CN116626366B - 一种配电网特征电流识别方法 - Google Patents
一种配电网特征电流识别方法 Download PDFInfo
- Publication number
- CN116626366B CN116626366B CN202310882551.4A CN202310882551A CN116626366B CN 116626366 B CN116626366 B CN 116626366B CN 202310882551 A CN202310882551 A CN 202310882551A CN 116626366 B CN116626366 B CN 116626366B
- Authority
- CN
- China
- Prior art keywords
- current
- characteristic current
- characteristic
- power frequency
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000004128 high performance liquid chromatography Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 3
- 238000009960 carding Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- G01R19/14—Indicating direction of current; Indicating polarity of voltage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明涉及拓扑识别技术领域,公开了一种配电网特征电流识别方法,步骤如下:主站发送拓扑识别指令;终端接收指令后,通过HPLC下发指令给发送设备;发送设备接收指令后,检测到电压上过零点时开始发送单频特征电流信号;接收设备检测到电压上过零点时存储采样电流数据;数据预处理后,将当前采样电流与本地存储序列进行相关性计算,再以一个工频周期作为滑动窗口,滑动两次,分别与本地存储序列进行相关计算,得到三组相关值;根据三组相关值及阈值判断特征电流信号是否识别成功,若识别成功,则根据第二组数据的相关值正负判断特征电流方向。本发明提高了特征电流的信号强度,避免了分流和噪声的影响,提高了特征电流识别的准确性。
Description
技术领域
本发明涉及配电网低压拓扑识别通信技术领域,尤其是涉及用于台区拓扑梳理的特征电流识别方法。
背景技术
随着电力物联网的发展以及电力用户的快速增长,用户对用电质量和用电效率也提出了更高的要求,因此对低压台区拓扑识别的准确性也有了更高的要求。低压台区拓扑梳理是实现智能配电管理的基础。
目前已有的低压拓扑识别主要有基于工频电流畸变的方式、基于大数据采集终端电压和电流进行识别分析的方式、基于特征电流通过特定频率的谐波电流识别拓扑关系的方式。其中基于特征电流的拓扑识别技术目前已经取得了长足的发展,但在实际的电力线载波通信场景中,由于噪声干扰及旁侧支路分流影响,特征电流识别存在着很大的误识别率和漏识别率,从而导致拓扑识别失败,基于时间标进行户变关系识别的方式也会降低台区拓扑梳理效率。
发明内容
本发明针对现有技术存在的不足和缺陷,提供了一种配电网特征电流识别方法,通过单频调制的特征电流,可以即时梳理出发送设备和接收设备的拓扑关系,通过判定特征电流的方向可以避免跨台区及其他支路分流和噪声的影响。
为实现上述发明目的,本发明采用如下技术方案。
一种配电网特征电流识别方法,包括以下步骤。
步骤1:通过主站发送拓扑识别指令。
步骤2:采集终端接收拓扑识别指令,通过HPLC下发信号发送指令给特征电流发送设备。
步骤3:特征电流发送设备接收信号发送指令,在检测到电压上过零时开始发送单频特征电流。
步骤4:特征电流接收设备接收单频特征电流,在检测到电压上过零时采样单频特征电流并进行存储。
对采样电流进行数据预处理。
步骤5:计算预处理后采样电流与本地存储序列的相关系数A1。
以一个工频周期作为滑动步长,滑动两次,分别计算预处理后采样电流与本地存储序列的相关系数A2、A3。
相关的专业技术人员结合自身经验与电网实时环境预设相关系数的最大阈值和最小阈值,最大的阈值取值范围为620~700,最小的阈值取值范围为350~400。
步骤6:根据A1、A2、A3、最大阈值、最小阈值的相互关系判断特征电流是否识别成功。若识别成功,则根据A2确定特征电流的方向;否则跳转到步骤4。
优选地,所述步骤3中特征电流投切频率为300Hz~800Hz,发送时间为0.9~12.9秒,投切满足如下3个条件。
条件1,每个工频周期正半周期与负半周期投切的特征电流相位相差180°;条件2,每个工频周期的正半周期投切占空比为1/3的特征电流;条件3,每个工频周期的负半周期投切占空比为2/3的特征电流。
优选地,所述步骤4中采样的单频特征电流数据长度为12600个采样点,数据预处理的具体方式如下。
