• / 13
  • 下載費用:30 金幣  

基于序列學習的電力鐵塔變形分析與決策方法.pdf

摘要
申請專利號:

CN201410683386.0

申請日:

2014.11.25

公開號:

CN104915534A

公開日:

2015.09.16

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 19/00申請日:20141125|||公開
IPC分類號: G06F19/00(2011.01)I 主分類號: G06F19/00
申請人: 國家電網公司; 湖北華中電力科技開發有限責任公司
發明人: 孫琳珂; 上官朝暉; 王海峰; 劉佳; 曾昭智
地址: 100000北京市西城區西長安街86號
優先權:
專利代理機構: 代理人:
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410683386.0

授權公告號:

||||||

法律狀態公告日:

2018.10.02|||2015.10.14|||2015.09.16

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明屬于電力設備維護與監測技術領域,涉及一種基于慣性測量的電力鐵塔變形監測方法。該方法利用北斗導航定位實時動態(Real-timekinematic簡稱RTK)解算方法實現動態位移監測,利用靜態解算方法實現靜態位移監測,利用傾角傳感器實現鐵塔姿態監測,利用加速度傳感器實現鐵塔水平、垂直相對位移監測,利用氣象傳感器實現鐵塔風偏、覆冰監測。本發明將上述監控方法的實現多維度組合應用,通過前端軟件預警和中心端軟件分析處理,實現智能化監測。

權利要求書

權利要求書
1.  基于序列學習的電力鐵塔變形分析與決策方法,其特征在于,首先使用卡爾曼濾波算法進行原始數據篩選,其次使用一元線性回歸和最小二乘法進行篩選后數據的校核,再次使用小波分析理論對校核后數據進行濾波分析;然后建立自回歸滑動平均(Auto-Regressive and Moving Average 簡稱ARMA)模型進行初步預測,最后建立組合模型分析鐵塔形變狀態。

2.  根據權利要求1所述的基于序列學習的電力鐵塔變形分析與決策方法,其特征在于,所述的使用卡爾曼濾波算法進行原始數據篩選包括以下幾個具體步驟:
第一步:利用卡爾曼濾波算法,確定全網的觀測方程、卡爾曼濾波的數學模型;
第二步:將采用卡爾曼濾波對各監測點的坐標進行濾波、預測,分析實時觀測值與預測值向量的一致性。

3.  根據權利要求1所述的基于序列學習的電力鐵塔變形分析與決策方法,其特征在于,所述的使用一元線性回歸和最小二乘法進行篩選后數據的校核具體包括以下幾個步驟:
第一步:根據鐵塔變形采集數據,計算加速度與傾角,加速度和由實時動態系統算法(Real-time kinematic 簡稱RTK)解算的數據,加速度與風速的相關系數;
第二步:建立加速度與傾角,加速度和RTK解算數據,加速度與風速的方程;
第三步:使用最小二乘法計算上述三個方程的回歸參數;
第四步:使用方程計算數據,對比采集數據,找出問題數據。

4.  根據權利要求1所述的基于序列學習的電力鐵塔變形分析與決策方法,其特征在于,所述的使用小波分析理論對校核后數據進行濾波分析具體步驟如下:
第一步:利用小波算法對采集到的數據進行分解;
第二步:對采集數據有用信息和噪聲的小波分解高頻系數閾值進行量化處理;
第三步:利用小波算法對采集數據重構;
小波分解的第n層低頻系數和經過閾值量化處理的第1層至第n層的高頻系數進行重新排列,可以得到去噪聲后的觀測數據序列估計值,即觀測精度估計值。

5.  根據權利要求1所述的基于序列學習的電力鐵塔變形分析與決策方法,其特征在于,所述的建立ARMA模型進行初步預測具體步驟如下:
第一步:ARMA混合回歸模型因子階數的確定;
第二步:自變量因子的選擇;
第三步:原始觀測資料的預處理;
第四步:計算結果分析。

6.  根據權利要求1所述的基于序列學習的電力鐵塔變形分析與決策方法,其特征在于,所述的建立組合模型分析鐵塔形變狀態,具體步驟如下:
第一步:利用有限元分析理論,對問題鐵塔進行單元劃分,有別于傳統的空間剛架模型,針對鐵塔變形因素,特別設計了桁梁混合模型,即將鐵塔的主結構和橫隔結構確定為梁單元,斜拉結構確定為桿單元,更接近于實際的鐵塔結構,而且還能很方便地解決采用桁架模型不易解決的問題;
第二步:構造鐵塔整體剛度矩陣,計算結構等效節點荷載,確定結構平衡方程;
第三步:求解鐵塔節點平衡方程,得到節點位移,計算各單元結構應力,對鐵塔形變進行預測分析,這里將結合氣象數據、慣性測量數據驗證。

關 鍵 詞:
基于 序列 學習 電力 鐵塔 變形 分析 決策 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:基于序列學習的電力鐵塔變形分析與決策方法.pdf
鏈接地址:http://www.rgyfuv.icu/p-6373567.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图