买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖北经济学院申请的专利一种变电站仿真建模方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117351141B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311207265.4，技术领域涉及：G06T17/00；该发明授权一种变电站仿真建模方法及系统是由李睿恒;邸忆;左乾坤;石兵华;田浩;郭佳;干露设计研发完成，并于2023-09-19向国家知识产权局提交的专利申请。

本一种变电站仿真建模方法及系统在说明书摘要公布了：本发明属于仿真建模领域，公开了一种变电站仿真建模方法，该方法包括：使用体素约束分层聚类对变电站现场的云场景进行分割，以获得包含一个或多个设备的集群；使用Dense‑SSD算法来识别每个点云集群的快照图像，并获得集群中包括的设备类别和设备数量；使用ICP将每种类型的模型注册到目标设备点云中，并通过匹配点的距离确定设备类型；从ICP的计算结果中获得设备模型在变电站场景中的姿态，以将模型放入实际的变电站场景中。本发明不仅识别了设备的类型，而且获得了模型在变电站场景中的姿态。

本发明授权一种变电站仿真建模方法及系统在权利要求书中公布了：1.一种变电站仿真建模方法，其特征在于，该方法具体包括： S1：使用体素约束分层聚类对变电站现场的云场景进行分割，以获得包含一个或多个设备的集群； S2：使用DSOD算法来识别每个点云集群的快照图像，并获得集群中包括的设备类别和设备数量； S3：根据设备类别从模型库中检索相应的不同类型的模型，使用迭代最近点算法将每种类型的模型注册到目标设备点云中，并通过匹配点的距离确定设备类型； S4：从迭代最近点算法的计算结果中获得设备模型在变电站场景中的姿态，以将模型放入实际的变电站场景中； 所述S2具体包括：在SSD的基础上添加了一个用于提取深层特征的网络，并构建了一个新的神经网络，它基于电力设备的点云图像预测设备类型；在检测框架中，通过DenseNet提取深层特征，然后将Dense-SSD算法中的目标帧建议策略和帧回归算法相结合，重建端到端的对象识别和检测网络； 所述DSOD算法分为两部分：特征提取部分和预测输出部分； 所述特征提取部分具有DenseNet结构，包括一个干块、四个密集块、两个过渡层和两个带池化层的过渡层；在干块中，为了减少原始输入图像的信息损失，用几个小卷积核取代了大卷积核，并将DenseNet中的原始设计更改为四个3×3卷积层和2×2最大池化图层的组合，其中，DenseNet中的原始设计为7×7卷积层，stripe＝2，3×3最大池化层，stripe＝2；两个相邻密集块之间的过渡层由1×1体积层和2×2最大池化层组成；过渡wo池化层确保在不降低最终特征图分辨率的情况下增加密集块的数量，并且由1×1个卷积层组成； 所述预测输出部分保留SSD网络预测层的结构，预测所有对象类别的预测置信度和预测帧的位置偏移值，并将干块和密集块的侧输出特征图组合为浅信息，将网络的最终输出特征图结合为深信息；浅信息和深信息共同决定预测值，实现深度监管； 为了减少计算量，依次对每个特征图进行下采样和合并； 所述下采样包括最大池化层和卷积层；在整个结构中，密集块是核心部分，连接模式引入了从任何层到所有后续层的直接连接，上层的输出是x0、x1、x2、x3和x4，输出之间的连接结构由批处理归一化BN层、校正线性单元ReLU和3×3包容conv组成，密集块通过在所有前层和后层之间建立短路连接来实现浅层特征图的重用。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖北经济学院，其通讯地址为：430205 湖北省武汉市江夏区藏龙岛开发区杨桥湖大道8号(江夏区藏龙岛办事处梁山头村)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。