CN111090014A - 一种基于高斯模型的电器识别方法及装置 - Google Patents
一种基于高斯模型的电器识别方法及装置 Download PDFInfo
- Publication number
- CN111090014A CN111090014A CN201911303612.7A CN201911303612A CN111090014A CN 111090014 A CN111090014 A CN 111090014A CN 201911303612 A CN201911303612 A CN 201911303612A CN 111090014 A CN111090014 A CN 111090014A
- Authority
- CN
- China
- Prior art keywords
- electrical
- appliance
- unit
- active power
- user
- 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
- G01R21/002—Measuring real component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于高斯模型的电器识别方法及装置,其中方法包括:获取用户主电路的电气量特征;根据电气量特征判断有功功率特征值是否稳定;若是,则抓取上游接入点的电路中的功率变化量判定电器事件触发;通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型;当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;选定概率值最高的电器为电器设备结论。本发明不需要采集较多的数据样本,而且不需要进入电力用户房屋内部,就能为用户提供及时、准确的电器状态,为用电安全隐患排查和整治提供了依据,且成本低。
Description
技术领域
本发明涉及电器识别领域,更具体地说是一种基于高斯模型的电器识别方法及装置。
背景技术
现在家庭用电已经成为社会用电中的重要组成部分,随着家用电器的大规模普及,节约用电、安全用电等问题已经越来越得到重视。
当前用电安全是智能用电解决方案的首要条件和研究重点,不安全的用电行为是导致人身伤亡和财产损失的主要原因,我国主要的建筑火灾均是由电气火灾引起的。因此,对电器状态识别可精准定位存在隐患的电器,准确对用户的电器进行危险预警和安全隐患检测,是开展预防性用电隐患排查、建立长效机制的重要技术手段。
目前用户负荷状态数据的监测,主要依靠在用户内部安装大量的电器状态监测感应装置来进行电器状态的识别,给用户的生活产生了一定的干扰,在安装和维护方面需要大量的时间和金钱,且硬件维护成本较高,监测装置高昂的成本也带来了经济性难题,在电力居民用户中推广难度较大,因此应用具有很大的局限性。
另外,目前还存在一种基于隶属度函数的电器识别方法,这种方法虽然能够识别得到用户的电器操作事件,但这种方法只能在离线环境进行分析,并且分析的数据样本容量需要一定的数量。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于高斯模型的电器识别方法及装置。
为实现上述目的,本发明采用以下技术方案:一种基于高斯模型的电器识别方法,所述方法包括:
获取用户主电路的电气量特征;
根据电气量特征判断有功功率特征值是否稳定;
若是,则抓取上游接入点的电路中的功率变化量判定电器事件触发;
通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型;
当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;
选定概率值最高的电器为电器设备结论。
其进一步技术方案为:所述获取用户主电路的电气量特征的步骤中,获取的电气量特征至少为电流、电压、有功功率、无功功率、3次谐波幅值、3次谐波相角、5次谐波幅值和5次谐波相角。
其进一步技术方案为:所述根据电气量特征判断有功功率特征值是否稳定的步骤中,根据电气量特征通过计算得出的有功功率数值在一定时间内是否稳定在设置范围之内进行判断。
其进一步技术方案为:所述抓取上游接入点的电路中的功率变化量判定电器事件触发的步骤,具体包括以下步骤:
判断获取上游接入点的电路中的有功功率跳变量是否到达设定标准;
若是,则判断有功功率跳变之后持续的时间是否达到设定时长;
若是,则判定有功功率跳变是由电器事件触发。
其进一步技术方案为:所述通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型的步骤之前,还包括以下步骤:
采集多种电器运行时的电器特征信息;
根据每种电器的电器特征信息将有功功率、无功功率和开关次数相近似的电器构造成一个多元混合高斯模型。
一种基于高斯模型的电器识别装置,获取单元、判断单元、抓取单元、计算单元、预测单元以及选定单元;
所述获取单元,用于获取用户主电路的电气量特征;
所述判断单元,用于根据电气量特征判断有功功率特征值是否稳定;
所述抓取单元,用于抓取上游接入点的电路中的功率变化量判定电器事件触发;
所述计算单元,用于通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型。
所述预测单元,用于当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;
所述选定单元,用于选定概率值最高的电器为电器设备结论。
其进一步技术方案为:所述抓取单元包括第一判断模块、第二判断模块以及判定模块;
所述第一判断模块,用于判断获取上游接入点的电路中的有功功率跳变量是否到达设定标准;
所述第二判断模块,用于判断有功功率跳变之后持续的时间是否达到设定时长;
所述判定模块,用于判定有功功率跳变是由电器事件触发。
其进一步技术方案为:还包括采集单元以及构造单元;
所述采集单元,用于采集多种电器运行时的电器特征信息;
所述构造单元,用于根据每种电器的电器特征信息将有功功率、无功功率和开关次数相近似的电器构造成一个多元混合高斯模型。
本发明与现有技术相比的有益效果是:本发明提供的一种基于高斯模型的电器识别方法,获取用户主电路的电气量特征,根据电器量特征抓取上游接入点的电路中的功率变化量判定电器事件触发,再通过多元高斯模型计算出每一种待识别电器的综合概率值并选定综合概率值最大的为电器识别结论,即可准确获取电力用户内部的各用电电器的情况,不需要采集较多的数据样本,而且不需要进入电力用户房屋内部,就能为用户提供及时、准确的电器状态,为用电安全隐患排查和整治提供了依据,且成本低。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明技术手段,可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征及优点能够更明显易懂,以下特举较佳实施例,详细说明如下。
附图说明
图1为本发明一种基于高斯模型的电器识别方法具体实施例的流程图一;
图2为本发明一种基于高斯模型的电器识别方法具体实施例的流程图二;
图3为本发明一种基于高斯模型的电器识别装置具体实施例的示意性框图一;
图4为本发明一种基于高斯模型的电器识别装置具体实施例的示意性框图二。
具体实施方式
为了更充分理解本发明的技术内容,下面结合具体实施例对本发明的技术方案进一步介绍和说明,但不局限于此。
下面将结合本发明实施例中的附图,对本发明实施例中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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参见图1,本实施例提供了一种基于高斯模型的电器识别方法,该方法包括以下步骤:
S10、获取用户主电路的电气量特征;
S20、根据电气量特征判断有功功率特征值是否稳定,若是,S30、则抓取上游接入点的电路中的功率变化量判定电器事件触发,若否,则返回步骤S10;
S40、采集多种电器运行时的电器特征信息;
S50、根据每种电器的电器特征信息将有功功率、无功功率和开关次数相近似的电器构造成一个多元混合高斯模型;
S60、通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型;
S70、当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;
S80、选定综合概率值最大的为电器识别结论。
对于步骤S10,获取的电气量特征至少为电流、电压、有功功率、无功功率、3次谐波幅值、3次谐波相角、5次谐波幅值和5次谐波相角。
对于步骤S20,根据电气量特征通过计算得出的有功功率数值在一定时间内是否稳定在设置范围之内来进行判断,例如,当电压特征值一般在220v波动10%以内就算正常,如果超出10%波动,则返回步骤S10。
对于步骤S40-S70,通过采集多种电器运行时的电器特征信息(即电器指纹),然后将这些电器指纹数据通过有功功率、无功功率和开关次数相近似的电器构造成一个二元高斯分布模型。有了二元高斯分布模型之后,可根据已知的每个电器的二元分布高斯模型计算出每一种待识别电器的综合概率值,并选定综合概率值最大的为电器识别结论。具体的,设有随机变量组成的向量X=[X1,…,Xn]TX=[X1,…,Xn]T,均值为μ∈Rnμ∈Rn,协方差矩阵Σ,Σ为对称正定nn阶矩阵。在此基础上,如果还满足概率密度函数:则称其满足多变量高斯分布,记为x~N(μ,Σ)x~N(μ,Σ)。本发明中,当n=2时;该概率密度函数为二元高斯分布函数。
进一步的,请参见图2,步骤S30具体包括以下步骤:
S301、判断获取上游接入点的电路中的有功功率跳变量是否到达设定标准,若是,则进入步骤S302,若否,则返回步骤S301;
S302、判断有功功率跳变之后持续的时间是否达到设定时长,若是,S303、则判定有功功率跳变是由电器事件触发,若否,则返回步骤S301。
对于步骤S301、S302,需要进行对有功功率跳变量进行达到判断的原因是只有当跳变量足够大时,才能将有功功率跳变量视为一个电器动作事件,如果变化量较小,或数值稳定时间较短,则是其它因素所造成的变化。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上述的一种基于高斯模型的电器识别方法,本实施例还提供了一种基于高斯模型的电器识别装置,请参见图3,该装置包括获取单元1、判断单元2、抓取单元3、采集单元4、构造单元5、计算单元6、预测单元7以及选定单元8;
获取单元1,用于获取用户主电路的电气量特征;
判断单元2,用于根据电气量特征判断有功功率特征值是否稳定;
抓取单元3,用于抓取上游接入点的电路中的功率变化量判定电器事件触发;
采集单元4,用于采集多种电器运行时的电器特征信息;
构造单元5,用于根据每种电器的电器特征信息将有功功率、无功功率和开关次数相近似的电器构造成一个多元混合高斯模型;
计算单元6,用于通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型;
预测单元7,用于当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;
选定单元8,用于选定综合概率值最大的为电器识别结论。
进一步的,请参见图4,抓取单元3包括第一判断模块31、第二判断模块32以及判定模块33;
第一判断模块31,用于判断获取上游接入点的电路中的有功功率跳变量是否到达设定标准;
第二判断模块32,用于判断有功功率跳变之后持续的时间是否达到设定时长;
判定模块33,用于判定有功功率跳变是由电器事件触发。
所述集成的单元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,本发明实施例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全部或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)或处理器(processor)执行本发明中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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述仅以实施例来进一步说明本发明的技术内容,以便于读者更容易理解,但不代表本发明的实施方式仅限于此,任何依本发明所做的技术延伸或再创造,均受本发明的保护。本发明的保护范围以权利要求书为准。
Claims (8)
1.一种基于高斯模型的电器识别方法,其特征在于,所述方法包括:
获取用户主电路的电气量特征;
根据电气量特征判断有功功率特征值是否稳定;
若是,则抓取上游接入点的电路中的功率变化量判定电器事件触发;
通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型;
当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;
选定概率值最高的电器为电器设备结论。
2.根据权利要求1所述的一种基于高斯模型的电器识别方法,其特征在于,所述获取用户主电路的电气量特征的步骤中,获取的电气量特征至少为电流、电压、有功功率、无功功率、3次谐波幅值、3次谐波相角、5次谐波幅值和5次谐波相角。
3.根据权利要求1所述的一种基于高斯模型的电器识别方法,其特征在于,所述根据电气量特征判断有功功率特征值是否稳定的步骤中,根据电气量特征通过计算得出的有功功率数值在一定时间内是否稳定在设置范围之内进行判断。
4.根据权利要求1所述的一种基于高斯模型的电器识别方法,其特征在于,所述抓取上游接入点的电路中的功率变化量判定电器事件触发的步骤,具体包括以下步骤:
判断获取上游接入点的电路中的有功功率跳变量是否到达设定标准;
若是,则判断有功功率跳变之后持续的时间是否达到设定时长;
若是,则判定有功功率跳变是由电器事件触发。
5.根据权利要求1所述的一种基于高斯模型的电器识别方法,其特征在于,所述通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型的步骤之前,还包括以下步骤:
采集多种电器运行时的电器特征信息;
根据每种电器的电器特征信息将有功功率、无功功率和开关次数相近似的电器构造成一个多元混合高斯模型。
6.一种基于高斯模型的电器识别装置,其特征在于,获取单元、判断单元、抓取单元、计算单元、预测单元以及选定单元;
所述获取单元,用于获取用户主电路的电气量特征;
所述判断单元,用于根据电气量特征判断有功功率特征值是否稳定;
所述抓取单元,用于抓取上游接入点的电路中的功率变化量判定电器事件触发;
所述计算单元,用于通过多元混合高斯分布计算得出各种电器的电气量特征值概率分布,进行数据算法建模,得出用户各种电器的多元高斯模型;
所述预测单元,用于当用户电器开启,通过抓取的电器电气量特征,带入已有的多元高斯模型中进行预测匹配属于哪种电器的概率最高;
所述选定单元,用于选定概率值最高的电器为电器设备结论。
7.根据权利要求6所述的一种基于高斯模型的电器识别装置,其特征在于,所述抓取单元包括第一判断模块、第二判断模块以及判定模块;
所述第一判断模块,用于判断获取上游接入点的电路中的有功功率跳变量是否到达设定标准;
所述第二判断模块,用于判断有功功率跳变之后持续的时间是否达到设定时长;
所述判定模块,用于判定有功功率跳变是由电器事件触发。
8.根据权利要求6所述的一种基于高斯模型的电器识别装置,其特征在于,还包括采集单元以及构造单元;
所述采集单元,用于采集多种电器运行时的电器特征信息;
所述构造单元,用于根据每种电器的电器特征信息将有功功率、无功功率和开关次数相近似的电器构造成一个多元混合高斯模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303612.7A CN111090014A (zh) | 2019-12-17 | 2019-12-17 | 一种基于高斯模型的电器识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303612.7A CN111090014A (zh) | 2019-12-17 | 2019-12-17 | 一种基于高斯模型的电器识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111090014A true CN111090014A (zh) | 2020-05-01 |
Family
ID=70396090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911303612.7A Pending CN111090014A (zh) | 2019-12-17 | 2019-12-17 | 一种基于高斯模型的电器识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111090014A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784210A (zh) * | 2021-01-25 | 2021-05-11 | 南京智睿能源互联网研究院有限公司 | 一种基于多元高斯判别方式的负荷识别方法 |
CN113822333A (zh) * | 2021-08-18 | 2021-12-21 | 威胜集团有限公司 | 电器识别方法、装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064667A (zh) * | 2017-01-11 | 2017-08-18 | 国家电网公司 | 一种基于改进高斯混合模型的电铁负荷电能质量评估系统 |
CN109164327A (zh) * | 2018-10-11 | 2019-01-08 | 深圳华建电力工程设计有限公司 | 基于组合式判据的用电系统电器行为辨识方法及装置 |
CN109164328A (zh) * | 2018-10-11 | 2019-01-08 | 深圳华建电力工程设计有限公司 | 一种非侵入式高危电器探测方法及装置 |
CN109271925A (zh) * | 2018-09-14 | 2019-01-25 | 浙江科技学院 | 一种智能插座上的电器设备类型识别方法 |
CN109299134A (zh) * | 2018-09-18 | 2019-02-01 | 四川长虹电器股份有限公司 | 一种非侵入式监测系统下电器的识别方法 |
-
2019
- 2019-12-17 CN CN201911303612.7A patent/CN111090014A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064667A (zh) * | 2017-01-11 | 2017-08-18 | 国家电网公司 | 一种基于改进高斯混合模型的电铁负荷电能质量评估系统 |
CN109271925A (zh) * | 2018-09-14 | 2019-01-25 | 浙江科技学院 | 一种智能插座上的电器设备类型识别方法 |
CN109299134A (zh) * | 2018-09-18 | 2019-02-01 | 四川长虹电器股份有限公司 | 一种非侵入式监测系统下电器的识别方法 |
CN109164327A (zh) * | 2018-10-11 | 2019-01-08 | 深圳华建电力工程设计有限公司 | 基于组合式判据的用电系统电器行为辨识方法及装置 |
CN109164328A (zh) * | 2018-10-11 | 2019-01-08 | 深圳华建电力工程设计有限公司 | 一种非侵入式高危电器探测方法及装置 |
Non-Patent Citations (1)
Title |
---|
WEIYU CHEN ET.AL: "Cloud-Based Non-Intrusive Leakage Current Detection for Residential Appliances", 《 IEEE TRANSACTIONS ON POWER DELIVERY》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784210A (zh) * | 2021-01-25 | 2021-05-11 | 南京智睿能源互联网研究院有限公司 | 一种基于多元高斯判别方式的负荷识别方法 |
CN113822333A (zh) * | 2021-08-18 | 2021-12-21 | 威胜集团有限公司 | 电器识别方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107391598B (zh) | 一种威胁情报自动生成方法及系统 | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
CN109118075B (zh) | 一种基于业务逻辑一致性的电力工控终端安全监测方法 | |
CN116366374B (zh) | 基于大数据的电网网络管理的安全评估方法、系统及介质 | |
CN111090014A (zh) | 一种基于高斯模型的电器识别方法及装置 | |
CN116112292B (zh) | 基于网络流量大数据的异常行为检测方法、系统和介质 | |
CN110930052A (zh) | 一种变电设备故障率预测方法,系统,设备及可读存储介质 | |
CN110766236A (zh) | 基于统计分析和深度学习的电力设备状态趋势预测方法 | |
CN113205238A (zh) | 一种面向电厂工控系统的态势感知防御能力评估方法 | |
CN114511147A (zh) | 一种线损监测预警方法、装置、设备及存储介质 | |
CN110954772A (zh) | 一种基于电气量的电动车识别方法及装置 | |
CN114076841A (zh) | 基于用电信息数据的窃电行为识别方法及系统 | |
CN106682705A (zh) | 负载特性的识别方法及装置 | |
CN116215295B (zh) | 充电桩监控预警方法、装置、设备及存储介质 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的系统及方法 | |
CN116881958A (zh) | 电网大数据安全防护方法、系统、电子设备及存储介质 | |
CN114553606B (zh) | 一种工业控制网络入侵检测方法和系统 | |
CN104123066A (zh) | 一种终端 | |
CN110979079B (zh) | 一种实现电动车定位到末端的方法及装置 | |
CN109561077B (zh) | 采集终端通讯安全测评方法及装置 | |
CN107357703B (zh) | 一种终端应用耗电检测方法及服务器 | |
CN113671287A (zh) | 电网自动化终端智能检测方法、系统和可读存储介质 | |
CN117455124B (zh) | 企业的环保设备监测方法、系统、介质及电子设备 | |
CN112511503A (zh) | 提高智能电表安全性的方法及系统、设备及存储介质 |
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: 20200501 |
|
RJ01 | Rejection of invention patent application after publication |