法准确判断覆冰情况，导致预警的误报或漏报，影响电力系统运行的技术问题，通过图像灰度共生矩阵在前处理拟合输电线路采集图像的全域特征，得到融合特征量，并非通过局部或者单一特征进行输电线路状态评判，且由于图像灰度共生矩阵的量化作用，双通道神经网络所处理的为融合后的整体特征，并非直接处理多维特征，对于处理效率影响较小，进而达到了提升覆冰状态判断准确性，且处理效率影响较小的技术效果。
2、本技术提供基于图像灰度共生矩阵的输电线路覆冰预警方法，所述方法应用于基于图像灰度共生矩阵的输电线路覆冰预警系统，包括：采集输电线路图像集，其中，所述输电线路图像集包括第一输电线路覆冰图像集与第一输电线路非覆冰图像集，所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集为一一对应于相同输电线路；
3、对所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集进行灰度共生矩阵预处理，生成第一图像特征集与第二图像特征集；
4、根据所述第一图像特征集与所述第二图像特征集，训练双通道神经网络，生成输电线路覆冰识别模型；
5、通过摄像装置，采集输电线路现场图像进行灰度共生矩阵预处理，构建待分析图像特征集；
6、通过雷达探测装置，采集输电线路弧垂特征值；
7、通过所述输电线路覆冰识别模型，基于无覆冰图像特征集，对所述待分析图像特征集进行分析，生成覆冰标识信息；
8、当所述覆冰标识信息为1，且所述输电线路弧垂特征值大于或等于弧垂阈值，生成覆冰预警信号发送至用户端。
9、在可能的实现方式中，对所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集进行灰度共生矩阵预处理，生成第一图像特征集与第二图像特征集，执行以下处理：对所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集去背景化，生成第二输电线路覆冰图像集与第二输电线路非覆冰图像集；
10、对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行灰度共生矩阵处理，生成第一灰度共生矩阵集合与第二灰度共生矩阵集合；
11、基于所述第一灰度共生矩阵集合与所述第二灰度共生矩阵集合，对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行特征提取，生成所述第一图像特征集与所述第二图像特征集。
12、在可能的实现方式中，对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行灰度共生矩阵处理，生成第一灰度共生矩阵集合与第二灰度共生矩阵集合，执行以下处理：对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行0°灰度共生矩阵处理，生成第一0°灰度共生矩阵集合与第二0°灰度共生矩阵集合；
13、对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行45°灰度共生矩阵处理，生成第一45°灰度共生矩阵集合与第二45°灰度共生矩阵集合；
14、对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行90°灰度共生矩阵处理，生成第一90°灰度共生矩阵集合与第二90°灰度共生矩阵集合；
15、对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行135°灰度共生矩阵处理，生成第一135°灰度共生矩阵集合与第二135°灰度共生矩阵集合；
16、将所述第一0°灰度共生矩阵集合、所述第一45°灰度共生矩阵集合、所述第一90°灰度共生矩阵集合和所述第一135°灰度共生矩阵集合，添加进所述第一灰度共生矩阵集合；
17、将所述第二0°灰度共生矩阵集合、所述第二45°灰度共生矩阵集合、所述第二90°灰度共生矩阵集合和所述第二135°灰度共生矩阵集合，添加进所述第二灰度共生矩阵集合。
18、在可能的实现方式中，执行以下处理：图像特征集包括：纹理特征集、颜色特征集、形状特征集；
19、其中，所述纹理特征集至少包括能量、对比度、均匀度、逆差矩、差异方差、对角线方差、熵、自相关，所述颜色特征集至少包括色相、饱和度、亮度，所述形状特征集至少包括分散度、轮廓曲率方差。
20、在可能的实现方式中，根据所述第一图像特征集与所述第二图像特征集，训练双通道神经网络，生成输电线路覆冰识别模型，执行以下处理：所述双通道神经网络包括特征比对通道和特征分类通道；
21、其中，所述特征比对通道构建步骤包括：
22、配置特征比对函数：
23、
24、其中，表征第一图像特征集的任意一个图像特征向量，表征第一图像特征集的任意一个图像特征向量的第i维特征向量，表征第二图像特征集的任意一个图像特征向量，表征第二图像特征集的任意一个图像特征向量的第i维特征向量，表征一一对应的第一图像特征和第二图像特征的第i维特征向量偏差值，表征第一图像特征和第二图像特征的特征偏差值，表征第i维特征向量权重，表征归一化调节系数，n表征特征向量维数；
25、根据所述特征比对函数，构建所述特征比对通道，当特征比对函数输出值大于或等于特征偏差阈值，执行所述特征分类通道的进程，否则，将所述覆冰标识信息置为0；
26、其中，所述特征分类通道构建步骤包括：
27、计算一一对应的所述第一图像特征集与所述第二图像特征集的特征偏差向量集，设为第一输入训练数据集；
28、采集第二输电线路非覆冰图像集与第三输电线路非覆冰图像集，其中，所述第二输电线路非覆冰图像集与所述第三输电线路非覆冰图像集一一对应于相同输电线路；
29、提取所述第二输电线路非覆冰图像集与所述第三输电线路非覆冰图像集的特征偏差向量集，设为第二输入训练数据集；
30、对所述第一输入训练数据集和所述第二输入训练数据集进行输出标识，生成输出监督真值集，其中，任意一个输出监督真值为0或1，1表征覆冰状态，0表征非覆冰状态；
31、根据所述输出监督真值集和所述输入训练数据集，训练所述特征分类通道。
32、在可能的实现方式中，计算一一对应的所述第一图像特征集与所述第二图像特征集的特征偏差向量集，执行以下处理：构建特征偏差向量计算函数：
33、
34、其中，表征第i维特征偏差向量；
35、根据所述特征偏差向量计算函数，对一一对应的所述第一图像特征集与所述第二图像特征集执行处理，生成所述特征偏差向量集。
36、在可能的实现方式中，当所述覆冰标识信息为1，且所述输电线路弧垂特征值大于或等于弧垂阈值，生成覆冰预警信号发送至用户端执行以下处理：根据所述输电线路弧垂特征值，回溯输电线路历史覆冰记录数据，其中，所述输电线路历史覆冰记录数据包括若干个覆冰厚度记录数据；
37、对所述若干个覆冰厚度记录数据执行集中趋势分析，生成覆冰厚度特征值；
38、根据所述覆冰厚度特征值生成覆冰预警信号发送至用户端。
39、本技术还提供了基于图像灰度共生矩阵的输电线路覆冰预警系统，包括：图像采集模块，所述图像采集模块用于采集输电线路图像集，其中，所述输电线路图像集包括第一输电线路覆冰图像集与第一输电线路非覆冰图像集，所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集为一一对应于相同输电线路；
40、第一预处理模块，所述第一预处理模块用于对所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集进行灰度共生矩阵预处理，生成第一图像特征集与第二图像特征集；
41、第一训练模块，所述第一训练模块用于根据所述第一图像特征集与所述第二图像特征集，训练双通道神经网络，生成输电线路覆冰识别模型；
42、第二预处理模块，所述第二预处理模块用于通过摄像装置，采集输电线路现场图像进行灰度共生矩阵预处理，构建待分析图像特征集；
43、特征值采集模块，所述特征值采集模块用于通过雷达探测装置，采集输电线路弧垂特征值；
44、第一分析模块，所述第一分析模块用于通过所述输电线路覆冰识别模型，基于无覆冰图像特征集，对所述待分析图像特征集进行分析，生成覆冰标识信息；
45、信号发送模块，所述信号发送模块用于当所述覆冰标识信息为1，且所述输电线路弧垂特征值大于或等于弧垂阈值，生成覆冰预警信号发送至用户端。
46、本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
47、本技术提供的基于图像灰度共生矩阵的输电线路覆冰预警方法及系统，涉及智能报警技术领域，解决了现有输电线路无法准确判断覆冰情况，导致预警的误报或漏报，影响电力系统运行的技术问题，通过图像灰度共生矩阵在前处理拟合输电线路采集图像的全域特征，得到融合特征量，并非通过局部或者单一特征进行输电线路状态评判，且由于图像灰度共生矩阵的量化作用，双通道神经网络所处理的为融合后的整体特征，并非直接处理多维特征，对于处理效率影响较小，进而达到了提升覆冰状态判断准确性，且处理效率影响较小的技术效果。
1.基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，包括：
2.如权利要求1所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，对所述第一输电线路覆冰图像集与所述第一输电线路非覆冰图像集进行灰度共生矩阵预处理，生成第一图像特征集与第二图像特征集，包括：
3.如权利要求2所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，对所述第二输电线路覆冰图像集与所述第二输电线路非覆冰图像集进行灰度共生矩阵处理，生成第一灰度共生矩阵集合与第二灰度共生矩阵集合，包括：
4.如权利要求2所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，图像特征集包括：纹理特征集、颜色特征集、形状特征集；
5.如权利要求2所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，根据所述第一图像特征集与所述第二图像特征集，训练双通道神经网络，生成输电线路覆冰识别模型，包括：
6.如权利要求5所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，计算一一对应的所述第一图像特征集与所述第二图像特征集的特征偏差向量集，包括：
7.如权利要求1所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，其特征在于，当所述覆冰标识信息为1，且所述输电线路弧垂特征值大于或等于弧垂阈值，生成覆冰预警信号发送至用户端，还包括：
8.基于图像灰度共生矩阵的输电线路覆冰预警系统，其特征在于，所述系统用于实施权利要求1-7任一项所述的基于图像灰度共生矩阵的输电线路覆冰预警方法，包括：
