CN102944773B - 基于空间变换的电能扰动检测及分类方法 - Google Patents
基于空间变换的电能扰动检测及分类方法 Download PDFInfo
- Publication number
- CN102944773B CN102944773B CN201210421180.1A CN201210421180A CN102944773B CN 102944773 B CN102944773 B CN 102944773B CN 201210421180 A CN201210421180 A CN 201210421180A CN 102944773 B CN102944773 B CN 102944773B
- Authority
- CN
- China
- Prior art keywords
- disturbance
- signal
- phase space
- amplitude
- electric energy
- 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
Abstract
本发明公开了一种基于空间变换的电能扰动检测及分类方法,包括以下步骤:1)利用电压互感器采集现场电能质量信号数据,通过电压互感器与数据采集卡连接,并由数据采集卡转换为数字信号发送到上位机;2)在上位机采用嵌入定理及非线性坐标变换技术将一维电能质量信号映射至三维相空间,对该相空间内的每一个点进行检测,根据电能质量信号在三维相空间平面上的投影形状判断基波频率是否发生漂移,并计算基波频率,通过计算相空间信号与投影平面原点间欧氏距离检测暂态扰动;3)检测到暂态扰动后,记录扰动持续时间及幅度作为特征值,对检测到的暂态扰动进行分类。本发明可以在线检测及分类,能处理电能质量信号多于一个扰动的情况,且准确率高。
Description
技术领域
本发明涉及一种电能扰动检测及分类方法,尤其是一种基于空间变换的电能扰动检测及分类方法,属于电力系统中电能质量分析技术领域。
背景技术
电能质量是指允许电力系统正常工作运行的电特性。然而在现代电力系统中,随着电力电子设备越来越广泛的应用和敏感负荷的大量使用,电能质量污染问题日益严重,导致电力系统中存在大量诸如电压暂升、电压暂降、电压中断、暂态振荡、谐波以及其它高频瞬态扰动等电能质量干扰。而基于计算机系统的控制设备的普及,又对电能质量的要求不断提高。为解决这一日益突出的矛盾,我们需要对电能质量进行监控,一旦扰动发生,则需准确快速地对其进行处理。对电能质量进行监控和分析是发现电能质量问题并进行处理和改善的先决条件,而如何检测、提取并识别扰动信号又是电能质量监控和分析首先要解决的问题。一般意义上,任何导致电力系统电压或电流信号偏离理想正弦波的因素都可视为电能质量扰动。按照IEEE 1159-1995标准,在稳态下,电能扰动表现为稳态的暂时中断,电能扰动消失后,电力系统通常返回至正常状态或至一个新的稳态。按照持续时间电能扰动分为持续时间超过一分钟的长期扰动,持续一个信号周期以上的短期扰动,持续时间仅为毫秒、微妙级的瞬时扰动,以及稳态下可能长期存在的电压不平衡、直流分量偏移、谐波、间谐波、次谐波、电压缺口、噪声、电压波动、基频漂移等。电能扰动通常表现为电压或电流波形的微小变化,且持续时间较短,因此如何准确地对扰动进行检测和定位一直是一个棘手问题。
目前,文献中通常采用基于积分变换的方法检测电能扰动,如采用离散傅里叶变换和小波变换将信号变换至频域进行分析,中国专利号为20071005171.0公开的“一种基于信息融合的电能质量绕动自动识别方法及系统”也是采用这种方法。但离散傅里叶变换强于处理周期信号,无法对暂态信号进行跟踪,因为它必须在一个固定窗口内对信号进行处理,而电能扰动多为非周期信号。与离散傅里叶变换不同,小波变换在低频段用高的频率分辨率和低的时间分辨率,而在高频段则用低的频率分辨率和高的时间分辨率,因而能更有效地从信号中提取信息。然而小波变换的积分计算成本无法避免,另外也无法反映信号在时域内的形状信息,而对于电能质量分析而言,信号的波形信息是非常重要的。其它基于频域的方法包括S变换、dq变换、Hilbert-Huang变换等,然而这些算法难以提取扰动信号的所有特征、缺乏扰动特征量的明确物理意义、难以判别复合扰动等缺陷仍然存在。也有文献提出采用均方根方法检测电能扰动,这种方法在一个较长窗口内计算信号的均方根,而瞬时扰动对计算结果的影响微乎其微,因此均方根方法仅对持续一个信号周期以上的短期扰动和持续时间超过一分钟的长期扰动有效,而对于持续时间较短的瞬时扰动则无能为力。
