CN106841859B - 基于特征数据优选匹配的电能质量监测预警方法及系统 - Google Patents
基于特征数据优选匹配的电能质量监测预警方法及系统 Download PDFInfo
- Publication number
- CN106841859B CN106841859B CN201710009345.7A CN201710009345A CN106841859B CN 106841859 B CN106841859 B CN 106841859B CN 201710009345 A CN201710009345 A CN 201710009345A CN 106841859 B CN106841859 B CN 106841859B
- Authority
- CN
- China
- Prior art keywords
- harmonic current
- real
- time
- sensitive
- historical
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开一种基于特征数据优选匹配的电能质量监测预警方法,包括获取电网中所有的电流波形;提取实时敏感谐波电流;获取历史敏感谐波电流;计算实时敏感谐波电流和历史敏感谐波电流的匹配度均值;判断所述匹配度均值是否大于0.3;如果匹配度均值小于0.3,进行电能质量较低报警;如果匹配度均值大于或等于0.3,则进一步判断实时敏感谐波电流均值和实时敏感谐波电流方差是否在各自对应的阈值范围内;如果任一值不在各自对应的阈值范围内时,则进行电能质量较低报警。本发明的实施例提供的方法,通过计算实时敏感谐波电流与历史敏感谐波电流的匹配度判断电网中的电能质量,能够有效提高电能质量监测的准确性和电能质量预警的实时性。
Description
技术领域
本发明涉及电力监测技术领域,尤其涉及一种基于特征数据优选匹配的电能质量监测预警方法及系统。
背景技术
电能质量是反映供电企业向用户供应的电能是否合格的概念,它与电力系统安全经济运行息息相关,并对用户正常生产工艺过程及产品质量产生重要影响。随着国民经济的发展,电弧炉、轧机、点焊机、电力机车等大功率冲击性负荷被大量接入电网,对电网电能质量产生了严重影响,因此对电能质量的监测显得尤为重要。谐波电流是电能质量监测的一个重要指标。
相关技术中,电能质量的监测方法包括定时巡回监测法、专项监测法、电力扰动数据分析法以及谐波分析法,其中,谐波分析法通过提取电网中的各次谐波电流,并计算出各次谐波电流的幅值和相角,然后对各次谐波电流进行分析,与国家规定标准进行比较,以此来判断电能质量,针对不同类型的谐波分析方法不同,例如,对于稳态谐波,可用快速哈特莱变换(Fast Hartley Transformation,FHT)和离散小波变换进行分析;对于暂态谐波,可用改进的快速傅里叶变换(Fast Fourier Transformation,FFT)分析和小波变换进行分析。
然而,现有技术中采集到的各种监测数据不是实时数据,各监测数据之间也没有关联,不仅对电能质量的监测不够精确,而且难以实现电能质量的实时监测和预警,影响了电能质量监测的准确性和电能质量预警的实时性。
发明内容
为克服相关技术中存在的问题,本发明提供一种基于特征数据优选匹配的电能质量监测预警方法及系统。
根据本发明实施例的第一方面,提供一种基于特征数据优选匹配的电能质量监测预警方法,所述方法包括:
以时间为参数,获取电网中所有的电流波形;
从所述电流波形中获取预设时间段内的实时谐波电流;
从所述实时谐波电流中提取实时敏感谐波电流;
获取历史谐波电流,所述历史谐波电流为与所述实时谐波电流同一预设时间段的谐波电流;
从所述历史谐波电流中提取历史敏感谐波电流,其中,所述历史敏感谐波电流为与所述实时敏感谐波电流同一阶次的谐波电流;
计算所述实时敏感谐波电流和历史敏感谐波电流的匹配度;
根据所述匹配度计算匹配度均值;
判断所述匹配度均值是否大于0.3;
如果所述匹配度均值小于0.3,则进行电能质量较低报警;
如果所述匹配度均值大于或等于0.3,则分别计算实时敏感谐波电流均值、实时敏感谐波电流方差、历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距;
根据所述历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距确定均值阈值范围和方差阈值范围;
判断所述实时敏感谐波电流均值是否在所述均值阈值范围内;
如果所述实时敏感谐波电流均值不在所述均值阈值范围内,则进行电能质量较低报警;
如果所述实时敏感谐波电流均值在所述均值阈值范围内,则判断所述实时敏感谐波电流方差是否在所述方差阈值范围内;
如果所述实时敏感谐波电流方差不在所述方差阈值范围内,则进行电能质量较低报警。
可选地,所述历史谐波电流包括预设天数内的谐波电流。
可选地,提取的所述实时敏感谐波电流和历史敏感谐波电流的个数相等、且均大于1。
可选地,所述匹配度的计算公式为:
其中,P0i指第i天的所述历史敏感谐波电流与所述实时敏感谐波电流的匹配度,j指提取的敏感谐波电流的个数,X0j指第j个所述实时敏感谐波电流,Xij指前第i天的第j个敏感谐波电流值。
可选地,所述根据所述历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距确定均值阈值范围和方差阈值范围的方法包括:
以所述历史敏感谐波电流期望为中心,确定半径为0.05的均值闭区间;
将所述均值闭区间作为均值阈值范围;
以所述历史敏感谐波电流二阶中心距为中心,确定半径为0.05的方差闭区间;
将所述方差闭区间作为方差阈值范围。
根据本发明实施例的第二方面,提供一种基于特征数据优选匹配的电能质量监测预警系统,所述系统包括:
电网数据采集模块,用于采集电网中所有的电流波形,并保存所述电流波形;
实时数据采集模块,用于从所述电网数据采集模块中提取预设时间段内的实时谐波电流,并从所述实时谐波电流中提取实时敏感谐波电流;
历史数据采集模块,用于从所述电网数据采集模块中提取与所述实时谐波电流同一预设时间段的历史谐波电流,并从所述历史谐波电流中提取历史敏感谐波电流;
匹配计算模块,用于计算所述实时敏感谐波电流和历史敏感谐波电流的匹配度,并计算所述匹配度的均值;
数据计算模块,用于计算实时敏感谐波电流均值、实时敏感谐波电流方差、历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距,并确定均值阈值范围和方差阈值范围;
在线评估预警报警模块,用于判断电能质量是否较低并进行电能质量较低报警。
本发明的实施例提供的基于特征数据优选匹配的电能质量监测预警方法,通过实时采集电网中的电流波形,并从电流波形中提取实时敏感谐波电流,计算实时敏感谐波电流与历史敏感谐波电流的匹配度,并根据匹配度判断电网中的电能质量,能够有效提高电能质量监测的准确性和电能质量预警的实时性。
另外,本发明的实施例提供的基于特征数据优选匹配的电能质量监测预警系统,包括电网数据采集模块、实时数据采集模块、历史数据采集模块、匹配计算模块、数据计算模块以及在线评估预警报警模块,能够实时采集电网中的电流波形,并从电流波形中提取实时敏感谐波电流,并计算实时敏感谐波电流和历史敏感电流的匹配度,保证了采集到的谐波电流的实时性,能够有效提高电能质量预警的实时性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于特征数据优选匹配的电能质量监测预警方法的流程示意图;
图2为本发明实施例提供的一种基于特征数据优选匹配的电能质量监测预警系统的结构示意图。
符号说明:
1-电网数据采集模块、2-实时数据采集模块、3-历史数据采集模块、4-匹配计算模块、5-数据计算模块、6-在线评估预警报警模块。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
参见图1,为本发明实施例提供的一种基于特征数据优选匹配的电能质量监测预警方法的流程示意图,如图1所示,本发明实施例提供基于特征数据优选匹配的电能质量监测预警方法包括:
步骤S1001,以时间为参数,获取电网中所有的电流波形。
实时采集电网中各个时刻的电流波形,根据获取的时间进行编号并保存采集到的电流波形,其中,电流波形数据包括电流的频率以及幅值。
步骤S1002,从所述电流波形中获取预设时间段内的实时谐波电流。
从电流波形中提取出预设时间段内的电流波形,将电流波形按傅里叶级数展开获得预设时间段内电网中实时电流的实时谐波电流,其中,预设时间段根据用户的需求进行设定,例如,获取实时谐波电流的时间为上午8时,预设时间为1小时,则从上午8时开始获取一个小时内(8时-9时)的实时电流波形,将实时电流波形按傅里叶级数展开即需要获取的实时谐波电流。
步骤S1003,从所述实时谐波电流中提取实时敏感谐波电流。
在实时谐波电流中提取出对电能质量影响较大的谐波电流作为实时敏感谐波电流,并按提取的顺序进行编号,例如,第一个提取的实时敏感谐波电流编号为X01。由于电网中影响电能质量的因素不止一个,因此提取的实时敏感谐波电流个数不唯一,将这些实时敏感谐波电流全部提取出来形成一组,记为X0={X01,X02,…,X0(j-1),X0j},其中,X0j指提取的第j个敏感谐波电流。
步骤S1004,获取历史谐波电流,所述历史谐波电流为与所述实时谐波电流同一预设时间段的谐波电流。
从已保存的电流波形中提取多天之前的与实时敏感谐波电流同一预设时间段的历史电流波形,并将历史电流波形按傅里叶级数展开获得历史谐波电流,为了使监测结果更准确一般需要提取多天的历史谐波电流。
步骤S1005,从所述历史谐波电流中提取历史敏感谐波电流,其中,所述历史敏感谐波电流为与所述实时敏感谐波电流同一阶次的谐波电流。
从历史谐波电流中提取与实时敏感谐波电流同一阶次的谐波电流作为历史敏感谐波电流,并按照与实时敏感谐波电流序号对应的顺序进行编号,例如第一个实时敏感谐波电流X01对应的历史敏感谐波电流记为Xi1,将多天的历史敏感谐波电流全部提取出来按天数形成一组,记为Xi={Xi1,Xi2,…,Xi(j-1),Xij},其中,Xi指前第i天的历史敏感谐波电流,Xij指前第i天与第j个实时敏感谐波电流同一阶次的历史敏感谐波电流。
步骤S1006,计算所述实时敏感谐波电流和历史敏感谐波电流的匹配度。
计算匹配度的公式为:
其中,P0i指前第i天的历史敏感谐波电流与实时敏感谐波电流的匹配度,j指提取的敏感谐波电流值的个数。
步骤S1007,根据所述匹配度计算匹配度均值。
根据计算出的多天的历史敏感谐波电流与实时敏感谐波电流的匹配度计算匹配度均值P,公式如下:
步骤S1008,判断所述匹配度均值是否大于0.3。
如果匹配度均值小于0.3,则进行电能质量较低报警。
如果匹配度均值大于或等于0.3,则进行步骤S1009,分别计算实时敏感谐波电流均值、实时敏感谐波电流方差、历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距。
当匹配度均值大于或等于0.3时,为了使监测结果更准确需要对实时敏感谐波电流进一步分析,计算出实时敏感谐波电流均值实时敏感谐波电流方差S0 2、历史敏感谐波电流期望μ以及历史敏感谐波电流二阶中心距σ2,具体计算公式如下:
其中,指前第i天的历史敏感谐波电流的均值;对全部历史敏感谐波电流的均值取平均值即为历史敏感谐波电流期望μ;
其中,Si 2是指前第i天的历史敏感谐波电流值的二阶中心矩,对全部历史敏感谐波电流值的二阶中心矩Si 2取平均值即为历史敏感谐波电流二阶中心距σ2。
步骤S1010,根据所述历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距确定均值阈值范围和方差阈值范围。
确定均值阈值范围和方差阈值范围的具体方法如下所述:
以历史敏感谐波电流期望为中心,确定半径为0.05的均值闭区间;
将均值闭区间作为均值阈值范围;
以历史敏感谐波电流二阶中心距为中心,确定半径为0.05的方差闭区间;
将方差闭区间作为方差阈值范围。
步骤S1011,判断所述实时敏感谐波电流均值是否在均值阈值范围内。
如果实时敏感谐波电流均值不在均值阈值范围内,则进行电能质量较低报警。
如果实时敏感谐波电流均值在均值阈值范围内,则进行步骤S1012,判断实时敏感谐波电流方差是否在方差阈值范围内。
如果实时敏感谐波电流方差不在方差阈值范围内,则进行电能质量较低报警;
如果实时敏感谐波电流方差在方差阈值范围内,则进行下一预设时间段的监测。
本发明的实施例提供的基于特征数据优选匹配的电能质量监测预警方法,通过实时采集电网中的电流波形,并从电流波形中提取实时敏感谐波电流,计算实时敏感谐波电流与历史敏感谐波电流的匹配度判断电网中的电能质量,能够有效提高电能质量监测的准确性和电能质量预警的实时性。
参见图2,为本发明实施例提供的一种基于特征数据优选匹配的电能质量监测预警系统的结构示意图,如图2所示,本发明实施例提供的基于特征数据优选匹配的电能质量监测预警系统包括:
电网数据采集模块1,用于采集电网中所有的电流波形,并保存电流波形;
实时数据采集模块2,用于从电网数据采集模块中提取预设时间段内的实时谐波电流,并从实时谐波电流中提取实时敏感谐波电流;
历史数据采集模块3,用于从电网数据采集模块中提取与实时谐波电流同一预设时间段的历史谐波电流,并从历史谐波电流中提取历史敏感谐波电流;
匹配计算模块4,用于计算实时敏感谐波电流和历史敏感谐波电流的匹配度,并计算匹配度的均值;
数据计算模块5,用于计算实时敏感谐波电流均值、实时敏感谐波电流方差、历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距,并确定均值阈值范围和方差阈值范围;
在线评估预警报警模块6,用于判断电能质量是否较低并进行电能质量较低报警。
其中,电网数据采集模块1分别连接实时数据采集模块2以及历史数据采集模块3;实时数据采集模块2、历史数据采集模块3以及数据计算模块5均分别与匹配计算模块4连接;匹配计算模块4以及数据计算模块5分别与在线评估预警报警模块6连接。
本发明的实施例提供的基于特征数据优选匹配的电能质量监测预警系统,能够实时采集电网中的电流波形,并从电流波形中提取实时敏感谐波电流,并计算实时敏感谐波电流和历史敏感电流的匹配度,保证了采集到的谐波电流的实时性,能够有效提高电能质量预警的实时性。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (6)
1.一种基于特征数据优选匹配的电能质量监测预警方法,其特征在于,包括:
以时间为参数,获取电网中所有的电流波形;
从所述电流波形中获取预设时间段内的实时谐波电流;
从所述实时谐波电流中提取实时敏感谐波电流,其中,所述实时敏感谐波电流为所述实时谐波电流中对电能质量影响相对较大的谐波电流;
获取历史谐波电流,所述历史谐波电流为与所述实时谐波电流同一预设时间段的谐波电流;
从所述历史谐波电流中提取历史敏感谐波电流,其中,所述历史敏感谐波电流为与所述实时敏感谐波电流同一阶次的谐波电流;
计算所述实时敏感谐波电流和历史敏感谐波电流的匹配度;
根据所述匹配度计算匹配度均值;
判断所述匹配度均值是否大于0.3;
如果所述匹配度均值小于0.3,则进行电能质量较低报警;
如果所述匹配度均值大于或等于0.3,则分别计算实时敏感谐波电流均值、实时敏感谐波电流方差、历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距;
根据所述历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距确定均值阈值范围和方差阈值范围;
判断所述实时敏感谐波电流均值是否在所述均值阈值范围内;
如果所述实时敏感谐波电流均值不在所述均值阈值范围内,则进行电能质量较低报警;
如果所述实时敏感谐波电流均值在所述均值阈值范围内,则判断所述实时敏感谐波电流方差是否在所述方差阈值范围内;
如果所述实时敏感谐波电流方差不在所述方差阈值范围内,则进行电能质量较低报警。
2.根据权利要求1所述的基于特征数据优选匹配的电能质量监测预警方法,其特征在于,所述历史谐波电流包括预设天数内的谐波电流。
3.根据权利要求1所述的基于特征数据优选匹配的电能质量监测预警方法,其特征在于,提取的所述实时敏感谐波电流和历史敏感谐波电流的个数相等、且均大于1。
4.根据权利要求3所述的基于特征数据优选匹配的电能质量监测预警方法,其特征在于,所述匹配度的计算公式为:
其中,P0i指第i天的所述历史敏感谐波电流与所述实时敏感谐波电流的匹配度,j指提取的敏感谐波电流的个数,X0j指第j个所述实时敏感谐波电流,Xij指前第i天的第j个敏感谐波电流值。
5.根据权利要求1所述的基于特征数据优选匹配的电能质量监测预警方法,其特征在于,所述根据所述历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距确定均值阈值范围和方差阈值范围的方法包括:
以所述历史敏感谐波电流期望为中心,确定半径为0.05的均值闭区间;
将所述均值闭区间作为均值阈值范围;
以所述历史敏感谐波电流二阶中心距为中心,确定半径为0.05的方差闭区间;
将所述方差闭区间作为方差阈值范围。
6.一种基于特征数据优选匹配的电能质量监测预警系统,用于如权利要求1-5任一所述的基于特征数据优选匹配的电能质量监测预警方法,其特征在于,包括:
电网数据采集模块(1),用于采集电网中所有的电流波形,并保存所述电流波形;
实时数据采集模块(2),用于从所述电网数据采集模块中提取预设时间段内的实时谐波电流,并从所述实时谐波电流中提取实时敏感谐波电流;
历史数据采集模块(3),用于从所述电网数据采集模块中提取与所述实时谐波电流同一预设时间段的历史谐波电流,并从所述历史谐波电流中提取历史敏感谐波电流;
匹配计算模块(4),用于计算所述实时敏感谐波电流和历史敏感谐波电流的匹配度,并计算所述匹配度的均值;
数据计算模块(5),用于计算实时敏感谐波电流均值、实时敏感谐波电流方差、历史敏感谐波电流期望以及历史敏感谐波电流二阶中心距,并确定均值阈值范围和方差阈值范围;
在线评估预警报警模块(6),用于判断电能质量是否较低并进行电能质量较低报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710009345.7A CN106841859B (zh) | 2017-01-06 | 2017-01-06 | 基于特征数据优选匹配的电能质量监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710009345.7A CN106841859B (zh) | 2017-01-06 | 2017-01-06 | 基于特征数据优选匹配的电能质量监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106841859A CN106841859A (zh) | 2017-06-13 |
CN106841859B true CN106841859B (zh) | 2019-08-09 |
Family
ID=59117138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710009345.7A Active CN106841859B (zh) | 2017-01-06 | 2017-01-06 | 基于特征数据优选匹配的电能质量监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106841859B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443216B (zh) * | 2019-08-13 | 2021-08-24 | 树根互联股份有限公司 | 一种生产设备的生产模式识别方法及装置 |
CN115128345B (zh) * | 2022-07-01 | 2023-04-28 | 费莱(浙江)科技有限公司 | 一种基于谐波监测的电网安全预警方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202196116U (zh) * | 2011-08-19 | 2012-04-18 | 贾保军 | 交流数字电流表 |
CN103278685B (zh) * | 2013-05-17 | 2015-02-25 | 国家电网公司 | 一种基于统计数据相关性分析的谐波责任定量划分方法 |
CN105467206A (zh) * | 2014-09-03 | 2016-04-06 | 天津市方圆电气设备有限公司 | 电力设备云数据节能分析系统 |
CN104764931B (zh) * | 2015-01-27 | 2017-06-23 | 贵州大学 | 一种基于dsp的谐波检测装置及其检测方法 |
CN106300652B (zh) * | 2015-05-23 | 2018-10-26 | 上海嘉柒网络科技有限公司 | 一种用户侧节能节电管理系统 |
CN105911334A (zh) * | 2016-04-19 | 2016-08-31 | 国网上海市电力公司 | 一种谐波阻抗未知条件下的谐波电流估计方法 |
CN106019026B (zh) * | 2016-07-20 | 2018-08-10 | 东南大学 | 一种基于波形匹配的谐波电压责任的划分方法 |
-
2017
- 2017-01-06 CN CN201710009345.7A patent/CN106841859B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106841859A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112304613B (zh) | 一种基于特征融合的风电机组发电机轴承预警方法 | |
Zhao et al. | Fault diagnosis of wind turbine bearing based on stochastic subspace identification and multi-kernel support vector machine | |
CN105841797B (zh) | 一种基于mfcc和svm的车窗电机异常噪声检测方法及装置 | |
CN112149510B (zh) | 一种非侵入式负荷检测方法 | |
CN109238698A (zh) | 一种基于电流信号的电机轴承故障诊断方法 | |
CN106596116A (zh) | 一种风力发电机组振动故障诊断方法 | |
CN102608441B (zh) | 基于s变换的sdpqd信号识别方法、设备及系统 | |
CN110398647B (zh) | 变压器状态监测方法 | |
CN106650122B (zh) | 一种设备变工况运行风险评估方法 | |
CN111948487A (zh) | 一种基于人工智能的高压电力设备故障诊断方法及系统 | |
CN104089699B (zh) | 一种变电站设备声音重建算法 | |
CN107274915A (zh) | 一种基于特征融合的数字音频篡改自动检测方法 | |
CN106344004A (zh) | 心电信号特征点检测方法及装置 | |
CN104165925A (zh) | 随机共振的离心式压缩机半开式叶轮裂纹故障检测方法 | |
CN106546918A (zh) | 一种水电机组的故障诊断方法 | |
CN106841859B (zh) | 基于特征数据优选匹配的电能质量监测预警方法及系统 | |
Zhang et al. | Time–frequency analysis via complementary ensemble adaptive local iterative filtering and enhanced maximum correlation kurtosis deconvolution for wind turbine fault diagnosis | |
CN106250904A (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
CN103400039A (zh) | 一种基于大风气象分类的风功率爬坡预测模型切换方法 | |
CN109214464A (zh) | 一种基于大数据的疑似窃电用户识别装置及识别方法 | |
CN115618205A (zh) | 一种便携式声纹故障检测系统及方法 | |
Mahela et al. | A hybrid signal processing technique for recognition of complex power quality disturbances | |
CN103018537A (zh) | 基于cwd谱峭度的暂态电能质量扰动分类识别方法 | |
CN109605128A (zh) | 一种基于功率谱熵差的铣削颤振在线检测方法 | |
CN108197073A (zh) | 一种改进的电动汽车充电电能信号特征分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |