买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网甘肃省电力公司经济技术研究院申请的专利一种考虑洪水影响的电力设施洪涝灾害风险评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119228142B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411738669.0，技术领域涉及：G06Q10/0635；该发明授权一种考虑洪水影响的电力设施洪涝灾害风险评估方法及系统是由魏勇;尚志鹏;张岳;胡安龙;薛国斌;白永利;靳攀润;平常;李敏;李麟鹤;万小花;陈庆胜;李惠庸;赵旭善;刘魏;赵明亮;李珍;祝志芳设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种考虑洪水影响的电力设施洪涝灾害风险评估方法及系统在说明书摘要公布了：本发明提供一种考虑洪水影响的电力设施洪涝灾害风险评估方法及系统，涉及电力设施洪涝灾害风险评估技术领域，本发明实时采集电杆高度、降雨量、地形地貌和土壤数据，并获取历史山洪影响因素和高度数据，对其进行预处理，接着构建神经网络模型，将处理后的降雨量、地形和土壤数据作为训练集，山洪高度作为标签进行训练，然后将实时采集的山洪影响因素输入训练好的模型中，预测实际山洪高度，并与电杆高度进行比较，最后根据比较结果判断电力设施的安全性，确定洪涝灾害风险等级和整体风险指数，从而为决策提供量化依据，提升电力设施的抗洪能力。

本发明授权一种考虑洪水影响的电力设施洪涝灾害风险评估方法及系统在权利要求书中公布了：1.一种考虑洪水影响的电力设施洪涝灾害风险评估方法，其特征在于，具体步骤包括：步骤1：实时采集待监测区域内电力设施的电杆高度数据和山洪影响因素信息，采集历史数据中的山洪影响因素信息，并获取历史山洪高度数据，山洪影响因素信息包括降雨量数据、地形地貌和土壤数据，对采集的数据进行预处理；所述电杆高度数据包括待监测区域内的所有电杆的高度和区域内电杆的最低高度，对电杆高度数据进行预处理的步骤为计算待监测区域内的所有电杆高度数据的平均高度，依据的公式为： 其中，表示电杆的平均高度，表示第i根电杆的高度，指在监测区域内的电杆数量；获取待监测区域内的所有电杆的最低高度，所依据的公式为： 所述降雨量数据为待监测区域内过去K天时间段内的总降雨情况，对降雨量数据进行预处理的步骤包括：计算过去K天的总降雨量，所依据的公式为： 其中，为总降雨量，即过去K天发生的所有降雨量的总和，为第q天的降雨量；获取的待监测区域内的地形地貌数据包括待监测区域内最高点的高程数据、最低点的高程数据以及二者之间的水平距离，对地形地貌数据进行预处理的步骤包括，通过计算最高点和最低点之间的高度差与水平距离，计算坡度值，所依据的公式为： 其中，表示坡度值，表示两个点之间的高程差，即，和分别表示待监测区域内最高点、最低点的高程数据，表示两个点之间的水平距离；获取待监测区域内的土壤数据时，在评估前一天从待监测区域中最低点处采集土壤样本，并通过高温烘干至恒重获取土壤样本中的水分体积和土壤体积，对土壤数据进行预处理的步骤为计算土壤的吸水率，将土壤的吸水率作为待监测区域内的土壤数据，吸水率计算所依据的公式为： 其中，表示吸水率（%），表示土壤中水分体积，表示土壤体积；历史数据中的降雨量数据为洪水爆发前K天时间段内的总降雨量，并标定为，历史数据中的土壤数据为洪水爆发前一天，在待监测区域中最低点处采集土壤样本，并计算土壤的吸水率作为土壤数据，并标定为，历史数据中的地形地貌数据为待监测区域内最高点的高程数据、最低点的高程数据以及二者之间的水平距离，并计算地形坡度数据作为地形地貌数据，并标定为；步骤2：构建神经网络模型，把预处理后的历史数据中的降雨量数据、地形地貌和土壤数据作为训练集，其对应的山洪高度数据作为标签，输入神经网络模型中对神经网络模型进行训练；使用历史数据中待监测区域内的山洪影响因素信息，包括降雨量数据、地形地貌和土壤数据作为训练集： 其中，,和分别表示历史数据中的降雨量数据、地形地貌数据和土壤数据；标签为： 其中，表示映射关系，表示历史山洪高度数据；特征数据和标签数据将作为输入和输出传递至神经网络模型进行训练，定义输入层的输入节点数为，即代表降雨量、坡度和土壤吸水率；隐藏层节点数，使用ReLU激活函数：，引入非线性关系： 其中，为第j个隐藏节点的输出，为权重矩阵，连接输入层与隐藏层，为偏置项；隐藏层的输出通过权重变换，最终得到模型的预测输出： 其中，为模型的预测结果，即预测的山洪高度，为隐藏层到输出层的权重矩阵，将隐藏层的特征映射到最终的输出，为输出层的偏置项；模型训练，通过计算所有预测值与真实值的平方差，损失函数反映出模型的预测精度： 其中，表示损失值，衡量模型预测值与实际标签之间的差距，表示训练样本数量，用于计算平均损失，表示第o个样本的预测值，表示第o个样本的历史山洪高度；步骤3：将预处理后的实时采集的山洪影响因素数据输入到训练完成后的神经网络模型中，计算出预测的实际山洪高度数据，并使用预测的实际山洪高度数据与预处理后的电杆高度数据进行比较；步骤4：根据比较结果得出洪涝灾害风险等级，判断电力设施的电杆高度数据应对预测的实际山洪高度数据的能力，并计算电力设施的整体风险指数，依据风险指数进行评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网甘肃省电力公司经济技术研究院，其通讯地址为：730050 甘肃省兰州市七里河区西津东路628号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。