CN115577539B - 一种张牵场的场地自动筛选方法及系统 - Google Patents
一种张牵场的场地自动筛选方法及系统 Download PDFInfo
- Publication number
- CN115577539B CN115577539B CN202211262927.3A CN202211262927A CN115577539B CN 115577539 B CN115577539 B CN 115577539B CN 202211262927 A CN202211262927 A CN 202211262927A CN 115577539 B CN115577539 B CN 115577539B
- Authority
- CN
- China
- Prior art keywords
- field
- information data
- site
- data
- site selection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012216 screening Methods 0.000 title claims abstract description 36
- 238000010276 construction Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 20
- 238000013178 mathematical model Methods 0.000 claims description 17
- 229910052742 iron Inorganic materials 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010187 selection method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005491 wire drawing Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种张牵场的场地自动筛选方法及系统,涉及特高压输电线路架设技术领域,通过目标区域的三维地理数据准确掌握施工线路上的各种设场影响因素,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果,综合考虑了设场影响因素和KML数据筛选出可以设场的备选面积实现最优的张牵场场地选址,KML数据包含有张牵场场地大小信息,能够得到准确的地理面积信息,有效地提高现有张力架线的效率,提高施工安全性,降低施工难度,节约施工成本。
Description
技术领域
本发明涉及特高压输电线路架设技术领域,具体涉及一种张牵场的场地自动筛选方法及系统。
背景技术
在高压以及特高压输电线路架设中,采用张力架线需要能够避免带地线与地面、植被以及高铁、高速公路以及重要输电通道的架空输电线路区段等直接接触,同时还要避免在通航河流上有接头,防止出现各种安全事故。此外,道路交通、建筑设施场地的平整度、森林、农田等各种因素也将影响整个张力架线的施工成本。高架铁塔之间的距离,架线的滑车数量,张力机、牵引机以及各种施工设备的布置位置等,都将影响现场施工的效率和难度。因此,在进行张力架线之前,需要综合各种可能的影响因素,整体评估张牵场场地选择的合理性,以有效的提高施工效率,提高施工安全性,降低架线成本。
张牵场的场地选址的方法包括确定选址法以及无确定选址法,区别主要是根据是否预先选择好待定地址,在规划过程中,根据阶段数目的多少,规划方法分为单阶段与多阶段规划,对于多阶段就是把开始规划到结束规划的时间段分成若干个阶段,然后把上一个阶段的结果作为下一阶段的结果,最后得到规划的具体方案,单阶段而言,就是一开始就去找寻最佳的设计方案。也有采用人工智能系统以及启发式方法来进行选址,但在实际的操作过程中忽略了地理信息这一块对于选址的影响而使分析方案结果不符合实际;但是这些方法都没有应用到张牵场的选址问题当中。目前国内的张牵场选址主要还是传统根据经验选址的方法。
近年来,随着深度神经网络的发展,开始深度学习技术运用在张牵场场地选址中。但是,在张牵场的场地选择方面少有研究。传统的施工场地布置是基于对拟建项目的特点以及施工现场周边环境等情况的初步了解,利用CAD软件,即在二维模式下,以静态的方式,对施工现场场地内的各种生产生活设施、道路、管线等进行的布置设计。二维的施工场地布置方法,已经不适应新的需求。
综上所述,目前在张牵场选址方面,主要依靠经验和前期对施工现场周边环境的了解,利用人工方式进行选址。不仅效率低下,且由于现场情况复杂,人工方式无法完整的了解各个现场的周边环境,因此也无法确定最优的选址位置和选择方案。导致大量的施工问题,比如设备放置不合理,道路交通导致运输大型施工设备困难,成本较高。所以,有必要采用新的方式进行优化选址,利用现代化的设备,结合地理信息数据,准确定位可以进行选场的备选位置,考虑各种影响因素找出最优的张牵场施工选场方案。
发明内容
本发明所要解决的技术问题是:目前在张牵场选址方面,主要依靠经验和前期对施工现场周边环境的了解,利用人工方式进行选址;不仅效率低下,且由于现场情况复杂,人工方式无法完整的了解各个现场的周边环境,不仅无法确定最优的选址位置和选择方案还增加了成本,本发明目的在于提供一种张牵场的场地自动筛选方法及系统,通过目标区域的三维地理数据准确掌握施工线路上的各种设场影响因素,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果,有效地提高现有张力架线的效率,提高施工安全性,降低施工难度,节约施工成本。
本发明通过下述技术方案实现:
本方案提供一种张牵场的场地自动筛选方法,包括步骤:
步骤一:采集目标区域的三维地理数据,提取三维地理数据中的地理信息数据并进行预处理;
步骤二:将预处理后的地理信息数据与KML数据进行融合后筛选出满足设场面积的符合区段;
步骤三:基于设场规则优化符合区段;
步骤四:建立张牵场选址模型,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果。
本方案工作原理:目前在张牵场选址方面,主要依靠经验和前期对施工现场周边环境的了解,利用人工方式进行选址;不仅效率低下,且由于现场情况复杂,人工方式无法完整的了解各个现场的周边环境,不仅无法确定最优的选址位置和选择方案还增加了成本,本方案提供的一种张牵场的场地自动筛选方法,通过目标区域的三维地理数据准确掌握施工线路上的各种设场影响因素,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果,综合考虑了设场影响因素和KML数据筛选出可以设场的备选面积实现最优的张牵场场地选址,KML数据包含有张牵场场地大小信息,能够得到准确的地理面积信息,有效地提高现有张力架线的效率,提高施工安全性,降低施工难度,节约施工成本。
进一步优化方案为,步骤一包括以下过程:
将目标区域的二维地图数据和三维地图数据进行叠加融合得到三维地理数据;
提取三维地理数据中的地理信息数据并剔除失效信息;
所述地理信息数据包括:道路信息数据、输电通道信息数据、人文信息数据和自然信息数据。
对于给定的施工目标区域,下载对应的二维地图数据。采用车载测量部分需要高精度的三维地图数据,采用无人机测量的部分三维地图数据,如山区等车载设备无法测量的区域,就需要无人机进行测量。根据地图经纬度信息,将高精度的三维地理数据与二维地图数据进行叠加,得到与实际地理位置一致的三维地理数据,实现数据融合。
进一步优化方案为,所述道路信息数据包括:铁路信息数据和公路信息数据;
所述输电通道信息数据包括重要输电通道的架空输电线路区段信息数据;
所述人文信息数据包括建筑信息数据和农田信息数据;
所述自然信息数据包括河流水库信息数据和森林植被信息数据。
进一步优化方案为,步骤二包括以下子步骤:
从KML数据中获取高架线路信息和铁搭点位信息;
将高架线路信息和铁搭点位信息与预处理后的地理信息数据进行融合得到融合数据;
设定张牵场与铁搭点位的距离,根据不同等级线路和分裂数的张牵场设场规则确定设场面积;
读取融合数据并筛选满足设场面积的符合区段,表示为向量A=[A1,A2,...,An],n为符合区段个数。
进一步优化方案为,基于设场规则优化符合区段的方法为:
将符合区段中含有三跨区域的区段剔除得到向量B=[B1,B2,...,Bn];
所述三跨区域为同时包含有高铁、高速公路和重要输电通道的架空输电线路的区段。
进一步优化方案为,步骤四包括以下子步骤:
根据地理信息数据提取设场影响因素;
以场地选址结果为所有影响因素的函数建立张牵场选址数学模型;
将优化后的符合区段和设场影响因素输入张牵场选址数学模型,并以该模型代价函数的最小值为条件求解出最优场地选址结果。
进一步优化方案为,所述设场影响因素包括:设场高程因素、设场面积因素、设场区域占用人文区域因素、设场区域占用自然区域因素和张牵场本质因素;
所述张牵场本质因素包括:张牵场位置因素、张牵场建设占地因素和张牵场设备因素。
进一步优化方案为,张牵场选址数学模型的求解过程包括:
以张牵场选址数学模型代价函数的最小值为条件构建最优场地选址结果表达式:
c=minP(Bi)(i=1,22,...,n);
式中,P表示代价函数,Bi为张牵场选址数学模型,Bi=f(wi)(i=1,22,...,n);wi(i=1,22,...,n)为设场影响因素;
对最优场地选址结果表达式进行优化求解得到最优的场地选址结果。
进一步优化方案为,对最优场地选址结果表达式进行优化求解包括过程:
S1、设置每个设场影响因素的权重系数,以J(w1,w2,...,wi)为损失函数,α为学习率,以损失函数对每个设场影响因素求偏导得到当前设场影响因素的负梯度;
S2、基于学习率和负梯度更新当前设场影响因素的参数;
S3、设定最小阈值ε,重复执行步骤S1和步骤S2直至迭代终止,输出最优的场地选址结果。
以损失函数对每个设场影响因素求偏导得到:
