CN111060730A - 一种计量设备周期轮换过程中的现场数据采集装置及方法 - Google Patents
一种计量设备周期轮换过程中的现场数据采集装置及方法 Download PDFInfo
- Publication number
- CN111060730A CN111060730A CN201911399222.4A CN201911399222A CN111060730A CN 111060730 A CN111060730 A CN 111060730A CN 201911399222 A CN201911399222 A CN 201911399222A CN 111060730 A CN111060730 A CN 111060730A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- current
- component
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
- G01R11/56—Special tariff meters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2506—Arrangements for conditioning or analysing measured signals, e.g. for indicating peak values ; Details concerning sampling, digitizing or waveform capturing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种计量设备周期轮换过程中的现场数据采集装置及方法,以非侵入的方式获取现场数据,非侵入式通过安装在电力入口的监测设备获取电力总功耗,从而确定现场负荷的类型和工作状态,并且在采集设备的工作过程中,不会对现场设备运行本身产生影响。本发明具有低成本、通信方式简单以及维修方便的特点,同时获取单个负荷的工作状态和能耗,根据能耗、分时电价和电能计量等信息,工作人员可以提出有效的管理方案。本发明考虑了运算复杂度与实际应用中的硬件实现问题,在保证负荷辨识有效的前提下,具有较高的运算效率,所有实现步骤均可通过基本运算与快速傅里叶变换(FFT)实现。算法运算复杂度小,利用FFT即可实现负荷状态的有效辨识。
Description
【技术领域】
本发明属于电网数据监测技术领域,涉及一种计量设备周期轮换过程中的现场数据采集装置及方法。
【背景技术】
近年来,随着智能电网和电力需求侧管理技术的发展以及节能意识的提高,越来越多的传感器、智能仪表被装入电力网络中,用以获取电网的实时数据,电压、电流、功率等实时数据被采集、处理后成为电力***负荷控制和计量收费的重要信息,实现电网的安全、经济和可靠运行。
采用侵入式设计的传统监测方式需要在每个用电设备上都安装传感器,尽管计量的数据较为准确,然而安装工作需要进入负荷内部,十分繁琐,因此非侵入式监测越来越受到广泛的关注。负荷辨识方法在非侵入式监测技术中具有重要意义,现有的辨识方法依据负荷的暂、稳态特征的变化进行识别,特征提取步骤繁琐且无法获得独立负荷的完整数据。而且当多种负荷混合时分离难度较大。
非侵入式监测通过安装在电力入口的监测设备可以获取电力总功耗,从而确定现场负荷的类型和工作状态,因此该技术具有低成本、通信方式简单以及维修方便的特点,同时它也可以获取单个负荷的工作状态和能耗,而对于非侵入式监测来说,现场数据的获取是最基础的环节。为了满足现场数据采集需求,需要针对特殊场景开发适用于高精度电力信号采集的原型模块,针对采集频度、采集时标一致性等功能进行定制化开发。
目前,现有技术主要有:
1、侵入式负荷监测,其方案是将大量带有数字通信功能的传感器安装到现场对数据进行获取;在现场进行(有线或无线)通信网络(包括局域网主机)的组建、调试和维护。但该方案传感器的安装、维护、更新等会给用户带来侵扰,为用户带来不便;其次,传感器会受用户行为的干扰而发生故障不能正常运行;最后,传感器会对现场数据产生干扰。
2、传统负荷辨识算法,其方案是在获得采集数据后,依据信号时域暂、稳态信息进行投切判断或作基本变换域分析,通过特征匹配对负荷进行分析辨识。但该方案负荷的暂、稳态特征稳定性较低;其次,当多种负荷混合时辨识难度较大;最后,随着特征维度的增加,运算效率降低。
【发明内容】
本发明的目的在于解决现有技术中的问题,提供一种计量设备周期轮换过程中的现场数据采集装置及方法,本发明在以非侵入的方式对现场数据进行采集的基础上,对现场的运行负荷进行分析辨识。辨识准确率高,并且在采集设备的工作过程中,不会对现场设备运行本身产生影响。
为达到上述目的,本发明采用以下技术方案予以实现:
一种计量设备周期轮换过程中的现场数据采集装置,包括:
DSP数据处理单元,所述DSP数据处理单元用于对混合电流进行分离,分离为当前新投入运行的负荷电流信号和上一时刻的混合电流信号;DSP数据处理单元分别与通讯单元、存储单元以及可视化单元相交互;DSP数据处理单元的数据输入端连接数据采集单元;
通讯单元,所述通讯单元用于对DSP进行信息交互,通过通讯单元发送指令来控制整个***;
存储单元,所述存储单元用于存储DSP模块处理后的数据和信息;
可视化单元,所述可视化单元用于将负荷数据和信息实时输出到多功能显示屏,展示当前负荷运行的状态;
数据采集单元,所述数据采集单元的输入端连接电压互感器和电流互感器的输出端;
电能供给单元,所述电能供给单元与DSP数据处理单元的电源端相连,为DSP数据处理单元供电。
一种计量设备周期轮换过程中的现场数据采集方法,包括以下步骤:
步骤1,利用非侵入的方式进行现场数据采集;
步骤2,获得采集总电流数据的频谱,并确定电流模板滤波器;
步骤3,利用模板滤波器进行频谱滤波;
步骤4,确定负荷的运行状态;
步骤5,将步骤1和4中得到的高频采集数据及分析结果传输到存储设备中。
上述方法进一步的改进在于:
所述步骤1的具体方法如下:
通过在电力入口侧连接电压互感器和电流互感器得到电力入口的总电流和总电压,完成居民负荷总线入口处电流信号的采样,同时将采样得到的信号进行A/D转换。
所述步骤2中频谱的获得方法如下:
总电流数据的频谱利用傅里叶变换得到:
WN=exp(-j2π/N)
其中,x[n]为电流信号,函数WN为蝶形因子。
所述步骤2中,确定电流模板滤波器的具体方法如下:
步骤2-1,将每个用电设备独立运行时产生的特征电流信号Ik(t)进行FFT变换,得到特征滤波器Ik(jω),k=1,2,...,N;并为每种负荷的标号,其中,ω∈ωj,ωj为Ik(jω)包含的频率分量,Ik(t)通过先验测试得到;
步骤2-2,在特征滤波器Ik(jω)的基础上,对总电流数据进行归一化处理;
步骤2-3,对各频率分量进行0-1赋值,构建数字模板滤波器hk(jω);选定阈值δ,当特征滤波器Ik(jω)的频率分量幅度大于等于阈值时,判断该分量为有效分量,赋值为1;当幅度小于阈值时,判断该分量为无效分量,赋值为0。
所述步骤3的具体方法如下:
步骤3-1,将每个用电设备独立运行时产生的特征电流信号Ik(t)进行FFT,得到特征滤波器Ik(jw),k=1,2,...,N,k为每种负荷的标号,其中,w∈wj,wj为Ik(jw)包含的频率分量,Ik(jw)通过先验测试得到;
步骤3-2,在特征滤波器基础上,对数据进行归一化处理;
步骤3-3,对各频率分量进行0~1赋值,构建数字模板滤波器hk(jw);选定阈值δ,当特征滤波器的频率分量幅度大于等于阈值时,判断该分量为有效分量,赋值为1;当幅度小于阈值时,判断该分量为无效分量,赋值为0。
所述步骤4的具体方法如下:
数学模型对模板滤波输出信号Yj(jw)进行处理,使其频率成分0~1化为Yj(jw);其中,j=1,2,...N,j为混合信号通过各个模板后的输出信号的标号,w∈wj,wj为Ij(jw)或yj(jw)包含的频率分量;如下式所示,阈值δ等于或小于与构造模板滤波器时使用的阈值:
在上式基础上,构建判决函数如下式所示:
上式为频率分量保留度的量化判别函数;理想情况下,当负荷投入运行时,滤波后频率分量与特征滤波器频率分量完全一致,上式值为1;实际中,的值越接近1,说明负荷正在运行的概率越大;因此,选定阈值0.7≤σ≤1,当的值大于阈值σ时,判断该负荷投入运行,反之未投入运行。
与现有技术相比,本发明具有以下有益效果:
本发明以非侵入的方式获取现场数据,非侵入式通过安装在电力入口的监测设备获取电力总功耗,从而确定现场负荷的类型和工作状态,因此该技术具有低成本、通信方式简单以及维修方便的特点,同时获取单个负荷的工作状态和能耗,根据能耗、分时电价和电能计量等信息,工作人员可以提出有效的管理方案。
本发明采用的负荷辨识方法以非侵入运行模式下的电流模型为基础,构建模板滤波器对混合电流滤波,依据输出信号中频率分量的保留度实现辨识,并构建频率成分保留度函数对负荷状态进行机器量化判决。本发明考虑了运算复杂度与实际应用中的硬件实现问题,在保证负荷辨识有效的前提下,具有较高的运算效率,所有实现步骤均可通过基本运算与快速傅里叶变换(FFT)实现。算法运算复杂度小,利用FFT即可实现负荷状态的有效辨识。
【附图说明】
图1为本发明现场数据采集装置的结构示意图;
图2为本发明现场数据采集方法的流程图;
图3为本发明仿真所选取的典型居民负荷采集信号时域波形(左)与特征滤波器(右);
图4为本发明模板滤波器(左)与滤波后信号频谱分量(右)对比图。
【具体实施方式】
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,不是全部的实施例,而并非要限制本发明公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要的混淆本发明公开的概念。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明公开的上下文中,当将一层/元件称作位于另一层/元件“上”时,该层/元件可以直接位于该另一层/元件上,或者它们之间可以存在居中层/元件。另外,如果在一种朝向中一层/元件位于另一层/元件“上”,那么当调转朝向时,该层/元件可以位于该另一层/元件“下”。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
参见图1,本发明计量设备周期轮换过程中的现场数据采集装置,包括通信单元、存储单元、电能供给单元、DSP数据处理单元、可视化单元以及数据采集单元。
DSP数据处理单元,所述DSP数据处理单元用于对混合电流进行分离,分离为当前新投入运行的负荷电流信号和上一时刻的混合电流信号;DSP数据处理单元分别与通讯单元、存储单元以及可视化单元相交互;DSP数据处理单元的数据输入端连接数据采集单元;
通讯单元,所述通讯单元用于对DSP进行信息交互,通过通讯单元发送指令来控制整个***;
存储单元,所述存储单元用于存储DSP模块处理后的数据和信息;
可视化单元,所述可视化单元用于将负荷数据和信息实时输出到多功能显示屏,展示当前负荷运行的状态;
数据采集单元,所述数据采集单元的输入端连接电压互感器和电流互感器的输出端;
电能供给单元,所述电能供给单元与DSP数据处理单元的电源端相连,为DSP数据处理单元供电。
如图2所示,本发明公开了一种计量设备周期轮换过程中的现场数据采集方法,包括以下步骤:
步骤1,利用非侵入的方式进行现场数据采集,具体方法如下:
通过在电力入口侧连接电压互感器和电流互感器得到电力入口的总电流和总电压。完成居民负荷总线入口处电流信号的采样,同时将采样得到的信号进行A/D转换,为后续的负荷识别模块提供数据支撑。
步骤2,获得采集总电流数据的频谱,并确定电流模板滤波器;
频谱的获得方法如下:
总电流数据的频谱利用傅里叶变换得到:
WN=exp(-j2π/N)
其中,x[n]为电流信号,函数WN为蝶形因子。
确定电流模板滤波器的具体方法如下:
步骤2-1,将每个用电设备独立运行时产生的特征电流信号Ik(t)进行FFT变换,得到特征滤波器Ik(jω),k=1,2,...,N;并为每种负荷的标号,其中,ω∈ωj,ωj为Ik(jω)包含的频率分量,Ik(t)通过先验测试得到;
步骤2-2,在特征滤波器Ik(jω)的基础上,对总电流数据进行归一化处理;
步骤2-3,对各频率分量进行0-1赋值,构建数字模板滤波器hk(jω);选定阈值δ,当特征滤波器Ik(jω)的频率分量幅度大于等于阈值时,判断该分量为有效分量,赋值为1;当幅度小于阈值时,判断该分量为无效分量,赋值为0。
步骤3,利用模板滤波器进行频谱滤波,具体方法如下:
根据基于模板滤波快速辨识算法的原理,实现负荷识别首先需要构造单个用电负荷的特征滤波器与模板滤波器。
步骤3-1,将每个用电设备独立运行时产生的特征电流信号Ik(t)进行FFT,得到特征滤波器Ik(jw),k=1,2,...,N为每种负荷的标号,其中,w∈wj,wj为Ik(jw)包含的频率分量,Ik(jw)可通过先验测试得到;
步骤3-2,在特征滤波器基础上,对数据进行归一化处理;
步骤3-3,对各频率分量进行0~1赋值,构建数字模板滤波器hk(jw)。选定阈值δ,当特征滤波器的频率分量幅度大于等于阈值时,判断该分量为有效分量,赋值为1;当幅度小于阈值时,判断该分量为无效分量,赋值为0。
步骤4,确定负荷的运行状态,具体方法如下:
数学模型对模板滤波输出信号Yj(jw)(j=1,2,...N,j为混合信号通过各个模板后的输出信号的标号),进行处理,使其频率成分0~1化为Yj(jw)。其中,w∈wj,wj为Ij(jw)(或yj(jw))包含的频率分量。如下式所示,阈值δ可与构造模板滤波器时使用的阈值相同或略小于它:
在上式基础上,构建判决函数如下式所示:
上式为频率分量保留度的量化判别函数。理想情况下,当负荷投入运行时,滤波后频率分量与特征滤波器频率分量完全一致,上式值为1。实际中,的值越接近1,说明负荷正在运行的概率越大。因此,选定阈值0.7≤σ≤1,当的值大于阈值σ时,判断该负荷投入运行,反之未投入运行。
步骤5,将步骤1至步骤4中得到的高频采集数据及分析结果传输到存储设备中。
实施例
本实施例选取吹风机、吸尘器与微波炉等典型家电负荷进行仿真,具体采集过程如下:
步骤1、利用硬件对计量设备在现场产生的信号进行高频采集,从而记录下实时数据;
步骤2、计算采集的电力入口处总电流的频谱,再选定阈值对特征电流模板频谱分量进行0和1赋值确定模板滤波器;
步骤3、利用已有的模板滤波器对总电流的频谱进行滤波,最后通过对滤波后频率分量的量化判决确定负荷的运行状态。
步骤4、将步骤1-3中得到的高频采集数据及分析结果利用WiFi进行传输,并用存储设备进行存储;
如图3所示,图3为仿真所选取的典型居民负荷采集信号时域波形(左)与特征滤波器(右),图3a为吹风机电流信号时域波形图,图3b为吸尘器电流信号时域波形图,图3c为微波炉电流信号时域波形图;
由图3右侧可观察到各负荷特征滤波器含有不同的频率分量。所有负荷均含有工频分量,且奇次谐波较明显,还拥有各自独有的频率成分,这些独有的频率成分是负荷辨识的关键。
如图4所示,图4为模板滤波器(左)与滤波后信号频谱分量(右)对比图,图4a为吹风机模板滤波器(左)与滤波后信号频谱分量对比图,图4b为吸尘器模板滤波器(左)与滤波后信号频谱分量,图4c为微波炉模板滤波器(左)与滤波后信号频谱分量;
模板滤波器构造成功后,开启吹风机和微波炉两个用电器,构建的采集设备采集其混合电流,由处理模块进行调整后对其进行模数转换,然后利用负荷辨识模块对其进行识别,如图4(右)所示,是混合信号通过各个特征模板滤波器后的处理结果。混合电流是当吹风机与微波炉投入运行时所采集的,因此将其通过吹风机与微波炉对应的模板滤波器滤波后,模板滤波器原有的频率分量应基本保留;利用吸尘器对应的模板滤波器滤波后,其频率成分丢失较多。分析图4滤波后的结果,图4(b)中多个频谱分量均显著丢失,因此可以判断吸尘器未开启。而图4(a)、图4(c)中基本完整保留了主要的频率成分,并与滤波器本身的频率分量相对应,所以吹风机与微波炉投入运行。
由图4可知,通过判断频率分量的保留程度能够得到正确的负荷投切信息。另一方面,三个输出信号与负荷1、负荷2与负荷3模板滤波器构成的判决函数值分别为1、0.43与0.98,显而易见,1和0.98大于判决函数阈值0.7,所以,DSP处理器通过判决函数值得到的用电设备的投切状态与图4中一致,即吹风机与微波炉投入运行,吸尘器未投入运行。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (7)
1.一种计量设备周期轮换过程中的现场数据采集装置,其特征在于,包括:
DSP数据处理单元,所述DSP数据处理单元用于对混合电流进行分离,分离为当前新投入运行的负荷电流信号和上一时刻的混合电流信号;DSP数据处理单元分别与通讯单元、存储单元以及可视化单元相交互;DSP数据处理单元的数据输入端连接数据采集单元;
通讯单元,所述通讯单元用于对DSP进行信息交互,通过通讯单元发送指令来控制整个***;
存储单元,所述存储单元用于存储DSP模块处理后的数据和信息;
可视化单元,所述可视化单元用于将负荷数据和信息实时输出到多功能显示屏,展示当前负荷运行的状态;
数据采集单元,所述数据采集单元的输入端连接电压互感器和电流互感器的输出端;
电能供给单元,所述电能供给单元与DSP数据处理单元的电源端相连,为DSP数据处理单元供电。
2.一种计量设备周期轮换过程中的现场数据采集方法,其特征在于,包括以下步骤:
步骤1,利用非侵入的方式进行现场数据采集;
步骤2,获得采集总电流数据的频谱,并确定电流模板滤波器;
步骤3,利用模板滤波器进行频谱滤波;
步骤4,确定负荷的运行状态;
步骤5,将步骤1和4中得到的高频采集数据及分析结果传输到存储设备中。
3.根据权利要求2所述的计量设备周期轮换过程中的现场数据采集方法,其特征在于,所述步骤1的具体方法如下:
通过在电力入口侧连接电压互感器和电流互感器得到电力入口的总电流和总电压,完成居民负荷总线入口处电流信号的采样,同时将采样得到的信号进行A/D转换。
5.根据权利要求3或4所述的计量设备周期轮换过程中的现场数据采集方法,其特征在于,所述步骤2中,确定电流模板滤波器的具体方法如下:
步骤2-1,将每个用电设备独立运行时产生的特征电流信号Ik(t)进行FFT变换,得到特征滤波器Ik(jω),k=1,2,...,N;并为每种负荷的标号,其中,ω∈ωj,ωj为Ik(jω)包含的频率分量,Ik(t)通过先验测试得到;
步骤2-2,在特征滤波器Ik(jω)的基础上,对总电流数据进行归一化处理;
步骤2-3,对各频率分量进行0-1赋值,构建数字模板滤波器hk(jω);选定阈值δ,当特征滤波器Ik(jω)的频率分量幅度大于等于阈值时,判断该分量为有效分量,赋值为1;当幅度小于阈值时,判断该分量为无效分量,赋值为0。
6.根据权利要求2所述的计量设备周期轮换过程中的现场数据采集方法,其特征在于,所述步骤3的具体方法如下:
步骤3-1,将每个用电设备独立运行时产生的特征电流信号Ik(t)进行FFT,得到特征滤波器Ik(jw),k=1,2,...,N,k为每种负荷的标号,其中,w∈wj,wj为Ik(jw)包含的频率分量,Ik(jw)通过先验测试得到;
步骤3-2,在特征滤波器基础上,对数据进行归一化处理;
步骤3-3,对各频率分量进行0~1赋值,构建数字模板滤波器hk(jw);选定阈值δ,当特征滤波器的频率分量幅度大于等于阈值时,判断该分量为有效分量,赋值为1;当幅度小于阈值时,判断该分量为无效分量,赋值为0。
7.根据权利要求2所述的计量设备周期轮换过程中的现场数据采集方法,其特征在于,所述步骤4的具体方法如下:
数学模型对模板滤波输出信号Yj(jw)进行处理,使其频率成分0~1化为Yj(jw);其中,j=1,2,...N,j为混合信号通过各个模板后的输出信号的标号,w∈wj,wj为Ij(jw)或yj(jw)包含的频率分量;如下式所示,阈值δ等于或小于与构造模板滤波器时使用的阈值:
在上式基础上,构建判决函数如下式所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399222.4A CN111060730A (zh) | 2019-12-30 | 2019-12-30 | 一种计量设备周期轮换过程中的现场数据采集装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399222.4A CN111060730A (zh) | 2019-12-30 | 2019-12-30 | 一种计量设备周期轮换过程中的现场数据采集装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111060730A true CN111060730A (zh) | 2020-04-24 |
Family
ID=70305007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911399222.4A Pending CN111060730A (zh) | 2019-12-30 | 2019-12-30 | 一种计量设备周期轮换过程中的现场数据采集装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060730A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184870A (zh) * | 2021-12-14 | 2022-03-15 | 河北科技大学 | 非侵入式负荷识别方法及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676028A (zh) * | 2016-01-21 | 2016-06-15 | 华北电力大学 | 一种基于模板匹配滤波的居民负荷用电识别方法 |
CN105974220A (zh) * | 2016-04-25 | 2016-09-28 | 东莞市联洲知识产权运营管理有限公司 | 一种居民小区用电负荷识别*** |
-
2019
- 2019-12-30 CN CN201911399222.4A patent/CN111060730A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676028A (zh) * | 2016-01-21 | 2016-06-15 | 华北电力大学 | 一种基于模板匹配滤波的居民负荷用电识别方法 |
CN105974220A (zh) * | 2016-04-25 | 2016-09-28 | 东莞市联洲知识产权运营管理有限公司 | 一种居民小区用电负荷识别*** |
Non-Patent Citations (2)
Title |
---|
武昕等: "基于模板滤波的居民负荷非侵入式快速辨识算法", 《电力***自动化》 * |
武昕等: "基于模板滤波的非侵入负荷辨识***", 《计算机应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184870A (zh) * | 2021-12-14 | 2022-03-15 | 河北科技大学 | 非侵入式负荷识别方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633744B (zh) | 一种智能电表的台区识别方法 | |
Dinesh et al. | Residential appliance identification based on spectral information of low frequency smart meter measurements | |
WO2014075581A1 (zh) | 非侵入式电力负荷监测与分解的电流模式匹配方法 | |
CN109001528B (zh) | 一种非侵入式分项计量采集*** | |
CN107025365A (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
CN109470957B (zh) | 一种基于弗雷歇距离的非侵入式电器识别方法 | |
CN106093565A (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
CN103257271A (zh) | 一种基于stm32f107vct6的微电网谐波与间谐波检测装置及检测方法 | |
CN109840691B (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
CN111242391A (zh) | 用于电力负荷识别的机器学习模型训练方法及*** | |
CN203287435U (zh) | 一种基于stm32f107vct6的微电网谐波与间谐波检测装置 | |
CN110907884A (zh) | 一种基于非侵入式量测电能表误差诊断分析方法 | |
CN105143892A (zh) | 电能测量装置和使用该装置的电能测量信息标记*** | |
CN111382789A (zh) | 基于机器学习的电力负荷识别方法及*** | |
CN109613362B (zh) | 非侵入式电器数量识别方法 | |
CN103018611B (zh) | 一种基于电流分解的非侵入式负载监测方法及*** | |
CN105974220A (zh) | 一种居民小区用电负荷识别*** | |
CN111665388A (zh) | 一种非侵入式的家用空调辨识方法 | |
CN111525560A (zh) | 基于智能电表电流数据的台区户变识别方法及装置 | |
CN105305437B (zh) | 电力负荷三重可信度匹配辨识方法 | |
CN111060730A (zh) | 一种计量设备周期轮换过程中的现场数据采集装置及方法 | |
CN201984125U (zh) | 电力一次设备现场试验数据的快速分析与后处理*** | |
CN113466548A (zh) | 一种基于相量测量技术的智能电表台区识别方法 | |
CN106383280B (zh) | 基于二节点架空线模型的电压互感器模型测试方法 | |
CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |