CN115130369A - 基于数字孪生的变电站设备综合状态评估与主动预警方法 - Google Patents
基于数字孪生的变电站设备综合状态评估与主动预警方法 Download PDFInfo
- Publication number
- CN115130369A CN115130369A CN202210496219.XA CN202210496219A CN115130369A CN 115130369 A CN115130369 A CN 115130369A CN 202210496219 A CN202210496219 A CN 202210496219A CN 115130369 A CN115130369 A CN 115130369A
- Authority
- CN
- China
- Prior art keywords
- substation equipment
- point cloud
- grid
- data
- early warning
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括:1)采集变电站设备及环境的点云数据;2)采集变电站设备及环境的红外图谱和温度数据,把红外图谱数据映射到三维的变电站设备点云数据上,得到点云每个空间点的温度信息;3)分析采集结果,过程如下:建立网格关系图,使点云数据在网格关系中产生逻辑关系,通过某个网格的ID序号确定与另一个网格ID的位置和距离;计算变电站设备按网格划分的每个区域的温度分布状态,和历史变化情况对比后,得到变电站设备的当前运行状态;基于变电站设备的运行状态进一步使用AI学习的方法计算是否需要产生预警。本发明实施简单,扫描速度快,数据全面,预警准确和全面。
Description
技术领域
本发明属于涉及计算机三维仿真、虚拟现实、深度学习、红外测温技术、图像显示、点云处理等领域,涉及一种基于数字孪生的变电站设备综合状态评估与主动预警方法。
背景技术
CN202010434848.0《一种基于红外线成像技术的变电设备运行状态监测***》中,此专利提及优化红外图像传输和分析方法,但是对于红外图像分析设备状态时的信息完整度并没有改变,无法全方位分析设备状态并产生预警。并且此种分析是基于图像识别技术,无法真实获取设备的温度值。CN201710461399.7《一种基于红外热像图的输变电设备状态分析方法》,此专利中使用了红外在像技术,把二维温度转为一维温度概率分布,没有空间信息,从而不能准确的针对设备的具体部位给出分析结果。基于概率的分布,也无法针对设备的具体部位按温度的历史数据进行分析,此专利只是分析了设备的关键部位的温度分布和变化情况,没有覆盖设备所有部位。CN201810300579.1《一种基于红外图像的电力设备状态智能预警方法》提及只使用电气设备的最高运行温度进行设备状态的分析,从而忽略了非最高温度设备部位中也有可能产生故障的可能,分析的不够全面。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种基于数字孪生的变电站设备综合状态评估与主动预警方法。
为此,本发明提供的技术方案为:
一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括如下步骤:
1)采集变电站设备及环境的点云数据;
2)采集变电站设备及环境的红外图谱和温度数据,之后把变电站设备的红外图谱数据映射到三维的变电站设备点云数据上,得到变电站设备点云每个空间点的温度信息;
3)把上述采集结果发送给分析程序和预警程序进行分析,分析过程如下:
3.1)建立网格关系图,使点云数据在网格关系中产生逻辑关系,所述逻辑关系是指位置关系,通过某个网格的ID序号可确定与另一个网格ID的位置和距离;
3.2)温度分析程序计算变电站设备按网格划分的每个区域的温度分布状态,所述区域的划分是以变电站设备的部件为基础,把部件按网格划分后,可得到数个区域,每个区域中包含数十个网格块,
3.3)和历史变化情况对比后,可得到变电站设备的当前运行状态;
3.4)基于变电站设备的所述运行状态由运行状态程序进一步使用AI学习的方法计算是否需要产生预警。此预警结果基于历史数据分析得出,是实时运行状态的有效预测。
优选的是,所述的基于数字孪生的变电站设备综合状态评估与主动预警方法中,步骤2)中,温度映射使用图形学中空间点映射到屏幕点的计算公式1,在计算中,找点云中距离采集点最近距离的计算,采用公式2:
公式1:p=v*M*V*P公式中v为点云坐标,M为模型变换矩阵,V为视图变换矩阵,P为屏幕变换矩阵,p为最终的屏幕上的点;
公式2:V=Get(Vs,MIN(Len(V1-C),Len(V2-C),Len(V3-C),...,Len(Vn-C)))此公式为取Vs点云数组中离采集位置最短距离的点,其中Vs为点云数据集,Vn为点云数据中的某一个点,C为采集点位置;
利于上面的公式,可得到离采集点位置最近的唯一的点云数据坐标;
其中P和V的构造需要为采集设备的位置和角度。
优选的是,所述的基于数字孪生的变电站设备综合状态评估与主动预警方法中,步骤3.1)中,网格ID生成公式为:
公式中xyz组合表示当前坐标位置,xm,ym,zm分别表示要计算的范围的最小XYZ值;
Gx,Gy,Gz表示当前网格计算过程中的xyz三个轴方向上的网格间隔。
优选的是,所述的基于数字孪生的变电站设备综合状态评估与主动预警方法中,步骤3.1)中,温度分析程序计算设备的温度分析采用的计算方法为方差偏离法,通过下面两个公式分别计算三次方差和四次方差,得到温度的变化情况,
上述公式中,Kn是峰度计算结果,Sk是偏度计算结果,n表示当前有多少个温度点参与计算,xi表示第i个点的温度值,xv表示所有点的平均温度值。
优选的是,所述的基于数字孪生的变电站设备综合状态评估与主动预警方法中,步骤1)中使用移动式机器人、滑轨式机器人安装扫描设备以获取变电站设备的点云数据;
步骤2)中通过红外相机在巡视场所无死角无差别获取红外图谱和温度数据。
优选的是,所述的基于数字孪生的变电站设备综合状态评估与主动预警方法中,还包括如下步骤:
多时间维度下海量数据的存储加载优化:不同时期获取的点云数据经过处理后,形成易于加载的瓦片格式,显示***加载不同时期数据时,程序中清理掉原有旧数据,加载新数据。
优选的是,所述的基于数字孪生的变电站设备综合状态评估与主动预警方法中,还包括如下步骤:
对于计算速度的改进:使用Cuda库,引进GPU并行运算技术,以得到更快的计算速度。
本发明至少包括以下有益效果:
本发明使用点云技术和红外扫描技术,实现全方位的设备温度映射和历史数据的分析,使用深度学习对设备温度的变化情况进行预测和比较,从而得到电气设备所有部位的运行情况,基于此结果再进行预警分析,从而保证预警的准确性和全面性。
本发明实施简单,扫描速度快,数据全面。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明其中一个实施例中的温度映射过程示意图。
图2为本发明其中一个实施例中的映射原理示意图。
图3为本发明其中一个实施例中的某个设备的网格化示意图。
图4为本发明其中一个实施例中的基于数字孪生的变电站设备综合状态评估与主动预警方法的流程图。
具体实施方式
下面对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,在本发明的描述中,术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明提供一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括:
一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括如下步骤:
1)采集变电站设备及环境的点云数据;
2)采集变电站设备及环境的红外图谱和温度数据,之后把变电站设备的红外图谱数据映射到三维的变电站设备点云数据上,得到变电站设备点云每个空间点的温度信息;
3)把上述采集结果发送给分析程序和预警程序进行分析,分析过程如下:
3.1)建立网格关系图,使点云数据在网格关系中产生逻辑关系,所述逻辑关系是指位置关系,通过某个网格的ID序号确定与另一个网格ID的位置和距离:
3.2)温度分析程序计算变电站设备按网格划分的每个区域的温度分布状态,所述区域的划分是以变电站设备的部件为基础,把部件按网格划分后,可得到数个区域,每个区域中包含数十个网格块,
3.3)和历史变化情况对比后,可得到变电站设备的当前运行状态;
3.4)基于变电站设备的所述运行状态由运行状态程序进一步使用AI学习的方法计算是否需要产生预警。此预警结果基于历史数据分析得出,是实时运行状态的有效预测。
在一些优选的方案,步骤2)中,温度映射使用图形学中空间点映射到屏幕点的计算公式1,
在计算中,离采集点最近距离的计算,采用公式2:
公式1:p=v*M*V*P公式中v为点云坐标,M为模型变换矩阵,V为视图变换矩阵,P为屏幕变换矩阵,p为最终的屏幕上的点;
公式2:V=Get(Vs,MIN(Len(V1-C),Len(V2-C),Len(V3-C),...,Len(Vn-C)))此公式为取Vs点云数组中离采集位置最短距离的点,其中Vs为点云数据集,Vn为点云数据中的某一个点,C为采集点位置;
利于上面的公式,可得到离采集点位置最近的唯一的点云数据坐标;
其中P和V的构造需要为采集设备的位置和角度。
在一些优选的方案,步骤3.1)中,网格ID生成公式为:
公式中xyz组合表示当前坐标位置,xm,ym,zm分别表示要计算的范围的最小XYZ值;
Gx,Gy,Gz表示当前网格计算过程中的xyz三个轴方向上的网格间隔。
在一些优选的方案,步骤3.1)中,温度分析程序计算设备的温度分析采用的计算方法为方差偏离法,通过下面两个公式分别计算三次方差和四次方差,得到温度的变化情况,
上述公式中,Kn是峰度计算结果,Sk是偏度计算结果,n表示当前有多少个温度点参与计算,xi表示第i个点的温度值,xv表示所有点的平均温度值。
在一些优选的方案,步骤1)中使用移动式机器人、滑轨式机器人安装扫描设备以获取变电站设备的点云数据;
步骤2)中通过红外相机在巡视场所无死角无差别获取红外图谱和温度数据。
在一些优选的方案,还包括如下步骤:
多时间维度下海量数据的存储加载优化:不同时期获取的点云数据经过处理后,形成易于加载的瓦片格式,显示***加载不同时期数据时,程序中清理掉原有旧数据,加载新数据。
在一些优选的方案中,还包括如下步骤:
对于计算速度的改进:使用Cuda库,引进GPU并行运算技术,以得到更快的计算速度。
为使本领域技术人员更好地理解本发明的技术方案,现提供如下的实施例进行说明:
实施例1
一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括如下步骤:
第一步,需要采集环境扫描信息,也就是点云数据,此时可采用任一家的点云扫描设备获取结果。
第二步,需要使用安装有红外相机的采集设备在整个环境温度。此过程结合点云技术和红外扫描技术及机器人自动巡检技术自动执行,可获取被测设备全方位的红外图谱和准确的温度数据,即根据扫描时刻的机器人位姿,把红外图谱数据映射到三维设备点云上,从而可得到设备点云每个空间点的温度信息。
温度映射过程如图1所示。
相关公式:
温度映射使用了图形学中空间点映射到屏幕点的计算公式,在计算中,考虑到离采集点最近距离的计算,也就是公式2:
公式1:p=v*M*V*P公式中v为点云坐标,M为模型变换矩阵,V为视图变换矩阵,P为屏幕变换矩阵,p为最终的屏幕上的点。
公式2:V=Get(Vs,MIN(Len(V1-C),Len(V2-C),Len(V3-C),...,Len(Vn-C)))此公式为取Vs点云数组中离采集位置最短距离的点,其中Vs为点云数据集,Vn为点云数据中的某一个点,C为采集点位置。
经过上面的公式,就可以得到离采集点位置最近的唯一的点云数据坐标.
其中P和V的构造需要用到采集设备的分辨率和视场角以及位置和角度。
映射原理示意图:如图2中数字为某个网格中的点云数量。
第三步,把采集结果发送给分析程序和预警程序进行分析,分析过程如下:
1.建立网格关系图,使无序的点云在网格关系中产生逻辑关系,这里的逻辑关系是指位置关系,可通过某个网格的ID序号确定与另一个网格ID的位置和距离.
网格ID生成公式:
公式中xyz组合表示当前坐标位置,xm,ym,zm表示要计算的范围的最小XYZ值。
Gx,Gy,Gz表示当前网格计算过程中的xyz三个轴方向上的网格间隔。
2.温度分析程序计算设备按网格划分的小区域的温度分布状态,一般区域的划分是以设备的部件为基础,把部件按网格划分后,可得到数个小区域,每个区域中包含数十个网格块,网格划分示意图。
如图3所示为某个设备的网格化示意图。
温度分析采用的计算方法为方差偏离法,通过下面两个公式计算三次方差和四次方差,得到温度的变化情况。
公式中的n表示当前有多少个温度点参与计算,xi表示第i个点的温度值,xv表示所有点的平均温度值。
Kn是峰度计算结果。Sk是偏度计算结果。
和存储的历史峰度和偏度数据对比后,可得到设备的当前运行状态。
基于这个运行状态由运行状态程序进一步使用AI学习的方法计算是否需要产生预警。此预警结果基于历史数据分析得出,是实时运行状态的有效预测.
对于计算速度的改进:
以上计算量巨大,本发明使用Cuda库,引进GPU并行运算技术,以得到更快的计算速度
本发明的流程如图4所示。
本发明实施简单,扫描速度快,数据全面。
实施例2
一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括如下步骤:
1.设备状态获取:使用移动式机器人、滑轨式机器人安装扫描设备如雷达,红外相机,在巡视场所无死角无差别获取所需要数据,如点云,红外温度数据等内容,经过平面到空间映射算法把采集到的数据映射到数字孪生(主要是点云)数据上,获取每个空间点的采集数据,激光点云按语意分割后,即可获取到每个设备的状态。
2.评估方法:使用网络数据分析方法,把设备按不同尺度的网络分割后,可按时间维度纵向对比历史数据,找出历史数据中变化较大的位置。可按设备分割横向对比,找出当前数据集下有问题的位置。
3.主动预警:根据设备的历史数据开发设备运行趋势计算模块,模拟设备运行状态变化,从而可提前发现故障并预演。
4.多时间维度下海量数据的存储加载优化:不同时期获取的点云数据经过处理后,形成易于加载的瓦片格式,显示***加载不同时期数据时,程序中清理掉原有旧数据,加载新数据。
5.缺陷智能识别技术:使用基于深度学习的图像识别技术来识别视频中出现的缺陷,识别率高,准确性好。
仿真技术:结合设备的运行原理,结合设备的数字模型,在数字孪生***内模拟设备的运行,可修改输入参数,修改设备参数得到设备的运行状态的评估。
实施例3
一种基于数字孪生的变电站设备综合状态评估与主动预警方法,包括如下步骤:
电科院变电站监测项目实施过程:
步骤1.使用点云采集设备扫描变电站全站。
步骤2.点云集合做为基础数据对扫描设备初始化。
步骤3.扫描设备使用装配的红外相机按指定路径采集温度数据。
步骤4.后台服务程序把温度数据映射到点云数据上。
步骤5.温度分析使用深度学习按设备对点云进行逐点的分析,计算出每个空间点的温度变化情况,得到设备的运行状态。
步骤6.运行状态分析程序按数据分析程序运行结果,以历史数据为基础进一步分析设备的状态,给出预警。
分析过程中,如特意设置把某个设备的温度升高,则整个***给出了预警结果。
这里说明的模块数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的实施例。
Claims (7)
1.一种基于数字孪生的变电站设备综合状态评估与主动预警方法,其特征在于,包括如下步骤:
1)采集变电站设备及环境的点云数据;
2)采集变电站设备及环境的红外图谱和温度数据,之后把变电站设备的红外图谱数据映射到三维的变电站设备点云数据上,得到变电站设备点云每个空间点的温度信息;
3)对上述采集结果进行分析,分析过程如下:
3.1)建立网格关系图,使点云数据在网格关系中产生逻辑关系,所述逻辑关系是指位置关系,通过某个网格的ID序号可确定与另一个网格ID的位置和距离,
3.2)计算变电站设备按网格划分的每个区域的温度分布状态,所述区域的划分是以变电站设备的部件为基础,把部件按网格划分后,可得到数个区域,每个区域中包含数十个网格块,
3.3)和历史变化情况对比后,可得到变电站设备的当前运行状态,
3.4)基于变电站设备的所述运行状态进一步使用AI学习的方法计算是否需要产生预警。
2.如权利要求1所述的基于数字孪生的变电站设备综合状态评估与主动预警方法,其特征在于,步骤2)中,温度映射使用图形学中空间点映射到屏幕点的计算公式1,在计算中,离采集点最近距离的计算,采用公式2:
公式1:p=v*M*V*P公式中v为点云坐标,M为模型变换矩阵,V为视图变换矩阵,P为屏幕变换矩阵,p为最终的屏幕上的点;
公式2:V=Get(Vs,MIN(Len(V1-C),Len(V2-C),Len(V3-C),...,Len(Vn-C)))此公式为取Vs点云数组中离采集位置最短距离的点,其中Vs为点云数据集,Vn为点云数据中的某一个点,C为采集点位置;
利于上面的公式,可得到离采集点位置最近的唯一的点云数据坐标;
其中P和V的构造需要为采集设备的位置和角度。
5.如权利要求1所述的基于数字孪生的变电站设备综合状态评估与主动预警方法,其特征在于,步骤1)中使用移动式机器人、滑轨式机器人安装扫描设备以获取变电站设备的点云数据;
步骤2)中通过红外相机在巡视场所无死角无差别获取红外图谱和温度数据。
6.如权利要求1所述的基于数字孪生的变电站设备综合状态评估与主动预警方法,其特征在于,还包括如下步骤:
多时间维度下海量数据的存储加载优化:不同时期获取的点云数据经过处理后,形成易于加载的瓦片格式,显示***加载不同时期数据时,程序中清理掉原有旧数据,加载新数据。
7.如权利要求1所述的基于数字孪生的变电站设备综合状态评估与主动预警方法,其特征在于,还包括如下步骤:
对于计算速度的改进:使用Cuda库,引进GPU并行运算技术,以得到更快的计算速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210496219.XA CN115130369A (zh) | 2022-05-09 | 2022-05-09 | 基于数字孪生的变电站设备综合状态评估与主动预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210496219.XA CN115130369A (zh) | 2022-05-09 | 2022-05-09 | 基于数字孪生的变电站设备综合状态评估与主动预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115130369A true CN115130369A (zh) | 2022-09-30 |
Family
ID=83376309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210496219.XA Pending CN115130369A (zh) | 2022-05-09 | 2022-05-09 | 基于数字孪生的变电站设备综合状态评估与主动预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115130369A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936060A (zh) * | 2022-12-28 | 2023-04-07 | 四川物通科技有限公司 | 一种基于深度确定性策略梯度的变电站电容温度预警方法 |
CN117893032A (zh) * | 2024-03-15 | 2024-04-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站运维健康分析方法和*** |
-
2022
- 2022-05-09 CN CN202210496219.XA patent/CN115130369A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936060A (zh) * | 2022-12-28 | 2023-04-07 | 四川物通科技有限公司 | 一种基于深度确定性策略梯度的变电站电容温度预警方法 |
CN115936060B (zh) * | 2022-12-28 | 2024-03-26 | 四川物通科技有限公司 | 一种基于深度确定性策略梯度的变电站电容温度预警方法 |
CN117893032A (zh) * | 2024-03-15 | 2024-04-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站运维健康分析方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598736B (zh) | 一种电力设备红外图像故障定位、识别与预测方法 | |
CN115130369A (zh) | 基于数字孪生的变电站设备综合状态评估与主动预警方法 | |
CN113592905B (zh) | 基于单目摄像头的车辆行驶轨迹预测方法 | |
CN111458721A (zh) | 一种暴露垃圾的识别定位方法、装置及*** | |
CN116738552B (zh) | 一种基于物联网的环境检测设备管理方法及*** | |
CN116843845A (zh) | 一种应用于数字孪生城市的空间数据集成方法及*** | |
CN117272247B (zh) | 一种应用于数字孪生智慧乡村的数据集成方法及*** | |
CN116308185A (zh) | 一种建筑工程可视化进度录入及预警方法 | |
CN116308883A (zh) | 一种基于大数据的区域电网数据统筹管理*** | |
CN115858940A (zh) | 一种基于大数据处理的钢结构焊接工艺质量管理推荐方法 | |
CN116993681A (zh) | 一种变电站巡检缺陷检测方法及*** | |
CN114463932A (zh) | 非接触式施工安全距离主动动态识别预警***及方法 | |
CN110956281A (zh) | 一种基于Log分析的电力设备异常检测报警*** | |
CN113569801A (zh) | 一种配电施工现场带电设备及其带电区域识别方法及装置 | |
CN117332906A (zh) | 基于机器学习的三维时空网格空气质量预测方法及*** | |
CN115184563B (zh) | 一种基于数字孪生的化工车间现场数据采集方法 | |
CN117091706A (zh) | 基于遥感的林冠-林冠下空气-根系附近土壤的立体化温度监测方法 | |
CN116933626A (zh) | 一种基于数字孪生的数据监测方法及装置 | |
CN116989694A (zh) | 基于3d轮廓扫描的尺寸定位检测*** | |
CN115938009A (zh) | 一种智能电子巡检定位方法及*** | |
CN114880954A (zh) | 一种基于机器学习的滑坡敏感性的评估方法 | |
CN113656918A (zh) | 一种应用于成品高架库场景的四旋翼仿真测试方法 | |
CN112926681A (zh) | 一种基于深度卷积神经网络的目标检测方法及装置 | |
CN113284103A (zh) | 基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测*** | |
CN117458450B (zh) | 电力数据能耗预测分析方法及*** |
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 |