【摘 要】
:
电力隧道智能检测系统主要涉及对电力隧道内运行的电力电缆本体的实时状态监测,隧道内环境以及特殊事件的预警.通过获得的电缆表面温度数据,实际运行状态信息,综合计算和深入分析,确保电力电缆的安全可靠.对灾害、电缆损伤及电网事故等进行准确报警.
【机 构】
:
国网辽宁省电力有限公司信息通信分公司;辽宁邮电规划设计院有限公司
论文部分内容阅读
电力隧道智能检测系统主要涉及对电力隧道内运行的电力电缆本体的实时状态监测,隧道内环境以及特殊事件的预警.通过获得的电缆表面温度数据,实际运行状态信息,综合计算和深入分析,确保电力电缆的安全可靠.对灾害、电缆损伤及电网事故等进行准确报警.
其他文献
今年夏季的酷热真没得说,晒得人是心情浮躁,烈火中烧,而这对驾车来说可不是好事。 为此。本月我们要推荐大家几件“降火”良方,让它们凭藉来自匠心打造的独到之处与精湛品质,助你开车开得心旷神怡,安全自在! MONTHLY PRODUCT 1 十年之后,它用温柔可人打动我飞劲WlLDPEAK H/T(极驭)SUV轮胎住友橡胶工业集团(www.falken.com.cn)、骑士会汽车 美容中心(ww
以正己胺、苯甲胺和环己胺为原料,分别与苯乙酮和甲醛反应合成了3种单曼尼希碱缓蚀剂BK1,BK2,BK3(统称BK组缓蚀剂),分别与丙酮和甲醛反应合成了3种单曼尼希碱缓蚀剂PA1,PA2,PA3(统称PA组缓蚀剂);然后以BK2为前体,与丙酮和甲醛反应合成了双曼尼希碱缓蚀剂D1;以PA1为前体,与环己基甲酮和甲醛反应合成了双曼尼希碱缓蚀剂D2.研究了上述8种缓蚀剂在酸性介质中对N80试片的缓蚀作用,采用量子化学密度泛函理论探讨了合成的曼尼希碱缓蚀剂分子结构参数和缓蚀性能的关系.结果表明,计算得到的最低未占轨
随着社会的进步和科技的发展,各种通信技术也随之变得越来越发达.通信工程是其中重要的组成部分,它是通信的一种手段,分为有线传输技术和无线传输技术.在通信工程中,有线传输更占据主要的地位,更具有广泛的应用,与人们的日常生活相关性比较大,具有举足轻重的传播信息的功能,因此能够为人们的社会生活提供更先进的服务,提升人与人之间的连接和信息传输的效率.相关人员应该不断的创新与优化来做到更多应用和改进.
人工智能是当今科技时代的宠儿,促进了国家与社会的快速发展,为人们的生活出行提供便利。图像识别技术在人工智能领域已经有了广泛的应用,如利用指纹、面部特征识别身份信息、快速搜索图片、监测环境等。图形识别是在图形特征的基础之上,通过算法在互联网上进行快速识别的技术。在此背景下,文中首先简要介绍图片识别的基本原理,然后对网络识别技术展开分析,最后重点分析了图形识别的实现过程。0引言图像识别,顾名思义,就是
电力行业针对设备的状态巡检和点检基本停留在人工离线检测、定期维护阶段,随着关键设备数量的增加、分布的广泛和工作环境的恶劣,仅靠人力投入已无法实现高密度的巡检和点检。在设备巡检和点检过程中应用现代化的智能感知诊断技术,可以提高监控的效率和质量,为设备的稳定运行提供重要保障。基于此,本文探讨了电力设备国内外研究现状,研究了电力物联网的设备智能感知诊断关键技术与应用。1电力设备国内外研究现状随着网络技术
高安全领域对电子产品的安全性分析提出了具体的要求.作为运行在高安全系统中的软件,必须在测试过程中进行代码覆盖率分析,通常要求MC/DC覆盖率达到100%.本文分析了常用单元测试软件对C语言开发的嵌入式项目进行自动化单元测试的覆盖率情况,通过比较得出单元测试的最优解决方案.
结合市场需求和国内工业化生产装置的实际能力,以提升石油蜡产品经济效益为目的,对其作为相变蜡原材料进行试验研究.结果表明,液体石蜡主体烷烃纯度(w)达到99%以上,低熔点石蜡熔程小于15℃,普通石蜡正构烷烃质量分数大于90%,相变焓达到应用要求,均可作为相变蜡原料.并完成了不同领域相变材料的应用考察.
网络分片是5G时代的一个非常重要的特征,通过对同一物理网络进行切片划分,能够更好地不同业务对网络SLA的不同服务质量要求,同时可以更好更快速的提供新型业务的部署能力.本文介绍了IP承载网的网络分片基本概念、目标、切片技术及其方案,重点探讨切片技术在舰船网络中应用,并提出部署建议.
人工智能技术最早出现在20世纪50年代,进入新时代得到优化和升级,使其可以完全模拟人类思维、行为,是经济与科技共同进步的结果.现如今已在许多行业加以应用,将其应用到计算机网络之中,可以在诸多环节产生积极影响,能够推动双方共同进步.本文就围绕计算机网络中的人工智能技术运用展开分析,供参考.
针对不良光照道路目标检测任务中识别行人目标精度不高的问题,提出用行人特征先验框的YOLOv4神经网络模型和增强型红外图像数据集来提高行人目标检测的精度。具体通过提取KAIST红外视频图像作为数据集,利用CLAHE方法对图像进行增强处理,然后使用KMeans++算法对行人特征进行先验框聚类。通过训练和测试,检测到mAP和mIoU分别达到98.42%和81.95%,具有良好的效果。