摘要
此专利涉及一种基于复杂气象条件下输电线路舞动特性的预测与预警系统。首先,通过布设在输电线路沿线的微气象传感器,实时采集包括风速、风向、温度、湿度及覆冰厚度等多种气象参数;其次,利用深度学习算法和广义回归神经网络(GRNN)对气象数据进行分析处理,提取气象因子与输电线路舞动振幅、频率的关联特征;然后,采用支持向量机(SVM)模型对舞动风险进行分类识别,生成舞动风险等级;最后,设计开发一套输电线路舞动监测与预警系统,实现了气象数据的实时采集、舞动趋势预测、风险等级评估以及预警信息的输出,有效保障了输电线路在复杂气象条件下的安全稳定运行。
技术关键词
输电线路舞动监测
气象传感器
广义回归神经网络
深度学习算法
风速
舞动预警系统
数据分析模块
数据采集模块
覆冰
故障分类模型
监测输电线路
预警模块
风险
预警体系
数据传输模块
系统为您推荐了相关专利信息
风速修正方法
模型风洞试验
推力
浮式风机
风机模型试验
生理特征参数
力评估方法
神经网络预测模型
玉米
指数
地理定位方法
点云
图像匹配算法
地理定位信息
视角
迁移深度学习
结构风荷载
离散余弦变换
深度学习模型训练
矩阵
覆冰
风机叶片
短期风电功率预测
数据
Fluent软件