那么当前的负梯度/>即wi沿着损失函数下降的方向;根据设定的学习率α,每次梯度下降为/>对于每个模型参数,更新为式所示结果/>
本方案还提供一种张牵场的场地自动筛选系统,应用于上述张牵场的场地自动筛选方法,包括:采集模块、筛选模块、优化模块和计算模块;
采集模块用于采集目标区域的三维地理数据,提取三维地理数据中的地理信息数据并进行预处理;
筛选模块用于将预处理后的地理信息数据与KML数据进行融合后筛选出满足设场面积的符合区段;
优化模块用于基于设场规则优化符合区段;
计算模块用于建立张牵场选址模型,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果。
本方案基于目标区域现有地理信息结合高精度的车载测量和无人机测量三维地理信息获取目标区域的三维地理数据,解决了原来人工现场勘测时间长的问题;结合高精度的三维地理数据,可以准确提取道路、建筑、高铁、高速公路等设场影响因素的信息,为后续的优化选址做准备,避免了原来的人工选址由于数据不完整和不够准确导致的选址问题;通过建立数学模型,利用优化算法,对选址模型进行优化,准确找出符合选址要求的张牵场架线施工场地,不需要人工干预,选址效率高;综合考虑了各种设场影响因素,能够得到最优的选址结果,节约了选址成本,缩短了施工周期和施工难度,节约了现场施工成本;整体提高了张力放线效率。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明提供的一种张牵场的场地自动筛选方法及系统,通过目标区域的三维地理数据准确掌握施工线路上的各种设场影响因素,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果,综合考虑了设场影响因素和KML数据筛选出可以设场的备选面积实现最优的张牵场场地选址,KML数据包含有张牵场场地大小信息,能够得到准确的地理面积信息,有效地提高现有张力架线的效率,提高施工安全性,降低施工难度,节约施工成本。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。在附图中:
图1为张牵场的场地自动筛选方法流程示意图;
图2为实施例3处理器详细执行流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
现有依靠人工现场探查的效率低下,场地周边情况勘察不完整,无法整体考虑各种影响因素,从而无法找出最优选址位置的问题,本发明提供以下实施例解决上述问题:
实施例1
本实施例提供一种张牵场的场地自动筛选方法,如图1所示,包括步骤:
步骤一:采集目标区域的三维地理数据,提取三维地理数据中的地理信息数据并进行预处理;
步骤二:将预处理后的地理信息数据与KML数据进行融合后筛选出满足设场面积的符合区段;
步骤三:基于设场规则优化符合区段;
步骤四:建立张牵场选址模型,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果。
步骤一包括以下过程:
将目标区域的二维地图数据和三维地图数据进行叠加融合得到三维地理数据;
提取三维地理数据中的地理信息数据并剔除失效信息;
所述地理信息数据包括:道路信息数据、输电通道信息数据、人文信息数据和自然信息数据。
所述道路信息数据包括:铁路信息数据和公路信息数据;
所述输电通道信息数据包括重要输电通道的架空输电线路区段信息数据;
所述人文信息数据包括建筑信息数据和农田信息数据;
所述自然信息数据包括河流水库信息数据和森林植被信息数据。
步骤二包括以下子步骤:
从KML数据中获取高架线路信息和铁搭点位信息;
将高架线路信息和铁搭点位信息与预处理后的地理信息数据进行融合得到融合数据;
设定张牵场与铁搭点位的距离,根据不同等级线路和分裂数的张牵场设场规则确定设场面积;
读取融合数据并筛选满足设场面积的符合区段,表示为向量A=[A1,A2,...,An],n为符合区段个数。
基于设场规则优化符合区段的方法为:
将符合区段中含有三跨区域的区段剔除得到向量B=[B1,B2,...,Bn];
所述三跨区域为同时包含有高铁、高速公路和重要输电通道的架空输电线路的区段。
步骤四包括以下子步骤:
根据地理信息数据提取设场影响因素;
以场地选址结果为所有影响因素的函数建立张牵场选址数学模型;
将优化后的符合区段和设场影响因素输入张牵场选址数学模型,并以该模型代价函数的最小值为条件求解出最优场地选址结果。
所述设场影响因素包括:设场高程因素、设场面积因素、设场区域占用人文区域因素、设场区域占用自然区域因素和张牵场本质因素;
所述张牵场本质因素包括:张牵场位置因素、张牵场建设占地因素和张牵场设备因素。
张牵场选址数学模型的求解过程包括:
以张牵场选址数学模型代价函数的最小值为条件构建最优场地选址结果表达式:
c=minP(Bi)(i=1,22,...,n);
式中,P表示代价函数,Bi为张牵场选址数学模型,Bi=f(wi)(i=1,22,...,n);wi(i=1,22,...,n)为设场影响因素;
对最优场地选址结果表达式进行优化求解得到最优的场地选址结果。
对最优场地选址结果表达式进行优化求解包括过程:
S1、设置每个设场影响因素的权重系数,以J(w1,w2,...,wi)为损失函数,α为学习率,以损失函数对每个设场影响因素求偏导得到当前设场影响因素的负梯度;
S2、基于学习率和负梯度更新当前设场影响因素的参数;
S3、设定最小阈值ε,重复执行步骤S1和步骤S2直至迭代终止,输出最优的场地选址结果。
本实施例通过二维地图数据和三维地图数据(车载测量三维地理信息和无飞机测量的三维地理信息)获得目标区域的三维地理数据,准确掌握施工线路上的各种影响因素,从地理信息中提取道路信息、高程信息、面积信息、高铁、高速公路以及重要输电通道的架空输电线路区段信息、建筑信息、农田信息、河流水库信息以及森林植被等信息作为设场影响因素,建立各种信息的影响权重,综合考虑跨线距离,架线滑车数量、张力机和牵引机转向等因素,实现最优的张牵场场地选址。该发明能有效地提高现有张力架线的效率,提高施工安全性,降低施工难度,有效的节约施工成本。
实施例2
本实施例提供一种张牵场的场地自动筛选系统,应用于上一实施例所述的方法,包括:采集模块、筛选模块、优化模块和计算模块;
采集模块用于采集目标区域的三维地理数据,提取三维地理数据中的地理信息数据并进行预处理;
筛选模块用于将预处理后的地理信息数据与KML数据进行融合后筛选出满足设场面积的符合区段;
优化模块用于基于设场规则优化符合区段;
计算模块用于建立张牵场选址模型,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果。
实施例3
本实施例提供一种非暂态计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现实施例1所述的方法的步骤。处理器详细执行步骤如图2所示,首先下载指定区域的地图数据,加载车载测量三维地图数据和无人机测量的三维地图数据,将上述三种数据进行融合;将下载的地图数据和测量的三维地图数据根据经纬度进行融合,加载kml数据得到高架线路信息和塔位信息,根据塔位信息筛选出可能满足的张牵场场地,根据设场规格剔除部分备选场地得到可能的设场位置,从地理信息中提取影响因素,根据设场规范输入所有影响设场的影响因素,建立张牵场选址数学模型,采用梯度下降法进行优化计算得到优化结果输出最优选场位置。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种张牵场的场地自动筛选方法,其特征在于,包括步骤:
步骤一:采集目标区域的三维地理数据,提取三维地理数据中的地理信息数据并进行预处理;具体包括以下过程:
将目标区域的二维地图数据和三维地图数据进行叠加融合得到三维地理数据;
提取三维地理数据中的地理信息数据并剔除失效信息;
所述地理信息数据包括:道路信息数据、输电通道信息数据、人文信息数据和自然信息数据;所述道路信息数据包括:铁路信息数据和公路信息数据;
所述输电通道信息数据包括重要输电通道的架空输电线路区段信息数据;
所述人文信息数据包括建筑信息数据和农田信息数据;
所述自然信息数据包括河流水库信息数据和森林植被信息数据;
步骤二:将预处理后的地理信息数据与KML数据进行融合后筛选出满足设场面积的符合区段;具体包括以下子步骤:
从KML数据中获取高架线路信息和铁搭点位信息;
将高架线路信息和铁搭点位信息与预处理后的地理信息数据进行融合得到融合数据;
设定张牵场与铁搭点位的距离,根据不同等级线路和分裂数的张牵场设场规则确定设场面积;
读取融合数据并筛选满足设场面积的符合区段;
表示为向量,n为符合区段个数;
步骤三:基于设场规则优化符合区段;具体方法包括:
将符合区段中含有三跨区域的区段剔除得到向量
;
所述三跨区域包含有高铁、高速公路和重要输电通道的架空输电线路的区段
步骤四:建立张牵场选址模型,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果。
2.根据权利要求1所述的一种张牵场的场地自动筛选方法,其特征在于,步骤四包括以下子步骤:
根据地理信息数据提取设场影响因素;
以场地选址结果为所有影响因素的函数建立张牵场选址数学模型;
将优化后的符合区段和设场影响因素输入张牵场选址数学模型,并以该模型代价函数的最小值为条件求解出最优场地选址结果。
3.根据权利要求2所述的一种张牵场的场地自动筛选方法,其特征在于,所述设场影响因素包括:设场高程因素、设场面积因素、设场区域占用人文区域因素、设场区域占用自然区域因素和张牵场本质因素;
所述张牵场本质因素包括:张牵场位置因素、张牵场建设占地因素和张牵场设备因素。
4.根据权利要求3所述的一种张牵场的场地自动筛选方法,其特征在于,张牵场选址数学模型的求解过程包括:
以张牵场选址数学模型代价函数的最小值为条件构建最优场地选址结果表达式:
;
式中,P表示代价函数,Bi为张牵场选址数学模型;
;
为设场影响因素;
对最优场地选址结果表达式进行优化求解得到最优的场地选址结果。
5.根据权利要求4所述的一种张牵场的场地自动筛选方法,其特征在于,对最优场地选址结果表达式进行优化求解包括过程:
S1、设置每个设场影响因素的权重系数,以为损失函数,/>为学习率,以损失函数对每个设场影响因素求偏导得到当前设场影响因素的负梯度;
S2、基于学习率和负梯度更新当前设场影响因素的参数;
S3、设定最小阈值,重复执行步骤S1和步骤S2直至迭代终止,输出最优的场地选址结果。
6.一种张牵场的场地自动筛选系统,其特征在于,应用于权利要求1-5任意一项所述的方法,包括:采集模块、筛选模块、优化模块和计算模块;
采集模块用于采集目标区域的三维地理数据,提取三维地理数据中的地理信息数据并进行预处理;
筛选模块用于将预处理后的地理信息数据与KML数据进行融合后筛选出满足设场面积的符合区段;
优化模块用于基于设场规则优化符合区段;
计算模块用于建立张牵场选址模型,将优化后的符合区段和设场影响因素输入张牵场选址模型求解得到最优的场地选址结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211262927.3A CN115577539B (zh) | 2022-10-14 | 2022-10-14 | 一种张牵场的场地自动筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211262927.3A CN115577539B (zh) | 2022-10-14 | 2022-10-14 | 一种张牵场的场地自动筛选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115577539A CN115577539A (zh) | 2023-01-06 |
CN115577539B true CN115577539B (zh) | 2024-06-11 |
Family
ID=84584665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211262927.3A Active CN115577539B (zh) | 2022-10-14 | 2022-10-14 | 一种张牵场的场地自动筛选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115577539B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104253396A (zh) * | 2014-09-18 | 2014-12-31 | 葛洲坝集团电力有限责任公司 | 一种多分裂大截面导线牵张共场张力架线施工系统及施工方法 |
CN109272227A (zh) * | 2018-09-11 | 2019-01-25 | 中国地质科学院矿产资源研究所 | 一种基于遥感数据和地理信息系统的绿色矿山选址方法 |
CN111339965A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场选址方法、装置、设备及计算机可读存储介质 |
CN112101608A (zh) * | 2019-06-18 | 2020-12-18 | 上海电机学院 | 一种海上风电场选址方法及装置 |
CN114139326A (zh) * | 2021-12-08 | 2022-03-04 | 国网陕西省电力有限公司建设分公司 | 一种基于三维gis的输电线路张力放线仿真模拟系统 |
CN114580867A (zh) * | 2022-02-22 | 2022-06-03 | 国网浙江省电力有限公司建设分公司 | 一种基于倾斜摄影数据的输电线路牵张场布置方法 |
WO2022151890A1 (zh) * | 2021-01-13 | 2022-07-21 | 中国长江三峡集团有限公司 | 一种风电场发电量评估及微观选址模型建立方法 |
CN115063540A (zh) * | 2022-07-22 | 2022-09-16 | 国网江苏省电力工程咨询有限公司 | 针对工程牵张场的点云模型构建方法、系统及相关设备 |
CN115085089A (zh) * | 2022-07-18 | 2022-09-20 | 广东电网有限责任公司江门供电局 | 一种基于线长精确展放的输电线路智能化架线施工方法 |
-
2022
- 2022-10-14 CN CN202211262927.3A patent/CN115577539B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104253396A (zh) * | 2014-09-18 | 2014-12-31 | 葛洲坝集团电力有限责任公司 | 一种多分裂大截面导线牵张共场张力架线施工系统及施工方法 |
CN109272227A (zh) * | 2018-09-11 | 2019-01-25 | 中国地质科学院矿产资源研究所 | 一种基于遥感数据和地理信息系统的绿色矿山选址方法 |
CN112101608A (zh) * | 2019-06-18 | 2020-12-18 | 上海电机学院 | 一种海上风电场选址方法及装置 |
CN111339965A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场选址方法、装置、设备及计算机可读存储介质 |
WO2022151890A1 (zh) * | 2021-01-13 | 2022-07-21 | 中国长江三峡集团有限公司 | 一种风电场发电量评估及微观选址模型建立方法 |
CN114139326A (zh) * | 2021-12-08 | 2022-03-04 | 国网陕西省电力有限公司建设分公司 | 一种基于三维gis的输电线路张力放线仿真模拟系统 |
CN114580867A (zh) * | 2022-02-22 | 2022-06-03 | 国网浙江省电力有限公司建设分公司 | 一种基于倾斜摄影数据的输电线路牵张场布置方法 |
CN115085089A (zh) * | 2022-07-18 | 2022-09-20 | 广东电网有限责任公司江门供电局 | 一种基于线长精确展放的输电线路智能化架线施工方法 |
CN115063540A (zh) * | 2022-07-22 | 2022-09-16 | 国网江苏省电力工程咨询有限公司 | 针对工程牵张场的点云模型构建方法、系统及相关设备 |
Non-Patent Citations (1)
Title |
---|
基于三维GIS的输电线路张牵场受力分析可视化系统设计及其应用研究;辛卫东;崔强;程晓岩;孙朝阳;;《测绘与空间地理信息》;20200525;第43卷(第5期);第136-139页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115577539A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103399849B (zh) | 一种基于改进型粒子群算法的道路三维线形自动优化方法 | |
CN104700617B (zh) | 基于低精度gps轨迹数据的高精度车道信息提取方法 | |
CN104567906B (zh) | 一种基于北斗的城市路网车辆路径规划方法及装置 | |
CN102102992B (zh) | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 | |
CN104575075B (zh) | 一种基于北斗的城市路网车辆坐标校正方法及装置 | |
CN107885960B (zh) | 一种基于风电场场内施工道路自动选线的土方量估算系统及估算方法 | |
CN108204819B (zh) | 一种地图数据自动检测方法和装置、及混合导航系统 | |
CN108053060B (zh) | 一种基于风电场场内道路自动选线的升压站选址系统及选址方法 | |
CN110132291A (zh) | 用于港口的栅格地图生成方法、系统、设备及存储介质 | |
CN109359350A (zh) | 一种优化精细施工成本的风电场道路智能设计方法 | |
CN104900061A (zh) | 路段行程时间监测方法及装置 | |
CN104866670A (zh) | 基于gps时空轨迹的路网拓扑变化自动检测方法及系统 | |
CN112344947A (zh) | 地图匹配方法、装置、电子设备和计算机可读存储介质 | |
CN107392252A (zh) | 计算机深度学习图像特征并量化感知度的方法 | |
CN109341665B (zh) | 一种淤地坝淤积状况调查系统和方法 | |
CN105740505A (zh) | 一种基于gps-rtk技术的道路空间线形恢复方法 | |
CN112530158B (zh) | 一种基于历史轨迹的路网补充方法 | |
CN103162694A (zh) | 数据维护及行驶支援系统、标高可靠度判断系统及方法 | |
CN107908899B (zh) | 一种用于风电场建设施工道路的选线系统及选线方法 | |
CN114626572A (zh) | 基于智能图像识别的输电线路路径优选方法 | |
CN115577539B (zh) | 一种张牵场的场地自动筛选方法及系统 | |
CN108062438B (zh) | 一种用于风电场运行道路的选线系统及选线方法 | |
CN114897777A (zh) | 顾及空间关系的接触网支撑设施激光点云全自动提取方法 | |
CN109800903A (zh) | 一种基于出租车轨迹数据的盈利路线规划方法 | |
CN113496182B (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 |
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 |