CN114719909B - 一种基于大数据的输电线路铁塔姿态在线监测***及方法 - Google Patents
一种基于大数据的输电线路铁塔姿态在线监测***及方法 Download PDFInfo
- Publication number
- CN114719909B CN114719909B CN202210408018.XA CN202210408018A CN114719909B CN 114719909 B CN114719909 B CN 114719909B CN 202210408018 A CN202210408018 A CN 202210408018A CN 114719909 B CN114719909 B CN 114719909B
- Authority
- CN
- China
- Prior art keywords
- data
- wind
- circuit board
- control circuit
- cloud platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 113
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 230000005540 biological transmission Effects 0.000 title claims abstract description 23
- 239000000463 material Substances 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 49
- 230000008859 change Effects 0.000 claims description 24
- 239000012212 insulator Substances 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 11
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 6
- 239000011248 coating agent Substances 0.000 claims description 6
- 238000000576 coating method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000009434 installation Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 150000002505 iron Chemical class 0.000 abstract 1
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
- Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Algebra (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
Abstract
本发明公开了一种基于大数据的输电线路铁塔姿态在线监测***及方法,线监测***包括有电源、倾角传感器、风速测量仪、控制电路板、云平台数据库和上位机,其中电源分别与倾角传感器、风速测量仪和控制电路板相连接,电源给倾角传感器、风速测量仪和控制电路板提供电力,倾角传感器和风速测量仪均与控制电路板相连接,其方法为:第一步、对铁塔机械结构进行有限元分析;第二步、通过卷积神经网络对原始数据进行特征提取和处理;第三步、构建云平台数据库和开发上位机;第四步、在铁塔主材上铺设硬件***;有益效果:解决了覆冰载荷无法直接测量的问题,结构简单,易于安装、维护以及拆卸,成本较低,具有较高的经济效益,可大范围推广。
Description
技术领域
本发明涉及一种输电线路铁塔姿态在线监测***及方法,特别涉及一种基于大数据的输电线路铁塔姿态在线监测***及方法。
背景技术
目前,对于电力***来说,完善的监测和预警***是必不可少的,尤其是跨地区远距离输电线路,经常穿过山体、沟壑或是极端温度地带。这些地带不仅有着恶劣的天气环境,且不便于巡检工作的进行。在多种不利因素的作用下,这些输电铁塔不仅容易发生倾斜、沉降甚至倒塌的事故,还无法第一时间将故障信息传递至运维中心,进一步加剧了财产损失。
