-
公开(公告)号：CN116009585A
公开(公告)日：2023-04-25
申请号：CN202211707566.9
申请日：2022-12-28
Applicant: 中国电建集团贵州电力设计研究院有限公司
IPC: G05D1/10
Abstract: 本发明公开了一种输电线路多旋翼无人机精细化巡视航线提取方法，所述方法包括：步骤1、获取已分类的输电线路激光点云数据和杆塔文件；步骤2、根据已分类的输电线路激光点云数据和杆塔文件，从小号侧往大号侧依次确定每个杆塔的空间坐标系；步骤3、提取杆塔关键点坐标；步骤4、确定无人机拍摄点位置；步骤5、面向大号侧先右后左，从上至下，先小号侧后大号侧，根据步骤4中获取的拍摄点位置，固化作业拍摄点，建立标准化航线库；解决了无人机精细化巡视航线规划效率低以及准确性差的问题。
-
Patent Agency Ranking
公开(公告)号：CN117494542A
公开(公告)日：2024-02-02
申请号：CN202311217628.2
申请日：2023-09-20
Applicant: 中国电建集团贵州电力设计研究院有限公司 , 贵州电网有限责任公司
IPC: G06F30/27 , G01B21/08 , G06F119/08 , G06F119/14
Abstract: 本发明揭示了一种基于激光点云数据和BP神经网络的输电线路覆冰厚度反演方法。该方法首先获取输电线路的点云数据和导线参数，计算无冰状态下导线的自重和实时水平应力。然后构建覆冰条件下的状态方程，设定覆冰厚度区间，计算覆冰比载、应力及垂直档距。接着，建立等值覆冰厚度计算模型，收集并处理输电线路覆冰监测终端的历史拉力值和环境数据，通过BP神经网络训练实测拉力值修正模型。最后，利用实测数据和修正模型获取修正拉力值，通过与理论拉力值对比，找到差值最小时的覆冰厚度作为实际覆冰厚度。该方法解决了现有技术在覆冰厚度测量中费用高、精度低和受环境影响大的问题。
-
公开(公告)号：CN116990815A
公开(公告)日：2023-11-03
申请号：CN202310984950.1
申请日：2023-08-07
Applicant: 中国电建集团贵州电力设计研究院有限公司
Inventor： 刘永 , 杨泽伟 , 强爽 , 蔡云 , 赵健 , 董鹏 , 杨建华 , 蒋明杰 , 邓杰文 , 甘小迎 , 吕明 , 魏巍 , 杨辰 , 易贤龙 , 谭伟 , 张国和 , 王芷琪 , 赵平 , 田哲思 , 冉亚军
Abstract: 本发明公开了一种区域性输电线路滑坡自动监测方法，首先，叠加区域地形、地质、杆塔和InSAR数据为综合平面图；接着，通过计算机程序自动标识各输电杆塔所处坡体的坡顶和坡脚信息，待地质专业人员室内核定上述信息后，自动标识出待确认监测区域；然后，自动判定各坡体潜在破坏模式后，自动修正最终监测区域；最后，通过InSAR周期性地标形变位移数据对最终监测区域进行周期性监测，以实现区域性输电线路滑坡自动监测。本发明提供了一种仅需地质专业人员室内复核修正各输电杆塔所处坡体的坡顶、坡脚信息，就能够通过计算机自动实现更专业、更精准、更针对性地缩小监测区域，并进行高频率、高准确性的室内区域性输电线路滑坡自动化监测的方法。
-
公开(公告)号：CN118228139A
公开(公告)日：2024-06-21
申请号：CN202410507628.4
申请日：2024-04-25
Applicant: 中国电建集团贵州电力设计研究院有限公司
IPC: G06F18/2415 , G06F18/213 , G06N3/0464 , G06F18/25 , G01M13/045
Abstract: 本发明公开基于双流神经网络风电机组轴承故障诊断模型构建方法，通过2D‑CNN技术，从训练样本中提取尺度关联时序特征和信号的空间特征。这些特征经过汇流层融合后得到综合特征，进而在softmax分类器层中进行学习，从而构建出轴承故障诊断模型。总体上，该方法提供了一种有效的轴承故障检测方式，通过综合利用尺度关联特征和空间特征，从而解决了现有技术模型的诊断精度低问题。
-
公开(公告)号：CN114282711A
公开(公告)日：2022-04-05
申请号：CN202111470934.8
申请日：2021-12-03
Applicant: 中国电建集团贵州电力设计研究院有限公司
Abstract: 本发明公开了一种融入时频分析的光伏短期发电量预测方法，它包括：采集光伏电厂的设备运行数据和电站现场环境数据，对采集的原始数据进行数据集划分、异常值处理及归一化处理得到训练数据和测试数据集；对训练数据进行3层小波分解；提取变量间的相关性和数据时序特征实现数据更深层次的特征表达；初始化CNN‑LSTM网络层，将各分量训练数据输入网络分别建立高频分量和低频分量的预测模型；将测试集数据输入到预测模型，得到一个低频分量和三个高频分量的预测值；将各分量的预测结果经小波逆变换重构得到最终的发电量预测结果；解决了现有光伏短期发电量预测预测精度偏低等技术问题。
-
公开(公告)号：CN114139638A
公开(公告)日：2022-03-04
申请号：CN202111470935.2
申请日：2021-12-03
Applicant: 中国电建集团贵州电力设计研究院有限公司
Abstract: 本发明公开了一种考虑多变量相关性的风机叶片覆冰故障诊断方法，它包括获取SCADA原始数据，提取影响风机发电的环境变量和设备变量；深度相关信息提取：考虑变量间的相互关系并深度发掘数据中的蕴含信息作为特征数据信息；使用主成分分析法对特征数据进行降维；初始化模型参数，将训练数据集输入至Gentle Adaboosts算法中，由模型自身不断进行训练得到最强故障诊断模型，在测试数据集中测试模型的性能，得到最终的叶片覆冰故障诊断结果；解决了现有技术针对风机叶片覆冰故障诊断中对多个变量间的相互关系未考虑或未深入研究，数据特征并没有得到充分地利用，导致故障诊断结果精度不高等技术问题。
-
-
-
-
-
Search Results
6
records
(took 0.054 seconds)
