CN111175599B - 一种非介入式空调的辨识方法 - Google Patents

一种非介入式空调的辨识方法 Download PDF

Info

Publication number
CN111175599B
CN111175599B CN201911425312.6A CN201911425312A CN111175599B CN 111175599 B CN111175599 B CN 111175599B CN 201911425312 A CN201911425312 A CN 201911425312A CN 111175599 B CN111175599 B CN 111175599B
Authority
CN
China
Prior art keywords
event
power
air conditioner
delta
point
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
Application number
CN201911425312.6A
Other languages
English (en)
Other versions
CN111175599A (zh
Inventor
蒋雯倩
卿柏元
李刚
梁捷
李金瑾
林秀清
韦杏秋
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.)
Electric Power Research Institute of Guangxi Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangxi Power Grid Co 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 Electric Power Research Institute of Guangxi Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangxi Power Grid Co Ltd
Priority to CN201911425312.6A priority Critical patent/CN111175599B/zh
Publication of CN111175599A publication Critical patent/CN111175599A/zh
Application granted granted Critical
Publication of CN111175599B publication Critical patent/CN111175599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Abstract

本发明公开了一种非介入式空调的辨识方法,涉及电力系统监测技术领域,通过安装在空调独立计量的总线处的高频非侵入式负荷辨识装置,对总口电气参数进行高频采集,然后进行过渡事件捕获、事前最近稳态点捕获并记录事前最近稳态点时刻、事后稳态点捕获及记录事后稳态点时刻;根据事前最近稳态点和事后稳态点计算过渡事件的时间窗长度,获得过渡事件时间窗;通过判断过渡事件时间窗的长度,对过渡事件进行分类处理,通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动,从而对空调进行实时辨识。

Description

一种非介入式空调的辨识方法
技术领域
本发明属于电力系统监测技术领域,尤其涉及一种非介入式空调的辨识方法。
背景技术
普通电表只能计量所消耗电量,不能有效区分该独立支路上是否有空调设备在运行。非介入电力负荷监测技术,可以通过分析独立支路总线上的电气特性参数,直接抓取负荷特征,从而进行负荷辨识与区分。采用该种技术,可以有效抓取空调设备的特性,为需求测试管理和能耗分析提供数据支撑。
目前,在非介入式辨识方法中,还没有一种有效的空调辨识方法。根据对空调运行特性分析,发现其在过渡状态下表现的阶跃、尖峰以及斜坡均有明显独立特性,可据此进行分辨。
发明内容
本发明的目的在于提供一种非介入式空调的辨识方法,从而克服了现有在非介入式辨识方法中没有一种有效的空调辨识方法的缺点。
为实现上述目的,本发明提供了一种非介入式空调的辨识方法,包括:以下步骤:
步骤1、在需要进行辨识的主回路上安装高频非侵入式辨识终端,并设置所述高频非侵入式辨识终端,通过高频非侵入式辨识终端采集主回路电气参数,完成过渡事件捕获;
步骤2、通过快速傅里叶变换实时计算主回路的电压、电流、功率有效值,设置功率门槛值Pmin,将功率差值ΔP实时与所述功率门槛值Pmin进行对比,当大功率差值ΔP大于等于功率门槛值Pmin时,则启动步骤3,进行事前最近稳态点捕获;
步骤3、以所述功率差值ΔP启动时刻为标准,按照采集频率向前扫描事前最近稳态点,通过监测连续时间序列下功率波动值,判断事前最近稳态区域以及稳态点,得到事前过渡事件的起点Ta
步骤4、以所述功率差值ΔP启动时刻为标准,按照采集频率向后扫描事后最近稳态点,通过监测连续时间序列下功率波动值,判断事后最近稳态区域以及稳态点,得到过渡事件的终点Tb
步骤5、根据所述事前过渡事件的起点Ta和过渡事件的终点Tb计算过渡事件的时间窗长度,获得过渡事件时间窗ΔT和功率差值ΔP;
步骤6、通过判断所述过渡事件时间窗ΔT的长度,对过渡事件进行分类处理,通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动。
进一步的,所述步骤1中,高频非侵入式辨识终端的设置包括采样率数和采样频率。
进一步的,所述步骤1中,高频非侵入式辨识终端采集主回路电气参数实时存储在本地终端缓存中。
进一步的,所述步骤3的判断条件为20点功率波动值的标准差小于等于0.2倍20点平均值。
进一步的,若满足所述步骤3的判断条件,则离ΔP过渡状态事前最近的时间序列点为过渡事件的起点Ta;若不满足步骤3的判断条件,则抛弃最近时间序列点,继续向前迭代计算,直到满足步骤3的判断条件。
进一步的,所述步骤4的判断条件为20点功率波动值的标准差小于等于0.2倍20点平均值。
进一步的,若满足步骤4的判断条件,则离ΔP过渡状态事后最近的时间序列点为过渡事件的终点Tb;若不满足步骤4的判断条件,则抛弃最近时间序列点,继续向后迭代计算,直到满足步骤4的判断条件。
进一步的,所述过渡事件时间窗ΔT的计算公式为:ΔT=Tb-Ta
进一步的,所述步骤6中,判断空调是否启动包括以下步骤:
步骤61、通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动,若ΔT≤1秒,则空调启动,进入步骤62;否则进入步骤65;
步骤62、通过判断
Figure BDA0002353405980000021
是否等于
Figure BDA0002353405980000022
来判断是否为阶跃事件,若满足
Figure BDA0002353405980000023
则判定,该过渡事件为阶跃事件,进入步骤63,否则进入步骤64;
步骤63、通过对ΔP幅值来判断空调是否启动,当功率差值ΔP高于门槛值Pref时,判定空调启动;否则,判定空调未启动;
步骤64、若不满足
Figure BDA0002353405980000031
同时满足
Figure BDA0002353405980000032
则判定该过渡事件为尖峰事件同时超过了停止稳态值的1.5倍,满足判定条件,即空调启动,空调启动;否则,判定空调未启动,空调未启动;
步骤65、若ΔT≥5秒,则判断过渡事件的倾斜度是否不大于75°,即Argtan(ΔP/ΔT)≤75°,若满足Argtan(ΔP/ΔT)≤75°,空调启动,空调启动;若不满足ΔT≥5秒或Argtan(ΔP/ΔT)≤75°,均判定空调未启动。
与现有的技术相比,本发明具有如下有益效果:
本发明所提供的一种非介入式空调的辨识方法,通过安装在空调独立计量的总线处的高频非侵入式负荷辨识装置,对总口电气参数进行高频采集,同时在装置中采用本方法进行边缘计算,从而对空调进行实时辨识。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一个实施例,对于本领域普通技术人员来说,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是本发明一种非介入式空调的辨识方法的流程图;
图2是本发明判断空调是否启动的流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作出创造性劳动的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。
本发明方法是通过对过渡事件不同的状态判断,实现对空调的综合辨识。其中,主要分为过渡事件捕获流程和空调辨识流程。
如图1所示,本发明所提供的非介入式空调的辨识方法包括以下步骤:
步骤1、在需要进行辨识的主回路上安装高频非侵入式辨识终端,设置高频非侵入式辨识终端的采样率每周波128点,采样频率达到6.4Khz;高频非侵入式辨识终端实时采集主回路电气参数(电压、电流),即进行过度事件捕获,同时实时存储在本地终端缓存中。
步骤2、通过128点快速傅里叶变换(FFT)实时计算主回路的电压、电流、功率有效值,同时设置功率门槛值Pmin,功率差值ΔP实时与功率门槛值Pmin进行对比,一旦大于该值,则启动步骤3,进行事前最近稳态点捕获。
步骤3、以功率差值ΔP启动时刻为标准,按照采集频率向前扫描过渡事件起点,即事前最近稳态点,通过监测连续时间序列下功率波动值,判断事前最近稳态区域以及稳态点,得到事前过渡事件的起点Ta
本方法采用20点循环。判断事前最近稳态区域以及稳态点利用20点功率波动值的标准差与0.2倍20点平均值进行比较(如式(1)所示),一旦波动值满足条件,则定义并记录离ΔP过渡状态事前最近的时间序列点为事前稳态点,即过渡事件的起点Ta;如果波动值不满足条件,则抛弃最近时间序列点,继续向前迭代计算,直到满足条件。
Figure BDA0002353405980000041
式(1)中,
Figure BDA0002353405980000042
为第ai个点的功率门槛值,μ1事件前20点功率平均波动值。
步骤4、同样地,以功率差值ΔP启动时刻为标准,按照采集频率向后扫描过渡事件终点,即事后最近稳态点,通过监测连续时间序列下功率波动值,判断事后最近稳态区域以及稳态点,得到过渡事件的终点Tb
本方法采用20点循环。主要是利用20点功率波动值的标准差与0.2倍20点平均值进行比较(如式2所示),一旦波动值满足条件,则定义离ΔP过渡状态事后最近的时间序列点为事后稳态点,也即过渡事件的终点Tb;如过波动值不满足条件,则抛弃最近时间序列点,继续向后迭代计算,直到满足条件。
Figure BDA0002353405980000043
式(2)中,
Figure BDA0002353405980000044
为第bi个点的功率门槛值,μ2为事件后20点功率平均波动值。
步骤5、根据步骤3得到的事前过渡事件的起点Ta和步骤4得到的过渡事件的终点Tb计算过渡事件的时间窗长度,获得过渡事件关键参数过渡事件时间窗ΔT和ΔP,即ΔT=Tb-Ta,由此转向步骤6。
步骤6、通过判断过渡事件时间窗ΔT的长度,对过渡事件进行分类处理,通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动。
步骤6的判断空调是否启动包括以下步骤:
步骤61、通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动,若ΔT≤1秒,则空调启动,进入步骤62;否则进入步骤65;
步骤62、通过判断
Figure BDA0002353405980000051
是否等于
Figure BDA0002353405980000052
来判断是否为阶跃事件,若满足
Figure BDA0002353405980000053
则判定,该过渡事件为阶跃事件,进入步骤63,否则进入步骤64;
步骤63、通过对ΔP幅值来判断空调是否启动,当功率差值ΔP高于门槛值Pref时,判定空调启动;否则,判定空调未启动;其中,Pref值的选定是通过热泵名牌和多此实测值综合评定得来,是阶跃条件下,判定热泵启动的重要判据。
步骤64、若不满足
Figure BDA0002353405980000054
同时满足
Figure BDA0002353405980000055
则判定该过渡事件为尖峰事件同时超过了停止稳态值的1.5倍,满足判定条件,即空调启动,空调启动;否则,判定空调未启动,即空调未启动。
步骤65、若ΔT≥5秒,则判断过渡事件的倾斜度是否不大于75°,即Argtan(ΔP/ΔT)≤75°,若满足Argtan(ΔP/ΔT)≤75°,则判定该过渡事件为斜坡事件,其时间长度和角度满足空调运行特性,则空调启动,空调启动。若不满足ΔT≥5秒或Argtan(ΔP/ΔT)≤75°,均判定空调未启动。
综上,本发明一种非介入式空调的辨识方法,通过安装在空调独立计量的总线处的高频非侵入式负荷辨识装置,对总口电气参数进行高频采集,同时在装置中采用本方法进行边缘计算,从而对空调进行实时辨识。
以上所揭露的仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到变化或变型,都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种非介入式空调的辨识方法,其特征在于:包括以下步骤:
步骤1、在需要进行辨识的主回路上安装高频非侵入式辨识终端,并设置所述高频非侵入式辨识终端,通过高频非侵入式辨识终端采集主回路电气参数,完成过渡事件捕获;
步骤2、通过快速傅里叶变换实时计算主回路的电压、电流、功率有效值,设置功率门槛值Pmin,将功率差值ΔP实时与所述功率门槛值Pmin进行对比,当功率差值ΔP大于等于功率门槛值Pmin时,则启动步骤3,进行事前最近稳态点捕获;
步骤3、以所述功率差值ΔP启动时刻为标准,按照采集频率向前扫描事前最近稳态点,通过监测连续时间序列下功率波动值,判断事前最近稳态区域以及稳态点,得到事前过渡事件的起点Ta
步骤4、以所述功率差值ΔP启动时刻为标准,按照采集频率向后扫描事后最近稳态点,通过监测连续时间序列下功率波动值,判断事后最近稳态区域以及稳态点,得到过渡事件的终点Tb
步骤5、根据所述事前过渡事件的起点Ta和过渡事件的终点Tb计算过渡事件的时间窗长度,获得过渡事件时间窗ΔT和过渡事件时间窗ΔT对应的功率差值ΔP;
步骤6、通过判断所述过渡事件时间窗ΔT的长度,对过渡事件进行分类处理,通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动;
所述步骤6中,判断空调是否启动包括以下步骤:
步骤61、通过事前功率与突变功率的和是否等于事后功率来判断空调是否启动,若ΔT≤1秒,则空调启动,进入步骤62;否则进入步骤65;
步骤62、通过判断
Figure FDA0003473682070000011
是否等于
Figure FDA0003473682070000015
来判断是否为阶跃事件,若满足
Figure FDA0003473682070000013
Figure FDA0003473682070000012
为第ai个点的功率门槛值,
Figure FDA0003473682070000014
为第bi个点的功率门槛值,则判定,该过渡事件为阶跃事件,进入步骤63,否则进入步骤64;
步骤63、通过对ΔP幅值来判断空调是否启动,当功率差值ΔP高于门槛值Pref时,判定空调启动;否则,判定空调未启动;
步骤64、若不满足
Figure FDA0003473682070000023
同时满足
Figure FDA0003473682070000024
则判定该过渡事件为尖峰事件同时超过了停止稳态值的1.5倍,满足判定条件,即空调启动;否则,判定空调未启动;
步骤65、若ΔT≥5秒,则判断过渡事件的倾斜度是否不大于75°,即Arg tan(ΔP/ΔT)≤75°,若满足Arg tan(ΔP/ΔT)≤75°,空调启动;若不满足ΔT≥5秒或Arg tan(ΔP/ΔT)≤75°,均判定空调未启动。
2.根据权利要求1所述的非介入式空调的辨识方法,其特征在于:所述步骤1中,高频非侵入式辨识终端的设置包括采样率数和采样频率。
3.根据权利要求1所述的非介入式空调的辨识方法,其特征在于:所述步骤1中,高频非侵入式辨识终端采集主回路电气参数实时存储在本地终端缓存中。
4.根据权利要求1所述的非介入式空调的辨识方法,其特征在于:所述步骤3的判断条件为以所述功率差值ΔP启动时刻为标准,按照采集频率向前扫描事件前20个最近稳态点,通过监测连续时间序列下功率波动值,得到20个最近稳态点的功率波动值;
根据所述事件前20个最近稳态点的功率波动值计算标准差,判断事件前20个最近稳态点的功率波动值的标准差是否小于或等于0.2倍的事件前20个最近稳态点的功率波动值的平均值,如下式:
Figure FDA0003473682070000021
上式中,
Figure FDA0003473682070000022
为第ai个点的功率门槛值,μ1事件前20个最近稳态点功率平均波动值。
5.根据权利要求4所述的非介入式空调的辨识方法,其特征在于:若满足所述步骤3的判断条件,则离ΔP过渡状态事前最近的时间序列点为过渡事件的起点Ta;若不满足步骤3的判断条件,则抛弃最近时间序列点,继续向前迭代计算,直到满足步骤3的判断条件。
6.根据权利要求1所述的非介入式空调的辨识方法,其特征在于:所述步骤4的判断条件为以所述功率差值ΔP启动时刻为标准,按照采集频率向前扫描事件后20个最近稳态点,通过监测连续时间序列下功率波动值,得到事件后20个最近稳态点的功率波动值;
根据所述20个最近稳态点的功率波动值计算标准差,判断事件后20个最近稳态点的功率波动值的标准差是否小于或等于0.2倍的事件后20个最近稳态点的功率波动值的平均值,如下式:
Figure FDA0003473682070000031
上式中,
Figure FDA0003473682070000032
为第bi个点的功率门槛值,μ2事件后20个最近稳态点功率平均波动值。
7.根据权利要求6所述的非介入式空调的辨识方法,其特征在于:若满足步骤4的判断条件,则离ΔP过渡状态事后最近的时间序列点为过渡事件的终点Tb;若不满足步骤4的判断条件,则抛弃最近时间序列点,继续向后迭代计算,直到满足步骤4的判断条件。
8.根据权利要求1所述的非介入式空调的辨识方法,其特征在于:所述过渡事件时间窗ΔT的计算公式为:ΔT=Tb-Ta
CN201911425312.6A 2019-12-31 2019-12-31 一种非介入式空调的辨识方法 Active CN111175599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911425312.6A CN111175599B (zh) 2019-12-31 2019-12-31 一种非介入式空调的辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911425312.6A CN111175599B (zh) 2019-12-31 2019-12-31 一种非介入式空调的辨识方法

Publications (2)

Publication Number Publication Date
CN111175599A CN111175599A (zh) 2020-05-19
CN111175599B true CN111175599B (zh) 2022-04-19

Family

ID=70655992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911425312.6A Active CN111175599B (zh) 2019-12-31 2019-12-31 一种非介入式空调的辨识方法

Country Status (1)

Country Link
CN (1) CN111175599B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665390B (zh) * 2020-06-15 2022-08-12 威胜集团有限公司 非侵入式负荷检测方法、终端设备及可读存储介质
CN112035793B (zh) * 2020-08-20 2023-11-10 国网湖南省电力有限公司 基于离散二阶导数的电机类电器非介入式辨识方法及系统
CN112464135B (zh) * 2020-11-12 2023-11-10 广西电网有限责任公司南宁供电局 一种基于双重电气特性判据的微波炉负荷特征提取方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104483575A (zh) * 2014-12-22 2015-04-01 天津求实智源科技有限公司 用于非侵入式电力监测的自适应负荷事件检测方法
CN107247201A (zh) * 2017-06-09 2017-10-13 东南大学 基于功率及时间特性的电烤箱非侵入辨识方法
CN107561354A (zh) * 2017-08-17 2018-01-09 江苏智臻能源科技有限公司 基于功率持续时间特性的多电器非侵入辨识方法
CN108572292A (zh) * 2018-03-27 2018-09-25 深圳供电局有限公司 一种微波炉非侵入负荷辨识方法
CN110488112A (zh) * 2019-05-23 2019-11-22 杭州海兴电力科技股份有限公司 非侵入式负荷识别及其基于识别结果实现的分类计量方法
CN110514889A (zh) * 2019-07-19 2019-11-29 浙江万胜智能科技股份有限公司 一种非侵入式家庭用电负载识别的方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108957159A (zh) * 2017-05-19 2018-12-07 硕天科技股份有限公司 测试系统及其测试电路

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104483575A (zh) * 2014-12-22 2015-04-01 天津求实智源科技有限公司 用于非侵入式电力监测的自适应负荷事件检测方法
CN107247201A (zh) * 2017-06-09 2017-10-13 东南大学 基于功率及时间特性的电烤箱非侵入辨识方法
CN107561354A (zh) * 2017-08-17 2018-01-09 江苏智臻能源科技有限公司 基于功率持续时间特性的多电器非侵入辨识方法
CN108572292A (zh) * 2018-03-27 2018-09-25 深圳供电局有限公司 一种微波炉非侵入负荷辨识方法
CN110488112A (zh) * 2019-05-23 2019-11-22 杭州海兴电力科技股份有限公司 非侵入式负荷识别及其基于识别结果实现的分类计量方法
CN110514889A (zh) * 2019-07-19 2019-11-29 浙江万胜智能科技股份有限公司 一种非侵入式家庭用电负载识别的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Non-Intrusive Load Identification Method Based on Improved KM Algorithm;Yong Xiao et al.;《IEEE Access》;20191017(第7期);第151368-151377页 *
基于三元特征量的非侵入式定频空调辨识研究;徐彤 等;《电子测量技术》;20180228;第41卷(第3期);第69-73页 *

Also Published As

Publication number Publication date
CN111175599A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN111175599B (zh) 一种非介入式空调的辨识方法
US8819018B2 (en) Virtual sub-metering using combined classifiers
US8088525B2 (en) Online low performing cell (LPC) prediction and detection of fuel cell system
Han et al. Experimental analysis of performance degradation of 3-cell PEMFC stack under dynamic load cycle
CN108828406A (zh) 非侵入式用户用电的故障识别方法及其系统
CN101650404A (zh) 一种高压超高压电缆电缆附件施工缺陷检测识别方法
CN111766462B (zh) 一种基于v-i轨迹的非侵入式负荷识别方法
CN108595376B (zh) 一种区分定频空调与冲击钻的非侵入负荷辨识方法
CN109239456B (zh) 一种基于动态规划时间序列相似性算法的谐波溯源方法
CN114910756B (zh) 一种低压母线槽的绝缘性能评估方法及系统
CN111161097B (zh) 基于假设检验的事件检测算法检测开关事件的方法和装置
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
US9080938B2 (en) Extremum seeking algorithm in a variable time interval to detect anode pressure sensor stuck failure in a fuel cell system
CN111917114B (zh) 一种适用于嵌入式平台的电力负荷事件检测方法
CN111007404B (zh) 一种基于关键频率点的燃料电池阻抗测量分析系统及方法
CN113049863A (zh) 一种基于负荷监测单元的窃电用户分段定位方法
CN112380707A (zh) 一种egr冷却器的冷却性能评估方法及装置、电子设备
CN112701683A (zh) 非侵入式负荷检测与分解方法、系统以及存储介质
CN113985098A (zh) 一种基于实时计量的提高防窃电分析准确度的方法
CN110658385B (zh) 一种基于复化梯形法的用电量分类计量方法
CN115659768A (zh) 一种igbt剩余使用寿命预测方法及装置
CN110277834B (zh) 一种电网响应建筑内部负荷监控方法、系统及存储介质
CN114843560A (zh) 一种燃料电池系统水淹故障诊断方法和装置
CN111177212B (zh) 空气源热泵工作状态的确定方法及装置、电子设备
CN115907567B (zh) 基于鲁棒性随机分割森林算法的负荷事件检测方法及系统

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