CN112881818B - 电场强度测量方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种电场强度测量方法、装置、计算机设备和存储介质。通过获取待测电场中距离输电线预设距离的目标位置的电压信号，并获取待测电场的温度和湿度，再讲上述获取到的电压信号、温度和湿度输入预测模型，并获取预测模型输出的电场强度，作为上述待测电场中目标位置对应的电场强度。其中，预测模型可以基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。相较于传统的通过基于向列液晶光子晶体光纤渗透的方式测得电场强度的方式，本方案通过利用待测电场中距离输电线预设距离的电压信号，并考虑待测电场的温度和湿度等因素，通过预测模型，得到目标位置的电场强度，提高了电场强度测量精度。

Description

电场强度测量方法、装置、计算机设备和存储介质

技术领域

本申请涉及电力监测技术领域，特别是涉及一种电场强度测量方法、装置、计算机设备和存储介质。

背景技术

电网中的输电线路导线是电力系统中的重要组成部分，输电线路导线表面通常会由于场强异常导致电晕放电，而电晕放电会对靠近施工的工作人员和驾驶车辆产生危害。因此，对高压交流输电线路表面场强进行计算测量分析显得尤为重要。目前对于电场强度的测量方法通常是通过基于向列液晶光子晶体光纤渗透的方式测得电场强度，然而，受限于液晶特性，通过该种方式测量的电场强度精确度不高。

因此，目前的电场强度测量方法存在测量精度低的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高测量精确度的电场强度测量方法、装置、计算机设备和存储介质。

一种电场强度测量方法，所述方法包括：

获取待测电场中目标位置的电压信号；所述目标位置为所述待测电场中距离输电线预设距离的位置；

获取所述待测电场的温度和湿度；

将所述电压信号、所述温度以及所述湿度输入预测模型，获取所述预测模型输出的电场强度，作为所述待测电场中所述目标位置对应的电场强度；所述预测模型基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。

在其中一个实施例中，所述获取所述待测电场的温度和湿度，包括：

获取温湿度感测设备发送的与温度对应的第一电信号，以及与湿度对应的第二电信号；所述温湿度感测设备设置于所述目标位置中；

根据所述第一电信号得到所述温度，根据所述第二电信号得到所述湿度。

在其中一个实施例中，所述获取待测电场中目标位置的电压信号之前，还包括：

根据所述输电线对应的电压等级以及布线方式，通过有限元仿真计算得到所述输电线对应的仿真建模；

将所述仿真建模划分为多个网格，从所述多个网格中确定所述待测电场中距离输电线预设距离的目标位置。

在其中一个实施例中，所述从所述多个网格中确定所述待测电场中距离输电线预设距离的目标位置，包括：

根据距离所述输电线预设距离的目标网格对应的预设步长，在所述目标网格中建立对应的辅助线，得到所述待测电场中距离输电线预设距离的目标位置。

在其中一个实施例中，所述将所述仿真建模划分为多个网格，包括：

通过模拟电荷法，将所述仿真建模划分为多个网格。

在其中一个实施例中，还包括：

获取多个已知温度、多个已知湿度以及多个已知电压信号；

根据所述多个已知温度、多个已知湿度以及多个已知电压信号的数据量和数据结构，从多个机器学习算法中确定所述预设机器学习算法；

根据所述预设机器学习算法，训练得到所述已知温度、已知湿度与所述已知电压信号对应的已知电场强度的对应关系，得到所述预测模型。

在其中一个实施例中，还包括：

若所述温度大于预设温度阈值，输出温度告警信息；

和/或，

若所述湿度大于预设湿度阈值，输出湿度告警信息；

和/或，

若所述电场强度大于预设场强阈值，输出场强告警信息。

一种电场强度测量装置，所述装置包括：

信号获取模块，用于获取待测电场中目标位置的电压信号；所述目标位置为所述待测电场中距离输电线预设距离的位置；

温湿获取模块，用于获取所述待测电场的温度和湿度；

场强获取模块，用于将所述电压信号、所述温度以及所述湿度输入预测模型，获取所述预测模型输出的电场强度，作为所述待测电场中所述目标位置对应的电场强度；所述预测模型基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

上述电场强度测量方法、装置、计算机设备和存储介质，通过获取待测电场中距离输电线预设距离的目标位置的电压信号，并获取待测电场的温度和湿度，再讲上述获取到的电压信号、温度和湿度输入预测模型，并获取预测模型输出的电场强度，作为上述待测电场中目标位置对应的电场强度。其中，预测模型可以基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。相较于传统的通过基于向列液晶光子晶体光纤渗透的方式测得电场强度的方式，本方案通过利用待测电场中距离输电线预设距离的电压信号，并考虑待测电场的温度和湿度等因素，通过基于已知温度、已知湿度、已知电压信号和机器学习算法得到的预测模型，得到目标位置的电场强度，实现提高电场强度测量精度的效果。

附图说明

图1为一个实施例中电场强度测量方法的应用环境图；

图2为一个实施例中电场强度测量方法的流程示意图；

图3为另一个实施例中电场强度测量方法的流程示意图；

图4为一个实施例中电场强度测量装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的电场强度测量方法，可以应用于如图1所示的应用环境中。其中，工业控制终端102可以与分别与电场磁场感应设备100以及温湿度感测设备104进行通信，其中电场磁场感应设备100以及温湿度感测设备104均可以设置于电网现场的待测电场中。工业控制终端102可以获取电场磁场感应设备100发送的待测电场中目标位置的电压信号，工业控制终端102还可以获取温湿度感测设备104发送的电网现场的待测电场的温度和湿度；工业控制终端102还可以将上述获取的电压信号、温度和湿度输入预测模型，并获取预测模型输出的电场强度，从而工业控制终端102可以得到待测电场中目标位置的电场强度。其中，工业控制终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，电场磁场感应设备100以及温湿度感测设备104均可以用硬件设备或嵌入软件模块的设备实现。

在一个实施例中，如图2所示，提供了一种电场强度测量方法，以该方法应用于图1中的工业控制终端为例进行说明，包括以下步骤：

步骤S202，获取待测电场中目标位置的电压信号；目标位置为待测电场中距离输电线预设距离的位置。

其中，待测电场可以是需要测量电场强度的电场，该电场中可以设置有输电线路，待测电场产生的场强可以是输电线路导线使得附近范围产生电场的场强。待测电场中可以设置有电场磁场感应设备100，电场磁场感应设备100可以进行电压信号的感测和采集。电场磁场感应设备100可以设置于上述待测电场中与高压输电线导线为预设距离的目标位置，电场磁场感应设备100可以检测到高压输电线产生的强大电场，并且输出与高压输电线产生的电场成比例的电压信号，电场磁场感应设备100可以将该电压信号发送至工业控制终端102中，则工业控制终端102可以获取上述电压信号，从而得到上述待测电场中目标位置的电压信号。其中，工业控制终端102中可以包括一电场磁场感测主控计算模块，工业控制终端102可以通过电场磁场感测主控计算模块接收上述电压信号；目标位置可以从基于输电线路附近预设距离范围内的区域中确定，例如可以将输电线路附近预设范围内的区域划分为多个子区域，从多个子区域中确定目标位置。

步骤S204，获取待测电场的温度和湿度。

其中，待测电场可以是上述电网现场中输电线所在的位置产生的电场。由于温度和湿度都会对输电线产生的场强产生影响，因此在测量待测电场的电场强度时需要考虑待测电场的温度和湿度对电场强度的影响。工业控制终端102还可以获取待测电场的温度和湿度，例如待测电场中的输电线附近的温度和湿度，为了与上述获取的待测电场的目标电压对应，工业控制终端102可以获取在上述目标位置的温度和湿度。

其中，上述温度和湿度可以通过温湿度感测设备104进行采集，温湿度感测设备104可以设置在上述待测电场中，例如设置在上述待测电场的目标位置中。温湿度感测设备104可以用于通过传感采集的方式采集检测并采集上述待测电场中的温度和湿度。在一些实施例中，温湿度感测设备104可以将采集到的温度和湿度发送到工业控制终端102中。例如，设置在上述目标位置的温湿度感测设备在采集到温度后，可以发送与温度对应的第一电信号，温湿度感测设备104在采集到湿度后，可以发送与湿度对应的第二电信号，工业控制终端102可以接收来自温湿度感测设备104发送的第一电信号和第二电信号，并根据第一电信号得到待测电场对应的温度，根据第二电信号得到待测电场对应的湿度。其中，上述温湿度感测设备104可以通过预设的计算方式和规律，将采集到的温度和湿度数据变换为电信号形式，并以电信号形式输出传送至工业控制终端102中，工业控制终端102可以通过电场磁场感测主控计算模块接收上述温度和湿度分别对应的电信号，并且可以将温度对应的电信号以及湿度对应的电信号还原为对应的温度数据和湿度数据，并且可以对得到的温度和湿度进行相应的处理。另外，上述温湿度感测设备104可以由一个可检测温度和湿度的传感器构成，也可以由温度传感器和湿度传感器组成的传感器组构成。

步骤S206，将电压信号、温度以及湿度输入预测模型，获取预测模型输出的电场强度，作为待测电场中目标位置对应的电场强度；预测模型基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。

其中，电压信号可以是电场磁场感应设备100检测到的待测电场输电线对应的电压信号，温度和湿度可以是待测电场中温湿度感测设备104检测到的目标位置对应的温度和湿度。工业控制终端102可以将上述获取的电压信号、温度和湿度，输入预测模型，从而可以获取预测模型输出的待测电场中目标位置对应的电场强度，并且，该电场强度可以是考虑了温度和湿度对电场强度的影响后得到的电场强度。其中，预测模型可以是基于多个已知温度、多个已知湿度以及多个已知电压信号，利用预设机器学习算法训练得到的模型。其中，预设机器学习算法可以是从多个预设的机器学习算法中确定出的至少一个机器学习算法。

上述电场强度测量方法中，通过获取待测电场中距离输电线预设距离的目标位置的电压信号，并获取待测电场的温度和湿度，再讲上述获取到的电压信号、温度和湿度输入预测模型，并获取预测模型输出的电场强度，作为上述待测电场中目标位置对应的电场强度。其中，预测模型可以基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。相较于传统的通过基于向列液晶光子晶体光纤渗透的方式测得电场强度的方式，本方案通过利用待测电场中距离输电线预设距离的电压信号，并考虑待测电场的温度和湿度等因素，通过基于已知温度、已知湿度、已知电压信号和机器学习算法得到的预测模型，得到目标位置的电场强度，实现提高电场强度测量精度的效果。

在一个实施例中，获取待测电场中目标位置的电压信号之前，还包括：根据输电线对应的电压等级以及布线方式，通过有限元仿真计算得到输电线对应的仿真建模；将仿真建模划分为多个网格，从多个网格中确定待测电场中距离输电线预设距离的目标位置。

本实施例中，工业控制终端102可以通过划分网格的方式获取需要测量电场强度的目标位置。工业控制终端102可以根据待测电场中输电线的电压等级以及布线方式，通过有限元仿真计算得到输电线对应的仿真建模，例如工业控制终端102可以使用有限元仿真软件对仿真对象，即不同电压等级、不同布线方式的输电线建模得到相应的仿真模型；并且工业控制终端102还可以将仿真建模划分为多个网格，并从多个网格中确定待测电场中距离输电线预设距离的目标位置。例如，工业控制终端102可以使用有限元仿真软件对上述输电线对应的仿真模型进行网格划分，从而得到输电线对应的多个网格，从多个网格中通过特定方式得到需要进行电场强度测量的目标位置。其中，有限元仿真是利用数学近似的方法对真实物理系统，例如上述输电线，进行模拟，利用简单而又互相作用的单元，就可以用有限数量的未知量去逼近无限未知量的真实系统，有限元仿真计算能适应各种复杂形状，能够有效对工程进行分析。

