输电线路gps智能巡线信息管理系统关键技术研究

《输电线路gps智能巡线信息管理系统关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文摘要输电线路智能GPS巡线管理系统是当代电力行业数字化的重要组成部分，是在吸收国内外的先进数字化、自动化、计算机技术的基础上，以进一步规范线路巡检工作管理流程，完善线路缺陷管理流程，优化线路管理方式为目标，并为将来的特高压运行安全性、可靠性等方面发挥着重大的作用。本文对输电线路巡线管理系统实现方法的关键技术做了系统的研究。为建立功能完备结构清晰的巡线管理系统，本文在系统构架方面，使用UML方法对输电线路智能巡线管理系统进行建模，建立了智能巡线管理系统的用例模型。通过本系统运行结果分析说明：利用UML方法对巡线系统建模可提高系统的可读性和可扩展性；在数据库

2、设计方面，运用优化设计方法对巡线数据库建立了C/S（Client/Server）模型，提出了智能巡线重点分析设计的模块设计构想，结果表明该系统模块设计方法能够完成输电线路管理系统功能，统计数据完整可靠。在巡线数据处理方面，本文运用熵权双基点法算法和神经网络算法对巡线线路进行安全等级预测，并对预测结果的精确性与可靠性进行讨论。对巡线数据运用以上算法进行比较，结果表明：应用误差反传神经网络（BP）预测算法预测的线路安全级别结果具有较大的应用价值，具有较高的精度；然而熵权双基算法在进行巡线重点预测具有模型简单的优势，基本上能够正确客观的评价输电线路的优劣程度，可以为巡线决策生成提供良

3、好可靠的预测结果，该算法是一种具有一定预测精度和实用性的预测方法。在本巡线管理系统中，利用此算法预测输电线路安全级别具有一定的优越性和适用性。关键词：输电线路，智能巡线，数据管理，熵权双基点，神经网络，巡线重点预测I华中科技大学硕士学位论文AbstractTransmissionlineGPSintelligentinspectionpowermanagerialsystem(MIS)playsanimportantroleincontemporaryelectricpowerprofessiondigitization.Itisbasedontheabsorptionofdo

4、mesticandinternationaladvancedtechnique,includingdigital,informationengineeringandcomputerscience.Withthegoalstostandardtheinspectionoftransmissionline,perfectthemanagementofdefectprocess,andoptimizetheadministrationmodeoftransmissionline,itmakegrandeffectforrunningsecurityandreliabilitytoth

5、eextra-highvoltagetransmissionlinesystems.Thekeytechniquesoftheimplementmethodaresystemicallyinvestigatedinthethesis.Thetaskistobuildasystemthishasenoughfunctionsandclearstructure.Intheaspectofbuildingaprototypeforthesystem,thisarticleuseUMLmethodtobuildprototypeforthebasicstructureofMIS.Acc

6、ordingtotheresultanalysisafterrunningthissystem:usingUMLmethodtobuildprototypeforMIScanimprovethereadabilityandextendibilityofthesystem;intheaspectofdesigningdatabase,usingdataoptimizingtechnologytobuildC/SmodalforMISdatabase,comingoutamoduledesignconceptionforintelligentinspectioncrucialana

7、lysisdesign,theresultsshowthatthisdesignmethodforsystemmodulecandealwiththemanagementoftransmissionline,processdatawithreliableandintegratedskill.Intheaspectofprocessingdata,thisarticleuseentropyweightingdouble-pointsmethodandbackprogagationneuraln