CN106845553A - 负载特性识别机构、方法及自动断电装置 - Google Patents

负载特性识别机构、方法及自动断电装置 Download PDF

Info

Publication number
CN106845553A
CN106845553A CN201710064152.1A CN201710064152A CN106845553A CN 106845553 A CN106845553 A CN 106845553A CN 201710064152 A CN201710064152 A CN 201710064152A CN 106845553 A CN106845553 A CN 106845553A
Authority
CN
China
Prior art keywords
parameters
power
electric power
load characteristic
load
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.)
Granted
Application number
CN201710064152.1A
Other languages
English (en)
Other versions
CN106845553B (zh
Inventor
官剑
李斌
李伟超
涂飞
李竹青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan A Pa Science And Technology Ltd
Original Assignee
Wuhan A Pa Science And Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan A Pa Science And Technology Ltd filed Critical Wuhan A Pa Science And Technology Ltd
Priority to CN201710064152.1A priority Critical patent/CN106845553B/zh
Publication of CN106845553A publication Critical patent/CN106845553A/zh
Application granted granted Critical
Publication of CN106845553B publication Critical patent/CN106845553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Abstract

本发明提供了一种负载特性识别机构、方法及自动断电装置,涉及负载识别的技术领域,其中,包括存储模块、电力参数采集模块和比较模块;存储模块用于存储负载的电力参数训练样本;电力参数采集模块用于按照设定的采样间隔时间采集负载的电力参数,并将电力参数发送至比较模块,其中,电力参数包括有功功率和无功功率;比较模块将电力参数训练样本通过正态分布拟合算法构建识别模型,同时将接收的电力参数输入至相应的识别模型,当识别模型输出的概率大于等于第一识别阈值时输出对应的负载特性识别信号。解决了现有技术不能自动识别负载特性的技术问题,达到了自动识别负载特性的技术效果。

Description

负载特性识别机构、方法及自动断电装置
技术领域
本发明涉及负载识别技术领域,尤其是涉及一种负载特性识别机构、方法及自动断电装置。
背景技术
随着经济水平的发展,各类电器使用场景越来越频繁,由于电器引起的火灾或触电安全事故也越来越频繁。比如“热得快”,“热得快”是一种用来烧开水的工具,由发热丝、导热管、瓶塞和电线、插头组成。每年由热得快引起的火灾为数不少,特别是到了冬季,“热得快”给人们带来了不少方便,“热得快”的主要消费群是学生、外来务工者、建筑工地人员等需在集体宿舍居住的人群,他们很少关心“热得快”是否存在危险性。在以下这些情况中,“热得快”极易引起火灾:1、泡进水里深度不够;2、烧水后离开现场,把水烧干了;3、没有拔掉插头就把“热得快”拿出水面。因此针对这类由纯发热器件生产的电器,在某些特殊的环境下,如学校、员工宿舍等等,需要对该类电器加以强制禁止以规范人们的用电行为。
当前市场上针对该类器件已有一些解决方案,如武汉阿迪克公司生产的一进二出表系列表计,既是专门针对于学校宿舍领域的用电管理而生产的单相表。这类表计的特点均为依靠功率因子或有功功率大小来限制用电。即硬件上可输出两个回路,主回路支持固定的大功率电器,如空调、热水器;辅回路支持其它小型的电器,如电脑、灯、笔记本等。该方案有一定的优势,两个回路区分,主回路线路安装固定,辅回路支持小功率,如果用户使用纯电阻型电器,只能在辅回路上使用,则该回路会将加入功率很大的纯电阻型电器识别并切断该回路,禁止使用防止意外发生。
以上方法虽然在某些使用场景可以使用,但是很多场景依然存在问题。比如1.某个学校的宿舍里,空调热水器均在一个回路上;2.单回路改造成双回路的成本;3.越来越多的电阻型电器功率越来越小等等,以上的方案就不能够解决用电规范及安全问题,究其原因是不能根据负载的特性来确定采取的操作。
发明内容
有鉴于此,本发明的目的在于提供一种负载特性识别机构、方法及自动断电装置,以解决现有技术不能自动识别负载特性的技术问题。
第一方面,本发明实施例提供了一种负载特性识别机构,包括存储模块、电力参数采集模块和比较模块;
存储模块用于存储负载的电力参数训练样本;
电力参数采集模块用于按照设定的采样间隔时间采集负载的电力参数,并将电力参数发送至比较模块,其中,电力参数包括有功功率和无功功率;
比较模块将电力参数训练样本通过正态分布拟合算法构建识别模型,同时将接收的电力参数输入至相应的识别模型,当识别模型输出的概率大于等于第一识别阈值时输出负载特性识别信号。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,电力参数训练样本至少包括负载在上电、平稳运行和断电三个过程中的一个过程的电力参数。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,当有功功率变化量超过第一设定阈值时,将电力参数或电力参数变化量输入负载在上电时的识别模型;
当有功功率变化量小于第二设定阈值时,将电力参数或电力参数变化量输入负载在断电时的识别模型;
当有功功率变化量在第一设定阈值和第二设定阈值之间时,将电力参数或电力参数变化量输入负载在平稳运行时的识别模型;
其中,第一设定阈值大于第二设定阈值。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,电力参数还包括谐波;
当识别模型输出的概率低于第一识别阈值且大于第二识别阈值时,比较模块判断电流或电压谐波是否存在高次谐波,若否,则输出负载特性识别特性。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,采样间隔时间小于等于2S。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,存储模块为存储电路。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,存储模块为服务器;
识别机构还包括通信模块,电力参数采集模块将电力参数通过通信模块发送至服务器。
第二方面,本发明实施例还提供一种负载特性识别方法,包括以下步骤:
将负载的电力参数训练样本存储于存储模块;
通过电力参数采集模块按照设定的采样间隔时间采集负载的电力参数,并将电力参数发送至比较模块,其中,电力参数包括有功功率和无功功率;
通过比较模块将电力参数训练样本根据正态分布拟合算法构建识别模型,同时将接收的电力参数输入至相应的识别模型,当识别模型输出的概率大于等于第一识别阈值时输出负载特性识别信号。
第三方面,本发明实施例还提供一种自动断电装置,包括断电机构、输出模块、MCU以及如权利要求1-5任一项所述的负载特性识别机构;
MCU接收负载特性识别信号,并根据负载特性识别信号通过输出模块控制断电机构将供电线路断电。
结合第三方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,断电机构为设于某一供电线路插座内的跳闸机构,或设于总供电线路的断路器。
本发明实施例带来了以下有益效果:
本发明实施例提供的负载特性识别机构通过存储模块存储电力参数训练样本,比较通过正态拟合算法构建识别模型,并将电力参数采集模块采集负载的电力参数带入相应的识别模型中,若识别模型输出的概率大于第一识别阈值则输出相应负载的识别信号,实现了对负载特性的自动识别,进而可以根据负载特性进行一些特定的操作,便于提高用电安全。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,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1提供的负载特性识别机构的原理图;
图2为本发明实施例1提供的负载特性识别机构的负载特性识别方法的流程图;
图3为本发明实施例2提供的负载特性识别方法的流程图;
图4为本发明实施例3提供的自动断电装置的原理图。
图标:11-存储模块;12-电力参数采集模块;13-比较模块;14-MCU;15-输出模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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,都属于本发明保护的范围。
目前的电路不能识别负载特性,基于此,本发明实施例提供的一种负载特性识别机构、方法及自动断电装置,可以自动识别负载特性。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种负载特性识别机构进行详细介绍。
实施例1:
如图1所示,本发明实施例提供了一种负载特性识别机构,包括存储模块、电力参数采集模块和比较模块;存储模块用于存储负载的电力参数训练样本;电力参数采集模块用于按照设定的采样间隔时间采集负载的电力参数,并将电力参数发送至比较模块,其中,电力参数包括有功功率和无功功率;比较模块将电力参数训练样本通过正态分布拟合算法构建识别模型,同时将接收的电力参数输入至相应的识别模型,当识别模型输出的概率大于等于第一识别阈值时输出负载特性识别信号。
本发明实施例提供的负载特性识别机构通过存储模块存储电力参数训练样本,比较通过正态拟合算法构建识别模型,并将电力参数采集模块采集负载的电力参数带入相应的识别模型中,若识别模型输出的概率大于等于第一识别阈值时输出相应负载的识别信号,实现了对负载特性的自动识别,进而可以根据负载特性进行一些特定的操作,便于提高用电安全。
需要说明的是,实际使用时需要通过实验获取检测条件下的目标负载的电力参数训练样本并存入存储模块。本发明实施例以识别“大功率”纯电阻型电器负载为例进行说明,具体应用时,可以根据实际情况设定“大功率”的限值。
本实施例中的电力参数采集模块按照设定的采样间隔时间采集负载的有功功率和无功功率,本实施例中的电力参数变化量优选为后一采样时刻相对于前一采样时刻的变化量。
将目标类的纯电阻型电器在上电、平稳运行和断电时的有功功率变化量训练样本、有功功率训练样本、无功功率变化量训练样本和无功功率训练样本存入存储模块,然后根据时间轴对应关系获取有功功率变化量-无功功率二维点训练样本和有功功率-无功功率变化量二维点训练样本,或者在采集时将有功功率变化量-无功功率,以及有功功率-无功功率变化量按照时间一一对应的关系直接存储形成相应的二维点训练样本。
负载在上电时的识别模型包括第一上电识别模型和第二上电识别模型,比较模块将上电时的有功功率变化量-无功功率训练样本通过正态分布拟合算法构建第一上电识别模型,将上电时的有功功率-无功功率变化量训练样本通过正态分布拟合算法构建第二上电识别模型。
负载在平稳运行时的识别模型包括第一平稳运行识别模型和第二平稳运行识别模型,将平稳运行时的有功功率变化量-无功功率训练样本通过正态分布拟合算法构建第一平稳运行识别模型;将平稳运行时的有功功率-无功功率变化量训练样本通过正态分布拟合算法构建第二平稳运行识别模型,本实施例中的正态分布拟合算法优选贝叶斯分类器的正态分布拟合算法。
负载在断电时的识别模型包括第一断电识别模型和第二断电识别模型,将断电时的有功功率变化量-无功功率训练样本通过正态分布拟合算法构建第一断电识别模型;将断电时的有功功率-无功功率变化量训练样本通过正态分布拟合算法构建第二断电识别模型。
如图2所示,当比较模块判断上电时的有功功率变化量超过第一设定阈值时,将设定数目的上电时的有功功率变化量-无功功率输入第一识别模型,将有功功率-无功功率变化量输入第二识别模型,当第一识别模型和第二识别模型输出的概率乘积大于等于第一识别阈值时,输出负载为纯电阻型电器的识别信号,即供电线路中的有纯电阻型电器接入。本实施例中的设定数目优选小于等于5。
当比较模块判断断电时的有功功率变化量小于第二设定阈值时,将设定数目的断电时的有功功率变化量-无功功率输入第一断电识别模型,将有功功率-无功功率变化量输入第二断电识别模型,当第一断电识别模型和第二断电识别模型输出的概率乘积大于等于第一识别阈值时输出负载为纯电阻型电器的识别信号,即供电线路中有纯电阻型电器断电。本实施例中的设定数目优选小于等于5。
当比较模块判断平稳运行时的有功功率变化量在第一设定阈值和第二设定阈值之间时,将设定数目的平稳运行时的有功功率变化量-无功功率输入第一平稳运行识别模型,将设定数目的有功功率-无功功率变化量输入第二平稳运行识别模型,当第一平稳运行识别模型和第二平稳运行识别模型输出的概率乘积大于等于第一识别阈值时输出负载为纯电阻型电器的识别信号,即供电线路中的有纯电阻型电器在平稳运行。本实施例中的设定数目优选小于等于5。
需要说明的是,本实施例在上电、平稳运行和断电时的第一识别阈值均为90%,实际使用时三个阶段的第一识别阈值可以相同,也可以不同,具体使用时,可根据实际情况进行选择、调整。
本实施例的电力参数还包括谐波,当第一上电识别模型和第二上电识别模型输出的概率乘积小于第一识别阈值时,判断此概率乘积是否大于第二识别阈值,若否,则电路中无纯电阻型电器,若是,则通过快速傅里叶变换(Fast Fourier Transformation,简称FFT)计算上电时电流或电压的谐波,本实施例优选计算电流谐波,并判断是否存在高次谐波,若是,则电路中无纯电阻型电器,若否,则输出负载特性识别信号。需要说明的是,本实施例中所述的高次谐波是指两次及其以上次数的谐波。
当第一断电识别模型和第二断电识别模型输出的概率乘积小于第一识别阈值时,判断此概率乘积是否大于第二识别阈值,若否,则电路中无纯电阻型电器,若是,则通过快速傅里叶变换(Fast Fourier Transformation,简称FFT)计算断电电流谐波,并判断是否存在高次谐波,若是则电路中无纯电阻型电器,若否,则输出负载特性识别信号。
当第一平稳运行识别模型和第二平稳运行识别模型输出的概率乘积小于第一识别阈值时,判断此概率乘积是否大于第二识别阈值,若否,则电路中无纯电阻型电器,若是,则通过快速傅里叶变换(Fast Fourier Transformation,简称FFT)计算平稳运行电流谐波,并判断是否存在高次谐波,若是,则电路中无纯电阻型电器,若否,则输出负载特性识别信号。
需要说明的是,本实施例中的第二识别阈值为80%,具体使用时,可以根据实际需求进行调整。
本实施例中的采样间隔时间为小于2S,优选时间间隔不超过1S。第一设定阈值和第二设定阈值优选为相反数。
此外,本实施例中的存储模块可以是存储电路,或存储芯片,或服务器,若存储模块为存储电路或存储芯片,电力参数采集模块可以直接将所采集的电力信号传输至存储电路。若存储模块为服务器,则该负载特性识别机构还包括通信电路,电力参数采集模块将所采集的电力参数通过有线通信或无线通信发送至服务器。
实施例2:
如图3所示,本发明实施例提供了一种负载特性识别方法,包括以下步骤:
S11.将负载的电力参数训练样本存储于存储模块。
S12.通过电力参数采集模块按照设定的采样间隔时间采集负载的电力参数,并将电力参数发送至比较模块,其中,电力参数包括有功功率和无功功率。
S13.通过比较模块将电力参数训练样本根据正态分布拟合算法构建识别模型,同时将接收的电力参数输入至相应的识别模型,当识别模型输出的概率大于等于第一识别阈值时输出负载特性识别信号。
本发明实施例以识别纯电阻型电器负载为例进行说明,具体应用时,可以根据实际情况确定所要识别的负载类型。
步骤S11中,电力参数样本通过实验获取,且负载特性的识别精度与样本数量相关。
步骤S12中的电力参数采集模块实时采集负载的有功功率和无功功率,采样间隔时间在2S内,优选采样间隔时间不超过1S,优选地,本实施例还采集谐波,通过谐波提高负载识别的准确度。
步骤S13中负载特性的具体识别方法和过程如实施例1所述,在此不予赘述。
本发明实施例提供的负载特性识别方法,与实施例1提供的负载特性识别机构具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例3:
如图4所示,本发明实施例提供了一种自动断电装置,包括输出模块以及如实施例1所述的负载特性识别机构;
MCU接收负载特性识别信号,并根据负载特性识别信号通过输出模块控制断电机构将供电线路断电。
本实施例以,当电路中接入纯电阻型电器时自动断电为例进行说明。当负载特性识别机构识别出电路中有超出限值功率的纯电阻电器接时输出负载特性识别信号,MCU接收负载特性识别信号,并根据负载特性识别信号控制输出模块切断插座内的断电机构或是总供电线路上的断路器。输出电路直接控制断路器断电,或通过继电器,或通过无线通信等方式控制断电机构断电。
需要说明的是,本实施例中所述的总供电线路可以是一个房间的总供电线路,或是一个楼层的总供电线路,或是其他总供电线路。
本发明实施例提供的自动断电装置,与实施例1提供的负载特性识别机构具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例所提供的负载特性识别机构、方法及自动断电装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种负载特性识别机构,其特征在于,包括存储模块、电力参数采集模块和比较模块;
所述存储模块用于存储所述负载的电力参数训练样本;
所述电力参数采集模块用于按照设定的采样间隔时间采集所述负载的电力参数,并将所述电力参数发送至所述比较模块,其中,所述电力参数包括有功功率和无功功率;
所述比较模块将所述电力参数训练样本通过正态分布拟合算法构建识别模型,同时将接收的所述电力参数输入至相应的所述识别模型,当所述识别模型输出的概率大于等于第一识别阈值时输出负载特性识别信号。
2.根据权利要求1所述的负载特性识别机构,其特征在于,所述电力参数训练样本至少包括所述负载在上电、平稳运行和断电三个过程中的一个过程的所述电力参数。
3.根据权利要求1的负载特性识别机构,其特征在于,当所述有功功率变化量超过第一设定阈值时,将所述电力参数或所述电力参数变化量输入所述负载在上电时的所述识别模型;
当所述有功功率变化量小于第二设定阈值时,将所述电力参数或所述电力参数变化量输入所述负载在断电时的所述识别模型;
当所述有功功率变化量在所述第一设定阈值和第二设定阈值之间时,将所述电力参数或电力参数变化量输入所述负载在平稳运行时的所述识别模型;
其中,所述第一设定阈值大于所述第二设定阈值。
4.根据权利要求1所述的负载特性识别机构,其特征在于,所述电力参数还包括谐波;
当所述识别模型输出的概率低于所述第一识别阈值且大于第二识别阈值时,所述比较模块判断电流或电压谐波是否存在高次谐波,若否,则输出负载识别特性。
5.根据权利要求1所述的负载特性识别机构,其特征在于,所述采样间隔时间小于等于2S。
6.根据权利要求1-5任一项所述的负载特性识别机构,其特征在于,所述存储模块为存储电路。
7.根据权利要求1-5任一项所述的负载特性识别机构,其特征在于,所述存储模块为服务器;
所述识别机构还包括通信模块,所述电力参数采集模块将所述电力参数通过所述通信模块发送至所述服务器。
8.一种如权利要求1-7任一项所述的负载特性识别机构的负载特性识别方法,其特征在于,包括以下步骤:
采集所述负载的电力参数训练样本存储于存储模块;
通过电力参数采集模块按照设定的采样间隔时间采集所述负载的电力参数,并将所述电力参数发送至所述比较模块,其中,所述电力参数包括有功功率和无功功率;
通过比较模块将所述电力参数训练样本根据正态分布拟合算法构建识别模型,同时将接收的所述电力参数输入至相应的所述识别模型,当所述识别模型输出的概率大于等于第一识别阈值时输出负载特性识别信号。
9.一种自动断电装置,其特征在于,包括断电机构、输出模块、MCU以及如权利要求1-7任一项所述的负载特性识别机构;
所述MCU接收所述负载特性识别信号,并根据所述负载特性识别信号通过所述输出模块控制所述断电机构将供电线路断电。
10.根据权利要求9所述的自动断电装置,其特征在于,所述断电机构为设于某一供电线路插座内的跳闸机构,或设于总供电线路的断路器。
CN201710064152.1A 2017-02-04 2017-02-04 负载特性识别机构、方法及自动断电装置 Active CN106845553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710064152.1A CN106845553B (zh) 2017-02-04 2017-02-04 负载特性识别机构、方法及自动断电装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710064152.1A CN106845553B (zh) 2017-02-04 2017-02-04 负载特性识别机构、方法及自动断电装置

Publications (2)

Publication Number Publication Date
CN106845553A true CN106845553A (zh) 2017-06-13
CN106845553B CN106845553B (zh) 2019-11-05

Family

ID=59122831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710064152.1A Active CN106845553B (zh) 2017-02-04 2017-02-04 负载特性识别机构、方法及自动断电装置

Country Status (1)

Country Link
CN (1) CN106845553B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108828345A (zh) * 2018-04-17 2018-11-16 武汉阿帕科技有限公司 一种电力线路中可控硅负载识别方法及系统
CN111242391A (zh) * 2020-03-06 2020-06-05 云南电网有限责任公司电力科学研究院 用于电力负荷识别的机器学习模型训练方法及系统
CN112816816A (zh) * 2020-12-31 2021-05-18 无锡小净共享网络科技有限公司 恶性负载的识别方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279326A (zh) * 2011-04-22 2011-12-14 华中科技大学 电器识别方法及应用该方法的家庭用户碳排放计量系统
CN104764954A (zh) * 2015-03-24 2015-07-08 天津师范大学 一种网络化智能负载识别装置及识别方法
CN205335811U (zh) * 2016-02-05 2016-06-22 上海用悦信息技术服务中心 一种恶性负载识别装置
CN106124850A (zh) * 2016-07-20 2016-11-16 国网江西省电力公司南昌供电分公司 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279326A (zh) * 2011-04-22 2011-12-14 华中科技大学 电器识别方法及应用该方法的家庭用户碳排放计量系统
CN104764954A (zh) * 2015-03-24 2015-07-08 天津师范大学 一种网络化智能负载识别装置及识别方法
CN205335811U (zh) * 2016-02-05 2016-06-22 上海用悦信息技术服务中心 一种恶性负载识别装置
CN106124850A (zh) * 2016-07-20 2016-11-16 国网江西省电力公司南昌供电分公司 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王惠: "含波动负荷电力用户无功问题与治理方案研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108828345A (zh) * 2018-04-17 2018-11-16 武汉阿帕科技有限公司 一种电力线路中可控硅负载识别方法及系统
CN108828345B (zh) * 2018-04-17 2020-06-30 武汉阿帕科技有限公司 一种电力线路中可控硅负载识别方法及系统
CN111242391A (zh) * 2020-03-06 2020-06-05 云南电网有限责任公司电力科学研究院 用于电力负荷识别的机器学习模型训练方法及系统
CN112816816A (zh) * 2020-12-31 2021-05-18 无锡小净共享网络科技有限公司 恶性负载的识别方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN106845553B (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN112557714A (zh) 一种多芯模组化智能电能表
CN106556761A (zh) 一种应用于现场的直流充电桩检测系统及方法
CN106845553A (zh) 负载特性识别机构、方法及自动断电装置
Rajeev et al. Dynamic load-shifting program based on a cloud computing framework to support the integration of renewable energy sources
CN105529823A (zh) 一种基于用电负载管理智能识别系统的终端及终端搭建系统
Hansen et al. Demand response in smart grids: Participants, challenges, and a taxonomy
CN108134275A (zh) 一种基于物联网的智能充电插座
CN106841881A (zh) 用电模块的分析方法及装置
CN103592531B (zh) 一种风电场静止无功发生器的参数检测方法及系统
CN204156542U (zh) 一种电动汽车交流充电桩
CN106950424A (zh) 充电桩监控装置及管理平台
CN104569691A (zh) 多类型储能系统的参数检测方法以及系统
CN110233477A (zh) 基于三道防线仿真的稳控仿真系统
US20200091725A1 (en) Micro inverter and controller
CN106990742A (zh) 反电位法防腐保护联动控制装置和系统
US11664663B2 (en) Micro inverter and controller
CN109616997B (zh) 空气开关、电路的优化方法及装置
CN106682705A (zh) 负载特性的识别方法及装置
CN116488149A (zh) 微电网发电策略确定方法、装置以及微电网
CN102693618B (zh) 一种农用配电变压器的电量远程抄收装置
Fan et al. A reduction approach for load pickup amount considering thermostatically controlled loads
CN103592532B (zh) 一种风电场静止无功补偿器的参数检测方法及系统
CN204129860U (zh) 基于非接触式ic卡的预付费电力控制系统
CN107231276A (zh) 多用途智能物联网通信方法及系统
CN102255321B (zh) 一种avc系统检测方法及其装置

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