通过本实施例，工业控制终端102可以通过有限元仿真计算得到输电线路对应的仿真建模，并从基于仿真建模的多个网格中确定目标位置，从而可以在目标位置进行电场强度的测量，实现了提高电场强度测量精度的效果。

在一个实施例中，从多个网格中确定待测电场中距离输电线预设距离的目标位置，包括：根据距离输电线预设距离的目标网格对应的预设步长，在目标网格中建立对应的辅助线，得到待测电场中距离输电线预设距离的目标位置。

本实施例中，工业控制终端102可以从多个网格中确定需要进行电场强度测量的目标位置。工业控制终端102可以获取各个网格的求解步长，根据距离上述输电线预设距离的目标网格对应的预设步长，在该目标网格中建立对应的辅助线，得到待测电场中距离输电线预设距离的目标位置。例如，每个网格可以作为一个计算区域，不同的计算区域有不同的计算精度要求，因此需要设置网格划分方式，缩短计算时间，工业控制终端102可以在设定求解步长后，在上述仿真建模中建立指定位置的辅助线，例如上述目标位置的辅助线，从而可以在目标位置中得到电场强度分布，以准确对电网现场电场磁场强度进行探测。

其中，在一个实施例中，上述对待测电场中输电线对应的仿真建模进行网格划分可以通过预设的算法进行，例如，工业控制终端102可以通过模拟电荷法，将上述输电线对应的仿真建模进行网格划分，划分为多个网格。其中，模拟电荷法是静电场数值计算的主要方法之一，模拟电荷法基于静电场的唯一性定理，将导体电极表面连续分布的自由电荷用位于导体内部的一组离散电荷来替代，例如在导体内部设置一组点电荷、线电荷或环电荷等，这些离散的电荷被称为模拟电荷，然后利用叠加定理，用这些模拟电荷的解析公式计算场域中任意一点的电场强度，这些模拟电荷根据场域的边界条件确定，模拟电荷法关键在于寻找和确定模拟电荷。

通过上述实施例，工业控制终端102可以利用模拟电荷法得到多个网格，利用求解步长和辅助线得到目标位置，从而可以实现提高待测电场的电场强度的测量精度的效果。

在一个实施例中，还包括：获取多个已知温度、多个已知湿度以及多个已知电压信号；根据多个已知温度、多个已知湿度以及多个已知电压信号的数据量和数据结构，从多个机器学习算法中确定预设机器学习算法；根据预设机器学习算法，训练得到已知温度、已知湿度与已知电压信号对应的已知电场强度的对应关系，得到预测模型。

本实施例中，工业控制终端102可以通过机器学习训练得到上述预测模型。工业控制终端102可以获取多个已知温度、多个已知湿度以及多个已知电压信号，作为训练数据，工业控制终端102可以根据多个已知温度、多个已知湿度以及多个已知电压信号的数据量和数据结构，从多个机器学习算法中确定可以用于对训练数据进行训练的预设机器学习算法，例如，多个机器学习算法可以包括决策树、随机森林、人工神经网络、贝叶斯学习、深度学习等方面的算法，工业控制终端102可以通过根据上述多个已知温度、已知湿度以及已知电压信号的数据量的大小和数据结构，确定适合的机器学习算法。工业控制终端102确定合适的预设机器学习算法后，可以根据预设机器学习算法，训练获取上述已知温度、已知湿度和已知电压信号对应的已知电场强度之间的对应关系，从而工业控制终端102可以通过预设机器学习算法分析温度、湿度对电场强度的影响，得到温度、湿度对电场强度影响的预测模型。

通过本实施例，工业控制终端102可以利用与温度、湿度和电压信号的数据量和数据结构相适应的机器学习算法，得到用于预测电场强度的预测模型，提高了电场强度测量的精确性。

在一个实施例中，还包括：若温度大于预设温度阈值，输出温度告警信息。

本实施例中，工业控制终端102可以在当温湿度和场强的数据超过了相应的阈值时，对不符合要求的数据进行告警。例如，工业控制终端102检测到上述获取的温度大于预设温度阈值，工业控制终端102可以输出温度告警信息。在一个实施例中，若工业控制终端102检测到上述获取的湿度大于预设湿度阈值，工业控制终端102可以输出湿度告警信息。在一个实施例中，若工业控制终端102检测到上述获取的电场强度大于预设场强阈值，工业控制终端102可以输出场强告警信息，提示工作人员该目标位置的场强异常，从而可以使工作人员进行对输电线进行相应处理。

另外，工业控制终端102还可以对获取的上述温度、湿度和电场强度等数据进行数据展示，例如通过工业控制终端102的显示单元，例如显示屏，进行数据展示。

通过本实施例，工业控制终端102可以对违规数据进行告警，提高了输电线的安全性，同时还能对获取的数据进行展示，提高了数据获取的直观性。

在一个实施例中，如图3所示，图3为另一个实施例中电场强度测量方法的流程示意图。包括以下流程：

工业控制终端102可以首先使用有限元仿真软件对仿真对象即不同电压等级、不同布线方式的高压线建模得到相应的仿真模型进行计算。

然后工业控制终端102可以使用仿真软件运用模拟电荷法对仿真模型进行网格划分，对于不同的计算区域有不同的计算精度要求，所以需要设置网格划分方式，缩短计算时间。设置求解步长后，在模型中建立指定位置的辅助线，得到指定位置下的电场强度分布。以准确地对电网现场待测电场的电场强度进行探测。

工业控制终端102可以在待测电场中设置一电场磁场感应设备100以及温湿度感测设备104，在一些实施例中，上述工业控制终端102也可以设置于待测电场中，电场磁场感应设备100以及温湿度感测设备104可以直接集成在工业控制终端102中，以硬件或软件模块形式进行相应数据的采集。

上述电场磁场感应设备100可以采集电网现场的电场磁场信息，并向工业控制终端102输出电压信号，电场磁场感应设备100主要检测电网现场中待测电场的高压输电线导线较近的距离，电网现场输电线产生的强大电场使得电场磁场感测模块输出与之成比例的电压信号，随后信号被传送至工业控制终端102中的电场磁场感测主控计算模块中进行数据训练、计算、分析和预处理。

电网现场的待测电场中还可以设置有温湿度感测设备104，例如温湿度传感器，工业控制终端102可以利用温湿度感测设备104对电网高压输电线电场磁场控测的环境周围测量温度和湿度，其中温湿度感测设备104可以按照自身的计算方式和规律将检测到的温度或湿度数据变换成电信号形式，并以电信号形式发送至工业控制终端102中的电场磁场感测主控计算模块中。

工业控制终端102可以利用上述得到的电压信号、温度和湿度数据，利用预测模型得到目标位置的电场强度。其中，工业控制终端102可以首先对预测模型进行训练，该预测模型可以用于计算温度、湿度对场强的影响。例如，工业控制终端102可以基于多个已知温度、多个已知湿度和多个已知电压信号，根据多个已知温度、多个已知湿度和多个已知电压信号的数据量的大小和数据结构，确定适合的机器学习算法，机器学习算法可以包括决策树、随机森林、人工神经网络、贝叶斯学习、深度学习等方面的算法。工业控制终端102可以利用电场磁场感测主控计算模块，使用上述相应的机器学习算法，分析温度、湿度对电场强度的影响，得到温度、湿度与电压信号对应的电场强度之间的对应关系，从而可以得到温度、湿度对电场强度影响的预测模型。实际测量中，工业控制终端102可以将上述获取的温度、湿度以及电压信号输入上述预测模型，利用电场磁场感测主控计算模块，通过上述预测模型，对电场强度进行计算，得到电场强度的检测结果。工业控制终端102还可以利用本地数据处理模块，对得到的电场强度、状态、温度和湿度通过本地显示单元进行数据展示，例如通过工业控制终端102的显示屏进行展示。工业控制终端102还可以在检测到温湿度或场强超过设定的相应阈值后，利用本地告警单元进行相应信息的告警。

另外，上述工业控制终端102中的电场磁场感测主控计算模块和工业控制终端102中的本地数据处理模块之间的数据通信方式可以通过有线连接方式进行通信，也可以通过无线通信方式进行。若通过无线方式进行通信，电场磁场感测主控计算模块可以通过无线通信发射模块的无线通信协议传输方式发送上述数据至本地数据处理模块的无线通信接收单元进行数据接收，从而工业控制终端102可以利用本地数据处理模块对数据进行处理。

通过本实施例，工业控制终端102基于已知温度、已知湿度、已知电压信号和机器学习算法得到的预测模型，得到目标位置的电场强度，实现提高电场强度测量精度的效果。

应该理解的是，虽然图2及3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2及3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种电场强度测量装置，包括：信号获取模块500、温湿获取模块502和场强获取模块504，其中：

信号获取模块500，用于获取待测电场中目标位置的电压信号；目标位置为待测电场中距离输电线预设距离的位置。

温湿获取模块502，用于获取待测电场的温度和湿度。

场强获取模块504，用于将电压信号、温度以及湿度输入预测模型，获取预测模型输出的电场强度，作为待测电场中目标位置对应的电场强度；预测模型基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到。

在一个实施例中，上述温湿获取模块502，具体用于获取温湿度感测设备发送的与温度对应的第一电信号，以及与湿度对应的第二电信号；温湿度感测设备设置于目标位置中；根据第一电信号得到温度，根据第二电信号得到湿度。

在一个实施例中，上述装置还包括：划分模块，用于根据输电线对应的电压等级以及布线方式，通过有限元仿真计算得到输电线对应的仿真建模；将仿真建模划分为多个网格，从多个网格中确定待测电场中距离输电线预设距离的目标位置。

在一个实施例中，上述划分模块，具体用于根据距离输电线预设距离的目标网格对应的预设步长，在目标网格中建立对应的辅助线，得到待测电场中距离输电线预设距离的目标位置。

在一个实施例中，上述装置还包括：训练模块，用于获取多个已知温度、多个已知湿度以及多个已知电压信号；根据多个已知温度、多个已知湿度以及多个已知电压信号的数据量和数据结构，从多个机器学习算法中确定预设机器学习算法；根据预设机器学习算法，训练得到已知温度、已知湿度与已知电压信号对应的已知电场强度的对应关系，得到预测模型。

在一个实施例中，上述划分模块，具体用于通过模拟电荷法，将仿真建模划分为多个网格。

在一个实施例中，上述装置还包括：第一告警模块，用于若温度大于预设温度阈值，输出温度告警信息。

在一个实施例中，上述装置还包括：第二告警模块，用于若湿度大于预设湿度阈值，输出湿度告警信息。

在一个实施例中，上述装置还包括：第三告警模块，用于若电场强度大于预设场强阈值，输出场强告警信息。

关于电场强度测量装置的具体限定可以参见上文中对于电场强度测量方法的限定，在此不再赘述。上述电场强度测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是工业控制终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电场强度测量方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述电场强度测量方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述电场强度测量方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电场强度测量方法，其特征在于，所述方法包括：

获取待测电场中目标位置的电压信号；所述目标位置为所述待测电场中距离输电线预设距离的位置；所述目标位置的确定步骤包括：根据所述输电线对应的电压等级以及布线方式，通过有限元仿真计算得到所述输电线对应的仿真建模；将所述仿真建模划分为多个网格，从所述多个网格中确定所述待测电场中距离输电线预设距离的目标位置；每个所述网格为一个计算区域，不同计算区域具有不同计算精度要求；所述从所述多个网格中确定所述待测电场中距离输电线预设距离的目标位置，包括：根据距离所述输电线预设距离的目标网格对应的预设步长，在所述目标网格中建立对应的辅助线，得到所述待测电场中距离输电线预设距离的目标位置；

获取所述待测电场的温度和湿度；

将所述电压信号、所述温度以及所述湿度输入预测模型，获取所述预测模型输出的电场强度，作为所述待测电场中所述目标位置对应的电场强度；所述预测模型的训练步骤包括：获取多个已知温度、多个已知湿度以及多个已知电压信号；根据所述多个已知温度、多个已知湿度以及多个已知电压信号的数据量和数据结构，从多个机器学习算法中确定预设机器学习算法；根据所述预设机器学习算法，训练得到所述已知温度、已知湿度与所述已知电压信号对应的已知电场强度的对应关系，得到所述预测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取所述待测电场的温度和湿度，包括：

获取温湿度感测设备发送的与温度对应的第一电信号，以及与湿度对应的第二电信号；所述温湿度感测设备设置于所述目标位置中；

根据所述第一电信号得到所述温度，根据所述第二电信号得到所述湿度。

3.根据权利要求1所述的方法，其特征在于，所述将所述仿真建模划分为多个网格，包括：

通过模拟电荷法，将所述仿真建模划分为多个网格。

4.根据权利要求1至3任意一项所述的方法，其特征在于，还包括：

若所述温度大于预设温度阈值，输出温度告警信息。

5.根据权利要求1至3任意一项所述的方法，其特征在于，还包括：

若所述湿度大于预设湿度阈值，输出湿度告警信息。

6.根据权利要求1至3任意一项所述的方法，其特征在于，还包括：

若所述电场强度大于预设场强阈值，输出场强告警信息。

7.一种电场强度测量装置，其特征在于，所述装置包括：

信号获取模块，用于获取待测电场中目标位置的电压信号；所述目标位置为所述待测电场中距离输电线预设距离的位置；还包括划分模块，用于根据所述输电线对应的电压等级以及布线方式，通过有限元仿真计算得到所述输电线对应的仿真建模；将所述仿真建模划分为多个网格，从所述多个网格中确定所述待测电场中距离输电线预设距离的目标位置；每个所述网格为一个计算区域，不同计算区域具有不同计算精度要求；具体用于根据距离所述输电线预设距离的目标网格对应的预设步长，在所述目标网格中建立对应的辅助线，得到所述待测电场中距离输电线预设距离的目标位置；

温湿获取模块，用于获取所述待测电场的温度和湿度；

场强获取模块，用于将所述电压信号、所述温度以及所述湿度输入预测模型，获取所述预测模型输出的电场强度，作为所述待测电场中所述目标位置对应的电场强度；所述预测模型基于多个已知温度、多个已知湿度以及多个已知电压信号，通过预设机器学习算法训练得到；还包括训练模块，用于获取多个已知温度、多个已知湿度以及多个已知电压信号；根据所述多个已知温度、多个已知湿度以及多个已知电压信号的数据量和数据结构，从多个机器学习算法中确定所述预设机器学习算法；根据所述预设机器学习算法，训练得到所述已知温度、已知湿度与所述已知电压信号对应的已知电场强度的对应关系，得到所述预测模型。

8.根据权利要求7所述的装置，其特征在于，所述温湿获取模块，用于：

获取温湿度感测设备发送的与温度对应的第一电信号，以及与湿度对应的第二电信号；所述温湿度感测设备设置于所述目标位置中；

根据所述第一电信号得到所述温度，根据所述第二电信号得到所述湿度。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。