CN108021943B - 检测机电设备供电源的方法和设备 - Google Patents
检测机电设备供电源的方法和设备 Download PDFInfo
- Publication number
- CN108021943B CN108021943B CN201711278933.7A CN201711278933A CN108021943B CN 108021943 B CN108021943 B CN 108021943B CN 201711278933 A CN201711278933 A CN 201711278933A CN 108021943 B CN108021943 B CN 108021943B
- Authority
- CN
- China
- Prior art keywords
- power supply
- data
- time period
- parameter data
- electrical parameter
- 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 70
- 238000012360 testing method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims 3
- 238000005265 energy consumption Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种检测机电设备供电源的方法和设备,该方法包括:将记录一条供电支路的电参量数据所形成的数据列按照时间划分为开启时段、关闭时段和参考时段;将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到所述开启时段对应的第一特征向量,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到所述关闭时段对应的第二特征向量;根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值判定所述供电支路是否为备选支路。
Description
技术领域
本申请涉及建筑机电系统的控制技术领域,尤其涉及一种检测机电设备供电源的方法和设备。
背景技术
我国公共建筑节能管理领域,普遍存在运行管理人员不能准确掌握建筑实际运行状况的问题,例如建筑各设备系统的实际用能水平如何,各项节能措施的实际节能效果怎样,在不同运行阶段整个建筑中的节能工作重点在哪儿等。为此,建设能源分项计量系统能够准确的监测建筑机电系统各方面的用能情况,起到良好的管理作用。
能源精细化管理是现代公共建筑高效、节能、绿色运行的关键技术之一。相较之传统的能源计量和配电监测,传统的能源计量主要解决了建筑总能耗和关键大型设备的能源监测,而当能源管理深入到终端设备群时,由于受到计量精细度限制,不能较好的满足管理需求;配电监测系统则偏重于供电系统安全的监控,对变配电过程的监测集中在变电站和配电室,不涉及末端用电设备和供电情况。
建筑中终端设备,如照明、风机盘管、可变制冷剂流量(Variable RefrigerantFlow,VRF)空调、插座设备等,成千上万,散布在建筑的各个角落,其用能总量占建筑总电耗的约三分之一。然而这些设备由于量大分散,很难准确计量其能耗状况。其中的关键原因就是,经过建造和运行使用过程的调整,很难获知设备的供电源头。这导致无法将设备的运行状态信息,如控制反馈信息,和能耗信息相对应,严重影响了末端设备的管理和节能实施。在很多工程项目中,末端设备甚至成为运行管理和节能的盲区。
准确获知末端用能设备的能耗数据,是能源精细化管理的前提条件。然而,由于公共建筑中机电规模较大,加之系统运行过程中不断调整和更改,对于大量末端用能设备,有时不能准确调研清楚供电的拓扑关系。这使得计量表具获取到能耗数据之后,却不清楚是哪个或哪些设备的能耗,不能完整准确的进行能源管理。
同时,直接对建筑中的所有用电终端安装计量表具也是不现实的。主要是因为用电终端往往线路繁密,难以实现电路改造,没有加装电表的安装空间。例如商场租户、写字楼办公室、宾馆客房、医院病房等公建空间中的照明设备、风机盘管、分体空调、饮水机、电脑等。这时,只能在上级支路安装计量表具,对下级设备进行调研,了解用能规律,从而间接获知用能情况。
目前获取末端能耗的方法包括:
1、根据调研信息估计末端能耗的方法。该方法通过详细调研末端设备的类型、功率、作息特征,建立末端设备或设备群的预估能耗曲线。然后基于上级计量的总能耗曲线,进行偏差最优化的拆分计算。拆分过程确保(1)下级各设备的能耗之和等于上级计量数值;(2)拆分计算后下级各设备的用能规律基本与调研信息一致。拆分结果即作为末端设备的能耗数值。
详细的调研末端设备运行规律本身工作量很大,并且调研信息相对单一化,不能全面代表设备的长期运行状态,容易导致拆分结果在某些时段不符合客观规律。该方法不能解决末端设备从属于哪个配电支路的问题,若设备与供电支路对应关系调研有误,会导致拆分结果严重错误。
2、非侵入式稳态功率法。该方法认为不同设备在投入、退出或不同状态切换时的功率(包括有功功率和无功功率)变化值有所不同,可作为各设备负荷识别的特征。通过1Hz左右的计量,获取供电支路的功率随时间变化的曲线。抓取曲线突增和突减的变化过程,判定为设备的投入和退出。根据有功和无功功率的变化量,得到设备在投入和退出时,在P-Q二维平面上的特征点,将特征点的位置与预先已知的设备特征点进行比较,已确定此时投入或退出的是什么设备。从而实现设备的识别和能耗拆分。
有些设备在P-Q功率平面上的聚类区域有所重叠,导致难以识别。对于有明显功率突变的设备,即P-Q平面上特征点聚集显著,能够较好的识别,而对于常开设备、小功率设备,以及连续变化的设备,则不易识别出来。并且,当多种设备同时开启或关闭时,也很难识别。
3、非侵入式暂态功率法。
暂态计量通常要求计量频率介于1~50Hz之间。Steven B Leeb等人提出利用设备投入时的暂态有功功率作为设备的特征来进行对象识别。研究发现设备从开始投入到稳定运行之间存在一段显著变化的暂态功率曲线,称为v区间,通常维持2~10秒。通过v区间的功率特征识别设备,实现能耗分解。
由于要求计量在1~50Hz之间,通常工程现场采用的计量表具均不能使用,需要采用特殊采集设备。当设备启停过程同时发生时,也很难识别和拆解。
4、非侵入式谐波分析法。此种方法是基于稳态谐波分析,即设备正常运行时表现出的谐波特征,根据不同的谐波特征来识别和拆解末端设备。
需要对供电支路内部所有设备的所有组合情况预先设定总谐波参数,当设备量较多时,这种预先试验和设定的工作量极大。
非侵入式方法的共同缺点是需要预先建立设备特征值的数据库,而在实际工程中,设备的种类、型号、厂家差别很大,会导致特征值数据库很难建立,并且该数据库的聚类效果也未必足够支持现场大量设备的识别和拆分。
发明内容
有鉴于此,本申请实施例提供了一种检测机电设备供电源的方法和设备,用以解决现有技术中无法找出末端设备上级供电支路的技术问题。
根据本申请实施例的一个方面,提供了一种检测机电设备供电源的方法,所述方法包括:将记录一条供电支路的电参量数据所形成的数据列按照时间划分为开启时段、关闭时段和参考时段;将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到所述开启时段对应的第一特征向量,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到所述关闭时段对应的第二特征向量;根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值判定所述供电支路是否为备选支路。
根据本申请实施例的另一方面,提供了一种电子设备,包括存储器和处理器;所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机被所述处理器执行以实现上述检测机电设备供电源的方法的步骤。
根据本申请实施例的另一方面,提供了一种计算机可用的存储介质,用于存储上述检测机电设备供电源的方法的可执行指令。
本申请实施例的有益效果包括:对建筑内部的机电设备进行试验,将试验数据输入备选支路搜索算法预测出备选支路,从而在数百个供电支路中找出机电设备的上级供电支路,能够更好地适应现代建筑精细化机电设备管理的现场需求,具有较强的通用性,适用范围广泛。
附图说明
通过以下参照附图对本申请实施例的描述,本申请的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本申请实施例提供的备选支路搜索算法的的流程示意图;
图2是本申请实施例提供的检测机电设备供电源的方法的流程图;
图3是本申请实施例提供的电子设备的架构示意图。
具体实施方式
以下基于实施例对本申请进行描述,但是本申请并不仅仅限于这些实施例。在下文对本申请的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本申请。为了避免混淆本申请的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请实施例对建筑内部的机电设备进行试验,采集建筑内所有电表的电参量,根据电表编号和所述电参量相位标识对试验数据中的数据列的进行标记,将试验数据输入备选支路搜索算法得到备选上级支路,从而能够在数百个供电支路中找出机电设备的上级供电支路,由于机电设备与上级供电支路的连接关系不会频繁变更,因此本申请实施例能够较好的适用于工程现场的调研需求;本申请实施例仅改换极少量的硬件设备,不需更换整个传感器网络,不会影响既有传感器网络和相关软件的运行,能够更好地适应现代建筑精细化机电设备管理的现场需求,具有较强的通用性,适用范围广泛,不受建筑类型、机电设备系统类型的限制。
所述电参量可以是三相正向有功功率、合相有功功率和三相电流中的任意一种,在下文的实施例中,以三相正向有功功率为例进行说明。
本申请实施例对机电设备进行试验之前需要修改所有与电表相关的采集器的采集设置,保证采集建筑内部所有电表的A、B、C三相正向有功功率,采集周期可以配置为在1~10秒之间,即0.1~1Hz。
为了不影响建筑内的住户正常工作和生活,选择建筑运行的空闲时段进行试验,使得试验期间大多数设备没有启动、关闭等操作行为,如办公楼的夜间或周末,商场的夜间,酒店的淡季白天等。试验前确认试验操作者的时间与电表采集系统的时间同步。保持建筑在稳定状态一段时间,以保证充足的空白对照数据。
对建筑内部某个目标机电设备进行启动、关闭的操作,并记录每次启动和关闭的准确时间点。即人为操作目标设备的控制开关,每次启动和关闭都维持一定的运行时间(例如30秒至2分钟),总共进行多次开关(例如1至4次)。
对需要进行试验的每个目标设备重复上述过程,直至所有目标设备都完成试验操作,并记录相应的操作时间数据。
现场试验结束后,将试验记录表中的数据和电表采集数据上传至计算机设备,依据预设的备选支路搜索算法给出每个设备的备选上级支路。
本实施例例中,根据试验记录已知设备D的开关时间数据,设备D的试验总共有n次开关,即初始设备D为关闭状态,t1时刻开,t2时刻关,t3时刻开,t4时刻关,……,t(2n-1)时刻开,t(2n)时刻关。将所有开启时段记为TPon(i):t(2i-1)~t(2i),所有关闭时段记为TPoff(i):t(2i)~t(2i+1)。根据数据采集系统记录所有支路的三相正向有功功率数据,按照电表编号和功率相位标识组合编码,标记所有数据列,例如,总共有M个数据列,分别记为X1,X2,……,XM。
预设参考时段,参考时段通常选择试验开始前的1至2小时、或者试验开始后的1至2小时,或者前一天试验的同时段。
从第一个数据列开始,按照试验时间记录和参考时间划分为开启时段Xon(i),关闭时段Xoff(i)和参考段Xref。将开启时段的数据(x1,x2,……,xp)与参考时段的数据(y1,y2,……,ym)逐一进行比较,即每一个xi分别与每一个yj相比较,如果开启时段的功率数据大于参考时段的功率数据(即xi>yj),则xij=1,否则xij=0。每一个xi与参考时段的所有数据比较之后,都得到一个特征值序列,如果有P个开启时段的数据则会得到P个由0和1组成的特征值序列。再分别对每个特征值序列取平均值,得到与开启时段的每个功率数据对应的平均特征值,结果记为xsi,xsi=(xi1+xi2+…+xim)/m。
将与开启时段的每个功率数据对应的平均特征值分别与预设参数α进行比较,将大于预设参数α的平均特征值重新赋值为1,将小于或等于预设参数α的平均特征值重新赋值为0,得到开启时段对应的由0和1组成的第一特征向量。
同理,接下来继续将关闭时段的每个功率数据与开启时段的每个功率数据逐一进行比较,根据比较结果得到关闭时段对应的第二特征向量。具体过程为:将关闭时段的每个功率数据与开启时段的每个功率数据逐一进行比较,如果关闭时段的功率数据大于开启时段的功率,则对应的特征值xij=1,否则xij=0。每一个关闭时段的功率数据与开启时段的所有数据比较之后,都得到一个特征值序列,如果有M个关闭时段的数据则会得到M个由0和1组成的特征值序列。再分别对每个特征值序列取平均值,得到与关闭时段的每个功率数据对应的平均特征值,
将与关闭时段的每个功率数据对应的平均特征值分别与预设参数α进行比较,将大于预设参数α的平均特征值重新赋值为1,将小于或等于预设参数α的平均特征值重新赋值为0,得到关闭时段对应的由0和1组成的第二特征向量。
结合第一特征向量、第二特征向量以及预设的门限值,通过计算即可输出数据列代表的供电支路是否为设备D供电的备选支路。如果是,则输出该数据列对应的由电表编号和功率相位标识组成的标记。
上述对数据列的处理过程如图1所示,首先根据实验数据得到多个数据列10,然后将每个数据列进一步划分为开启时段101,关闭时段102和参考时段103。将开启时段101的每个功率数据与参考时段103的每个功率数据逐一进行比较,根据比较结果得到开启时段101的每个功率数据分别对应的特征值序列11。对每个特征值序列取平均值,得到开启时段101的每个功率数据分别对应的平均特征值12。再将每个功率数据对应的平均特征值12分别与预设参数α进行比较,根据比较结果对平均特征值12重新赋值为0或1,得到开启时段101对应的第一特征向量13。然后将关闭时段102的每个功率数据与开启时段101的每个功率数据逐一进行比较,并依据上述算法最终得到关闭时段102对应的第二特征向量14。
结合第一特征向量13、第二特征向量14以及预设的门限值,通过计算即可输出数据列代表的供电支路是否为设备D供电的备选支路
一种可选方式,先计算匹配概率,匹配概率Prob=ξxs*+(1-ξ)xw*,其中,参数ξ>0.5,xs*代表第一特征向量各元素的平均值,xw*代表第二特征向量中各元素的平均值。然后为匹配概率设置预设条件,如果匹配概率Prob>δ,则该数据列代表的供电支路被判定为备选支路;或者,除了计算匹配概率之外,还可以配置其他限制条件,例如输出备选支路的数量等。比如匹配概率Prob>δ并且输出备选支路20条,或者输出匹配概率较高的备选支路5条,从而进一步缩小筛选范围。
另一种优选的实施方案为分别对第一特征向量和第二特征向量的各元素取平均值15,将平均值与预设参数β进行比较,如果两个平均值15都大于预设参数β,则该数据列代表的供电支路被判定为备选支路。对于被判定的备选支路,还可以进一步预测其匹配概率,匹配概率Prob=ξxs*+(1-ξ)xw*,其中,参数ξ>0.5,xs*代表第一特征向量各元素的平均值,xw*代表第二特征向量中各元素的平均值。
经过试验验证,后一种方法比前一种方法效果更好。
依据上述过程对第一数据列处理完毕后,继续按照上述过程循环处理其他数据列,直到所有数据列被处理完毕,得到预测出备选支路。
然后结合备选支路的匹配概率或者通过查阅每个备选支路的实际运行曲线,进行二次筛选,最终确定机电设备的上级支路。
试验过程结束后,恢复现场采集器的设置,避免妨碍机电设备的正常使用。
需要说明的是,本实施例中默认参考段是关状态,参考段的采集点数量与开时间段不是一一对应的,参考段的采集点可以选取很多个。当然,参考段也可以选择开状态,原理步骤与关状态相同。电参量采用合相有功功率、三相电流时,方法与三相有功功率相同。
本申请实施例自动、快速的观察所有支路的用能曲线并计算与已知设备启停作息的匹配度,确定备选支路;降低了调研的风险,避免错误关闭设备,影响安全;节省了人工检查的工作量,由计算机辅助做初步筛选,从1000个左右的备选支路降低到10个以内;提高了检查品质的一致性,避免人为经验认知的模糊和不一致。
基于以上说明,本申请实施例提供了一种检测机电设备供电源的方法,如图2所示,该方法包括以下步骤。
S20,将记录一条供电支路的电参量数据所形成的数据列按照时间划分为开启时段、关闭时段和参考时段;
S21,将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到开启时段对应的第一特征向量,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到关闭时段对应的第二特征向量;
S22,当第一特征向量中各元素的平均值和第二特征向量中各元素的平均值都大于预设门限时,将数据列对应的供电支路判定为备选支路。
通过本实施例的备选支路搜索算法,能够从众多的供电支路中预测出与目标机电设备有较大匹配可能的备选上级供电支路,
优选的,在S21中,将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到所述开启时段对应的第一特征向量进一步包括以下步骤。
S201,将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果分别确定开启时段的每个电参量数据对应的特征值序列;
S202,分别对每个特征值序列取平均值,得到与开启时段的每个电参量数据对应的平均特征值;
S203,将与开启时段的每个电参量数据对应的平均特征值分别与预设参数进行比较,将大于预设参数的平均特征值重新赋值为1,将小于或等于预设参数的平均特征值重新赋值为0,得到所时段对应的第一特征向量。
在S21中,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到关闭时段对应的第二特征向量进一步包括以下步骤。
S204,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果分别确定关闭时段的每个电参量数据对应的特征值序列;
S205,分别对每个特征值序列取平均值,得到与关闭时段的每个电参量数据对应的平均特征值;
S206,将与关闭时段的每个电参量数据对应的平均特征值分别与预设参数进行比较,将大于预设参数的平均特征值重新赋值为1,将小于或等于预设参数的平均特征值重新赋值为0,得到关闭时段对应的第二特征向量。
其中S201-S203与S204-S206两个处理流程可以同时被执行,没有执行顺序的限制。
在一个实施例中,该检测机电设备供电源的方法还可以进一步包括以下步骤。
S23,根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值预测备选支路的匹配概率。
通过该匹配概率对确定最终的上级供电支路提供参考。
在一个实施例中,步骤S22还可以替换成根据所述第一特征向量中各元素的平均值和第二特征向量中各元素的平均值计算匹配概率,当所述匹配概率大于预设门限时,将所述数据列对应的供电支路判定为备选支路。
在一个实施例中,在执行S20之前,该检测机电设备供电源的方法还包括:
S24,记录每条供电支路的电参量数据,分别生成对应的多个数据列;
S25,按照电表编号和功率相位标识对每个数据列进行标记。
所述电参量数据包括三相有功功率、合相有功功率、三相电流中的任意一种。
相应的,在执行S22或S23之后,该检测机电设备供电源的方法还包括:
S26,判断所有供电支路的对应数据列是否均已处理完毕,当所有供电支路的对应数据列没有全部处理完毕时,继续处理下一个数据列直至所有数据列处理完毕。
在所有数据列均已处理完毕后,查询备选支路的匹配概率或者机电设备的实际运行曲线,从所述备选支路中筛选出机电设备的上级供电支路。
如图3所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口606。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入电子设备中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所存储的一个或者多个程序被一个设备执行时,使得所述设备:将记录一条供电支路的电参量数据所形成的数据列按照时间划分为开启时段、关闭时段和参考时段;将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到所述开启时段对应的第一特征向量,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到所述关闭时段对应的第二特征向量;根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值判定所述供电支路是否为备选支路。
以上所述仅为本申请的优选实施例,并不用于限制本申请,对于本领域技术人员而言,本申请可以有各种改动和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种检测机电设备供电源的方法,其特征在于,所述方法包括:
将记录一条供电支路的电参量数据所形成的数据列按照时间划分为开启时段、关闭时段和参考时段,其中,所述开启时段为所述供电支路在进行检测试验过程中,机电设备与供电电源维持导通的时间段;所述关闭时段为所述供电支路在检测试验过程中,机电设备与供电电源维持断开状态的时间段;所述参考时段为所述供电支路未进行所述检测试验的特定时间段,机电设备和供电电源保持导通或保持关断的时间段;
将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到所述开启时段对应的第一特征向量,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到所述关闭时段对应的第二特征向量;
根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值判定所述供电支路是否为备选支路。
2.根据权利要求1所述的方法,其特征在于,根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值判定所述供电支路是否为备选支路包括:
当第一特征向量中各元素的平均值和第二特征向量中各元素的平均值都大于预设门限时,将所述数据列对应的供电支路判定为备选支路;
或者,根据所述第一特征向量中各元素的平均值和第二特征向量中各元素的平均值计算匹配概率,当所述匹配概率大于预设门限时,将所述数据列对应的供电支路判定为备选支路。
3.根据权利要求1或2所述的方法,其特征在于,将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果得到第一特征向量包括:
将开启时段的每个电参量数据与参考时段的每个电参量数据逐一进行比较,根据比较结果分别确定所述开启时段的每个电参量数据对应的特征值序列;
分别对每个所述特征值序列取平均值,得到与所述开启时段的每个电参量数据对应的平均特征值;
将与所述开启时段的每个电参量数据对应的平均特征值分别与预设参数进行比较,将大于所述预设参数的平均特征值重新赋值为1,将小于或等于所述预设参数的平均特征值重新赋值为0,得到所述开启时段对应的第一特征向量。
4.根据权利要求1或2所述的方法,其特征在于,将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果得到所述关闭时段对应的第二特征向量包括:
将关闭时段的每个电参量数据与开启时段的每个电参量数据逐一进行比较,根据比较结果分别确定所述关闭时段的每个电参量数据对应的特征值序列;
分别对每个所述特征值序列取平均值,得到与所述关闭时段的每个电参量数据对应的平均特征值;
将与所述关闭时段的每个电参量数据对应的平均特征值分别与预设参数进行比较,将大于所述预设参数的平均特征值重新赋值为1,将小于或等于所述预设参数的平均特征值重新赋值为0,得到所述关闭时段对应的第二特征向量。
5.根据权利要求2所述的方法,其特征在于,当第一特征向量中各元素的平均值和第二特征向量中各元素的平均值都大于预设门限时,将所述数据列对应的供电支路判定为备选支路后,所述方法还包括:
根据第一特征向量中各元素的平均值和第二特征向量中各元素的平均值预测所述备选支路的匹配概率。
6.根据权利要求1或2所述的方法,其特征在于,将记录一条供电支路的电参量数据所形成的数据列按照时间划分为开启时段、关闭时段和参考时段之前,所述方法还包括:
记录每条供电支路的电参量数据,分别生成对应的多个数据列;
按照电表编号和电参量相位标识对每个数据列进行标记。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
判断所有供电支路的对应数据列是否均已处理完毕;
当所有供电支路的对应数据列没有全部处理完毕时,继续处理下一个数据列直至所有数据列处理完毕。
8.根据权利要求1或2所述的方法,其特征在于,所述参考时段包括试验开始前的预设时间段、试验开始后的预设时间段或者前一天试验过程的同时段中的任意一种。
9.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
查询所述备选支路的匹配概率或者所述机电设备的实际运行曲线,从所述备选支路中筛选出所述机电设备的上级供电支路。
10.一种电子设备,其特征在于,包括存储器和处理器;所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机被所述处理器执行以实现权利要求1至9所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711278933.7A CN108021943B (zh) | 2017-12-06 | 2017-12-06 | 检测机电设备供电源的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711278933.7A CN108021943B (zh) | 2017-12-06 | 2017-12-06 | 检测机电设备供电源的方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108021943A CN108021943A (zh) | 2018-05-11 |
CN108021943B true CN108021943B (zh) | 2020-06-16 |
Family
ID=62078835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711278933.7A Active CN108021943B (zh) | 2017-12-06 | 2017-12-06 | 检测机电设备供电源的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108021943B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981482A (zh) * | 2012-11-29 | 2013-03-20 | 华为技术有限公司 | 一种供电电路及方法 |
CN105224703A (zh) * | 2014-06-24 | 2016-01-06 | 常州新区常工电子计算机有限公司 | 用电设备管理方法和系统 |
CN105823948A (zh) * | 2016-05-18 | 2016-08-03 | 国网上海市电力公司 | 一种非干预式居民负荷识别方法 |
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 |
CN106199291A (zh) * | 2016-08-26 | 2016-12-07 | 国网江苏省电力公司南京供电公司 | 一种分支识别和电能计量式线损分析仪 |
CN106340884A (zh) * | 2016-11-28 | 2017-01-18 | 国网江苏省电力公司苏州供电公司 | 基于混合功率判据的非侵入式非变频冰箱启动辨识方法 |
CN106961155A (zh) * | 2017-03-30 | 2017-07-18 | 华映科技(集团)股份有限公司 | 一种具备用电数据监测及安全功能的智能配电接入系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010036847B4 (de) * | 2010-08-04 | 2015-01-08 | Phoenix Contact Gmbh & Co. Kg | Verfahren und Vorrichtung zur Fremdstromdetektion |
-
2017
- 2017-12-06 CN CN201711278933.7A patent/CN108021943B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981482A (zh) * | 2012-11-29 | 2013-03-20 | 华为技术有限公司 | 一种供电电路及方法 |
CN105224703A (zh) * | 2014-06-24 | 2016-01-06 | 常州新区常工电子计算机有限公司 | 用电设备管理方法和系统 |
CN105823948A (zh) * | 2016-05-18 | 2016-08-03 | 国网上海市电力公司 | 一种非干预式居民负荷识别方法 |
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 |
CN106199291A (zh) * | 2016-08-26 | 2016-12-07 | 国网江苏省电力公司南京供电公司 | 一种分支识别和电能计量式线损分析仪 |
CN106340884A (zh) * | 2016-11-28 | 2017-01-18 | 国网江苏省电力公司苏州供电公司 | 基于混合功率判据的非侵入式非变频冰箱启动辨识方法 |
CN106961155A (zh) * | 2017-03-30 | 2017-07-18 | 华映科技(集团)股份有限公司 | 一种具备用电数据监测及安全功能的智能配电接入系统 |
Non-Patent Citations (2)
Title |
---|
A Nonintrusive Power Supply Design for Self-Powered Sensor Networks in the Smart Grid by Scavenging Energy From AC Power Line;Jinchi Han et al.;《IEEE Transactions On Industrial Electronics》;20150731;第62卷(第7期);第4398-4407页 * |
多功能低压台区识别设备的研制;李建 等;《电测与仪表》;20140710;第51卷(第13期);第107-111页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108021943A (zh) | 2018-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104915562B (zh) | 建筑能效诊断方法和系统 | |
CA2876355C (en) | Virtual demand auditing of devices in a building | |
CN102349030B (zh) | 使用包括图形用户接口的电器的远程显示和自动检测的能量使用监控 | |
Yan et al. | A multi-level energy performance diagnosis method for energy information poor buildings | |
CN101116232A (zh) | 建筑物的能量管理系统 | |
CN111586729B (zh) | 一种基于计量终端通信的三网信号检测方法及系统 | |
CN105959975B (zh) | 一种大规模基站节能工程节能量自动评估方法 | |
JP2011232061A (ja) | 消費電力測定システム及び消費電力測定方法 | |
JP2014006011A (ja) | エネルギー管理システム | |
JP2018042456A (ja) | 知能型電力使用環境における需用家向けにカスタマイズされた電力量スケジューリングシステム | |
CN102967758A (zh) | 一种建筑能耗间接分项计量拆分方法 | |
Qian et al. | Power consumption and energy efficiency of VRF system based on large scale monitoring virtual sensors | |
KR20160027481A (ko) | 건물 에너지 효율화 및 서비스 평가 시스템 및 그의 처리 방법 | |
Khoa et al. | An advanced IoT system for monitoring and analysing chosen power quality parameters in micro-grid solution | |
US11486915B2 (en) | State estimation apparatus, method, and program | |
CN116937569A (zh) | 光伏发电智能储能方法、装置及电子设备 | |
US11183876B2 (en) | Power analyzer and method for the use thereof | |
CN108021943B (zh) | 检测机电设备供电源的方法和设备 | |
WO2014013533A1 (ja) | 機器識別装置および機器識別システム | |
CN105675974B (zh) | 负载识别方法及装置 | |
JP6308538B1 (ja) | エネルギー管理システム | |
JP2016062107A (ja) | 電力管理システム | |
del Ama Gonzalo et al. | Electrical energy consumption in buildings by means of experimental measurements: Analysis of an educational facility | |
CN105867320A (zh) | 对设备进行负载管理的运行方法和所属的运行装置代理 | |
JP2023022939A (ja) | エネルギー管理方法 |
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 |