电力系统故障分析:对称分量法原理、应用与工程实践
1. 项目概述从“救火”到“预防”的思维跃迁干了十几年电力系统运维和故障分析我越来越觉得处理故障就像老中医看病不能只满足于“症状消失”。早期跟着老师傅们跑现场哪里跳闸了、哪里冒烟了第一反应就是隔离、抢修、恢复供电整个过程紧张刺激但事后复盘总感觉少了点什么。直到后来系统性地接触了故障分析理论尤其是对称分量法这个核心工具才真正打开了新世界的大门。它让我从被动的“故障处理员”转变成了能主动分析系统“病因”、预测潜在风险的“系统医生”。简单来说电力故障分析理论及对称分量法是一套用于诊断电力系统“疾病”的标准化方法和数学工具。电力系统正常运行时三相电压电流是对称且平衡的就像一台平稳运转的精密机器。一旦发生短路、断线等故障这种对称性就被打破系统会“生病”出现异常的电压跌落、电流激增。故障分析理论就是研究这些“病症”的机理、影响和演变规律。而对称分量法则是将复杂的不对称故障比如单相接地、两相短路分解成几组简单的、对称的分量正序、负序、零序来进行计算和分析的“数学手术刀”。这套方法不仅是设计继电保护装置、整定保护定值的理论基础更是如今构建智慧电力感知网络、实现故障预警和智能决策的核心算法支撑。无论你是刚入行的继电保护工程师、从事电网调度的技术人员还是对电力电子技术在故障穿越中应用感兴趣的研发人员掌握这套理论都能让你穿透现象看本质。它不仅能告诉你故障电流有多大更能解释电流为什么这么流、电压为什么这样分布以及如何配置电力调度数据网一二平面这样的冗余通道来确保故障信息不丢失。接下来我就结合多年的实操和踩坑经验把这套理论的“里子”和“面子”彻底拆解清楚。2. 核心理论基石为什么不对称问题可以对称化解决2.1 故障分析的理论框架与核心挑战电力系统故障分析首要目标是快速、准确地计算出故障点的电压、电流大小及其在网络中的分布。这直接关系到断路器选型、保护灵敏度校验、系统稳定性评估等一系列工程问题。核心挑战在于除了三相短路这种对称故障外绝大多数故障如单相接地、两相短路、两相接地短路都是不对称的。三相电流不再大小相等、相位互差120度传统的基于单相等值电路的简单计算方法完全失效。这时我们面临一个根本性矛盾电力系统的网络参数线路阻抗、变压器变比本身是对称设计的但故障状态却是不对称的。直接求解这个不对称的三相电路方程组计算量极其庞大在计算机尚未普及的年代几乎无法完成。这就需要一种数学工具能将不对称的系统“转换”到一个对称的、易于计算的新坐标系下这就是对称分量法诞生的背景。2.2 对称分量法的数学本质与物理意义对称分量法的核心思想源于一个线性变换任何一组不对称的三相相量电压或电流都可以唯一地分解为三组对称的三相相量之和。这三组对称相量就是正序分量与系统正常运行时相序相同的对称分量A-B-C。它代表了故障后系统中依然存在的、用于传输有功功率的“健康”成分。负序分量与正常相序相反的对称分量A-C-B。它是故障不对称性的直接产物在正常对称运行时不存在。负序电流会在发电机转子中产生反向旋转磁场引起转子发热是监测故障的关键指标。零序分量三相大小相等、相位相同的分量。它同样只在接地故障等不对称情况下出现其通路与电网的中性点接地方式密切相关。零序电流是接地保护零序电流保护的动作依据。这个分解过程在数学上等同于一个坐标变换。我们熟悉的相分量A, B, C是“自然坐标系”而序分量正序1 负序2 零序0是“解耦坐标系”。通过一个固定的变换矩阵可以在两者间自由转换。其强大之处在于在序分量坐标系下对于各序网络三相是完全对称和解耦的。这意味着我们可以分别绘制出独立的、简单的正序网络、负序网络和零序网络单线图并像处理单相电路一样对它们进行分析。注意很多初学者会混淆“序分量”和“谐波”。务必记住对称分量法分析的是工频基波分量50Hz的相量关系不涉及高次谐波。负序和零序都是50Hz的只是相序不同。2.3 序阻抗连接理论与网络的桥梁定义了序分量下一步就是要建立各序分量的独立网络方程。这里的关键概念是序阻抗——发电机、变压器、线路等元件在正序、负序、零序电流流过时呈现的阻抗值。正序阻抗就是元件在正常对称运行时的阻抗最为常用。负序阻抗对于静止元件如线路、变压器负序阻抗等于正序阻抗。对于旋转电机发电机、电动机由于转子结构不对称负序阻抗与正序阻抗不同通常需要查手册获取。零序阻抗这是最复杂、也最需要现场经验的一环。零序电流的流通路径与元件结构及接地方式强相关。输电线路零序阻抗通常远大于正序阻抗因为零序磁通需要经过大地或架空地线返回磁路磁阻大。变压器零序阻抗是否流通取决于变压器绕组接线组别如YNd11和中性点是否接地。这是绘制零序网络时的难点和重点需要根据具体接线逐一判断。发电机通常中性点经高阻接地或小电抗接地其零序阻抗需要具体计算。绘制正确的序网络图尤其是零序网络图是故障分析计算正确与否的前提。我见过不少计算错误根源都在于零序网络画错了比如忽略了变压器三角绕组的隔离作用或者漏掉了并联的接地通道。3. 典型故障的标准化分析流程与实战拆解掌握了理论武器我们进入实战。故障分析有一套标准化的“解题流程”就像解数学应用题。下面以最常见的单相接地短路A相接地为例详细拆解每一步。3.1 步骤一建立故障边界条件首先在故障点处根据故障类型列出相分量的边界条件。对于A相金属性接地短路故障相A相电压为零U_A 0非故障相B、C相电流为零I_B I_C 0这是故障的物理本质描述所有分析都从这里出发。3.2 步骤二将相分量边界条件转换为序分量条件利用对称分量法的变换公式将上述相量条件转换到序分量坐标系。这是纯数学推导但至关重要。通过运算我们可以得到适用于序网络的边界条件U_A1 U_A2 U_A0 0故障点处三个序电压之和为零I_A1 I_A2 I_A0故障点处三个序电流相等这个结果非常优美且重要它意味着在故障点正、负、零序网络是串联关系。因为它们的电流相等电压之和为零。3.3 步骤三绘制复合序网图并计算根据步骤二得到的串联关系我们可以画出单相接地短路的复合序网图将故障点的正序网络、负序网络和零序网络的端口依次串联起来。 接下来就是电路计算假设故障前故障点电压为正常相电压E通常取标幺值1.0∠0°。计算故障点的各序电流I_1 I_2 I_0 E / (Z_1 Z_2 Z_0)。其中Z_1, Z_2, Z_0是从故障点看进去的网络正、负、零序等值阻抗。根据各序电流分别在各自的序网络中计算各序电压的分布。最后再利用反变换公式将计算得到的序电流、序电压合成回相电流、相电压得到我们最终需要的物理量。实操心得在实际工程计算或使用仿真软件时最易出错的地方是Z_1, Z_2, Z_0的求取。特别是零序等值阻抗Z_0必须基于正确的零序网络图进行化简。一个技巧是先单独绘制完整的系统零序网络标清所有通路和断点然后再从故障点向系统看进去进行星-三角变换或使用网络等值程序求取。3.4 不同故障类型的复合序网规律其他类型故障的分析流程完全一致只是边界条件和复合序网的连接方式不同。这是可以总结成表的故障类型相分量边界条件示例序分量边界条件关键结论复合序网连接方式三相短路三相电压关系复杂但三相对称I_2 I_0 0仅正序网络独立工作两相短路BC相I_A0, I_B-I_C, U_BU_CI_00, I_1-I_2, U_1U_2正序网与负序网并联两相接地短路BC相接地U_BU_C0, I_A0U_1U_2U_0, I_1I_2I_00正、负、零序网络三端并联单相接地短路A相U_A0, I_BI_C0I_1I_2I_0, U_1U_2U_00正、负、零序网络串联这张表是故障分析的“武功秘籍”必须烂熟于心。看到故障类型要能立刻反应出其对应的序网连接方式。4. 从理论到工程保护整定、智慧电力与数据应用4.1 继电保护中的核心应用定值计算的灵魂对称分量法不是象牙塔里的理论它直接指导着继电保护装置的配置和定值计算。距离保护测量阻抗的计算基于故障环路的电压电流。不对称故障时需采用正确的相间或接地阻抗测量方程这些方程推导的基础就是对称分量法。例如对于A相接地故障接地距离元件的测量阻抗Z U_A / (I_A k * I_0)其中零序补偿系数k (Z_0 - Z_1) / (3 * Z_1)这个k的公式就来源于序阻抗关系。纵联差动保护作为主保护其制动特性的设计需要考虑区外故障时由于线路两侧系统阻抗角差异或CT误差产生的差流。分析这种不平衡电流时序分量分析可以帮助量化影响。零序电流保护直接利用故障产生的零序电流作为动作量。其定值需要躲过正常运行时的不平衡电流由线路参数不完全对称引起和外部接地故障时流经本线路的零序电流这需要对全网零序电流的分布进行计算离不开对称分量网络。负序电流保护用于反映不对称短路或作为发电机的转子热保护。整定时需要知道发电机承受负序电流的能力I2t特性。我曾参与过一个110kV线路保护误动事故的分析。故障录波显示是区外BC相短路但本线某套保护却动作了。通过对称分量法分析故障电流发现由于相邻线路参数特殊导致本线路在区外故障时产生了较大的零序环流而保护的零序方向元件极性接反误判为区内故障。这就是理论不扎实导致工程配置出错的典型案例。4.2 赋能智慧电力故障预警与高级分析在现代智慧电力和数字化电网的背景下对称分量法的应用从“事后分析”走向了“事前预警”和“实时决策”。故障选线与定位在配电网自动化中发生单相接地故障后需要快速选出故障线路。传统方法是依靠人工逐条拉路现在基于暂态零序电流幅值、方向、五次谐波等特征的选线装置其算法内核很多都融合了序分量分析。更先进的方案利用电力采集终端如FTU、DTU上传的同步相量数据通过计算各出线零序电流的幅值和相位关系可以实现高精度选线。故障预测与健康度评估通过对历史故障数据和正常运行时微量负序、零序分量的长期监测利用bmm-b1022电力直流屏蓄电池组监护模块这类设备监测直流系统其原理相通可以建立设备如电缆、变压器的绝缘状态趋势模型。当负序或零序分量出现缓慢增长但未达到保护定值的异常时系统可提前发出预警安排检修变“定期检修”为“状态检修”。支撑调度决策当电力调度数据网一二平面传来广域测量系统WAMS的同步相量信息时调度员不仅能看到频率、电压还能看到各节点的负序、零序电压分布。这为判断不对称故障的严重程度、影响范围以及制定切机、切负荷等安控策略提供了直观依据。4.3 电力电子技术带来的新挑战与机遇随着新能源风电、光伏通过逆变器大量并网电力电子技术改变了电网的故障特性。电力电子设备逆变器的故障电流受其控制策略限制不再是传统同步发电机那样的工频周期电流且幅值通常被限制在1.2-1.5倍额定电流。这给基于工频序分量的传统保护带来了挑战故障电流特征弱逆变器提供的负序、零序电流很小可能导致依赖这些量的保护灵敏度不足甚至拒动。控制策略影响大逆变器在故障期间为提供电网支撑会注入特定的负序电流根据并网标准要求这改变了故障点序电流的分布规律。应对这些挑战正是当前研究的热点。一方面需要研究适应弱电源特性的新型保护原理另一方面对称分量法也在进化例如用于分析逆变器并网系统不对称故障的“双同步旋转坐标系解耦控制”等高级算法其思想源头依然是坐标变换和解耦与对称分量法一脉相承。5. 实操中的疑难杂症与排查心法理论再完美碰到现场实际问题还是会头大。下面分享几个我踩过的“坑”和总结的排查思路。5.1 零序网络绘制变压器接线组别是钥匙这是故障分析计算错误的重灾区。核心原则变压器绕组能否流通零序电流取决于该绕组是否接地以及绕组的连接方式。YN绕组星形接法且中性点接地零序电流可以流入/流出因此该侧零序网络与系统零序网络直接相连。Y绕组星形接法但中性点不接地零序电流无通路因此该侧零序网络在此断开。D绕组三角形接法零序电流在三角形内部形成环流但无法流到外部线路上。因此在绘制零序网络时变压器D绕组侧对外表现为开路但其内部阻抗通常等于正序漏抗需要接入零序网络作为零序电流的一个闭合支路。常见错误忽略了三绕组变压器中压侧或低压侧绕组的接地情况或者误将D绕组侧画成了接地。一个实用的检查方法是在零序网络图中从故障点出发沿着可能的零序通路走一遍看是否能构成一个完整的、接地的回路。如果不能那你的网络图很可能画错了。5.2 参数不准计算结果的“阿喀琉斯之踵”序阻抗尤其是线路的零序阻抗和互零序阻抗对计算结果影响巨大。这些参数受土壤电阻率、地线型号、线路排列方式水平、三角、同塔多回影响显著。设计手册给出的往往是典型值或计算值与实测值可能存在偏差。教训曾有一个同塔双回线路跨线故障的计算案例使用手册默认参数计算出的零序电流分布与故障录波数据相差超过30%。后来调取线路工频参数测试报告使用实测的零序阻抗和互零序阻抗重新计算结果与录波数据高度吻合。建议对于重要线路在进行精确的故障分析或保护整定时务必采用实测的工频参数。如果条件不允许至少要用详细的计算公式考虑导线型号、地线、土壤电阻率、排列方式进行复核而不是直接套用手册表格的推荐值。5.3 故障录波图分析理论与现实的对照故障录波器是验证理论的最佳工具。拿到一张故障录波图可以按以下步骤用对称分量法思维去分析识别故障类型首先看三相电流、电压波形。哪相电流突变最大哪相电压跌落最严重结合零序电流/电压通道可以初步判断是相间故障还是接地故障。提取工频相量从录波数据中提取故障稳态期间的工频相量值电压、电流。进行序分量分解将提取的A、B、C三相电流电压相量通过对称分量法公式计算其正、负、零序分量。对比与诊断如果确实是单相接地理论上应满足I_1 I_2 I_0。实际计算出的三个序电流大小和相位是否基本相等计算故障点电压U_fault U_1 U_2 U_0对于金属性接地该值应接近零。实际值是多少如果较大说明存在过渡电阻。通过计算出的序电流和已知的系统序阻抗反推故障点的位置与测距装置结果进行交叉验证。这个过程不仅能验证保护动作是否正确还能发现CT极性接错、PT二次回路异常等隐蔽问题。例如我曾通过分析发现录波中某相电流的零序分量与其他两相计算出的零序分量方向相反最终定位到该相CT的极性在安装时被接反了。6. 前沿延伸从工频稳态到暂态与数据驱动传统的对称分量法主要分析故障后的工频稳态量。但现代电力系统对分析速度和要求更高其应用正在向两个方向拓展。6.1 暂态分量分析与行波保护超高压、特高压线路的主保护是行波保护或微分方程保护它们利用故障产生的暂态高频行波进行定位动作速度在毫秒级。对称分量法似乎用不上并非如此。在行波保护启动、选相方面序分量仍然发挥作用。例如通过比较初始电流行波中零模和线模分量的幅值和极性关系可以快速、可靠地选出故障相这个“模量分解”的数学形式与对称分量法非常相似。此外在分析复杂故障如发展性故障、故障转换的暂态过程中结合暂态序分量分析能更清晰地理解故障的演化机理。6.2 数据驱动与人工智能的融合面对含高比例电力电子设备的复杂电网基于精确物理模型的传统分析方法有时会显得力不从心。这时电力缺陷数据集和人工智能技术提供了新思路。我们可以收集海量的历史故障录波数据、SCADA数据、PMU数据构成一个多维度的缺陷数据集。然后利用深度学习模型如CNN、LSTM直接从数据中学习故障特征与类型、位置的映射关系。 在这个过程中对称分量法计算出的序分量正序电压跌落比、负序电流幅值、零序功率方向等可以作为一组强大的特征工程结果输入给AI模型。这些特征具有明确的物理意义能显著提升模型的可解释性和泛化能力。例如可以将故障前后的正、负、零序电流电压的幅值、相位、变化率等几十个特征作为输入来训练一个故障分类器。这相当于用AI学习资深工程师用对称分量法分析故障的“经验”并将之固化、放大。在我个人看来对称分量法这门“古老”的技术其核心思想——通过坐标变换将复杂不对称系统解耦为简单对称系统——在电力系统迈向数字化、智能化的今天不仅没有过时反而以新的形式焕发生机。它从最初的手工计算工具演变为继电保护装置的算法内核再到如今成为智慧电力分析预警和AI模型特征提取的理论基石。吃透它你就握住了理解电力系统不对称现象的一把万能钥匙。最后分享一个书上看不到的小技巧在做复杂网络故障分析手工计算时可以借助MATLAB或Python的SymPy库来辅助进行序分量变换和复数矩阵运算能极大减少计算错误把精力更多集中在网络建模和结果分析上。毕竟工具是用来提升效率的而我们的核心价值在于对物理本质的深刻洞察。

相关新闻

Windows下MinIO对象存储安装与配置全攻略

Windows下MinIO对象存储安装与配置全攻略

1. Windows环境下MinIO的安装与配置指南MinIO作为一款高性能的对象存储服务,已经成为开发者本地测试和小型项目部署的热门选择。在Windows平台上运行MinIO不仅能够快速搭建开发环境,还能与各类现代应用无缝集成。本文将带你从零开始完成MinIO在Windows系…

2026/7/29 15:35:20 阅读更多 →
VR-Reversal:三步将专业VR视频变为普通2D的终极方案

VR-Reversal:三步将专业VR视频变为普通2D的终极方案

VR-Reversal:三步将专业VR视频变为普通2D的终极方案 【免费下载链接】VR-reversal VR-Reversal - Player for conversion of 3D video to 2D with optional saving of head tracking data and rendering out of 2D copies. 项目地址: https://gitcode.com/gh_mirr…

2026/7/29 15:34:19 阅读更多 →
柯里 - 霍华德对应关系揭示:类型检查器为何可能出错及证明辅助工具局限

柯里 - 霍华德对应关系揭示:类型检查器为何可能出错及证明辅助工具局限

类型检查器也会出错?柯里 - 霍华德对应关系揭示证明辅助工具局限Max 的博客[/][~/][~/关于我/](/about-me/) [~/系列文章/](/series/) [~/博客文章/](/blog/)2026 年 7 月 25 日在编写代码时,类型检查器多次为我们节省了时间。它能确保你不会将字符串与整…

2026/7/29 15:34:19 阅读更多 →

最新新闻

缓存三兄弟穿透、击穿、雪崩:我们线上数据库被打挂的那晚,3 个方案只救活了 1 个

缓存三兄弟穿透、击穿、雪崩:我们线上数据库被打挂的那晚,3 个方案只救活了 1 个

上个月大促前做一次压测,我把商品详情服务的 Redis 缓存整个清空,想验证"无缓存冷启动"的数据库承压。结果脚本跑起来第 8 分钟,DB 连接池告警、慢查询堆积,MySQL 的 CPU 直接打到 100%。那一刻我才意识到:缓…

2026/7/29 15:41:28 阅读更多 →
OpenObserve生产环境安全加固指南:TLS加密与身份验证实战

OpenObserve生产环境安全加固指南:TLS加密与身份验证实战

1. 项目概述:为什么OpenObserve的安全配置不容忽视?最近在部署和运维OpenObserve时,我花了大量时间研究其安全配置,特别是TLS加密和身份验证这块。OpenObserve作为一个新兴的、主打高性能和高性价比的可观测性平台,其轻…

2026/7/29 15:41:28 阅读更多 →
Calibre中文路径保护终极指南:4步彻底告别拼音目录烦恼

Calibre中文路径保护终极指南:4步彻底告别拼音目录烦恼

Calibre中文路径保护终极指南:4步彻底告别拼音目录烦恼 【免费下载链接】calibre-do-not-translate-my-path Switch my calibre library from ascii path to plain Unicode path. 将我的书库从拼音目录切换至非纯英文(中文)命名 项目地址: …

2026/7/29 15:41:28 阅读更多 →
ESP32-S3驱动VGA显示器:I2S+DMA方案实现与优化

ESP32-S3驱动VGA显示器:I2S+DMA方案实现与优化

1. 项目概述:当ESP32-S3遇上VGA最近在捣鼓FireBeetle 2这块板子,核心是ESP32-S3,性能比之前的ESP32强不少,双核240MHz,还带PSRAM。我琢磨着,能不能用它来点“复古”的玩法,比如驱动一个VGA显示器…

2026/7/29 15:41:28 阅读更多 →
如何快速打造专属B站桌面客户端:完整配置指南

如何快速打造专属B站桌面客户端:完整配置指南

如何快速打造专属B站桌面客户端:完整配置指南 【免费下载链接】BiliBili-UWP BiliBili的UWP客户端,当然,是第三方的了 项目地址: https://gitcode.com/gh_mirrors/bi/BiliBili-UWP 想不想在Windows电脑上享受更流畅、更美观的B站观看体…

2026/7/29 15:41:28 阅读更多 →
显卡驱动彻底清理终极指南:Display Driver Uninstaller (DDU) 免费解决方案

显卡驱动彻底清理终极指南:Display Driver Uninstaller (DDU) 免费解决方案

显卡驱动彻底清理终极指南:Display Driver Uninstaller (DDU) 免费解决方案 【免费下载链接】display-drivers-uninstaller Display Driver Uninstaller (DDU) a driver removal utility / cleaner utility 项目地址: https://gitcode.com/gh_mirrors/di/display-…

2026/7/29 15:40:28 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/29 14:34:28 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/29 15:00:03 阅读更多 →

月新闻