CN115510726A - 一种输电铁塔运行状态数字化快速评估方法 - Google Patents
一种输电铁塔运行状态数字化快速评估方法 Download PDFInfo
- Publication number
- CN115510726A CN115510726A CN202211398734.0A CN202211398734A CN115510726A CN 115510726 A CN115510726 A CN 115510726A CN 202211398734 A CN202211398734 A CN 202211398734A CN 115510726 A CN115510726 A CN 115510726A
- Authority
- CN
- China
- Prior art keywords
- transmission tower
- model
- stress
- tower
- internal force
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 125
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 25
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 239000012212 insulator Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000013210 evaluation model Methods 0.000 abstract description 5
- 229910052742 iron Inorganic materials 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000008447 perception Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06F30/23—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于输电铁塔运行状态感知技术领域，具体涉及一种输电铁塔运行状态数字化快速评估方法；包括步骤建立有限元模型；步骤建立各工况下输电铁塔杆件应力数据库；步骤构建数字化模型；步骤进行实测数据修正，即时输出输电铁塔杆件内力；本发明区别于以往用有限元计算分析才能得到输电铁塔杆件内力的方法，本发明对大量有限元计算结果进行深度学习训练出数字化评估模型，可以在输入实际风速风向和温湿度即时输出输电铁塔所有关键杆件的内力情况，节省大量人力和算力，通过外界变量的即时输入和杆件内力的即时输出使评估的时效性大幅提高；本发明对数字模型的计算结果进行修正提出修正系数，修正输电铁塔数字模型输出的所有关键杆件的内力。
Description
技术领域
本发明属于输电铁塔运行状态感知技术领域，具体涉及一种输电铁塔运行状态数字化快速评估方法。
背景技术
新一轮信息技术革命蓬勃发展，推动全球加速进入数字经济时代；近年来，作为电网重要支撑的输电塔，其数字化水平仍然很低，无法作为一个元件将实时的运行状态参数输入到电力系统数字模型中，通过无人机和视频在线监测手段获取的图像不能立即转化为数据，要通过大量的非即时处理与分析才能发现缺陷，而且不能全面反映输电铁塔的运行状态；目前输电铁塔的在线监测除了视频监测外还有倾角和沉降的位移监测，但是整体的变形不能完全反映铁塔的整体受力，位移监测较大的误差存在评估不准确的问题；仍然无法将运行中的输电塔精确数字化，这与智慧电网对输电塔的本质需求还有差距。
发明内容
本发明的目的是为了克服现有技术的不足，而提供一种可通过环境监测数据的输入实现输电铁塔关键杆件受力状态的即时输出，得到输电铁塔杆件的应力水平，以此快速评估输电铁塔运行状态的电网大负荷时刻的输电铁塔运行状态数字化快速评估方法。
本发明的目的是这样实现的：一种输电铁塔运行状态数字化快速评估方法，它包括以下步骤：
步骤1、建立有限元模型；
步骤2、建立各工况下输电铁塔杆件应力数据库；
步骤3、构建数字化模型；
步骤4、进行实测数据修正，即时输出输电铁塔杆件内力。
所述步骤1建立有限元模型包括：根据输电铁塔工程实际数据建立有限元模型，通过编写命令流程序对模型的节点坐标、连线方式、截面信息、单元类型、网格划分以及材料属性等进行定义，并将梁的节点置于截面的形心；以输电铁塔的竖直中轴线建立Y轴，正方向由上向下，沿导线方向建立X轴，垂直于导线的水平方向建立Z轴，即原点位于输电塔顶部截面正中心。
所述步骤1建立有限元模型还包括：输电线路塔架视为空间刚架模型，所有结构内部杆件均用Beam188单元来模拟建模，根据实际截面尺寸计算确定各部分杆件的截面积，并将导地线及绝缘子串对铁塔的作用简化为质量荷载附加于横担挂线处，最后，将输电塔塔脚底部四个关键点的基础边界条件均设置为各自由度全约束。
所述步骤2建立各工况下输电铁塔杆件应力数据库包括：考虑实际工程中的气象条件和地形，对“气温”、“风”、“覆冰”等工况进行组合，研究他们的变化对输电杆塔应力的影响，并计算出杆件各工况下的应力数据库。
在所述计算出杆件各工况下的应力数据库的过程中，考虑输电塔正常运行状态下，风攻角为0°至90°之间每5°间隔，风速从30%到200%设计风速每3m/s递增的工况组合进行风荷载计算；输电塔覆冰状态下，覆冰厚度为0至200%设计冰厚每2mm递增，同时伴有风速和风向的工况组合，经过大量计算得到各工况下输电铁塔杆件应力数据库。
所述步骤3构建数字化模型包括：通过使用python编写SVM机器学习模型，用于输电塔正常运行状态下应力评估，该模型通过对数据库中工况及敏感杆件应力的对应学习，快速预测出输电塔在不同工况下的敏感杆件应力状态。
所述该模型通过对数据库中工况及敏感杆件应力的对应学习，快速预测出输电塔在不同工况下的敏感杆件应力状态包括：对一个或一组参数去调，其他参数使用默认值，调出一个或一组参数后，记录下来，下一次继续调另外一个或一组参数，直至所有要调的参数全部调节完毕，然后将所获得的最优参数全部传入模型中，开始训练；先对一个或一组参数进行调参，得出最优值后，传入模型中，再调第二个或第二组参数。
所述步骤4包括：对环境参数进行在线监测，通过安装在输电铁塔顶部的风速风向仪和温湿度传感器以及覆冰厚度监测，数据实时传输到后台系统中作为数字化模型的输入，即时输出杆件内力。
所述步骤4还包括：对杆件内力进行在线监测，通过前期基于有限元软件对输电塔在多种工况下杆件受力进行分析，得到各杆件的应力值及位移变化规律，寻找输电塔失效路径，得到输电塔在多种工况下位移变化规律以及受力最大部位，得到基于失效破坏模式的关键杆件；选取这些关键杆件中对结构变化具有较高的敏感性的4根杆件作为监测点，从而达到对结构变化信息的最优采集；将杆件应力的实时数据通过传输模块输入到后台系统中，对比数字化模型输出的对应4根杆件内力进行修正，提出修正系数，得到接近实际值的输电铁塔关键杆件内力。
本发明的有益效果：本发明的一种输电铁塔运行状态数字化快速评估方法，包括步骤1建立有限元模型；步骤2建立各工况下输电铁塔杆件应力数据库；步骤3构建数字化模型；步骤4进行实测数据修正，即时输出输电铁塔杆件内力；本发明区别于以往用有限元计算分析才能得到输电铁塔杆件内力的方法，本发明对大量有限元计算结果进行深度学习训练出数字化评估模型，可以在输入实际风速风向和温湿度即时输出输电铁塔所有关键杆件的内力情况，节省大量人力和算力，通过外界变量的即时输入和杆件内力的即时输出使评估的时效性大幅提高；本发明除了采用数字化模型可以快速计算输电铁塔所有关键杆件的内力外，还通过实时监测的几根杆件内力对数字模型的计算结果进行修正提出修正系数，进而修正输电铁塔数字模型输出的所有关键杆件的内力，通过实测值修正后杆件内力状态评估的精度大幅提高；本发明可以有力推动输电塔向数字化转型升级，可快速将输电塔的状态输入至电力系统中，与各类参数同步，大幅提高了电网的智能化水平。
附图说明
图1为本发明一种输电铁塔运行状态数字化快速评估方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的说明。
由于受到技术及成本等限制，目前输电铁塔运行状态的评估有两种手段，一种是在线监测手段，国内外针对输电铁塔运行状态的监测都是通过铁塔的变形量监测（塔身倾角、塔基沉降量等）来实现的，但由于输电塔杆件多、结构复杂，对结构整体变形量监测容易忽略局部构件的形变或缺陷，再加上铁塔在设计过程中的简化、加工时的误差及组立过程中的强行装配等因素影响，理论上计算的形变量并不能反映输电塔实际运行中所有杆件的真实应力水平，因此不能直接感知输电塔的工作状态；另外一种是有限元仿真手段，但是这种手段需要消耗大量的时间和算力进行理论分析，一是不能实现实时计算评估，仿真需要一个过程；二是只限于理论研究上，与杆件实际受力值之间还有误差，因此亟需一种能够与实际结构能实时“通讯”的即时评估模型来实时准确评估输电铁塔的运行状态。
本发明构建有限元模型计算所有工况下杆件内力形成杆件内力数据库，通过使用python编写SVM机器学习模型进行深度机器学习找到每根杆件与外部环境参数的关系，并对比分析找出各工况下满应力杆件以及不同工况下极易发生变化的敏感杆件作为分析对象，分析这些杆件和其他杆件受力关系，确定应力监测的杆件，并通过这几根杆件监测到的应力对数字化评估模型算出的内力进行修正，进而修正全塔所有杆件数字化模型计算的内力，最终得到输电铁塔的受力状态，过程如如图1所示，一种输电铁塔运行状态数字化快速评估方法，它包括以下步骤：
步骤1、建立有限元模型；
步骤2、建立各工况下输电铁塔杆件应力数据库；
步骤3、构建数字化模型；
步骤4、进行实测数据修正，即时输出输电铁塔杆件内力。
所述步骤1建立有限元模型包括：根据输电铁塔工程实际数据建立有限元模型，通过编写命令流程序对模型的节点坐标、连线方式、截面信息、单元类型、网格划分以及材料属性等进行定义，并将梁的节点置于截面的形心；以输电铁塔的竖直中轴线建立Y轴，正方向由上向下，沿导线方向建立X轴，垂直于导线的水平方向建立Z轴，即原点位于输电塔顶部截面正中心。
所述步骤1建立有限元模型还包括：输电线路塔架视为空间刚架模型，所有结构内部杆件均用Beam188单元来模拟建模，Beam188是梁单元，可以用于非线性、大应变场合的工程计算，同时也可以计算剪切变形的问题。根据实际截面尺寸计算确定各部分杆件的截面积，并将导地线及绝缘子串对铁塔的作用简化为质量荷载附加于横担挂线处，最后，将输电塔塔脚底部四个关键点的基础边界条件均设置为各自由度全约束。
所述步骤2建立各工况下输电铁塔杆件应力数据库包括：考虑实际工程中的气象条件和地形，对“气温”、“风”、“覆冰”等工况进行组合，研究他们的变化对输电杆塔应力的影响，并计算出杆件各工况下的应力数据库。
在所述计算出杆件各工况下的应力数据库的过程中，考虑输电塔正常运行状态下，风攻角为0°至90°之间每5°间隔，风速从30%到200%设计风速每3m/s递增的工况组合进行风荷载计算；输电塔覆冰状态下，覆冰厚度为0至200%设计冰厚每2mm递增，同时伴有风速和风向的工况组合，经过大量计算得到各工况下输电铁塔杆件应力数据库。
所述步骤3构建数字化模型包括：通过使用python编写SVM机器学习模型，用于输电塔正常运行状态下应力评估，该模型通过对数据库中工况及敏感杆件应力的对应学习，快速预测出输电塔在不同工况下的敏感杆件应力状态。
所述该模型通过对数据库中工况及敏感杆件应力的对应学习，快速预测出输电塔在不同工况下的敏感杆件应力状态包括：对一个或一组参数去调，其他参数使用默认值，调出一个或一组参数后，记录下来，下一次继续调另外一个或一组参数，直至所有要调的参数全部调节完毕，然后将所获得的最优参数全部传入模型中，开始训练；先对一个或一组参数进行调参，得出最优值后，传入模型中，再调第二个或第二组参数。
所述步骤4包括：对环境参数进行在线监测，通过安装在输电铁塔顶部的风速风向仪和温湿度传感器以及覆冰厚度监测，数据实时传输到后台系统中作为数字化模型的输入，即时输出杆件内力。
所述步骤4还包括：对杆件内力进行在线监测，通过前期基于有限元软件对输电塔在多种工况下杆件受力进行分析，得到各杆件的应力值及位移变化规律，寻找输电塔失效路径，得到输电塔在多种工况下位移变化规律以及受力最大部位，得到基于失效破坏模式的关键杆件；选取这些关键杆件中对结构变化具有较高的敏感性的4根杆件作为监测点，从而达到对结构变化信息的最优采集；将杆件应力的实时数据通过传输模块输入到后台系统中，对比数字化模型输出的对应4根杆件内力进行修正，提出修正系数，得到接近实际值的输电铁塔关键杆件内力。
本发明通过环境监测数据的输入可以实现输电铁塔关键杆件受力状态的即时输出，通过布置在塔头附近的应力传感器实时采集的应力对及时输出进行修正，得到输电铁塔杆件的应力水平，以此快速评估输电铁塔的运行状态。目前如果想要实现杆件内力计算需要通过有限元建模仿真，这个分析过程耗时耗力还存在一定的误差，本发明基于深度机器学习构建输电铁塔运行状态数字化评估模型可以有力推动输电塔向数字化转型升级，为科学制定运维策略提供技术支持和理论及数值依据，在大幅提升输电塔安全性和稳定性同时，为输电塔智能“赋值”。
本发明的一种输电铁塔运行状态数字化快速评估方法，包括步骤1建立有限元模型；步骤2建立各工况下输电铁塔杆件应力数据库；步骤3构建数字化模型；步骤4进行实测数据修正，即时输出输电铁塔杆件内力；本发明区别于以往用有限元计算分析才能得到输电铁塔杆件内力的方法，本发明对大量有限元计算结果进行深度学习训练出数字化评估模型，可以在输入实际风速风向和温湿度即时输出输电铁塔所有关键杆件的内力情况，节省大量人力和算力，通过外界变量的即时输入和杆件内力的即时输出使评估的时效性大幅提高；本发明除了采用数字化模型可以快速计算输电铁塔所有关键杆件的内力外，还通过实时监测的几根杆件内力对数字模型的计算结果进行修正提出修正系数，进而修正输电铁塔数字模型输出的所有关键杆件的内力，通过实测值修正后杆件内力状态评估的精度大幅提高；本发明可以有力推动输电塔向数字化转型升级，可快速将输电塔的状态输入至电力系统中，与各类参数同步，大幅提高了电网的智能化水平。
Claims (9)
1.一种输电铁塔运行状态数字化快速评估方法，其特征在于,它包括以下步骤：
步骤1、建立有限元模型；
步骤2、建立各工况下输电铁塔杆件应力数据库；
步骤3、构建数字化模型；
步骤4、进行实测数据修正，即时输出输电铁塔杆件内力。
2.如权利要求1所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述步骤1建立有限元模型包括：根据输电铁塔工程实际数据建立有限元模型，通过编写命令流程序对模型的节点坐标、连线方式、截面信息、单元类型、网格划分以及材料属性等进行定义，并将梁的节点置于截面的形心；以输电铁塔的竖直中轴线建立Y轴，正方向由上向下，沿导线方向建立X轴，垂直于导线的水平方向建立Z轴，即原点位于输电塔顶部截面正中心。
3.如权利要求1所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述步骤1建立有限元模型还包括：输电线路塔架视为空间刚架模型，所有结构内部杆件均用Beam188单元来模拟建模，根据实际截面尺寸计算确定各部分杆件的截面积，并将导地线及绝缘子串对铁塔的作用简化为质量荷载附加于横担挂线处，最后，将输电塔塔脚底部四个关键点的基础边界条件均设置为各自由度全约束。
4.如权利要求1所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述步骤2建立各工况下输电铁塔杆件应力数据库包括：考虑实际工程中的气象条件和地形，对“气温”、“风”、“覆冰”等工况进行组合，研究他们的变化对输电杆塔应力的影响，并计算出杆件各工况下的应力数据库。
5.如权利要求4所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于：在所述计算出杆件各工况下的应力数据库的过程中，考虑输电塔正常运行状态下，风攻角为0°至90°之间每5°间隔，风速从30%到200%设计风速每3m/s递增的工况组合进行风荷载计算；输电塔覆冰状态下，覆冰厚度为0至200%设计冰厚每2mm递增，同时伴有风速和风向的工况组合，经过大量计算得到各工况下输电铁塔杆件应力数据库。
6.如权利要求1所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述步骤3构建数字化模型包括：通过使用python编写SVM机器学习模型，用于输电塔正常运行状态下应力评估，该模型通过对数据库中工况及敏感杆件应力的对应学习，快速预测出输电塔在不同工况下的敏感杆件应力状态。
7.如权利要求6所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述该模型通过对数据库中工况及敏感杆件应力的对应学习，快速预测出输电塔在不同工况下的敏感杆件应力状态包括：对一个或一组参数去调，其他参数使用默认值，调出一个或一组参数后，记录下来，下一次继续调另外一个或一组参数，直至所有要调的参数全部调节完毕，然后将所获得的最优参数全部传入模型中，开始训练；先对一个或一组参数进行调参，得出最优值后，传入模型中，再调第二个或第二组参数。
8.如权利要求1所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述步骤4包括：对环境参数进行在线监测，通过安装在输电铁塔顶部的风速风向仪和温湿度传感器以及覆冰厚度监测，数据实时传输到后台系统中作为数字化模型的输入，即时输出杆件内力。
9.如权利要求1所述的一种输电铁塔运行状态数字化快速评估方法，其特征在于，所述步骤4还包括：对杆件内力进行在线监测，通过前期基于有限元软件对输电塔在多种工况下杆件受力进行分析，得到各杆件的应力值及位移变化规律，寻找输电塔失效路径，得到输电塔在多种工况下位移变化规律以及受力最大部位，得到基于失效破坏模式的关键杆件；选取这些关键杆件中对结构变化具有较高的敏感性的4根杆件作为监测点，从而达到对结构变化信息的最优采集；将杆件应力的实时数据通过传输模块输入到后台系统中，对比数字化模型输出的对应4根杆件内力进行修正，提出修正系数，得到接近实际值的输电铁塔关键杆件内力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211398734.0A CN115510726A (zh) | 2022-11-09 | 2022-11-09 | 一种输电铁塔运行状态数字化快速评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211398734.0A CN115510726A (zh) | 2022-11-09 | 2022-11-09 | 一种输电铁塔运行状态数字化快速评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115510726A true CN115510726A (zh) | 2022-12-23 |
Family
ID=84513754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211398734.0A Pending CN115510726A (zh) | 2022-11-09 | 2022-11-09 | 一种输电铁塔运行状态数字化快速评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115510726A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786914A (zh) * | 2024-02-27 | 2024-03-29 | 中国电力工程顾问集团西南电力设计院有限公司 | 实现数智化电网的构件减孔受力评估方法和协同操作系统 |
| CN118410683A (zh) * | 2024-06-21 | 2024-07-30 | 中国电力工程顾问集团西南电力设计院有限公司 | 智慧电网的抗拉腐蚀损伤承载力评估方法和系统 |
-
2022
- 2022-11-09 CN CN202211398734.0A patent/CN115510726A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786914A (zh) * | 2024-02-27 | 2024-03-29 | 中国电力工程顾问集团西南电力设计院有限公司 | 实现数智化电网的构件减孔受力评估方法和协同操作系统 |
| CN117786914B (zh) * | 2024-02-27 | 2024-05-03 | 中国电力工程顾问集团西南电力设计院有限公司 | 实现数智化电网的构件减孔受力评估方法和协同操作系统 |
| CN118410683A (zh) * | 2024-06-21 | 2024-07-30 | 中国电力工程顾问集团西南电力设计院有限公司 | 智慧电网的抗拉腐蚀损伤承载力评估方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113836762B (zh) | 一种风力机及风电场数字镜像模拟展示系统 | |
| CN110530638B (zh) | 基于数字孪生的航空发动机主轴承损伤检测与诊断方法 | |
| CN111691679B (zh) | 基于数字孪生的预应力钢结构智能张拉方法 | |
| CN115510726A (zh) | 一种输电铁塔运行状态数字化快速评估方法 | |
| CN106500614B (zh) | 一种隧道运行期变形监测预报系统及方法 | |
| CN110017929B (zh) | 基于子结构灵敏度分析的船撞桥荷载与损伤同步识别方法 | |
| CN114357567B (zh) | 一种基于bim的风振监测方法、系统、存储介质及计算机设备 | |
| CN116881819B (zh) | 一种基于孤立森林的斜拉索工作状态监测方法 | |
| CN111946559A (zh) | 一种风机基础和塔架结构检测方法 | |
| CN117807659A (zh) | 一种建筑结构缺陷检测和纠正方法及系统 | |
| CN115659756A (zh) | 一种输电杆塔防风性能分析方法 | |
| CN115508066A (zh) | 基于逆有限元变形重构和深度学习的塔筒结构监测方法 | |
| CN102998367B (zh) | 一种基于虚拟派生结构的损伤识别方法 | |
| CN117494932A (zh) | 一种碳排数据采集与处理方法及系统 | |
| CN112697386B (zh) | 一种风载荷作用下山区输电塔稳定性监控方法与系统 | |
| CN116881662A (zh) | 一种旋转风电叶片覆冰灾害预测方法 | |
| Song et al. | Structural damage detection of floating offshore wind turbine blades based on Conv1d-GRU-MHA network | |
| CN115935465A (zh) | 结合数字孪生技术的长大桥梁全寿命周期状态评估方法 | |
| CN118049349B (zh) | 一种海上风机塔筒结构健康状态的判定方法、系统及介质 | |
| CN118671456B (zh) | 一种用于电磁发射系统的监测预测方法及系统 | |
| CN118886722B (zh) | 一种用于柔性通讯塔筒的共振运行状态评估预测方法 | |
| CN118194176B (zh) | 一种钢结构健康监测方法及系统 | |
| CN114575942B (zh) | 一种基于多维决策图的汽轮机运维辅助系统 | |
| CN118551697B (zh) | 一种基于海洋数值模型与gam的裂流预警方法 | |
| CN118502502B (zh) | 一种风电机的振动控制方法、装置、设备及存储介质 |
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 |