至于电能扰动的分类问题,目前主要采用的是人工智能算法,例如神经网络、专家系统等。不同的文献提出了不同的分类算法和与之配套的检测算法,能够提供较为满意的结果。然而,这些算法都依赖于对大量的数据进行训练,导致其在实际应用中的价值大大降低。也有文献提出基于图形识别的扰动分类方法,然而该方法仅能对扰动的图形特征做简单直观的描述,无法提供自动分类结果,分类过程中仍需人工参与。因此,我们需要开发一种能够对电能扰动,特别是瞬时扰动,进行快速准确的检测、定位和分类的新方法。
发明内容
本发明的目的,是为了解决上述现有技术的缺陷,提供一种可以在线检测及分类,能处理电能质量信号多于一个扰动的情况,且准确率高的基于空间变换的电能扰动检测及分类方法。
本发明的目的可以通过采取如下技术方案达到:
基于空间变换的电能扰动检测及分类方法,其特征在于包括以下步骤:
1)数据采集
利用电压互感器采集现场电能质量信号数据,通过电压互感器与数据采集卡连接,并由数据采集卡转换为数字信号发送至上位机;
2)电能扰动检测
2.1)在上位机中,采用嵌入定理及非线性坐标变换技术将一维电能质量信号映射至三维相空间,对该相空间内的每一个点进行检测,若检测有扰动,执行步骤2.2);
2.2)根据电能质量信号在相空间平面上的投影形状判断基波频率是否发生漂移,并计算基波频率,在该基波频率的基础上再对电能质量信号进行空间变换,通过计算相空间信号与投影平面原点间欧氏距离检测暂态扰动;
3)电能扰动分类
检测到暂态扰动后,记录扰动持续时间及幅度作为特征值,按照IEEE 1159标准对检测到的暂态扰动进行分类。
作为一种优选方案,步骤2.1)具体步骤如下:
2.1.1)采用嵌入定理进行空间变换,将一维电能质量信号变换至三维相空间,即时域中1×n的时间序列变换为相空间中3×m的矩阵,变换结果为:
其中,τ=Ns/4,Ns=2π/(ωΔt)=1/(fΔt),τ为时延内采样点数,Ns为每周期采样点数,Δt为采样间隔,矩阵X的各列向量为各行向量为即为构成该三维相空间的坐标,n≥m≥1;
由电能质量信号的正弦函数根据式(1)变换至三维相空间为:
其中,A为决定峰值,ω为决定周期,为初相位,1≤k≤m;
2.1.2)非线性坐标变换表示为将其展开得到:
其中,与是同维向量,Φ为非线性函数向量,则在相空间中电能质量信号由下列方程定义:
对于相空间内的每一个采样点,若在一定的阈值范围内满足式(2),则该采样点对应于正弦信号;否则,将该采样点识别为扰动。
作为一种优选方案,步骤2.2)具体步骤如下:
2.2.1)若电能质量信号在平面上的投影为线段,则无基波频率漂移;若投影为椭圆,则发生基波频率漂移,将基波频率为f'的正弦信号按τ=1/(4fΔt)嵌入至三维相空间得到:
其中,ω′=2πf',然后构造正弦函数:
则ω′可由下式求得:
其中,ρ为正弦函数的振幅,判断ω′与ω间大小关系时,对每个采样点计算一次相位若相位的计算值递增,则ω′>ω;若相位的计算值递减,则ω′<ω;
而正弦函数的振幅ρ的计算公式为:
其中,和Θ分别表示膨胀和腐蚀算子,g为长度为Ns、元素值为0的结构元素,通过式(3)、(4)和(5)计算基波频率f';
2.2.2)以τ=1/(4f'Δt)对电能质量信号进行空间变换,分别计算在相空间平面上的投影信号的各采样点与原点间的欧氏距离及在平面上的投影信号的各采样点的ζ值ζ(k)=xk+xk-2τ,若某个采样点的E值和ζ值与标准值之间差异大于提前设定的阈值,则该采样点对应扰动信号。
作为一种优选方案,步骤3)具体步骤如下:
3.1)检测到暂态扰动后,记录一组符合E值和ζ值超出阈值范围条件的采样点,以扰动持续时间及幅度作为特征值,若扰动持续时间小于1/4周期,且幅度小于1pu,判定为脉冲扰动;否则,执行步骤3.2);
3.2)若扰动持续时间为1-4ms,且幅度为0.2-0.6pu,判定为电压缺口;否则,执行步骤3.3);
3.3)若扰动持续时间为0.3-50ms,且幅度小于4pu,判定为暂态震荡;否则,执行步骤3.4);
3.4)若扰动持续时间为0.5-30周期,且幅度为0.1-0.9pu,判定为电压暂升;否则,执行步骤3.5);
3.5)若扰动持续时间为0.5-30周期,且幅度为1.1-1.8pu,判定为电压暂降;否则,执行步骤3.6);
3.6)若扰动持续时间为0.5-150周期,且幅度小于0.1pu,判定为电压中断;否则,判定只有噪声扰动。
作为一种优选方案,所述上位机为工控机或PC机。
本发明相对于现有技术具有如下的有益效果:
1、本发明摒弃了传统的电能质量分析算法常用的傅里叶变换和小波变换技术,无需复杂积分计算,减少计算时间;基波频率测量可在1.5周期内完成,解决了目前采用的频率测量方法(计算10秒内完整周期的个数,再除以完整周期的时间)延时较大的缺陷。
2、本发明适用于谐波THD为2~5%、高斯白噪声30~60dB及基频漂移±5%范围内的电能质量信号,也能处理电能质量信号中包含多于一个扰动的情况。仿真结果显示,对于除脉冲扰动外的其它扰动的检测准确率均为100%,对脉冲扰动的检测准确率为97.01%;各类扰动的平均定位准确率在88%以上,最高可达94%;而分类准确率为100%。
3、本发明检测时的数据窗口,仅需包含3个参与运算的时域采样值,计算量小,对每一个相空间采样点进行代数运算,实施成本低,可以用软件实现,无需增加额外的电路,而且准确度高,适用于在线检测和分类。
附图说明
图1为本发明电能质量信号扰动检测及分类方法的流程示意图。
图2a、图2b为本发明电能质量信号在平面上的投影。
图3为本发明电能质量信号扰动的具体检测及分类流程示意图。
图4为本发明电能质量信号与欧氏距离E(k)相比较的脉冲扰动检测图。
图5为本发明电能质量信号与ζ(k)的相比较的脉冲扰动检测图。
具体实施方式
实施例1:
如图1所示,本实施例电能质量信号扰动检测及分类方法如下:
1)数据采集
利用电压互感器采集现场电能质量信号数据,通过电压互感器与数据采集卡连接,并由数据采集卡转换为数字信号发送至上位机;
2)电能扰动检测
2.1)嵌入定理:在上位机采用嵌入定理进行空间变换,将一维电能质量信号变换至三维相空间,即时域中1×n的时间序列变换为相空间中3×m的矩阵,变换结果为:
其中,τ=Ns/4,Ns=2π/(ωΔt)=1/(fΔt),τ为时延内采样点数,Ns为每周期采样点数,Δt为采样间隔,矩阵X的各列向量为各行向量为即为构成该三维相空间的坐标,n≥m≥1;对于相空间中的采样点,可以对应时域中3个采样值。
由电能质量信号的正弦函数根据式(1)变换至三维相空间为:
其中,A为决定峰值,ω为决定周期,为初相位,1≤k≤m;
2.2)非线性坐标变换:非线性坐标变换表示为将其展开得到:
其中,与是同维向量,Φ为非线性函数向量,则在相空间中电能质量信号由下列方程定义:
电能质量信号在相空间中表示为椭圆,而扰动信号映射到相空间后为不规则形状,因此可以利用这一特征在相空间内检测扰动,即对于相空间内的每一个采样点,若在一定的阈值范围内满足式(2),则该采样点对应于正弦信号;否则,将该采样点识别为扰动。
2.3)基波频率漂移检测:若电能质量信号在平面上的投影为线段,如图2a所示,则无基波频率漂移;若投影为椭圆,如图2b所示,则发生基波频率漂移,将基波频率为f'的正弦信号按τ=1/(4fΔt)嵌入至三维相空间得到:
其中,ω′=2πf',然后构造正弦函数:
则ω′可由下式求得:
其中,ρ为正弦函数的振幅,判断ω′与ω间大小关系时,对每个采样点计算一次相位若相位的计算值递增,则ω′>ω;若相位的计算值递减,则ω′<ω;
而正弦函数的振幅ρ的计算公式为:
其中,和Θ分别表示膨胀和腐蚀算子,g为长度为Ns、元素值为0的结构元素,通过式(3)、(4)和(5)计算基波频率f'。
2.4)其它扰动检测:如图3所示,计算电能质量信号基波频率f′后,以τ=1/(4f'Δt)对电能质量信号进行空间变换,需要的采样点个数为3,即当前采样点、当前采样点前1/4周期的采样点、和当前采样点前1/2周期的采样点,分别计算在相空间平面上的投影信号的各采样点与原点间的欧氏距离及在平面上的投影信号的各采样点的ζ值ζ(k)=xk+xk-2τ,若某个采样点的E值和ζ值与标准值之间差异大于提前设定的阈值,则该采样点对应扰动信号。
以脉冲扰动为例,如图4所示,虚线表示为含有噪声和脉冲扰动的电能质量信号,实线表示为平面上的投影信号的各采样点相对于原点的欧氏距离E(k);如图5所示,虚线表示为含有噪声和脉冲扰动的电能质量信号,实线表示为平面上的投影信号的各采样点的ζ(k)。
3)电能扰动分类
3.1)如图3所示,检测到暂态扰动后,记录一组符合E值和ζ值超出阈值范围条件的采样点,以扰动持续时间及幅度作为特征值,若扰动持续时间小于1/4周期,且幅度小于1pu,判定为脉冲扰动;否则,执行步骤3.2);
3.2)若扰动持续时间为1-4ms,且幅度为0.2-0.6pu,判定为电压缺口;否则,执行步骤3.3);
3.3)若扰动持续时间为0.3-50ms,且幅度小于4pu,判定为暂态震荡;否则,执行步骤3.4);
3.4)若扰动持续时间为0.5-30周期,且幅度为0.1-0.9pu,判定为电压暂升;否则,执行步骤3.5);
3.5)若扰动持续时间为0.5-30周期,且幅度为1.1-1.8pu,判定为电压暂降;否则,执行步骤3.6);
3.6)若扰动持续时间为0.5-150周期,且幅度小于0.1pu,判定为电压中断;否则,判定只有噪声扰动。
本实施例中,所述上位机为工控机或PC机。
以上所述,仅为本发明优选的实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明所公开的范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都属于本发明的保护范围。
Claims (4)
1.基于空间变换的电能扰动检测及分类方法,其特征在于包括以下步骤:
1)数据采集
利用电压互感器采集现场电能质量信号数据,通过电压互感器与数据采集卡连接,并由数据采集卡转换为数字信号发送至上位机;
2)电能扰动检测
2.1)在上位机中,采用嵌入定理及非线性坐标变换技术将一维电能质量信号映射至三维相空间,对该相空间内的每一个点进行检测,若检测有扰动,执行步骤2.2);
2.2)根据电能质量信号在相空间平面上的投影形状判断基波频率是否发生漂移,并计算基波频率,在该基波频率的基础上再对电能质量信号进行空间变换,通过计算相空间信号与投影平面原点间欧氏距离检测暂态扰动;
3)电能扰动分类
检测到暂态扰动后,记录扰动持续时间及幅度作为特征值,按照IEEE 1159标准对检测到的暂态扰动进行分类;
步骤2.1)具体步骤如下:
2.1.1)采用嵌入定理进行空间变换,将一维电能质量信号变换至三维相空间,即时域中1×n的时间序列变换为相空间中3×m的矩阵,变换结果为:
其中,τ=Ns/4,Ns=2π/(ωΔt)=1/(fΔt),τ为时延内采样点数,Ns为每周期采样点数,Δt为采样间隔,矩阵X的各列向量为各行向量为即为构成该三维相空间的坐标,n≥m≥1;
由电能质量信号的正弦函数根据式(1)变换至三维相空间为:
其中,A为决定峰值,ω为决定周期,为初相位,1≤k≤m;
2.1.2)非线性坐标变换表示为将其展开得到:
其中,与是同维向量,Φ为非线性函数向量,则在相空间中电能质量信号由下列方程定义:
对于相空间内的每一个采样点,若在一定的阈值范围内满足式(2),则该采样点对应于正弦信号;否则,将该采样点识别为扰动。
2.根据权利要求1所述的基于空间变换的电能扰动检测及分类方法,其特征在于:步骤2.2)具体步骤如下:
2.2.1)若电能质量信号在平面上的投影为线段,则无基波频率漂移;若投影为椭圆,则发生基波频率漂移,将基波频率为f′的正弦信号按τ=1/(4fΔt)嵌入至三维相空间得到:
其中,ω′=2πf′,然后构造正弦函数:
则ω′可由下式求得:
其中,ρ为正弦函数的振幅,判断ω′与ω间大小关系时,对每个采样点计算一次相位若相位的计算值递增,则ω′>ω;若相位的计算值递减,则ω′<ω;
而正弦函数的振幅ρ的计算公式为:
其中,和Θ分别表示膨胀和腐蚀算子,g为长度为Ns、元素值为0的结构元素,通过式(3)、(4)和(5)计算基波频率f′;
2.2.2)以τ=1/(4f′Δt)对电能质量信号进行空间变换,分别计算在相空间平面上的投影信号的各采样点与原点间的欧氏距离及在平面上的投影信号的各采样点的值若某个点的E值和值与标准值之间差异大于提前设定的阈值,则该采样点对应扰动信号。
3.根据权利要求2所述的基于空间变换的电能扰动检测及分类方法,其特征在于:步骤3)具体步骤如下:
3.1)检测到暂态扰动后,记录一组符合E值和值超出阈值范围条件的采样点,以扰动持续时间及幅度作为特征值,若扰动持续时间小于1/4周期,且幅度小于1pu,判定为脉冲扰动;否则,执行步骤3.2);
3.2)若扰动持续时间为1-4ms,且幅度为0.2-0.6pu,判定为电压缺口;否则,执行步骤3.3);
3.3)若扰动持续时间为0.3-50ms,且幅度小于4pu,判定为暂态震荡;否则,执行步骤3.4);
3.4)若扰动持续时间为0.5-30周期,且幅度为0.1-0.9pu,判定为电压暂升;否则,执行步骤3.5);
3.5)若扰动持续时间为0.5-30周期,且幅度为1.1-1.8pu,判定为电压暂降;否则,执行步骤3.6);
3.6)若扰动持续时间为0.5-150周期,且幅度小于0.1pu,判定为电压中断;否则,判定只有噪声扰动。
4.根据权利要求1-3任一项所述的基于空间变换的电能扰动检测及分类方法,其特征在于:所述上位机为工控机或PC机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210421180.1A CN102944773B (zh) | 2012-10-29 | 2012-10-29 | 基于空间变换的电能扰动检测及分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210421180.1A CN102944773B (zh) | 2012-10-29 | 2012-10-29 | 基于空间变换的电能扰动检测及分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102944773A CN102944773A (zh) | 2013-02-27 |
CN102944773B true CN102944773B (zh) | 2015-01-28 |
Family
ID=47727733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210421180.1A Active CN102944773B (zh) | 2012-10-29 | 2012-10-29 | 基于空间变换的电能扰动检测及分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102944773B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156412B (zh) * | 2014-07-30 | 2017-10-10 | 华北电力大学 | 一种基于复杂事件处理的电能质量扰动事件分类监测方法 |
CN105004939B (zh) * | 2015-05-08 | 2017-10-13 | 浙江工业大学 | 一种复合电能质量扰动信号定量分析方法 |
CN105067924A (zh) * | 2015-08-06 | 2015-11-18 | 哈尔滨工业大学 | 基于Feature Selective Validation方法的信号辨识系统及方法 |
CN107315111A (zh) * | 2017-07-17 | 2017-11-03 | 浙江群力电气有限公司 | 一种电能质量扰动分类方法及系统 |
CN107832777B (zh) * | 2017-10-12 | 2021-01-26 | 吉林化工学院 | 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法 |
CN109061354A (zh) * | 2018-09-10 | 2018-12-21 | 华南理工大学 | 一种基于改进pso和svm的电能质量扰动识别方法 |
CN111740435B (zh) * | 2020-07-29 | 2022-01-04 | 杭州电力设备制造有限公司 | 一种新能源发电系统的储能配置方法及相关装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230951A (zh) * | 2011-03-28 | 2011-11-02 | 武汉大学 | 一种电力系统单一或多重电能扰动事件在线监测与识别方法 |
CN102565574A (zh) * | 2011-12-06 | 2012-07-11 | 中国人民解放军海军工程大学 | 船舶电能质量监测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2965059A1 (fr) * | 2010-09-21 | 2012-03-23 | Centre Nat Rech Scient | Procede et systeme de caracterisation de proprietes dielectriques non-lineaires de systemes electrochimiques |
-
2012
- 2012-10-29 CN CN201210421180.1A patent/CN102944773B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230951A (zh) * | 2011-03-28 | 2011-11-02 | 武汉大学 | 一种电力系统单一或多重电能扰动事件在线监测与识别方法 |
CN102565574A (zh) * | 2011-12-06 | 2012-07-11 | 中国人民解放军海军工程大学 | 船舶电能质量监测系统 |
Non-Patent Citations (6)
Title |
---|
a fast detection algorithm suitable for mitigation of numerous power quality disturbances;Oscar C.Montero-Hernamdez;《Industry Applications Conference, 2001. Thirty-Sixth IAS Annual Meeting. Conference Record of the 2001 IEEE 》;20011004;第4卷;全文 * |
disturbance classification utilizing dynamic time warping classifier;A.M.Youssef;《IEEE TRANSACTIONS ON POWER DELICERY》;20040131;第19卷(第1期);全文 * |
基于相空间重构和支持向量机的电能扰动分类方法;李智勇;《电力系统自动化》;20070310;第31卷(第5期);全文 * |
基于相空间重构的电能质量扰动特性提取方法;李智勇;《浙江大学学报》;20080430;第42卷(第4期);正文第673页3-5段,第674页第9-10段,图1-2,6 * |
基于短窗自相关算法和数学形态学的电能质量扰动信号检测和定位新方法;赵青春;《电网技术》;20050331;第29卷(第6期);全文 * |
电能质量扰动的递归定量分析;宋晓;《电测与仪表》;20120930;第49卷(第561期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN102944773A (zh) | 2013-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102944773B (zh) | 基于空间变换的电能扰动检测及分类方法 | |
Gargoom et al. | Automatic classification and characterization of power quality events | |
CN1892240B (zh) | 一种对避雷器泄漏电流中阻性电流值的在线监测方法 | |
CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
CN106093722B (zh) | 一种电缆局部放电的定位和识别方法 | |
CN107505497B (zh) | 一种无源磁电转速传感器信号峰峰值时域测量方法 | |
CN101566663B (zh) | 一种配电系统电压跌落源定位方法 | |
CN110007141B (zh) | 一种基于电压电流谐波相似度的谐振点检测方法 | |
Iksan et al. | Appliances identification method of non-intrusive load monitoring based on load signature of VI trajectory | |
CN106154037B (zh) | 一种基于校验的同步相量自适应计算方法 | |
CN103412200A (zh) | 一种三相交流电相序检测方法及装置 | |
CN101363896A (zh) | 一种高精度电压暂态事件检测与录波方法 | |
CN106646034A (zh) | 一种避雷器结构健康在线监测分析系统 | |
CN109374953B (zh) | 一种基于电压有效值序列的电压暂降波形点检测方法 | |
CN101907656B (zh) | 利用固定相移来测量同频信号相位差的方法 | |
CN106597160B (zh) | 一种电子设备故障检测方法和装置 | |
CN103675544A (zh) | 基于优化算法的电力系统故障信号检测与波形识别方法 | |
CN106338237A (zh) | 基于频响阻抗法的变压器绕组变形检测方法 | |
Jaiswal et al. | FDST‐based PQ event detection and energy metering implementation on FPGA‐in‐the‐loop and NI‐LabVIEW | |
CN102495264B (zh) | 基于信息熵的电压跌落持续时间检测方法 | |
Shanmugapriya et al. | Rapid Fault Analysis by Deep Learning-Based PMU for Smart Grid System. | |
CN108896805B (zh) | 斩波信号检定方法、系统及电能检测装置 | |
CN102445493B (zh) | 调制多频涡流检测方法 | |
CN111060949B (zh) | 一种由海洋环境参数估计海水放射性核素检测数据本底的方法 | |
CN103575979A (zh) | 一种数字化测量交流电频率的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |