-
公开(公告)号:CN110728394A
公开(公告)日:2020-01-24
申请号:CN201910332063.X
申请日:2019-04-24
Applicant: 内蒙古电力(集团)有限责任公司内蒙古电力经济技术研究院分公司 , 北京洛斯达数字遥感技术有限公司
Inventor: 赵墨林 , 闫军 , 李晓鹏 , 郭向伟 , 田斌 , 程晓磊 , 苏和 , 吕海霞 , 呼斯乐 , 蔡文斌 , 侯博 , 南家楠 , 严研 , 周敏 , 徐华秒 , 王涛 , 郑博予 , 解景新 , 杨曦 , 吴斌
Abstract: 本发明公开了一种考虑潮流分布的高压变电站规划方法,首先进行较低电压等级变电站的选址、定容以及供电范围的划分,在此基础上,以较低电压等级的变电站所带负荷作为负荷,进行较高电压等级变电站选址、定容以及供电范围的划分,从而实现了多电压等级变电站规划方案的有效协调,另外,在较高电压等级变电站选址的过程中考虑较低电压等级潮流分布的影响,进一步提高了高压变电站规划方案的合理性,能够综合考虑电源接入对网供负荷的影响,并为满足待规划区域内的负荷需求,以各变电站的带负荷能力为约束条件,以变电站的年投资及运行费用、低压侧线路的年投资及网络损耗费用以及需求响应年费用三者之和最小为目标建立高压变电站优化规划模型。
-
公开(公告)号:CN109992923B
公开(公告)日:2022-11-11
申请号:CN201910310776.6
申请日:2019-04-16
Applicant: 国网陕西省电力公司 , 国网陕西省电力公司经济技术研究院 , 北京洛斯达数字遥感技术有限公司
Inventor: 周军义 , 潘良军 , 李宝昕 , 邹彬 , 姚金雄 , 王芝麟 , 王喆 , 郭瑾程 , 陈本阳 , 张涵 , 张超 , 姜山 , 姜宁 , 井江波 , 贾宏刚 , 王炜 , 李凤亮 , 严研 , 乔新辉 , 常金生 , 王军 , 周敏 , 马旭 , 崔章顺 , 董鉥涛 , 杨曦 , 樊成虎 , 解景新 , 王涛 , 邰建豪
IPC: G06F30/18
Abstract: 本发明公开了一种基于变分辨率成本表面的分阶段输电线路路径规划方法。该方法设计并实现了变分辨率成本表面模型,将选线过程分为通道规划、路径规划两个阶段。包括步骤:首先收集选线范围内的数据,生成变分辨率成本表面模型;其次在该表面模型上进行通道计算,规划出通道后,以通道覆盖的区域为选线范围,以缩小路径的选线范围,降低详细数据的收集难度;然后重新生成更高分辨率的变分辨率成本表面模型并在其上进行路径规划,得到备选路径。该方法不仅避免了单分辨率成本表面导致的边缘效应、选线结果精度低等问题,而且采用由粗到细逐步精化的选线方式,有利于收集到更详实的数据,提高路径规划结果的合理性与可靠性。
-
公开(公告)号:CN109992923A
公开(公告)日:2019-07-09
申请号:CN201910310776.6
申请日:2019-04-16
Applicant: 国网陕西省电力公司 , 国网陕西省电力公司经济技术研究院 , 北京洛斯达数字遥感技术有限公司
Inventor: 周军义 , 潘良军 , 李宝昕 , 邹彬 , 姚金雄 , 王芝麟 , 王喆 , 郭瑾程 , 陈本阳 , 张涵 , 张超 , 姜山 , 姜宁 , 井江波 , 贾宏刚 , 王炜 , 李凤亮 , 严研 , 乔新辉 , 常金生 , 王军 , 周敏 , 马旭 , 崔章顺 , 董鉥涛 , 杨曦 , 樊成虎 , 解景新 , 王涛 , 邰建豪
IPC: G06F17/50
Abstract: 本发明公开了一种基于变分辨率成本表面的分阶段输电线路路径规划方法。该方法设计并实现了变分辨率成本表面模型,将选线过程分为通道规划、路径规划两个阶段。包括步骤:首先收集选线范围内的数据,生成变分辨率成本表面模型;其次在该表面模型上进行通道计算,规划出通道后,以通道覆盖的区域为选线范围,以缩小路径的选线范围,降低详细数据的收集难度;然后重新生成更高分辨率的变分辨率成本表面模型并在其上进行路径规划,得到备选路径。该方法不仅避免了单分辨率成本表面导致的边缘效应、选线结果精度低等问题,而且采用由粗到细逐步精化的选线方式,有利于收集到更详实的数据,提高路径规划结果的合理性与可靠性。
-
公开(公告)号:CN110399819A
公开(公告)日:2019-11-01
申请号:CN201910639615.1
申请日:2019-07-15
Applicant: 北京洛斯达数字遥感技术有限公司
Inventor: 乔新辉 , 严研 , 马旭 , 范光甫 , 崔章顺 , 侯小波 , 解景新 , 陈思远 , 常金生 , 王军 , 董鉥涛 , 王涛 , 徐华秒 , 吴斌 , 杨曦 , 刘兴 , 王倩 , 李扬 , 赵晶辉 , 郭双叶 , 段宇格
Abstract: 本发明公开了一种基于深度学习的遥感影像居民区自动提取方法,包括以下步骤:a.制作居民区训练样本;b.对步骤a生成的样本数据做数据整理和归类,建立训练模型的数据集,包括训练集、验证集和检测集;c.基于迁移学习算法训练样本;d.对训练结束后得到的模型进行验证和评价;该发明采用基于光谱信息辅助的改进型全卷积网络遥感影像居民区提取方法;使用条件随机场对分类结果进行优化,使提取的居民区边界更加平滑合理;深度学习与GIS辅助制图相结合,完成大面积海量数据的全自动智能提取。
-
-
-