CN111025013A - 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 - Google Patents
一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 Download PDFInfo
- Publication number
- CN111025013A CN111025013A CN201911210094.4A CN201911210094A CN111025013A CN 111025013 A CN111025013 A CN 111025013A CN 201911210094 A CN201911210094 A CN 201911210094A CN 111025013 A CN111025013 A CN 111025013A
- Authority
- CN
- China
- Prior art keywords
- power
- mutation
- electric heating
- ratio
- type electric
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,通过在进线端采集电压和电流,计算获得启动突变功率及突变所需时间的比值k1,最大突变功率及突变所需时间的比值k2,最大启动突变功率和突变后稳态运行功率比值k3,三次谐波的增量与突变所需的时间比值k4,通过四个比值的大小,从而判断用户是否开启了PTC型电采暖。为计算PTC型电采暖所消耗的功率提供了依据,完善和发展了非侵入式负荷监测分解技术,有利于用户了解自身的电能消耗构成,最大程度的降低电能消耗,减少电费开支,并可对其故障诊断做出相应的辅助判断。
Description
技术领域
本发明涉及一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,属于节能环保用电技术。
背景技术
目前,我国居民生活用电所占比例为总需求的12%,而美国为36%。随着社会经济的发展和人民生活水平的提高,居民用电仍有非常大的增长空间。同时,家庭日负荷曲线的获取有利于推进智能电网、需求响应的发展。因此,建立可实现居民家庭用电可视化的智能用电系统成为一种迫切的需求,它有助于用户了解自身不同时段各电器设备电能的消耗情况,制定合理的节能计划,有针对性的选购节能设备,检验节能效果,从而降低能源消耗,减少电费开支。用电可视化也被认为是平抑高峰用电的有效手段之一,可促使用户选择夜间等低谷电价时段用电,达到削峰填谷的目标,可有效提高电力投资效益。
目前,居民电力负荷监测分解技术主要分为侵入式监测分解(Intrusive LoadMonitoring and decomposition,ILMD)和非侵入式监测分解(Non-intrusive LoadMonitoring and decomposition,NILMD)两大类:
(1)侵入式负荷监测分解技术(ILMD):侵入式负荷监测将带有数字通信功能的传感器安装在每个电器与电网的接口,可以准确监测每个负荷的运行状态和功率消耗。但大量安装监测传感器造成建设和维护的成本较高,最重要的是侵入式负荷监测需要进入居民家中进行安装调试,容易造成用户抵制心理。
(2)非侵入式负荷监测分解技术(NILMD):仅在用户入口处安装一个传感器,通过采集和分析入口总电流、电压等信息来判断户内每个或每类电器的用电功率和工作状态(例如,空调具有制冷、制热、待机等不同工作状态),从而得出居民的用电规律。和侵入式负荷分解相比,由于只需要安装一个监测传感器,非侵入负荷分解方案的建设成本和后期维护难度都大幅降低;另外,传感器安装位置可以选择在用户电表箱处,完全不会侵入居民户内进行施工。可以认为,NILMD以分解算法代替ILMD系统的传感器网络,具有简单、经济、可靠、数据完整和易于迅速推广应用等优势,有望发展成为高级量测体系(AMI)中新一代核心技术(成熟后,NILMD算法也可以融合到智能电表的芯片内),支持需求侧管理、定制电力等智能用电的高级功能,也适用于临时性的负荷用电细节监测与调查。
PTC型电采暖的工作原理是间歇工作,即当供水温度小于上限温度时电采暖炉处于加热状态,当供水温度到达上限温度时电采暖炉处于停机保温状态。在采暖期最冷的几天,电采暖炉提供的值刚好满足或小于房间需求的热负荷,过高的设置电采暖炉的上限温度值,会造成电采暖炉实际的供水温度很难达到上限温度,这样电采暖炉就会处于24小时加热状态,电采暖炉采用国际领先的加热材料,具有无污染、恒温加热、功率自调、无噪音、加热速度快等优点,热效率高达98%以上,寿命长达3万小时以上。使用高效的PTC水电分离电加热器,加热均匀,配置折流扳,无温度死角。摒弃了传统的电加热直接给水加温的落后工艺,科学采用PTC半导体陶瓷片作为发热原件,利用半导体空穴原理,实现电子氧空位,促使电子在强磁场条件下产生磁撞,使电能以面状形式于工质的分子键结合转合为热能。一般PTC型电采暖的功率大于1800W。研究表明,PTC型电采暖启动时会有一段快速功率突变,然后功率会缓变上升4~5s后,功率缓慢下降趋于稳定运行状态,其中PTC型电采暖都满足启动突变功率及在突变范围内所需时间的比值k_1在6000~6500之间,最大启动突变功率及突变所需时间的比值k_2在500~700之间,最大启动突变功率和稳态运行功率比值k_3在1.2~2之间及三次谐波的增量与突变所需的时间比值k_4在0.7~1之间。