现有的铁塔监测***由不同传感器主要分位置姿态监测、应力传感器监测以及倾角传感器监测三类。位置姿态检测主要是通过高精度卫星定位检测铁塔关键节点与参考坐标产生的位移,此方法依赖于定位技术精度的高低。比较典型的有发明专利“一种铁塔形变的监测方法及监测***(申请号:CN201910621261.8)”所提出的参考原点变化量的方法,以及发明专利“一种铁塔安全监测预警***(申请号:CN202021994179.4)”所提出的铁塔坐标与附近参考点坐标比较的方法。而应力传感器主要是采用光栅光纤传感器附着在被测杆件表面,通过测量光栅反射波长或透射波长判断应力改变的大小,此方法虽精度较高,但经济效益低,不利于大规模推广。比较典型的有发明专利“基于光纤光栅的输电线路铁塔形变在线监测装置及方法(申请号:CN201610157393.6)”所提出的分布式光栅光纤检测方法。
倾角传感器监测是在铁塔横担或一定高度的主材上放置含有陀螺仪的加速度传感器,当铁塔塔身发生倾斜时,传感器发出信号,将信息远程传输。但对于铁塔来说,无论是哪种载荷作用于塔身,使铁塔发生安全事故的直接原因都是塔身结构的应力发生改变。传统的倾角传感器没有直接测量应力,特别是没有反映出倾角与塔身应力之间的关系,容易造成较大误差。
发明内容
本发明的目的是为了解决现有的输电铁塔的监测***和方法在使用过程时存在的诸多问题,而提供的一种基于大数据的输电线路铁塔姿态在线监测***及方法。
本发明提供的基于大数据的输电线路铁塔姿态在线监测***包括有电源、倾角传感器、风速测量仪、控制电路板、云平台数据库和上位机,其中电源分别与倾角传感器、风速测量仪和控制电路板相连接,电源给倾角传感器、风速测量仪和控制电路板提供电力,倾角传感器和风速测量仪均与控制电路板相连接,倾角传感器和风速测量仪能够把采集的数据实时传输给控制电路板,控制电路板与云平台数据库之间能够进行无线通讯,控制电路板能够把接收到的数据传输到云平台数据库,云平台数据库与上位机之间也能够进行无线通讯,上位机能够从云平台数据库中进行数据下载、显示和分析。
电源包括有太阳能发电装置和电池,其中太阳能发电装置与电池相连接,太阳能发电装置给电池进行充电,电池分别与倾角传感器、风速测量仪和控制电路板相连接,电池给倾角传感器、风速测量仪和控制电路板提供电力,太阳能发电装置的输出电压为6V,输出功率为5W,电池的规格为4000mAh容量锂离子电池。
倾角传感器装配有四个,四个倾角传感器均装配在铁塔主材距地九米的位置处,四个倾角传感器呈正方形等边布设。
风速测量仪装配在铁塔塔角十米范围内开阔、平坦处,风速测量仪包括风力传感器和风向传感器,风速测量仪内部集成远程通讯模块,远程通讯模块通过Lora无线网络与控制电路板进行通讯。
控制电路板的型号为STM32F,控制电路板包括有控制模块、储存模块和无线通信模块,其中控制模块与倾角传感器连接,控制模块用于驱动倾角传感器和接收倾角传感器返回的倾角变化信号,控制模块与储存模块相连接,控制模块输出的倾角变化信号能够输入到储存模块,控制模块还与无线通信模块相连接,控制模块能够将储存模块中的数据通过无线通讯模块发送至云平台数据库,无线通信模块采用Lora无线网络通讯与云平台数据库之间进行数据交换。
云平台数据库采用阿里云服务器ECS,阿里云服务器ECS搭载windows server2019 64位操作***,阿里云服务器ECS拥有100G固态硬盘空间,阿里云服务器ECS使用专有网络对外通讯,云平台数据库使用Oracle数据库在云平台中存放和收发数据,云平台数据库存储过程使用Oracle apex工具开发,云平台数据库编程语言使用pl-sql,云平台数据库中的通讯和数据中台使用pycharm工具开发,编程语言使用python。
上位机中的显示界面采用网页显示,上位机的前端和后端使用intellij idea工具开发,上位机的编程语言使用java。
上述的电源、倾角传感器、风速测量仪和上位机均为现有设备的组装,因此,具体型号和规格没有进行赘述。
本发明提供的基于大数据的输电线路铁塔姿态在线监测方法,其方法包括如下步骤:
第一步、对铁塔机械结构进行有限元分析,即把连续不规则的物体分解为有限个单元,在ANSYS软件中建立铁塔机械结构模型,模拟施加风载荷和覆冰载荷的组合工况;
其中,风载荷分为线条风载荷、杆塔风载荷以及绝缘子串风载荷;
线条风载荷的计算公式如下:
Wx=α·Wo·μz·μsc·βc·d·Lp·B1·sin2θ
Wo=V2/1600
其中,Wx为垂直于导线及地线方向的水平风荷载标准值;
α为风压不均匀系数;
μz为风压高度变化系数;
μsc为导线或地线的体型系数;
βc为500kV和750kV线路导线及地线风荷载调整系数;
d为导线或地线的外径或覆冰时的计算外径;
Lp为杆塔的水平档距;
B1为导、地线及绝缘子串覆冰风荷载增大系数;
θ为风向与导线或地线方向之间的夹角;
Wo为基准风压标准值;
V为基准高度为10m的风速。
杆塔风载荷的计算公式如下:
Ws=Wo·μz·μs·B2·As·βz
其中,Ws为杆塔风荷载标准值;
μs为构件的体型系数;
B2为杆塔构件覆冰风荷载增大系数;
As为迎风面构件的投影面积计算值;
βz为杆塔风荷载调整系数。
绝缘子串风载荷的计算公式如下:
W1=Wo·μz·B1·A1
其中,W1绝缘子串风荷载标准值;
A1为绝缘子串承受风压面积计算值。
覆冰载荷大小为
其中:Wf为覆冰载荷标准值;
为导线的计算拉断力;
k1为导线的安全系数;
为地线的计算拉断力;
k2为地线的安全系数;
将得到的最大风载荷和最大覆冰载荷输入至有限元分析软件;
通过有限元分析得到铁塔在某具体数值的载荷下应力数据和关键杆件位移数据,通过公式推导得出某点受力发生形变时,位移的改变大小和角度的改变大小关系如下:
其中:M为角度改变大小;
s为该点发生的位移大小;
h为该点所在高度;
第二步、设计一种判定方法,采用机器学习,通过卷积神经网络对原始数据进行特征提取和处理,得到铁塔不同工况下的载荷大小与倾斜角度的对应关系,并通过倾角传感器测量结果判断铁塔机械结构的安全状态,具体方法如下:
将第一步得到的应力、位移以及角度变化量和铁塔在极端天气下的温度、湿度、风向、风力、降雨和雪量、积水量以及覆冰量数据相结合,构成训练集和测试集,对训练集和测试集中对应的正常样本和故障样本标注标签。
构建第一层卷积层,对原始数据进行特征提取。
使用ReLU函数作为激活函数,ReLU函数表达式为:f(x)=max(0,x)
构建池化层,对输入的特征量进行压缩,简化网络计算复杂度并提取主要特征。
构建第二层卷积层和第三层卷积层,使用与第一层相同的激活函数和池化层。
构建全连接层,连接所有特征,将数据送入分类器,分类器对特征提取和学习后的重构特征数据进行故障分类。
设置训练样本、验证样本以及测试样本比重,验证模型结果,得到角度变化量与铁塔在极端天气下的温度、湿度、风向、风力、降雨和雪量、积水量以及覆冰量的对应关系。
第三步、构建云平台数据库和开发上位机,具体方法如下:
使用阿里云服务器ECS,阿里云服务器ECS搭载windows server 2019 64位操作***,拥有100G固态硬盘空间,使用专有网络对外通讯;
使用Oracle数据库在云平台数据库中存放和收发数据,云平台数据库存储过程使用Oracle apex工具开发,编程语言使用pl-sql,云平台数据库中的通讯和数据中台使用pycharm工具开发,编程语言使用python;
上位机的显示界面采用网页显示,上位机的前端、后端使用intellij idea工具开发,编程语言使用java;
第四步、在铁塔主材上铺设硬件***,每个监测点配套放置一个倾角传感器、一个控制电路板以及一个电源,用F型防水接线盒封装,防水接线盒背部安装磁钢材料,使F型防水接线盒直接吸附至铁塔主材表面,控制电路板上包含一颗STM32F103C8T6核心、一个BC26无线通信模块以及一个24C512储存芯片,一个最大5V的电源供应接入口;控制电路板集成了AD模块,能够实时监测电池电压,在低电压时及时预警,BC26通信模块能够***物联卡,使用物联网专用信道进行数据传输,采用分布式MQTT通信协议,能够在高并发、网络信号差的极端环境下保证信息传输质量,24C512储存芯片拥有512Kbit容量,在网络不稳定情况下能够暂存传感器数据,防止数据丢失,电源供应接口为电路板提供最大5V直流电压;
倾角传感器采用MPU6050,倾角传感器与STM32F103C8T6核心连接,倾角传感器内部含有三轴陀螺仪,倾角传感器能够在X、Y、Z三个方向上检测0.1°以上的角度改变;
硬件***安装完成后,太阳能发电装置对电池充电;
***上电后,电源对控制电路板供电,控制模块得电后驱动倾角传感器工作,倾角传感器得到的数据输送到控制模块,控制模块将数据放入储存模块中暂存,控制模块将储存模块中的数据提供给无线通讯模块,再由无线通讯模块将数据通过Lora网关远程发送到云平台数据库;
***上电后,电源对风速测量仪供电,风速测量仪中包含风力传感器和风向传感器,风速测量仪内部集成Lora通信模块,风速测量仪能够直接将信息通信至云平台数据库;
上位机中的显示***从云平台数据库下载数据,进行分析,当检测到异常数据时进行报警提示。
本发明的有益效果:
本发明提供的基于大数据的输电线路铁塔姿态在线监测***及方法相比现有的基于倾角传感器监测铁塔状态的***和方法,解决了覆冰载荷无法直接测量的问题,对多方面导致铁塔发生倾斜的载荷量进行解耦,对铁塔发生故障的原因具体分类。本发明将倾角传感器测得的某点倾角大小转换为铁塔该点的应力大小,相比直接使用倾角传感器得出铁塔安全状态的方法更加可靠。本发明结构简单,易于安装、维护以及拆卸,成本较低,功能完善,可后期加装,且有一定的可拓展空间,具有较高的经济效益,可大范围推广。
附图说明
图1为本发明所述的在线监测***整体结构框图。
图2为本发明所述的机械结构载荷分析输出结果示意图。
图3为本发明所述的实际输出与预测输出值示意图。
图4为本发明所述的拟合过程均方差下降过程示意图。
上图中的标注如下:
1、电源2、倾角传感器3、风速测量仪4、控制电路板
5、云平台数据库6、上位机7、控制模块8、储存模块
9、无线通信模块。
具体实施方式
请参阅图1至图4所示:
本发明提供的基于大数据的输电线路铁塔姿态在线监测***包括有电源1、倾角传感器2、风速测量仪3、控制电路板4、云平台数据库5和上位机6,其中电源1分别与倾角传感器2、风速测量仪3和控制电路板4相连接,电源1给倾角传感器2、风速测量仪3和控制电路板4提供电力,倾角传感器2和风速测量仪3均与控制电路板4相连接,倾角传感器2和风速测量仪3能够把采集的数据实时传输给控制电路板4,控制电路板4与云平台数据库5之间能够进行无线通讯,控制电路板4能够把接收到的数据传输到云平台数据库5,云平台数据库5与上位机6之间也能够进行无线通讯,上位机6能够从云平台数据库5中进行数据下载、显示和分析。
电源1包括有太阳能发电装置和电池,其中太阳能发电装置与电池相连接,太阳能发电装置给电池进行充电,电池分别与倾角传感器2、风速测量仪3和控制电路板4相连接,电池给倾角传感器2、风速测量仪3和控制电路板4提供电力,太阳能发电装置的输出电压为6V,输出功率为5W,电池的规格为4000mAh容量锂离子电池。
倾角传感器2装配有四个,四个倾角传感器2均装配在铁塔主材距地九米的位置处,四个倾角传感器2呈正方形等边布设。
风速测量仪3装配在铁塔塔角十米范围内开阔、平坦处,风速测量仪3包括风力传感器和风向传感器,风速测量仪3内部集成远程通讯模块,远程通讯模块通过Lora无线网络与控制电路板4进行通讯。
控制电路板4的型号为STM32F,控制电路板4包括有控制模块7、储存模块8和无线通信模块9,其中控制模块7与倾角传感器2连接,控制模块7用于驱动倾角传感器2和接收倾角传感器2返回的倾角变化信号,控制模块7与储存模块8相连接,控制模块7输出的倾角变化信号能够输入到储存模块8,控制模块7还与无线通信模块9相连接,控制模块7能够将储存模块8中的数据通过无线通讯模块9发送至云平台数据库5,无线通信模块9采用Lora无线网络通讯与云平台数据库5之间进行数据交换。
云平台数据库5采用阿里云服务器ECS,阿里云服务器ECS搭载windows server2019 64位操作***,阿里云服务器ECS拥有100G固态硬盘空间,阿里云服务器ECS使用专有网络对外通讯,云平台数据库5使用Oracle数据库在云平台中存放和收发数据,云平台数据库5存储过程使用Oracle apex工具开发,云平台数据库5编程语言使用pl-sql,云平台数据库5中的通讯和数据中台使用pycharm工具开发,编程语言使用python。
上位机6中的显示界面采用网页显示,上位机6的前端和后端使用intellijidea工具开发,上位机6的编程语言使用java。
上述的电源1、倾角传感器2、风速测量仪3和上位机6均为现有设备的组装,因此,具体型号和规格没有进行赘述。
本发明提供的基于大数据的输电线路铁塔姿态在线监测方法,其方法包括如下步骤:
第一步、对铁塔机械结构进行有限元分析,即把连续不规则的物体分解为有限个单元,在ANSYS软件中建立铁塔机械结构模型,模拟施加风载荷和覆冰载荷的组合工况;
其中,风载荷分为线条风载荷、杆塔风载荷以及绝缘子串风载荷;
线条风载荷的计算公式如下:
Wx=α·Wo·μz·μsc·βc·d·Lp·B1·sin2θ
Wo=V2/1600
其中,Wx为垂直于导线及地线方向的水平风荷载标准值;
α为风压不均匀系数;
μz为风压高度变化系数;
μsc为导线或地线的体型系数;
βc为500kV和750kV线路导线及地线风荷载调整系数;
d为导线或地线的外径或覆冰时的计算外径;
Lp为杆塔的水平档距;
B1为导、地线及绝缘子串覆冰风荷载增大系数;
θ为风向与导线或地线方向之间的夹角;
Wo为基准风压标准值;
V为基准高度为10m的风速。
杆塔风载荷的计算公式如下:
Ws=Wo·μz·μs·B2·As·βz
其中,Ws为杆塔风荷载标准值;
μs为构件的体型系数;
B2为杆塔构件覆冰风荷载增大系数;
As为迎风面构件的投影面积计算值;
βz为杆塔风荷载调整系数。
绝缘子风载荷的计算公式如下:
W1=Wo·μz·B1·A1
其中,W1绝缘子串风荷载标准值;
A1为绝缘子串承受风压面积计算值。
覆冰载荷大小为
其中:Wf为覆冰载荷标准值;
为导线的计算拉断力;
k1为导线的安全系数;
为地线的计算拉断力;
k2为地线的安全系数;
将得到的最大风载荷和最大覆冰载荷输入至有限元分析软件;
通过有限元分析得到铁塔在某具体数值的载荷下应力数据和关键杆件位移数据,通过公式推导得出某点受力发生形变时,位移的改变大小和角度的改变大小关系如下:
其中:M为角度改变大小;
s为该点发生的位移大小;
h为该点所在高度;
第二步、设计一种判定方法,采用机器学习,通过卷积神经网络对原始数据进行特征提取和处理,得到铁塔不同工况下的载荷大小与倾斜角度的对应关系,并通过倾角传感器测量结果判断铁塔机械结构的安全状态,具体方法如下:
将第一步得到的应力、位移以及角度变化量和铁塔在极端天气下的温度、湿度、风向、风力、降雨和雪量、积水量以及覆冰量数据相结合,构成训练集和测试集,对训练集和测试集中对应的正常样本和故障样本标注标签。
构建第一层卷积层,对原始数据进行特征提取。
使用ReLU函数作为激活函数,ReLU函数表达式为:f(x)=max(0,x)
构建池化层,对输入的特征量进行压缩,简化网络计算复杂度并提取主要特征。
构建第二层卷积层和第三层卷积层,使用与第一层相同的激活函数和池化层。
构建全连接层,连接所有特征,将数据送入分类器,分类器对特征提取和学习后的重构特征数据进行故障分类。
设置训练样本、验证样本以及测试样本比重,验证模型结果,得到角度变化量与铁塔在极端天气下的温度、湿度、风向、风力、降雨和雪量、积水量以及覆冰量的对应关系。
第三步、构建云平台数据库5和开发上位机6,具体方法如下:
使用阿里云服务器ECS,阿里云服务器ECS搭载windows server 2019 64位操作***,拥有100G固态硬盘空间,使用专有网络对外通讯;
使用Oracle数据库在云平台数据库5中存放和收发数据,云平台数据库5存储过程使用Oracle apex工具开发,编程语言使用pl-sql,云平台数据库5中的通讯和数据中台使用pycharm工具开发,编程语言使用python;
上位机6的显示界面采用网页显示,上位机6的前端、后端使用intellij idea工具开发,编程语言使用java;
第四步、在铁塔主材上铺设硬件***,每个监测点配套放置一个倾角传感器2、一个控制电路板4以及一个电源1,用F型防水接线盒封装,防水接线盒背部安装磁钢材料,使F型防水接线盒直接吸附至铁塔主材表面,控制电路板4上包含一颗STM32F103C8T6核心、一个BC26无线通信模块9以及一个24C512储存芯片,一个最大5V的电源1供应接入口;控制电路板4集成了AD模块,能够实时监测电池电压,在低电压时及时预警,BC26通信模块能够***物联卡,使用物联网专用信道进行数据传输,采用分布式MQTT通信协议,能够在高并发、网络信号差的极端环境下保证信息传输质量,24C512储存芯片拥有512Kbit容量,在网络不稳定情况下能够暂存传感器数据,防止数据丢失,电源供应接口为电路板提供最大5V直流电压;
倾角传感器2采用MPU6050,倾角传感器2与STM32F103C8T6核心连接,倾角传感器2内部含有三轴陀螺仪,倾角传感器2能够在X、Y、Z三个方向上检测0.1°以上的角度改变;
硬件***安装完成后,太阳能发电装置对电池充电;
***上电后,电源1对控制电路板4供电,控制模块7得电后驱动倾角传感器2工作,倾角传感器2得到的数据输送到控制模块7,控制模块7将数据放入储存模块8中暂存,控制模块7将储存模块8中的数据提供给无线通讯模块9,再由无线通讯模块9将数据通过Lora网关远程发送到云平台数据库5;
***上电后,电源1对风速测量仪3供电,风速测量仪3中包含风力传感器和风向传感器,风速测量仪3内部集成Lora通信模块,风速测量仪3能够直接将信息通信至云平台数据库5;
上位机6中的显示***从云平台数据库5下载数据,进行分析,当检测到异常数据时进行报警提示。
Claims (1)
1.一种基于大数据的输电线路铁塔姿态在线监测方法,其特征在于:所述的基于大数据的输电线路铁塔姿态在线监测***包括有电源、倾角传感器、风速测量仪、控制电路板、云平台数据库和上位机,其中电源分别与倾角传感器、风速测量仪和控制电路板相连接,电源给倾角传感器、风速测量仪和控制电路板提供电力,倾角传感器和风速测量仪均与控制电路板相连接,倾角传感器和风速测量仪能够把采集的数据实时传输给控制电路板,控制电路板与云平台数据库之间能够进行无线通讯,控制电路板能够把接收到的数据传输到云平台数据库,云平台数据库与上位机之间也能够进行无线通讯,上位机能够从云平台数据库中进行数据下载、显示和分析;
在线监测方法包括如下步骤:
第一步、对铁塔机械结构进行有限元分析,即把连续不规则的物体分解为有限个单元,在ANSYS软件中建立铁塔机械结构模型,模拟施加风载荷和覆冰载荷的组合工况;
其中,风载荷分为线条风载荷、杆塔风载荷以及绝缘子串风载荷;
线条风载荷的计算公式如下:
Wx=α·Wo·μz·μsc·βc·d·Lp·B1·sin2θ
Wo=V2/1600
其中,Wx为垂直于导线及地线方向的水平风荷载标准值;
α为风压不均匀系数;
μz为风压高度变化系数;
μsc为导线或地线的体型系数;
βc为500kV和750kV线路导线及地线风荷载调整系数;
d为导线或地线的外径或覆冰时的计算外径;
Lp为杆塔的水平档距;
B1为导、地线及绝缘子串覆冰风荷载增大系数;
θ为风向与导线或地线方向之间的夹角;
Wo为基准风压标准值;
V为基准高度为10m的风速;
杆塔风载荷的计算公式如下:
Ws=Wo·μz·μs·B2·As·βz
其中,Ws为杆塔风荷载标准值;
μs为构件的体型系数;
B2为杆塔构件覆冰风荷载增大系数;
As为迎风面构件的投影面积计算值;
βz为杆塔风荷载调整系数;
绝缘子风载荷的计算公式如下:
W1=Wo·μz·B1·A1
其中,W1绝缘子串风荷载标准值;
A1为绝缘子串承受风压面积计算值;
覆冰载荷大小为
其中:Wf为覆冰载荷标准值;
为导线的计算拉断力;
k1为导线的安全系数;
为地线的计算拉断力;
k2为地线的安全系数;
将得到的最大风载荷和最大覆冰载荷输入至有限元分析软件;
通过有限元分析得到铁塔在某具体数值的载荷下应力数据和关键杆件位移数据,通过公式推导得出某点受力发生形变时,位移的改变大小和角度的改变大小关系如下:
其中:M为角度改变大小;
s为该点发生的位移大小;
h为该点所在高度;
第二步、设计一种判定方法,采用机器学习,通过卷积神经网络对原始数据进行特征提取和处理,得到铁塔不同工况下的载荷大小与倾斜角度的对应关系,并通过倾角传感器测量结果判断铁塔机械结构的安全状态,具体方法如下:
将第一步得到的应力、位移以及角度变化量和铁塔在极端天气下的温度、湿度、风向、风力、降雨和雪量、积水量以及覆冰量数据相结合,构成训练集和测试集,对训练集和测试集中对应的正常样本和故障样本标注标签;
构建第一层卷积层,对原始数据进行特征提取;
使用ReLU函数作为激活函数,ReLU函数表达式为:f(x)=max(0,x)
构建池化层,对输入的特征量进行压缩,简化网络计算复杂度并提取主要特征;
构建第二层卷积层和第三层卷积层,使用与第一层相同的激活函数和池化层;
构建全连接层,连接所有特征,将数据送入分类器,分类器对特征提取和学习后的重构特征数据进行故障分类;
设置训练样本、验证样本以及测试样本比重,验证模型结果,得到角度变化量与铁塔在极端天气下的温度、湿度、风向、风力、降雨和雪量、积水量以及覆冰量的对应关系;
第三步、构建云平台数据库和开发上位机,具体方法如下:
使用云服务器,并使用专有网络对外通讯;
使用Oracle数据库在云平台数据库中存放和收发数据,云平台数据库存储过程使用Oracle apex工具开发,编程语言使用pl-sql,云平台数据库中的通讯和数据中台使用pycharm工具开发,编程语言使用python;
上位机的显示界面采用网页显示,上位机的前端、后端使用intellijidea工具开发,编程语言使用java;
第四步、在铁塔主材上铺设硬件***,每个监测点配套放置一个倾角传感器、一个控制电路板以及一个电源,用F型防水接线盒封装,防水接线盒背部安装磁钢材料,使F型防水接线盒直接吸附至铁塔主材表面,控制电路板上包含一颗STM32F103C8T6核心、一个BC26无线通信模块以及一个24C512储存芯片,一个最大5V的电源供应接入口;控制电路板集成了AD模块,能够实时监测电池电压,在低电压时及时预警,BC26通信模块能够***物联卡,使用物联网专用信道进行数据传输,采用分布式MQTT通信协议,能够在高并发、网络信号差的极端环境下保证信息传输质量,24C512储存芯片拥有512Kbit容量,在网络不稳定情况下能够暂存传感器数据,防止数据丢失,电源供应接口为电路板提供最大5V直流电压;
倾角传感器采用MPU6050,倾角传感器与STM32F103C8T6核心连接,倾角传感器内部含有三轴陀螺仪,倾角传感器能够在X、Y、Z三个方向上检测0.1°以上的角度改变;
硬件***安装完成后,太阳能发电装置对电池充电;
***上电后,电源对控制电路板供电,控制模块得电后驱动倾角传感器工作,倾角传感器得到的数据输送到控制模块,控制模块将数据放入储存模块中暂存,控制模块将储存模块中的数据提供给无线通讯模块,再由无线通讯模块将数据通过Lora网关远程发送到云平台数据库;
***上电后,电源对风速测量仪供电,风速测量仪中包含风力传感器和风向传感器,风速测量仪内部集成Lora通信模块,风速测量仪能够直接将信息通信至云平台数据库;
上位机中的显示***从云平台数据库下载数据,进行分析,当检测到异常数据时进行报警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210408018.XA CN114719909B (zh) | 2022-04-19 | 2022-04-19 | 一种基于大数据的输电线路铁塔姿态在线监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210408018.XA CN114719909B (zh) | 2022-04-19 | 2022-04-19 | 一种基于大数据的输电线路铁塔姿态在线监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114719909A CN114719909A (zh) | 2022-07-08 |
CN114719909B true CN114719909B (zh) | 2024-03-15 |
Family
ID=82244041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210408018.XA Active CN114719909B (zh) | 2022-04-19 | 2022-04-19 | 一种基于大数据的输电线路铁塔姿态在线监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114719909B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115615493B (zh) * | 2022-12-16 | 2023-03-28 | 深圳市瑞芬科技有限公司 | 一种用于测量风力发电机组倾斜与摇摆的传感器 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201885752U (zh) * | 2010-09-28 | 2011-06-29 | 安徽鸿宇电气技术有限公司 | 输电线路在线监测仪 |
CN103017732A (zh) * | 2012-12-08 | 2013-04-03 | 安徽省电力公司淮北供电公司 | 输电杆塔倾斜角度在线监测方法 |
CN203908712U (zh) * | 2014-05-26 | 2014-10-29 | 西安工程大学 | 输电线路铁塔应力在线监测*** |
CN105468876A (zh) * | 2015-12-28 | 2016-04-06 | 国网山东省电力公司经济技术研究院 | 一种实时在线评估输电塔安全状态的方法及其*** |
CN105843151A (zh) * | 2016-06-16 | 2016-08-10 | 国网江苏省电力公司电力科学研究院 | 一种输电杆塔的远程安全监测*** |
CN110837672A (zh) * | 2019-11-15 | 2020-02-25 | 国网湖南省电力有限公司 | 一种取消地线后输电线路铁塔的设计方法 |
CN112484779A (zh) * | 2020-11-24 | 2021-03-12 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种电力线路杆塔受力模式下的倾角覆冰监测方法 |
CN112556903A (zh) * | 2020-09-22 | 2021-03-26 | 国家电网有限公司 | 一种杆塔塔材全状态监测分析方法 |
CN114048091A (zh) * | 2021-10-21 | 2022-02-15 | 北京智芯微电子科技有限公司 | 边缘物联代理装置和电力输电线路的在线监测*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221381B (zh) * | 2011-06-10 | 2012-10-03 | 国网信息通信有限公司 | 电网输电线路监测方法和*** |
DE102013209060A1 (de) * | 2013-05-16 | 2014-11-20 | Robert Bosch Gmbh | Vorrichtung zur Erfassung eines Drucks und einer Temperatur eines in einem Kanal strömenden fluiden Mediums |
-
2022
- 2022-04-19 CN CN202210408018.XA patent/CN114719909B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201885752U (zh) * | 2010-09-28 | 2011-06-29 | 安徽鸿宇电气技术有限公司 | 输电线路在线监测仪 |
CN103017732A (zh) * | 2012-12-08 | 2013-04-03 | 安徽省电力公司淮北供电公司 | 输电杆塔倾斜角度在线监测方法 |
CN203908712U (zh) * | 2014-05-26 | 2014-10-29 | 西安工程大学 | 输电线路铁塔应力在线监测*** |
CN105468876A (zh) * | 2015-12-28 | 2016-04-06 | 国网山东省电力公司经济技术研究院 | 一种实时在线评估输电塔安全状态的方法及其*** |
CN105843151A (zh) * | 2016-06-16 | 2016-08-10 | 国网江苏省电力公司电力科学研究院 | 一种输电杆塔的远程安全监测*** |
CN110837672A (zh) * | 2019-11-15 | 2020-02-25 | 国网湖南省电力有限公司 | 一种取消地线后输电线路铁塔的设计方法 |
CN112556903A (zh) * | 2020-09-22 | 2021-03-26 | 国家电网有限公司 | 一种杆塔塔材全状态监测分析方法 |
CN112484779A (zh) * | 2020-11-24 | 2021-03-12 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种电力线路杆塔受力模式下的倾角覆冰监测方法 |
CN114048091A (zh) * | 2021-10-21 | 2022-02-15 | 北京智芯微电子科技有限公司 | 边缘物联代理装置和电力输电线路的在线监测*** |
Non-Patent Citations (2)
Title |
---|
FRP在杆塔改造中的应用;张林 等;《山东电力技术》;20170125;第第44卷卷;第76-79页 * |
油田修井机井架的力学分析与优化设计;杨晓红 等;《石油勘探与开发》(第04期);第488-492页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114719909A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102879692B (zh) | 一种多旋翼无人机检测绝缘子方法与装置 | |
CN114719909B (zh) | 一种基于大数据的输电线路铁塔姿态在线监测***及方法 | |
CN102607644B (zh) | 一种建筑施工监测***及其监测方法 | |
CN107368463A (zh) | 基于光纤光栅传感网络数据的巷道非线性变形预测方法 | |
CN107764387B (zh) | 一种在轨质量测量仪地面校准装置及校准方法 | |
CN112556903A (zh) | 一种杆塔塔材全状态监测分析方法 | |
CN103900640A (zh) | 基于岩土实验平台的实验数据监测*** | |
CN109061722A (zh) | 一种变电站抗震评估***及方法 | |
CN106453523A (zh) | 一种智能天气识别***及方法 | |
CN114564874A (zh) | 面向故障仿真的接触网三维可视化模型构建方法及*** | |
CN113674512A (zh) | 一种带电交叉跨越施工现场在线监测预警***及方法 | |
CN113112757A (zh) | 一种导地线比载变化量测量方法、***、装置和存储介质 | |
CN115203623A (zh) | 一种覆冰监测异常数据质量评估处理方法及*** | |
CN116468422A (zh) | 输电线路线夹温升与剩余寿命预测方法及装置 | |
CN110702161A (zh) | 一种输电铁塔绝缘子销钉脱落监测定位装置及方法 | |
CN106501679A (zh) | 故障录波器工况信息远程监控、维护及快速浏览*** | |
CN113155017B (zh) | 一种山区管道应变在线监测*** | |
CN113077628B (zh) | 一种复合地磁车辆检测器的算法 | |
CN213028117U (zh) | 一种铁塔安全监测预警*** | |
CN210719006U (zh) | 一种不稳定斜坡上的高压电塔北斗变形监测预警*** | |
CN114166397A (zh) | 一种线缆一体式张力监测装置及监测方法 | |
CN106996763B (zh) | 便携式电线积冰自动检测装置及积冰观测对比方法 | |
CN112345128A (zh) | 一种架空输电线路导地线机械力学监测分析方法 | |
CN201314850Y (zh) | 一种光纤复合架空地线在线监测***的拉力监测装置 | |
CN112055070A (zh) | 基于物联网的无线分布式地质灾害监测数据采集*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |