时序InSAR输电线路地表位移预测研究

作     者：高霞霞 

作者单位：昆明理工大学 

学位级别：硕士

导师姓名：李素敏

授予年度：2022年

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 

主      题：输电线路 隐患识别 InSAR 时空演变分析 位移预测 

摘      要：输电线路是能源电力可持续发展的关键环节,在现代能源供应体系中起着举足轻重的作用,随着输电工程规模的不断扩大,很多输电线路跨越崇山峻岭,运行维护难度较大。我国作为地质灾害频发的国家之一,许多输电线路地区地形条件复杂,气候恶劣,输电线路不可避免地受到地质灾害的威胁。以往的输电线路主要通过人工、无人机等方式巡线,易受天气、地形等因素的影响;现有的在线监测设备常用于重点区域的隐患识别,普查效率低、成本高。因此,如何对输电线路进行全天候、全天时、大范围的隐患灾害识别与预警预报是电力行业急需解决的重点问题。合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术具备全天时、全天候、无需地面控制点等优势,具有大范围监测地表毫米级形变的能力,能够实现输电线路的大范围、快速形变监测。位移作为物体运动状态的基本表征,是一种最直观的地表变形危险评价指标,如果能够提前对位移量进行精准预测,就可以为线路的安全运行提供预警与预报,预防事故的发生。综上所述,本文着重解决InSAR技术在输电线路中的隐患识别、形变分析与位移预测。本文的研究内容及结论如下:(1)利用小基线集干涉测量技术(Small Baseline Subset InSAR,SBAS-InSAR)技术对500kv输电线路的地表变形进行反演。首先使用SBAS-InSAR技术对来自欧空局Sentinel-1A卫星从2018年6月至2021年6月的91景升轨影像和82景降轨影像进行干涉处理,获得研究区500kv输电线路升降轨数据反演的地表形变时间序列结果。然后基于干涉处理的结果,从相干性、InSAR提供的内部精度评价模型分析了数据处理结果的可靠性,主要通过统计相干密度点及相干系数值,定量地分析SBAS-InSAR技术在输电线路山区监测的可行性。(2)根据升降轨数据监测、现场核查以及光学影像的验证,升降轨各识别出隐患点3处,升轨识别出的最大沉降速率为-50mm/a,降轨识别出的最大沉降速率达到-110mm/a,其中有两处在空间上相对应。本文对隐患点N号杆塔周边的地表形变进行着重分析,通过时空演化规律分析得出滑坡是造成输电杆塔变形的主要原因,滑坡的运动方式与杆塔的破坏方式保持一致;并将N号杆塔处选取的十个采样点的累积总位移分解为趋势项和波动项,以N、A、B三点的位移分解为例,通过分析发现降雨会对波动项位移产生影响,降雨与波动项位移成正相关关系。(3)基于三年的InSAR监测数据与位移预测模型(SVM、LSTM、Elman、Elman-LSTM)对十个采样点进行位移预测,选取其中的三个点进行具体分析。Elman-LSTM是本文提出的一种位移预测模型,由Elman和LSTM两个分支组成,Elman用来预测趋势项位移,LSTM用来预测波动项位移,最后通过累加得到累积总位移预测结果。文中以平均绝对误差(MAE)、均方根误差(RMSE)、R确定性系数作为四种预测模型预测结果的精度评价指标。实验结果表明,本文新提出的Elman-LSTM联合模型的精度高于其他三种预测模型,Elman、LSTM次之,SVM的效果最差。其中,SVM对N号杆塔塔基预测的MAE为1.319、RMSE为1.343,R为0.867;LSTM对N号杆塔塔基预测的MAE为0.875、RMSE为1.155,R为0.901;Elman对N号杆塔塔基预测的MAE为0.564、RMSE为0.609,R为0.973;Elman-LSTM联合预测模型对N号杆塔塔基预测的MAE为0.352、RMSE为0.395,R为0.989。