综上所述,NILMD技术已经逐渐成为一个研究热点,相关技术的突破和产业化对全社会的节能减排具有重要意义。目前,NILMD技术的研究还停留在理论研究阶段,目前尚无文献提出一种准确、有效、快速辨识PTC型电采暖的判据方法,根据PTC型电采暖的实时平均功率以及三次谐波电流的时域规律,判断是否为PTC型电采暖启动的方法。辨识PTC型电采暖启动的运行状态,能为计算PTC型电采暖的消耗功率提供依据,有利于用户了解自身的电能消耗构成,最大程度的降低电能消耗。有助于电力公司精确了解用户电力负荷构成,为需求侧管理、负荷预测、系统规划提供更准确的基础数据。
发明内容
为了解决上述技术问题,本发明公开了一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,其具体技术方案如下:
步骤一,使用电压、电流采集器对电源进线的电压和电流分别进行采样,得到电压采样序列和电流采样序列;
步骤二,扫描电压信号u和电流信号i,计算进线端平均功率P,
计算ki,ki∈(k1,k2,k3...kn),并判断ki是否属于设定的区间ai,ai∈(a1,a2,a3...an),若是,则判断存在启动PTC型电采暖的可能,令i=i+1且i≤n返回步骤三,i>n,进入步骤四;若否,则判断其没有启动PTC型电采暖,停止计算;
步骤四,若kn属于区间an,则判断启动了PTC型电采暖。
进一步的,所述比值序列{Ki}分别为:启动突变功率及突变所需时间的比值k1,最大突变功率及突变所需时间的比值k2,最大启动突变功率和突变后稳态运行功率比值k3,三次谐波的增量与突变所需的时间比值k4。
进一步的,所述判断区间ai∈(a1,a2,a3...an)依序为a1=(6000,650),a2=(500,700),a3=(1.2,2),a4=(0.2,0.7)。
进一步的,
所述启动突变功率及突变所需时间的比值k1的计算包括:
扫描有功功率序列P,分析提取出启动突变功率ΔP1和该突变段前后所需时间ΔT1,计算两者之间的比值其中ΔP1=P2-P1,ΔT1=T2-T1,式中P2为突变后的功率,P1为突变前的稳态功率,T1,T2为突变前后所对应的时间;
所述最大突变功率及突变所需时间的比值k2的计算包括;
根据有功功率序列,找出最大突变功率ΔP2及到达最大突变所需的时间ΔT2,计算系数其中ΔP2=P3-P1,ΔT2=T3-T1,式中,P3为最大突变后的功率,P1为突变前的稳态功率,T1,T3为到达最大突变时所对应的时间;
所述最大启动突变功率和突变后稳态运行功率比值k3的计算包括;
分析有功功率序列,提取最大启动突变功率ΔP2和突变后稳态运行功率ΔP3,计算功率比例系数其中ΔP2=P3-P1,ΔP3=P4-P1,P3为最大突变后的功率,P1为突变前的稳态功率,P4为突变后的稳态功率;
所述三次谐波的增量与突变所需的时间比值k4的计算包括;
根据三次谐波电流序列I,找出突变前后稳态三次谐波电流I1,I2并计算其差值ΔI,则ΔI=I2-I1。计算突变前后稳态三次谐波电流所对应时间T4,T5的差值ΔT3,则ΔT3=T5-T4;计算三次谐波的增量与突变所需的时间比值
本发明的有益效果是:
本发明是一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,根据启动突变功率及突变所需时间的比值、最大突变功率及突变所需时间的比值、最大启动突变功率和稳态运行功率比值以及三次谐波的增量与突变所需的时间比值,可以准确有效快速地辨识出PTC型电采暖的启动运行,并为计算PTC型电采暖所消耗的功率提供了依据,完善和发展了非侵入式负荷监测分解技术,有利于用户了解自身的电能消耗构成,最大程度的降低电能消耗,减少电费开支,并可对其故障诊断做出相应的辅助判断。
附图说明
图1是本发明一种基于功率谐波特征的PTC型电采暖非侵入辨识方法的总体流程图;
图2是本发明松下PTC型电采暖运行时有功功率的启动及工作特性;
图3是本发明松下PTC型电采暖运行时三次谐波电流的启动及工作特性。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,包括以下步骤:
步骤一:用电压和电流传感器采集用户总进线处的电压和电流信号,采样频率可为100Hz~1500Hz,此处选取100Hz,形成电压和电流的采样序列u、i。
步骤二:根据电压信号序列u和电流信号序列i,计算进线端功率序列P;
步骤三:计算启动突变功率及突变所需时间的比值k1;
ΔP1=P2-P1 (1)
ΔT1=T2-T1 (2)
式(1)和(2)中,P2为突变后的功率,P1为突变前的稳态功率,T1,T2为突变前后所对应的时间。
若6000<k1<6500,则判别可能为PTC电采暖启动;否则,判别不是PTC电采暖启动。
步骤四:计算最大突变功率及突变所需时间的比值k2;
ΔP2=P3-P1 (3)
ΔT2=T3-T1 (4)
式(3)和(4)中,P3为最大突变后的功率,P1为突变前的稳态功率,T1,T3为到达最大突变时所对应的时间;
若500<k2<700,则判别可能为PTC电采暖启动;否则,判别不是PTC电采暖启动。
步骤五:计算最大启动突变功率和突变后稳态运行功率比值k3;
ΔP2=P3-P1 (5)
ΔP3=P4-P1 (6)
式(5)和(6)中,P3为最大突变后的功率,P1为突变前的稳态功率,P4为突变后的稳态功率;
若1.2<k3<2,则判别可能为PTC电采暖启动;否则,判别不是PTC电采暖启动。
步骤六:计算三次谐波的增量与突变所需的时间比值k4。
根据三次谐波电流序列I,三次谐波电流序列是将采样的电流进过FFT变换后得到的三次谐波电流;
找出突变前后稳态三次谐波电流I1,I2并计算其差值ΔI,则ΔI=I2-I1。计算突变前后稳态三次谐波电流所对应时间T4,T5的差值ΔT3,则ΔT3=T5-T4。计算三次谐波的增量与突变所需的时间比值若0.7<k4<1,则判别PTC电采暖启动。
实施例1
由图1,2所示,一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,包括以下步骤:
步骤一:用电压和电流传感器采集用户总进线处的电压和电流信号,采样频率可为100Hz~1500Hz,形成电压和电流的采样序列u、i。
步骤二:扫描电压信号u和电流信号i,计算进线端平均功率P。
步骤三:计算启动突变功率及突变所需时间的比值k1;
ΔP1=P2-P1 (1)
ΔT1=T2-T1 (2)
式(1)和(2)中,P2为突变后的功率,P1为突变前的稳态功率,T1,T2为突变前后所对应的时间。
由图2可知:当PTC型电采暖单独运行时突变后的功率P2为1298W,突变前的稳态功率P1为34W,则计算启动突变功率ΔP1=P2-P1=1298-34=1264W,突变前的时间T1为9.4s,突变前的时间T2为9.6s,则可以计算ΔT1=T2-T1=9.6-9.4=0.2s,启动突变功率及突变所需时间的比值该值在范围6000~6500之间。
步骤四:计算最大突变功率及突变所需时间的比值k2;
ΔP2=P3-P1 (3)
ΔT2=T3-T1 (4)
式(3)和(4)中,P3为最大突变后的功率,P1为突变前的稳态功率,T1,T3为到达最大突变时所对应的时间;
从图2可以看出最大突变后的功率P3为2753W,其对应的时间T3为14s,突变前的稳态功率P1为34W,其对应的时间T1为9.4s,则可计算出ΔP2=P3-P1=2753-34=2719W,ΔT2=T3-T1=14-9.4=4.6s,最大突变功率及突变所需时间的比值该值在范围500~700之间。
步骤五:计算最大启动突变功率和突变后稳态运行功率比值k3;
ΔP2=P3-P1 (5)
ΔP3=P4-P1 (6)
式(5)和(6)中,P3为最大突变后的功率,P1为突变前的稳态功率,P4为突变后的稳态功率;
从图2可以看出最大突变后的功率P3为2753W,突变前的稳态功率P1为34W,突变后的稳态功率P4为1670W,则可计算出ΔP2=P3-P1=2753-34=2719W,ΔP3=P4-P1=1670-34=1636W,最大启动突变功率和突变后稳态运行功率比值该值在范围1.2~2之间。
步骤六:计算三次谐波的增量与突变所需的时间比值k4。
由图3所示,根据三次谐波电流序列I,找出突变前后稳态三次谐波电流I1为0.02A,I2为0.8A,并计算出其差值ΔI,则ΔI=I2-I1=0.78A。计算突变前后稳态三次谐波电流所对应时间T4为9.5s,T5为11.9s,其差值ΔT3,则ΔT3=T5-T4=2.4s。计算三次谐波的增量与突变所需的时间比值在范围0.2~0.7之间。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种基于功率谐波特征的PTC型电采暖非侵入辨识方法,包括如下步骤:
步骤一,使用电压、电流采集器对电源进线的电压和电流分别进行采样,得到电压采样序列和电流采样序列;
步骤二,扫描电压信号u和电流信号i,计算进线端平均功率P,
步骤三,计算ki,ki∈(k1,k2,k3...kn),并判断ki是否属于设定的区间ai,ai∈(a1,a2,a3...an),若是,则判断存在启动PTC型电采暖的可能,令i=i+1且i≤n返回步骤三,i>n,进入步骤四;若否,则判断其没有启动PTC型电采暖,停止计算;
步骤四,若kn属于区间an,则判断启动了PTC型电采暖。
2.根据权利要求1所述的基于功率谐波特征的PTC型电采暖非侵入辨识方法,其特在于:所述比值序列ki∈(k1,k2,k3...kn)分别为:启动突变功率及突变所需时间的比值k1,最大突变功率及突变所需时间的比值k2,最大启动突变功率和突变后稳态运行功率比值k3,三次谐波的增量与突变所需的时间比值k4。
3.根据权利要求1所述的基于功率谐波特征的PTC型电采暖非侵入辨识方法,其特征在于:所述判断区间ai∈(a1,a2,a3...an)依序为a1=(6000,650),a2=(500,700),a3=(1.2,2),a4=(0.2,0.7)。
4.根据权利要求2所述的基于功率谐波特征的PTC型电采暖非侵入辨识方法,其特征在于:
所述启动突变功率及突变所需时间的比值k1的计算包括:其中ΔP1=P2-P1,ΔT1=T2-T1,P2为突变后的功率,P1为突变前的稳态功率,T1,T2为突变前后所对应的时间;所述最大突变功率及突变所需时间的比值k2的计算包括:其中ΔP2=P3-P1,ΔT2=T3-T1,P3为最大突变后的功率,P1为突变前的稳态功率,T1,T3为到达最大突变时所对应的时间;
5.根据权利要求1所述的基于功率谐波特征的PTC型电采暖非侵入辨识方法,其特征在于:所述步骤一中,采样频率选用100Hz~1500Hz。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911210094.4A CN111025013A (zh) | 2019-12-02 | 2019-12-02 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
PCT/CN2020/095231 WO2021109523A1 (zh) | 2019-12-02 | 2020-06-09 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911210094.4A CN111025013A (zh) | 2019-12-02 | 2019-12-02 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111025013A true CN111025013A (zh) | 2020-04-17 |
Family
ID=70203704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911210094.4A Pending CN111025013A (zh) | 2019-12-02 | 2019-12-02 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111025013A (zh) |
WO (1) | WO2021109523A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665387A (zh) * | 2020-05-08 | 2020-09-15 | 深圳供电局有限公司 | 一种非侵入式的家用电饭煲辨识方法 |
CN111884224A (zh) * | 2020-09-14 | 2020-11-03 | 江苏智臻能源科技有限公司 | 一种电动自行车户内充电的非介入式检测方法 |
WO2021109523A1 (zh) * | 2019-12-02 | 2021-06-10 | 江苏智臻能源科技有限公司 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466593B (zh) * | 2021-07-08 | 2023-11-07 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷监测安全防护方法及样本库建立方法 |
CN113887912B (zh) * | 2021-09-26 | 2024-07-26 | 新疆大学 | 一种深度学习下面向嵌入式设备的非侵入式负荷识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100305889A1 (en) * | 2009-05-27 | 2010-12-02 | General Electric Company | Non-intrusive appliance load identification using cascaded cognitive learning |
CN105406596A (zh) * | 2015-12-11 | 2016-03-16 | 国家电网公司 | 基于混合电流判据的非侵入式非变频空调启动辨识方法 |
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 |
CN108224681A (zh) * | 2017-12-16 | 2018-06-29 | 广西电网有限责任公司电力科学研究院 | 基于决策树分类器的非侵入式空调启动检测方法 |
CN109596918A (zh) * | 2018-12-07 | 2019-04-09 | 江苏智臻能源科技有限公司 | 一种破壁机非侵入辨识方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4858141A (en) * | 1986-04-14 | 1989-08-15 | Massachusetts Institute Of Technology | Non-intrusive appliance monitor apparatus |
CN105425079B (zh) * | 2015-12-17 | 2018-07-13 | 东南大学 | 基于实时平均功率频域分析的洗衣机运行非侵入辨识方法 |
CN106771593B (zh) * | 2016-11-28 | 2019-10-18 | 国网江苏省电力公司苏州供电公司 | 基于混合判据的非侵入式电磁炉启动辨识方法 |
KR101934089B1 (ko) * | 2016-12-05 | 2019-03-25 | 주식회사 스타코프 | 실시간 전력 소비 패턴을 분석하여 획득되는 통전 및 단전 모티프 정보를 이용하여 비침습 방식으로 회로 내의 복수의 전력 기기의 거동을 분석하고 개별 기기의 소비 전력을 모니터링하는 장치 및 방법 |
CN109596910B (zh) * | 2018-11-19 | 2020-06-16 | 江苏智臻能源科技有限公司 | 一种基于三次谐波时域变化规律的吸尘器非侵入辨识方法 |
CN111025013A (zh) * | 2019-12-02 | 2020-04-17 | 江苏智臻能源科技有限公司 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
-
2019
- 2019-12-02 CN CN201911210094.4A patent/CN111025013A/zh active Pending
-
2020
- 2020-06-09 WO PCT/CN2020/095231 patent/WO2021109523A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100305889A1 (en) * | 2009-05-27 | 2010-12-02 | General Electric Company | Non-intrusive appliance load identification using cascaded cognitive learning |
CN105406596A (zh) * | 2015-12-11 | 2016-03-16 | 国家电网公司 | 基于混合电流判据的非侵入式非变频空调启动辨识方法 |
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 |
CN108224681A (zh) * | 2017-12-16 | 2018-06-29 | 广西电网有限责任公司电力科学研究院 | 基于决策树分类器的非侵入式空调启动检测方法 |
CN109596918A (zh) * | 2018-12-07 | 2019-04-09 | 江苏智臻能源科技有限公司 | 一种破壁机非侵入辨识方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021109523A1 (zh) * | 2019-12-02 | 2021-06-10 | 江苏智臻能源科技有限公司 | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 |
CN111665387A (zh) * | 2020-05-08 | 2020-09-15 | 深圳供电局有限公司 | 一种非侵入式的家用电饭煲辨识方法 |
CN111665387B (zh) * | 2020-05-08 | 2021-06-04 | 深圳供电局有限公司 | 一种非侵入式的家用电饭煲辨识方法 |
CN111884224A (zh) * | 2020-09-14 | 2020-11-03 | 江苏智臻能源科技有限公司 | 一种电动自行车户内充电的非介入式检测方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021109523A1 (zh) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111025013A (zh) | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 | |
CN108152630B (zh) | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 | |
CN105911342B (zh) | 基于功率持续时间特性的电饭煲非侵入辨识方法 | |
CN110412347B (zh) | 一种基于非侵入式负荷监测的窃电行为识别方法与装置 | |
WO2019154050A1 (zh) | 基于非侵入式负荷辨识的分项计量智能电能表 | |
WO2019128844A1 (zh) | 一种基于混合判据的微波炉运行的非侵入辨识方法 | |
CN108595376B (zh) | 一种区分定频空调与冲击钻的非侵入负荷辨识方法 | |
CN112633924B (zh) | 一种基于负荷分解的小区电能替代需求分析方法 | |
CN106093565B (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
CN107247201A (zh) | 基于功率及时间特性的电烤箱非侵入辨识方法 | |
CN106340884B (zh) | 基于混合功率判据的非侵入式非变频冰箱启动辨识方法 | |
CN109596918B (zh) | 一种破壁机非侵入辨识方法 | |
CN202772654U (zh) | 一种光伏发电与市政电网无逆流互补应用的控制器 | |
CN105425079A (zh) | 基于实时平均功率频域分析的洗衣机运行非侵入辨识方法 | |
CN107390043B (zh) | 基于有功功率波动性和周期性的洗衣机非侵入辨识方法 | |
CN106771593A (zh) | 基于混合判据的非侵入式电磁炉启动辨识方法 | |
CN109706999A (zh) | 一种建筑二次供水数据采集分析系统及方法 | |
CN111665388A (zh) | 一种非侵入式的家用空调辨识方法 | |
CN206223887U (zh) | 一种具备负荷识别功能的智能装置 | |
CN105490371A (zh) | 一种多功能新能源发电蓄能供热供电控制系统 | |
CN111026791A (zh) | 一种基于居民细粒度用电数据的用户类型判定方法 | |
CN108267637A (zh) | 一种基于混合频谱特性的洗衣机非侵入式运行检测方法 | |
CN112215472A (zh) | 一种基于聚类的电采暖负荷响应控制方法和装置 | |
CN116468302A (zh) | 建筑园区能源结构评估方法、系统、电子设备及存储介质 | |
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 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |