风振响应模型生成方法、设备、装置及介质制造方法及图纸

本发明专利技术公开一种风振响应模型生成方法、设备、装置及介质，其中，风振响应模型生成方法包括获取当前高架塔的三维模型；分离三维模型得到塔身模型和线路模型；根据塔身模型确定高架塔的第一风振响应参数，根据线路模型确定输电线路的第二风振响应参数；将第一风振响应参数和第二风振响应参数输入训练完成的深度学习模型，得到三维模型对应的风振响应模型。通过分别得到塔身模型和线路模型各自的风振响应参数，由训练完成的深度学习模型基于两种风振响应系数输出对应当前高架塔的风振响应模型，可以准确地评估高架塔的结构振动效应，提高高架塔的结构安全性能。架塔的结构安全性能。架塔的结构安全性能。

【技术实现步骤摘要】
风振响应模型生成方法、设备、装置及介质


[0001]本专利技术涉及电力
，尤其涉及一种不同塔型在大气边界层风作用下的风振响应模型生成方法、设备、装置及介质。

技术介绍

[0002]随着电网的普及，常通过高架塔将输电线路连接到不同的地区。高架塔在不同的建筑地点需要考虑环境因素带来的影响，以保证高架塔的稳定。
[0003]目前高架塔的施工方案需要考虑不同塔型在大气边界层风作用下的风振响应，然而高架塔上架设有多条输电线路，输电线路对高架塔的稳定性存在一定的影响，但是设计初期对于高架塔上架设输电线路的模型并没有详细的风振响应研究，导致部分高架塔存在一定的结构安全问题。

技术实现思路

[0004]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0005]本专利技术实施例提供了一种风振响应模型生成方法，通过深度学习模型自动得到在大气边界层内不同塔型结合输电线路的风振响应模型，为高架塔的建设提供数据支撑，减少高架塔在风振响应方面的结构问题。
[0006]第一方面，本专利技术实施例提供了一种风振响应模型生成方法，包括：
[0007]获取当前高架塔的三维模型，所述高架塔上架设有若干条输电线路且所述高架塔处于大气边界层内；
[0008]分离所述三维模型得到塔身模型和线路模型；
[0009]根据所述塔身模型确定所述高架塔的第一风振响应参数，根据所述线路模型确定所述输电线路的第二风振响应参数；
[0010]将所述第一风振响应参数和所述第二风振响应参数输入训练完成的深度学习模型，得到所述三维模型对应的风振响应模型。
[0011]本专利技术实施例第一方面提供的风振响应模型生成方法，至少具有如下有益效果：为了得到输电线路对塔身稳定性的影响，对当前高架塔的三维模型进行划分，得到塔身模型和线路模型，并分别得到塔身模型和线路模型各自的风振响应参数，由训练完成的深度学习模型基于两种风振响应系数输出对应当前高架塔的风振响应模型，由于将输电线路的影响考虑进当前高架塔的风振响应模型，因此基于所得到的风振响应模型可以准确地评估高架塔的结构振动效应，提高高架塔的结构安全性能。
[0012]在一些实施例中，所述获取当前高架塔的三维模型，包括：
[0013]获取当前高架塔的激光点云数据，所述激光点云数据由激光雷达设备扫描所述高架塔得到；
[0014]根据所述激光点云数据合成所述高架塔的三维模型。
[0015]在一些实施例中，所述分离所述三维模型得到塔身模型和线路模型，包括：
[0016]提取所述三维模型的特征点；
[0017]根据特征点的走向方式划分归属于高架塔的第一特征点和归属于输电线路的第二特征点；
[0018]根据所述第一特征点确定所述塔身模型，根据所述第二特征点确定所述线路模型。
[0019]在一些实施例中，所述根据所述塔身模型确定所述高架塔的第一风振响应参数，包括：
[0020]根据所述塔身模型上的第一特征点匹配塔身数据库，确定所述高架塔的塔型；
[0021]在所述塔身数据库中提取与所述塔型对应的第一风振响应参数。
[0022]在一些实施例中，所述根据所述线路模型确定所述输电线路的第二风振响应参数，包括：
[0023]根据所述线路模型上的第二特征点匹配线路数据库，确定所述输电线路的排布方式；
[0024]在所述线路数据库中提取与所述排布方式对应的第二风振响应参数。
[0025]在一些实施例中，所述深度学习模型的训练方式包括：
[0026]在塔身数据库中随机选取若干种塔型，在线路数据库中随机选取若干种线路排布方式；
[0027]将所选取的若干种塔型和若干种线路排布方式随机组合，得到训练集；
[0028]根据所述训练集和已建立的风振响应模型作为验证集得到深度学习模型。
[0029]在一些实施例中，所述根据所述训练集和已建立的风振响应模型作为验证集得到深度学习模型，包括：
[0030]提取所述已建立的风振响应模型中的风振响应参数；
[0031]将提取得到的风振响应参数与所述训练集匹配，并将风振响应参数作为所述深度学习模型的输入参数。
[0032]第二方面，本专利技术实施例还提供了一种风振响应模型生成的设备，包括：
[0033]获取模块，用于获取当前高架塔的三维模型，所述高架塔上架设有若干条输电线路且所述高架塔处于大气边界层内；
[0034]分离模块，用于分离所述三维模型得到塔身模型和线路模型；
[0035]参数确定模块，用于根据所述塔身模型确定所述高架塔的第一风振响应参数，根据所述线路模型确定所述输电线路的第二风振响应参数；
[0036]输出模块，用于将所述第一风振响应参数和所述第二风振响应参数输入训练完成的深度学习模型，得到所述三维模型对应的风振响应模型。
[0037]第三方面，本专利技术实施例还提供了一种风振响应模型生成装置，包括至少一个处理器和用于与所述至少一个处理器通信连接的存储器；所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的风振响应模型生成方法。
[0038]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行前述第一方面所
述的风振响应模型生成方法。
[0039]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0040]附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本专利技术的示例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。
[0041]图1是本专利技术实施例提供的风振响应模型生成方法的整体方法流程图；
[0042]图2是本专利技术实施例提供的获取三维模型的方法流程图；
[0043]图3是本专利技术实施例提供的分离得到塔身模型和线路模型的方法流程图；
[0044]图4是本专利技术实施例提供的得到第一风振响应参数的方法流程图；
[0045]图5是本专利技术实施例提供的得到第二风振响应参数的方法流程图；
[0046]图6是本专利技术实施例提供的深度学习模型的训练方法流程图；
[0047]图7是本专利技术实施例提供的调整深度学习模型输入参数的方法流程图。
具体实施方式
[0048]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0049]在本专利技术的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风振响应模型生成方法，其特征在于，包括：获取当前高架塔的三维模型，所述高架塔上架设有若干条输电线路且所述高架塔处于大气边界层内；分离所述三维模型得到塔身模型和线路模型；根据所述塔身模型确定所述高架塔的第一风振响应参数，根据所述线路模型确定所述输电线路的第二风振响应参数；将所述第一风振响应参数和所述第二风振响应参数输入训练完成的深度学习模型，得到所述三维模型对应的风振响应模型。2.根据权利要求1所述的风振响应模型生成方法，其特征在于，所述获取当前高架塔的三维模型，包括：获取当前高架塔的激光点云数据，所述激光点云数据由激光雷达设备扫描所述高架塔得到；根据所述激光点云数据合成所述高架塔的三维模型。3.根据权利要求1所述的风振响应模型生成方法，其特征在于，所述分离所述三维模型得到塔身模型和线路模型，包括：提取所述三维模型的特征点；根据特征点的走向方式划分归属于高架塔的第一特征点和归属于输电线路的第二特征点；根据所述第一特征点确定所述塔身模型，根据所述第二特征点确定所述线路模型。4.根据权利要求3所述的风振响应模型生成方法，其特征在于，所述根据所述塔身模型确定所述高架塔的第一风振响应参数，包括：根据所述塔身模型上的第一特征点匹配塔身数据库，确定所述高架塔的塔型；在所述塔身数据库中提取与所述塔型对应的第一风振响应参数。5.根据权利要求4所述的风振响应模型生成方法，其特征在于，所述根据所述线路模型确定所述输电线路的第二风振响应参数，包括：根据所述线路模型上的第二特征点匹配线路数据库，确定所述输电线路的排布方式；在所述线路数据库中提取与所述排布方式对应的第二风振响应参数。6.根据权利要求5所述的风振响应模型生成方法...

【专利技术属性】
技术研发人员：陈浩，彭炽刚，李雄刚，周华敏，刘高，翟瑞聪，郭锦超，王年孝，廖如超，饶成成，陈赟，丰江波，张峰，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：