CN110084719A - 一种配电网负荷种类辨识装置 - Google Patents

一种配电网负荷种类辨识装置 Download PDF

Info

Publication number
CN110084719A
CN110084719A CN201910501829.2A CN201910501829A CN110084719A CN 110084719 A CN110084719 A CN 110084719A CN 201910501829 A CN201910501829 A CN 201910501829A CN 110084719 A CN110084719 A CN 110084719A
Authority
CN
China
Prior art keywords
load
distribution network
characteristic
load type
transient
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.)
Pending
Application number
CN201910501829.2A
Other languages
English (en)
Inventor
程琳
陈财
李才芳
王蕾
徐华
徐鑫
胡炜
闫达
查燕
傅晓
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.)
State Grid Corp of China SGCC
Training Center of State Grid Anhui Electric Power Co Ltd
Anhui Electrical Engineering Professional Technique College
Original Assignee
State Grid Corp of China SGCC
Training Center of State Grid Anhui Electric Power Co Ltd
Anhui Electrical Engineering Professional Technique College
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 State Grid Corp of China SGCC, Training Center of State Grid Anhui Electric Power Co Ltd, Anhui Electrical Engineering Professional Technique College filed Critical State Grid Corp of China SGCC
Priority to CN201910501829.2A priority Critical patent/CN110084719A/zh
Publication of CN110084719A publication Critical patent/CN110084719A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

一种配电网负荷种类辨识装置，涉及电力系统及其自动化领域。安装在电力供给入口处，主要由采集电路、滤波和检测单元、暂态事件判断单元、特征量聚类单元等构成；采集典型配电网负荷的各种工作状态暂态参量，再对采集所得到的负荷暂态段进行截取并分析，提取出所必要性的特征参数，存储在特征存储单元中；将采集电路所采集的负荷数据通过滤波和检测单元，暂态事件判断单元后进入特征量聚类单元，进行特征量聚类；通过特征匹配单元的特征匹配算法，辨识出配电网中相应的负荷种类，生成负荷种类辨识报告，并上传给区域控制中心。为用户合理利用能源提供了更加优化的决定，也为供电公司深入了解配电网负荷的特点，改善企业的需求响应计划提供帮助。

Description

一种配电网负荷种类辨识装置
技术领域
本发明涉及电力系统及其自动化领域，具体是涉及一种配电网负荷种类辨识装置。
背景技术
分布式电源中最常见的为太阳能、风能、生物质能等可再生能源，通常这些能源的容量较小，其装机容量一般是几百千瓦到几十兆瓦，适合直接安装在用户侧。分布式电源能够快速响应负荷需求，减少输配电设备扩容费用，提高系统供电可靠性等优点，因此在配电网中得到广泛应用。
在配电网的负荷端，随着智能电网建设的不断推进，越来越多的数据采集设备比如智能电表等可以收集到大量的用户的用电情况。不同类型的用户，如民用、商业、工业、农业等，在电力消费模式上存在很大的差异。负荷种类辨识通过对总线入口处的电压、电流及谐波等负荷特征进行测量、分析，便可得到设备的用能行为信息。通过对电能负荷信息的获取，不仅有助于电力公司了解用户负荷的构成、分析设备使用规律、评估设备工作模态，进而加强负荷侧管理，同时可以引导用户合理安排负荷的使用，提高电能使用效率，达到调节峰谷差和降低网损等目的。因此，设计一种电力系统的配电网负荷种类识别控制器，有助于对用电设备进行状态和模态实时监测，实现清洁与常规碳基电源优势互补，促进电力工业经济、低耗、高效发展。
发明内容
本发明的目的是针对现有技术的不足而提供一种配电网负荷种类辨识装置。
为了实现上述目的，本发明所采用的技术方案为：一种配电网负荷种类辨识装置，安装在电力供给入口处，主要由采集电路、滤波和检测单元、暂态事件判断单元、特征量聚类单元、特征存储单元、特征匹配单元和负荷种类辨识报告构成；
首先采集典型配电网负荷的各种工作状态暂态参量，接着再对采集所得到的负荷暂态段进行截取并分析，提取出所必要性的特征参数，存储在特征存储单元中；然后将采集电路所采集的负荷数据通过滤波和检测单元，暂态事件判断单元后进入特征量聚类单元，进行特征量聚类；通过特征匹配单元的特征匹配算法，辨识出配电网中相应的负荷种类，生成负荷种类辨识报告，并上传给区域控制中心。
进一步地，本发明的配电网负荷种类辨识装置中，采集电路主要是采集电力供给入口处的无功功率，有功功率和电流信号；电力供给入口处的电流导线通过磁传感阵列线圈；当配电网负荷种类发生变化时电流导线中电流大小改变，引起磁传感阵列线圈产生交变磁场，从而在信号接收单元可以采集到变化的信号；通过电容耦合原理，非接触的测量配电网中导线电压变化；暂态参量通常考虑为瞬时电流，有功功率，无功功率；信号监视单元对变换信号进行监视，通过通信协议传送个远端监视器。
进一步地，本发明的配电网负荷种类辨识装置中，滤波和检测单元边沿检测程序检测到暂态事件的发生，并将暂态部分提交给特征匹配程序部分；在滤波算法中根据信号特点可以采用自适应高斯滤波算法，滤除信号中的噪声，避免在信号边缘检测时漏检误检问题；信号边缘检测采用阈值暂态能量检测算法，通过负荷波动所表现出典型物理特征来检测负荷状态；负荷暂态能量主要表征为：
U(m)＝[u(m)+u(m-1)]/2 (1)
I(m)＝[i(m)+i(m-1)]/2 (2)
其中，U(m)和I(m)分别是暂态电压与暂态电流样本m的平均值；u(m)和i(m)分别是电压采样值与电流采样值，M是样本总数，m＝1,2…,M；阈值边沿检测算法为：
其中负荷样本数据为n，qn为负荷平均值，突变发生前的负荷平均值，突变检测点可以定义为：
当K＞ε,ε为符合事件突变阈值，可认定检测到序列发生了突变边缘。
进一步地，本发明的配电网负荷种类辨识装置中，暂态事件判断单元对检测到序列发生了突变边缘采用累积和算法判断是否是暂态事件，算法步骤为：
(1)当设备端有负荷检测请求时，统计量初始化，K初始值为0，并开始依次检测用电设备负荷点，用电设备状态处于稳态时，K是一个围绕0附近波动的随机变量；
(2)当用电设备状态发生改变，即检测序列发生突变时，若负荷增大，则统计量均值上升为那么这个正向，增加的偏差则会在K+中不断累积增加，K+的数值不断加大；若负荷减小，统计量就会发生反向偏移，偏移值也会不断累加到K-中去；则系统返还信息给用户，检测到突变点；
(3)当K＞0时记录下点t1，然后继续记录，直到K＝0此时记录下点t2；若在时间范围[t1,t2]中所有的特征参数序列都满足K≤ε则表示在[t1,t2]范围内未发生暂态事件，并将t1,t2的值归零；若存在[t1,t2]范围内有K＞ε，则可认定检测序列发生了突变，其中ε为负荷事件突变阈值；暂态事件发生时间为[t1,t2]，并将此段的特征量变化记录进行存储；当检测到突变点后，统计量不为0的是K+则表示用电设备发生了增大负荷的变化，反之则发生了减少负荷的变化。
进一步地，本发明的配电网负荷种类辨识装置中，特征量聚类单元采用K-means算法将采集单元获得负荷数据进行聚类，将负荷种类划分为阻性负荷，容性负荷和感性负荷。
进一步地，本发明的配电网负荷种类辨识装置中，特征存储单元用于存贮不同种类负荷的特征参量；阻性负荷，容性负荷和感性负荷在不同状态时都有不同特征状态，将不同用电设备的特征状态存储在存储单元中。
进一步地，本发明的配电网负荷种类辨识装置中，特征匹配单元采用欧式距离匹配算法；当配电网负荷种类辨识装置中暂态事件判断单元检测到暂态事件后，经过特征参量提取，与特征库中的标准模块进行比对，检测波形和模板波形的欧式距离表示为：
其中，n表示待匹配波形的离散点数x＝[x1,x2,…,xn],y＝[y1,y2,…,yn]，满足xi≥0,yi≥0,i＝1,2…,n。
进一步地，本发明的配电网负荷种类辨识装置中，负荷种类辨识报告生成辨识出配电网中相应的负荷种类，并上传给区域控制中心。
与现有技术相比，本发明的有益效果表现在：
(1)本发明的电网负荷种类辨识装置安装在用户入户总线上，通过测量总线高频电压电流等信息从而实现对配电网中的负荷种类进行辨识和分类。配电网负荷种类辨识装置安装在标准的电能计费表内，因此配电网负荷种类辨识装置拆卸和维护比较容易。
(2)本发明的电网负荷种类辨识装置通过检查提供信息的负荷特征，从而进行负荷种类辨识。因此，该装置通过辨识配电网中负荷种类，获取用电设备负荷信息，通过负荷信息对设备的运行进行优化从而提升用电效率，为优化配置电网能源资源提供了一种快速、实用和安全的调度方法，具有工程应用价值。
(3)本发明在保证配电网一次侧发电系统正常、配电网二次侧稳定运行下，通过安装在电力供给入口处对用户端负荷进行分类和辨识，通过负荷信息对设备的运行进行优化从而提升用电效率，为优化配置电网能源资源提供了一种快速、实用和安全的调度方法，具有工程应用价值。
(4)本发明通过挖据负荷种类特点，进行负荷辨识，为用户合理利用能源提供了更加优化的决定，也为供电公司深入了解配电网负荷的特点，改善企业的需求响应计划提供帮助。
附图说明
以下结合附图对本发明的配电网负荷种类辨识装置作进一步的详述。
图1为本发明配电网负荷种类辨识装置在电网中安装位置示意图。
图2为本发明配电网负荷种类辨识装置的结构框图。
图3为采集电路单元的结构图。
图4为暂态事件判断单元的结构图。
具体实施方式
请参阅图1所示，配电网负荷种类辨识装置可以作为现有电表中的一个模块，安装在电力供给入口处。请参阅图2所示，配电网负荷种类辨识装置主要由采集电路1、滤波和检测单元2、暂态事件判断单元3、特征量聚类单元4、特征存储单元5、特征匹配单元6和负荷种类辨识报告7构成。
电网负荷种类辨识装置首先采集典型配电网负荷的各种工作状态暂态参量，接着再对采集所得到的负荷暂态段进行截取并分析，提取出所必要性的特征参数，存储在特征存储单元5中。然后将采集电路1所采集的负荷数据通过滤波和检测单元2，暂态事件判断单元3后进入特征量聚类单元4，进行特征量聚类。通过特征匹配单元6的特征匹配算法，辨识出配电网中相应的负荷种类，生成负荷种类辨识报告7，并上传给区域控制中心。
采集电路主要是采集电力供给入口处的无功功率，有功功率和电流信号，具体结构如图3所示。电力供给入口处的电流导线通过磁传感阵列线圈。当配电网负荷种类发生变化时电流导线中电流大小改变，引起磁传感阵列线圈产生交变磁场，从而在信号接收单元可以采集到变化的信号。通过电容耦合原理，非接触的测量配电网中导线电压变化。暂态参量通常考虑为瞬时电流，有功功率，无功功率。信号监视单元对变换信号进行监视，通过通信协议传送个远端监视器。
配电网负荷种类辨识装置中滤波和检测单元主要起到降噪和信号边缘提取作用。边沿检测程序检测到暂态事件的发生，并将暂态部分提交给特征匹配程序部分从而达到减少特征匹配的工作量的目的。在滤波算法中根据信号特点可以采用自适应高斯滤波算法，滤除信号中的噪声，避免在信号边缘检测时漏检误检问题。信号边缘检测采用阈值暂态能量检测算法，通过负荷波动所表现出典型物理特征来检测负荷状态。负荷暂态能量主要表征为：
U(m)＝[u(m)+u(m-1)]/2 (1)
I(m)＝[i(m)+i(m-1)]/2 (2)
其中，U(m)和I(m)分别是暂态电压与暂态电流样本m的平均值。u(m)和i(m)分别是电压采样值与电流采样值，M是样本总数，m＝1,2…,M。阈值边沿检测算法为：
其中负荷样本数据为n，qn为负荷平均值，突变发生前的负荷平均值，突变检测点可以定义为：
当K＞ε,ε为符合事件突变阈值，可认定检测到序列发生了突变边缘。
配电网负荷种类辨识装置中暂态事件判断单元对检测到序列发生了突变边缘采用累积和算法判断是否是暂态事件，结构如图4所示，算法步骤为：
(1)当设备端有负荷检测请求时，统计量初始化，K初始值为0，并开始依次检测用电设备负荷点，用电设备状态处于稳态时，K是一个围绕0附近波动的随机变量。
(2)当用电设备状态发生改变，即检测序列发生突变时，若负荷增大，则统计量均值上升为那么这个正向，增加的偏差则会在K+中不断累积增加，K+的数值不断加大；若负荷减小，统计量就会发生反向偏移，偏移值也会不断累加到K-中去。则系统返还信息给用户，检测到突变点。
(3)当K＞0时记录下点t1，然后继续记录，直到K＝0此时记录下点t2。若在时间范围[t1,t2]中所有的特征参数序列都满足K≤ε则表示在[t1,t2]范围内未发生暂态事件，并将t1,t2的值归零。若存在[t1,t2]范围内有K＞ε，则可认定检测序列发生了突变，其中ε为负荷事件突变阈值。暂态事件发生时间为[t1,t2]，并将此段的特征量变化记录进行存储。当检测到突变点后，统计量不为0的是K+则表示用电设备发生了增大负荷的变化，反之则发生了减少负荷的变化。
配电网负荷种类辨识装置中特征量聚类单元，负荷种类通常可以划分为阻性负荷，容性负荷和感性负荷。采用K-means算法将采集单元获得负荷数据进行聚类，将负荷种类划分为阻性负荷，容性负荷和感性负荷。
配电网负荷种类辨识装置中特征存储单元用于存贮不同种类负荷的特征参量。阻性负荷如取暖器；当取暖器处于关断状态，电流、有功功率和无功功率大小处于一个在0附近波动的数值，当取暖器开启时,电压跟关断时候相比无变化，电流绝对值增大，有功功率在十几毫秒内增加到额定功率然后维持稳定，而无功功率会在此期间出现类似毛刺的波动。容性负荷如电脑，当无任何设备运行时，电压有的效值维持在220V不变。总负载上的电流、有功功率和无功功率的值在0附近做无规则的随机波动。当电脑电源开关开启时，电流在极短的时间内从0A升高至0.7A直至稳定，稳定在0.7A左右维持约300毫秒后，再次缓慢升高到稳定水平约0.8A左右。感性负载如微波炉，当微波炉开启后，电流和功率都有个急剧上升的过程，然后下降稳定在一个值附近波动，经过1-2s后电流和有功功率又会相对缓慢的上升到某值直至稳定完成暂态事件，而无功功率的幅值则会跌落至原有水平。因此阻性负荷，容性负荷和感性负荷它们在不同状态时都有不同特征状态，相应的我们可以将不同用电设备的特征状态存储在存储单元中。
配电网负荷种类辨识装置中特征匹配单元采用欧式距离匹配算法。当配电网负荷种类辨识装置中暂态事件判断单元检测到暂态事件后，经过特征参量提取，与特征库中的标准模块进行比对，检测波形和模板波形的欧式距离表示为：
其中，n表示待匹配波形的离散点数x＝[x1,x2,…,xn],y＝[y1,y2,…,yn]，满足xi≥0,yi≥0,i＝1,2…,n。
配电网负荷种类辨识装置中负荷种类辨识报告，生成辨识出配电网中相应的负荷种类，并上传给区域控制中心。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种配电网负荷种类辨识装置，其特征在于，安装在电力供给入口处，主要由采集电路(1)、滤波和检测单元(2)、暂态事件判断单元(3)、特征量聚类单元(4)、特征存储单元(5)、特征匹配单元(6)和负荷种类辨识报告(7)构成；
首先采集典型配电网负荷的各种工作状态暂态参量，接着再对采集所得到的负荷暂态段进行截取并分析，提取出所必要性的特征参数，存储在特征存储单元(5)中；然后将采集电路(1)所采集的负荷数据通过滤波和检测单元(2)，暂态事件判断单元(3)后进入特征量聚类单元(4)，进行特征量聚类；通过特征匹配单元(6)的特征匹配算法，辨识出配电网中相应的负荷种类，生成负荷种类辨识报告(7)，并上传给区域控制中心。
2.如权利要求1所述的配电网负荷种类辨识装置，其特征在于，采集电路(1)主要是采集电力供给入口处的无功功率，有功功率和电流信号；电力供给入口处的电流导线通过磁传感阵列线圈；当配电网负荷种类发生变化时电流导线中电流大小改变，引起磁传感阵列线圈产生交变磁场，从而在信号接收单元可以采集到变化的信号；通过电容耦合原理，非接触的测量配电网中导线电压变化；暂态参量通常考虑为瞬时电流，有功功率，无功功率；信号监视单元对变换信号进行监视，通过通信协议传送个远端监视器。
3.如权利要求2所述的配电网负荷种类辨识装置，其特征在于，滤波和检测单元(2)边沿检测程序检测到暂态事件的发生，并将暂态部分提交给特征匹配程序部分；在滤波算法中根据信号特点可以采用自适应高斯滤波算法，滤除信号中的噪声，避免在信号边缘检测时漏检误检问题；信号边缘检测采用阈值暂态能量检测算法，通过负荷波动所表现出典型物理特征来检测负荷状态；负荷暂态能量主要表征为：
U(m)＝[u(m)+u(m-1)]/2 (1)
I(m)＝[i(m)+i(m-1)]/2 (2)
其中，U(m)和I(m)分别是暂态电压与暂态电流样本m的平均值；u(m)和i(m)分别是电压采样值与电流采样值，M是样本总数，m＝1,2…,M；阈值边沿检测算法为：
其中负荷样本数据为n，qn为负荷平均值，突变发生前的负荷平均值，突变检测点可以定义为：
当K＞ε,ε为符合事件突变阈值，可认定检测到序列发生了突变边缘。
4.如权利要求3所述的配电网负荷种类辨识装置，其特征在于，暂态事件判断单元(3)对检测到序列发生了突变边缘采用累积和算法判断是否是暂态事件，算法步骤为：
(1)当设备端有负荷检测请求时，统计量初始化，K初始值为0，并开始依次检测用电设备负荷点，用电设备状态处于稳态时，K是一个围绕0附近波动的随机变量；
(2)当用电设备状态发生改变，即检测序列发生突变时，若负荷增大，则统计量均值上升为那么这个正向，增加的偏差则会在K+中不断累积增加，K+的数值不断加大；若负荷减小，统计量就会发生反向偏移，偏移值也会不断累加到K-中去；则系统返还信息给用户，检测到突变点；
(3)当K＞0时记录下点t1，然后继续记录，直到K＝0此时记录下点t2；若在时间范围[t1,t2]中所有的特征参数序列都满足K≤ε则表示在[t1,t2]范围内未发生暂态事件，并将t1,t2的值归零；若存在[t1,t2]范围内有K＞ε，则可认定检测序列发生了突变，其中ε为负荷事件突变阈值；暂态事件发生时间为[t1,t2]，并将此段的特征量变化记录进行存储；当检测到突变点后，统计量不为0的是K+则表示用电设备发生了增大负荷的变化，反之则发生了减少负荷的变化。
5.如权利要求4所述的配电网负荷种类辨识装置，其特征在于，特征量聚类单元(4)采用K-means算法将采集单元(1)获得负荷数据进行聚类，将负荷种类划分为阻性负荷，容性负荷和感性负荷。
6.如权利要求5所述的配电网负荷种类辨识装置，其特征在于，特征存储单元(5)用于存贮不同种类负荷的特征参量；阻性负荷，容性负荷和感性负荷在不同状态时都有不同特征状态，将不同用电设备的特征状态存储在存储单元中。
7.如权利要求6所述的配电网负荷种类辨识装置，其特征在于，特征匹配单元(6)采用欧式距离匹配算法；当配电网负荷种类辨识装置中暂态事件判断单元(3)检测到暂态事件后，经过特征参量提取，与特征库中的标准模块进行比对，检测波形和模板波形的欧式距离表示为：
其中，n表示待匹配波形的离散点数x＝[x1,x2,…,xn],y＝[y1,y2,…,yn]，满足xi≥0,yi≥0,i＝1,2…,n。
8.如权利要求7所述的配电网负荷种类辨识装置，其特征在于，负荷种类辨识报告(7)生成辨识出配电网中相应的负荷种类，并上传给区域控制中心。
CN201910501829.2A 2019-06-11 2019-06-11 一种配电网负荷种类辨识装置 Pending CN110084719A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910501829.2A CN110084719A (zh) 2019-06-11 2019-06-11 一种配电网负荷种类辨识装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910501829.2A CN110084719A (zh) 2019-06-11 2019-06-11 一种配电网负荷种类辨识装置

Publications (1)

Publication Number Publication Date
CN110084719A true CN110084719A (zh) 2019-08-02

Family

ID=67424085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910501829.2A Pending CN110084719A (zh) 2019-06-11 2019-06-11 一种配电网负荷种类辨识装置

Country Status (1)

Country Link
CN (1) CN110084719A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396007A (zh) * 2020-11-24 2021-02-23 国网江苏省电力有限公司营销服务中心 一种非侵入式居民负荷突变事件三阈值检测方法和系统
CN113255795A (zh) * 2021-06-02 2021-08-13 杭州安脉盛智能技术有限公司 一种基于多指标集群分析的设备状态监测方法
CN113326296A (zh) * 2021-02-25 2021-08-31 中国电力科学研究院有限公司 一种适用于工商业用户的负荷分解的方法及系统
CN114113860A (zh) * 2021-11-30 2022-03-01 国网黑龙江省电力有限公司黑河供电公司 电力负荷管理终端的功能模块故障检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786534A (zh) * 2016-12-28 2017-05-31 天津求实智源科技有限公司 一种非侵入式电力负荷暂态过程辨识方法及系统
CN107025365A (zh) * 2017-05-16 2017-08-08 电子科技大学 一种用于用户侧的非侵入负荷辨识方法
CN109461095A (zh) * 2018-10-18 2019-03-12 深圳供电局有限公司 一种用于非侵入式负荷辨识的负荷事件检测的数据处理方法及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786534A (zh) * 2016-12-28 2017-05-31 天津求实智源科技有限公司 一种非侵入式电力负荷暂态过程辨识方法及系统
CN107025365A (zh) * 2017-05-16 2017-08-08 电子科技大学 一种用于用户侧的非侵入负荷辨识方法
CN109461095A (zh) * 2018-10-18 2019-03-12 深圳供电局有限公司 一种用于非侵入式负荷辨识的负荷事件检测的数据处理方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曲禾笛等: "服务于用电设备的快速辨识边沿检测方法研究", 《中国电机工程学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396007A (zh) * 2020-11-24 2021-02-23 国网江苏省电力有限公司营销服务中心 一种非侵入式居民负荷突变事件三阈值检测方法和系统
CN113326296A (zh) * 2021-02-25 2021-08-31 中国电力科学研究院有限公司 一种适用于工商业用户的负荷分解的方法及系统
CN113326296B (zh) * 2021-02-25 2024-06-07 中国电力科学研究院有限公司 一种适用于工商业用户的负荷分解的方法及系统
CN113255795A (zh) * 2021-06-02 2021-08-13 杭州安脉盛智能技术有限公司 一种基于多指标集群分析的设备状态监测方法
CN114113860A (zh) * 2021-11-30 2022-03-01 国网黑龙江省电力有限公司黑河供电公司 电力负荷管理终端的功能模块故障检测方法

Similar Documents

Publication Publication Date Title
CN110084719A (zh) 一种配电网负荷种类辨识装置
CN103105556B (zh) 基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法
CN107025365A (zh) 一种用于用户侧的非侵入负荷辨识方法
CN109299134B (zh) 一种非侵入式监测系统下电器的识别方法
CN105182250B (zh) 一种非侵入式分布式电源出力监测装置
CN101771275B (zh) 电能监控系统
CN103793756A (zh) 一种变压器经济运行特征分析方法
CN109389521A (zh) 一种配电网自动化的智能管理系统
CN109146265A (zh) 基于动态规划时间序列相似性的三相不平衡源溯源方法
CN102072976B (zh) 辨识电器状态的方法及系统
CN106569165A (zh) 一种电子式电能表计量性能远程在线检测系统
CN113075447A (zh) 一种400v低压配网智能检测装置及方法
CN103427491A (zh) 智能电网数据自动采集监测系统
CN204129463U (zh) 医院电力智能化监控节能管理系统
CN103683512A (zh) 电力系统能效测试管理系统及测试方法
CN205721286U (zh) 防窃电电力计量用智能采集终端系统
CN115587635A (zh) 一种基于中性点偏移判断的台区线损分析方法、系统
CN106887848B (zh) 基于模糊模式识别的电压无功实时控制方法
CN201282274Y (zh) 配变台区智能配电箱
CN114839462A (zh) 一种智能反窃电监察方法和系统
Hussain et al. Remote Real-time Power Analysis and Management System
CN209709758U (zh) 一种配电变压器一体式数字化智能终端
CN112016587A (zh) 基于主站特征库技术的用能监测云端协同非侵入辨识方法
Shi et al. Research on low voltage distribution network topology generation method based on “transformer-distribution box-meter box-meter” model
CN202632517U (zh) 智能型电压监测数据集中器

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190802

RJ01 Rejection of invention patent application after publication