S41,以100个采样点为一工频周期,将采样电流拆分成126个小组。
S42,将126个小组的电流数据进行相邻工频周期作差,得到6300个采样点长度的电流数据。
优选地,所述步骤5中的相关系数计算公式如下。
。
其中表示第n次相关系数计算中预处理后采样电流的第k个工频周期的数据;
mk为第k个工频周期的最长线性反馈移位寄存器序列。
优选地,所述步骤5中本地存储序列为一个最长线性反馈移位寄存器序列,表示如下。
。
其中M为一个完整的最长线性反馈移位寄存器序列,mk为第k个工频周期的最长线性反馈移位寄存器序列。
优选地,所述步骤6中,若满足如下关系,则判断特征电流识别成功。
。
B1、B2为相关系数的最大、小阈值。
若识别成功,则当A2为正时,特征电流为正向;当A2为负时,特征电流为反向。
本发明的有益技术效果:可以识别接收设备和发送设备的拓扑关系,通过判定特征电流的方向可以避免跨台区及其他支路分流和噪声的影响;投切的特征电流为低频信号,且经过单频调制后的信号投切到电力线上仍为单频信号,避免了能量的泄露,提高了特征电流信号强度,进一步提高了特征电流识别的准确性。
附图说明
图1为本发明的总体流程图。
图2为本发明实施例1中投切500Hz特征电流信号。
图3为本发明实施例1中投切500Hz特征电流信号后预处理后采样电流与本地存储序列的相关系数。
图4为本发明实施例2中投切300Hz特征电流信号。
图5为本发明实施例2中预处理后采样电流与本地存储序列的相关系数。
图6为本发明实施例3中投切800Hz特征电流信号。
图7为本发明实施例3中预处理后采样电流与本地存储序列的相关系数。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不限定本发明。
实施例1:如图1所示,一种配电网特征电流识别方法,包括如下步骤。
步骤1:通过主站发送拓扑识别指令。
步骤2:采集终端接收拓扑识别指令,通过HPLC下发信号发送指令给特征电流发送设备。
步骤3:发送设备接收指令后,检测到电压上过零点时开始发送单频特征电流信号,单频特征投切信号为一个扩频后为12600位的最长线性反馈移位寄存器序列,总发送时长为2.52秒,如图2所示,特征信号的特征频点为500Hz,幅值为0.2A,单频特征电流投切规则如下。
条件1,每个工频周期正半周期与负半周期投切特征电流信号相位相差180°。条件2,每个工频周期的正半周期投切占空比为1/3的特征电流信号。条件3,每个工频周期的负半周期投切占空比为2/3的特征电流信号。
步骤4:特征电流接收设备接收单频特征电流,在检测到电压上过零时采样单频特征电流并进行存储。
对采样电流数据预处理,即进行相邻工频周波作差处理,具体的实现方式如下。
S41,将存储的12600个电流数据点,以100个采样点为一工频周期,将采样电流拆分成126个小组。
。
其中表示第n组电流数据序列,表示第n组电流数据序列的第k个工频周期的
数据,i为电流数据点。
S42,将126小组数据进行相邻工频周波作差。
。
其中表示相邻工频周期作差后的第n组电流数据序列,表示相邻工频周期
作差后的第n组电流数据序列的第k个工频周期的数据,i为电流数据点。
步骤5:数据预处理后,将当前采样电流与本地存储序列进行相关性计算,第一组数据相关系数记为A1,再以一个工频周期作为滑动步长,滑动两次,分别与本地存储序列进行相关计算,第二、三组数据相关系数记为A2、A3,预先设定一个相关性最大阈值B1和相关性最小阈值B2。
本地存储序列为一个最长线性反馈移位寄存器序列,表示如下。
。
其中M为一个完整的最长线性反馈移位寄存器序列,mk为第k个工频周期的最长线性反馈移位寄存器序列。
接收端信号经过数据预处理后,相关性计算公式如下。
。
其中表示第n次相关系数计算中预处理后采样电流的第k个工频周期的数据;
mk为第k个工频周期的最长线性反馈移位寄存器序列。计算三组数据的相关系数如图3所
示, A1=-412,A2=757 ,A3=-433。
步骤6:根据A1、A2、A3、最大阈值、最小阈值的相互关系判断特征电流是否识别成功。
。
由于A2=757为正,所以特征电流为正向。
实施例2:如图1所示,一种配电网特征电流识别方法,包括如下步骤。
步骤1:通过主站发送拓扑识别指令。
步骤2:采集终端接收拓扑识别指令,通过HPLC下发信号发送指令给特征电流发送设备。
步骤3:发送设备接收指令后,检测到电压上过零点时开始发送单频特征电流信号,单频特征投切信号为一个扩频后为7560位的最长线性反馈移位寄存器序列,总发送时长为0.9秒,如图4所示,特征信号的特征频点为300Hz,幅值为0.2A,单频特征电流投切规则如下。
条件1,每个工频周期正半周期与负半周期投切特征电流信号相位相差180°。条件2,每个工频周期的正半周期投切占空比为1/3的特征电流信号。条件3,每个工频周期的负半周期投切占空比为2/3的特征电流信号。
步骤4:特征电流接收设备接收单频特征电流,在检测到电压上过零时采样单频特征电流并进行存储。
对采样电流数据预处理,即进行相邻工频周波作差处理,具体的实现方式如下。
S41,将存储的7560个电流数据点,以60个采样点为一工频周期,将采样电流拆分成126个小组。
。
其中表示第n组电流数据序列,表示第n组电流数据序列的第k个工频周期的
数据,i为电流数据点。
S42,将126小组数据进行相邻工频周波作差。
。
其中表示相邻工频周期作差后的第n组电流数据序列,表示相邻工频周期
作差后的第n组电流数据序列的第k个工频周期的数据,i为电流数据点。
步骤5:数据预处理后,将当前采样电流与本地存储序列进行相关性计算,第一组数据相关系数记为A1,再以一个工频周期作为滑动步长,滑动两次,分别与本地存储序列进行相关计算,第二、三组数据相关系数记为A2、A3,预先设定一个相关性最大阈值B1和相关性最小阈值B2。
本地存储序列为一个最长线性反馈移位寄存器序列,表示如下。
。
其中M为一个完整的最长线性反馈移位寄存器序列,mk为第k个工频周期的最长线性反馈移位寄存器序列。
接收端信号经过数据预处理后,相关性计算公式如下。
。
其中表示第n次相关系数计算中预处理后采样电流的第k个工频周期的数据;
mk为第k个工频周期的最长线性反馈移位寄存器序列。计算三组数据的相关系数如图5所
示, A1=-389,A2=717 ,A3=-371。
步骤6:根据A1、A2、A3、最大阈值、最小阈值的相互关系判断特征电流是否识别成功。
。
由于A2=717为正,所以特征电流为正向。
实施例3:如图1所示,一种配电网特征电流识别方法,包括如下步骤。
步骤1:通过主站发送拓扑识别指令。
步骤2:采集终端接收拓扑识别指令,通过HPLC下发信号发送指令给特征电流发送设备。
步骤3:发送设备接收指令后,检测到电压上过零点时开始发送单频特征电流信号,单频特征投切信号为一个扩频后为20160位的最长线性反馈移位寄存器序列,总发送时长为12.9秒,如图6所示,特征信号的特征频点为800Hz,幅值为0.2A,单频特征电流投切规则如下。
条件1,每个工频周期正半周期与负半周期投切特征电流信号相位相差180°;条件2,每个工频周期的正半周期投切占空比为1/3的特征电流信号。条件3,每个工频周期的负半周期投切占空比为2/3的特征电流信号。
步骤4,特征电流接收设备接收单频特征电流,在检测到电压上过零时采样单频特征电流并进行存储。
对采样电流数据预处理,即进行相邻工频周波作差处理,具体的实现方式如下。
S41,将存储的20160个电流数据点,以160个采样点为一工频周期,将采样电流拆分成126个小组。
。
其中表示第n组电流数据序列,表示第n组电流数据序列的第k个工频周期
的数据,i为电流数据点。
S42,将126小组数据进行相邻工频周波作差。
。
其中表示相邻工频周期作差后的第n组电流数据序列,表示相邻工频周期作
差后的第n组电流数据序列的第k个工频周期的数据,i为电流数据点。
步骤5:数据预处理后,将当前采样电流与本地存储序列进行相关性计算,第一组数据相关系数记为A1,再以一个工频周期作为滑动步长,滑动两次,分别与本地存储序列进行相关计算,第二、三组数据相关系数记为A2、A3,预先设定一个相关性最大阈值B1和相关性最小阈值B2。
本地存储序列为一个最长线性反馈移位寄存器序列,表示如下。
。
其中M为一个完整的最长线性反馈移位寄存器序列,mk为第k个工频周期的最长线性反馈移位寄存器序列。
接收端信号经过数据预处理后,相关性计算公式如下。
。
其中表示第n次相关系数计算中预处理后采样电流的第k个工频周期的数据;
mk为第k个工频周期的最长线性反馈移位寄存器序列。计算三组数据的相关系数如图7所
示,A1=-590,A2=1036 ,A3=-611。
步骤6:根据A1、A2、A3、最大阈值、最小阈值的相互关系判断特征电流是否识别成功。
。
由于A2=1036为正,所以特征电流为正向。
上述实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可做出各种变换和变化以得到相对应的等同的技术方案,因此所有等同的技术方案均应归入本发明的专利保护范围。
Claims (5)
1.一种配电网特征电流识别方法,其特征在于,包括以下步骤:
步骤1:通过主站发送拓扑识别指令;
步骤2:采集终端接收拓扑识别指令,通过HPLC下发信号发送指令给特征电流发送设备;
步骤3:特征电流发送设备接收信号发送指令,在检测到电压上过零时开始发送单频特征电流;
其中特征电流投切频率为300Hz~800Hz,发送时间为0.9~12.9秒,投切满足如下3个条件:
条件1,每个工频周期正半周期与负半周期投切的特征电流相位相差180°;条件2,每个工频周期的正半周期投切占空比为1/3的特征电流;条件3,每个工频周期的负半周期投切占空比为2/3的特征电流;
步骤4:特征电流接收设备接收单频特征电流,在检测到电压上过零时采样单频特征电流并进行存储;
对采样电流进行数据预处理;
步骤5:计算预处理后采样电流与本地存储序列的相关系数A1;
以一个工频周期作为滑动步长,滑动两次,分别计算预处理后采样电流与本地存储序列的相关系数A2、A3;
相关的专业技术人员结合自身经验与电网实时环境预设相关系数的最大阈值和最小阈值,最大的阈值取值范围为620~700,最小的阈值取值范围为350~400;
步骤6:根据A1、A2、A3、最大阈值、最小阈值的相互关系判断特征电流是否识别成功:若识别成功,则根据A2确定特征电流的方向;否则跳转到步骤4。
2.根据权利要求1所述的一种配电网特征电流识别方法,其特征在于,所述步骤4中采样的单频特征电流数据长度为12600个采样点,数据预处理的具体方式为:
S41,以100个采样点为一工频周期,将采样电流拆分成126个小组;
S42,将126个小组的电流数据进行相邻工频周期作差,得到6300个采样点长度的电流数据。
3.根据权利要求1所述的一种配电网特征电流识别方法,其特征在于,所述步骤5中的相关系数计算公式为:
其中I’n,k表示第n次相关系数计算中预处理后采样电流的第k个工频周期的数据;mk为第k个工频周期的最长线性反馈移位寄存器序列。
4.根据权利要求1所述的一种配电网特征电流识别方法,其特征在于,所述步骤5中本地存储序列为一个最长线性反馈移位寄存器序列,表示为:
M=[m1,m2,m3...,mk-1,mk],k=1,2,3...6300;
其中M为一个完整的最长线性反馈移位寄存器序列,mk为第k个工频周期的最长线性反馈移位寄存器序列。
5.根据权利要求1所述的一种配电网特征电流识别方法,其特征在于,所述步骤6中,若满足如下关系,则判断特征电流识别成功:
B1、B2为相关系数的最大、小阈值;
若识别成功,则当A2为正时,特征电流为正向;当A2为负时,特征电流为反向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310882551.4A CN116626366B (zh) | 2023-07-19 | 2023-07-19 | 一种配电网特征电流识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310882551.4A CN116626366B (zh) | 2023-07-19 | 2023-07-19 | 一种配电网特征电流识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116626366A CN116626366A (zh) | 2023-08-22 |
CN116626366B true CN116626366B (zh) | 2023-10-24 |
Family
ID=87621548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310882551.4A Active CN116626366B (zh) | 2023-07-19 | 2023-07-19 | 一种配电网特征电流识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116626366B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861203B (zh) * | 2023-09-05 | 2024-01-09 | 青岛鼎信通讯科技有限公司 | 一种基于单频信号的微电流信号识别方法 |
CN117895977B (zh) * | 2024-03-18 | 2024-05-28 | 青岛鼎信通讯科技有限公司 | 一种特征电流信息位识别方法 |
CN118112318A (zh) * | 2024-04-30 | 2024-05-31 | 青岛鼎信通讯科技有限公司 | 一种特征电流编码识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111817289A (zh) * | 2020-06-08 | 2020-10-23 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、***、终端及介质 |
CN113471967A (zh) * | 2021-07-06 | 2021-10-01 | 深圳智微电子科技有限公司 | 一种基于pwm特征调制电流的低压台区拓扑识别方法 |
US11183879B1 (en) * | 2015-03-16 | 2021-11-23 | Elintrix | Method and system for building an electrical grid topology and identifying faults in an electrical grid |
CN114895095A (zh) * | 2022-05-21 | 2022-08-12 | 青岛鼎信通讯股份有限公司 | 一种用于台区拓扑识别的特征电流判别方法 |
CN114912526A (zh) * | 2022-05-13 | 2022-08-16 | 北京市腾河电子技术有限公司 | 台区识别方法及***、电子设备、存储介质 |
CN115149518A (zh) * | 2021-03-31 | 2022-10-04 | 上海良信电器股份有限公司 | 电网拓扑识别方法、断路器及电网拓扑*** |
CN115842339A (zh) * | 2022-11-29 | 2023-03-24 | 青岛鼎信通讯科技有限公司 | 一种用于台区拓扑梳理的特征电流信号识别方法 |
-
2023
- 2023-07-19 CN CN202310882551.4A patent/CN116626366B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11183879B1 (en) * | 2015-03-16 | 2021-11-23 | Elintrix | Method and system for building an electrical grid topology and identifying faults in an electrical grid |
CN111817289A (zh) * | 2020-06-08 | 2020-10-23 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、***、终端及介质 |
CN115149518A (zh) * | 2021-03-31 | 2022-10-04 | 上海良信电器股份有限公司 | 电网拓扑识别方法、断路器及电网拓扑*** |
CN113471967A (zh) * | 2021-07-06 | 2021-10-01 | 深圳智微电子科技有限公司 | 一种基于pwm特征调制电流的低压台区拓扑识别方法 |
CN114912526A (zh) * | 2022-05-13 | 2022-08-16 | 北京市腾河电子技术有限公司 | 台区识别方法及***、电子设备、存储介质 |
CN114895095A (zh) * | 2022-05-21 | 2022-08-12 | 青岛鼎信通讯股份有限公司 | 一种用于台区拓扑识别的特征电流判别方法 |
CN115842339A (zh) * | 2022-11-29 | 2023-03-24 | 青岛鼎信通讯科技有限公司 | 一种用于台区拓扑梳理的特征电流信号识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116626366A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116626366B (zh) | 一种配电网特征电流识别方法 | |
CN103916207B (zh) | 一种主动式多频段电力线通信干扰设备与方法 | |
CN110658397B (zh) | 一种基于电阻投切和频域分析的户变关系识别方法及*** | |
CN111600380B (zh) | 一种基于可变负载和恒流检测的户变关系识别方法 | |
CN112510841B (zh) | 配电自动化的拓扑识别方法及装置 | |
CN109390934B (zh) | 一种智能的低压台区电力线路自动拓扑*** | |
CN115589237B (zh) | 一种适用于电力领域的高频电流信号分支归属判决方法 | |
CN114002501A (zh) | 一种带有数字滤波的采集终端拓扑识别方法 | |
CN103124250A (zh) | 接收设备、信号处理设备以及信号处理方法 | |
CN111935268B (zh) | 一种基于区块链和物联网的数据传输信号检测***及方法 | |
CN114598038A (zh) | 一种适用于低压台区的特征电流识别方法 | |
CN114912490A (zh) | 一种基于傅里叶变换算法的特征电流识别检定方法及装置 | |
CN114826330A (zh) | 一种基于m序列的低压台区特征电流通信同步方法 | |
CN114325027A (zh) | 户变关系识别装置、方法、终端及拓扑结构识别*** | |
CN212231096U (zh) | 一种配电台区拓扑识别*** | |
CN114629760B (zh) | 一种基于频域调制的低压台区特征电流通信方法 | |
CN114362177B (zh) | 一种基于多频率特征电流信号的户变拓扑关系识别方法 | |
CN111865849B (zh) | 一种信号调制的方法、装置和服务器 | |
CN114243924B (zh) | 基于电流信号检测的台区拓扑识别方法及*** | |
CN115567083A (zh) | 一种适用于电力领域的特征电流通信方法 | |
CN115758081A (zh) | 一种基于低压终端特征电流台区识别误报过滤方法 | |
CN111245627B (zh) | 一种通信末端装置及通信方法 | |
CN112636781B (zh) | 一种数字调制最优干扰信号的检测方法 | |
CN115701005B (zh) | 一种基于z平面零极点设计的台区识别方法 | |
CN106330791B (zh) | 一种脉冲关联长度的估算方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |