CN111562423B - 一种地铁杂散电流对埋地管线影响范围计算方法及装置 - Google Patents
一种地铁杂散电流对埋地管线影响范围计算方法及装置 Download PDFInfo
- Publication number
- CN111562423B CN111562423B CN202010303576.0A CN202010303576A CN111562423B CN 111562423 B CN111562423 B CN 111562423B CN 202010303576 A CN202010303576 A CN 202010303576A CN 111562423 B CN111562423 B CN 111562423B
- Authority
- CN
- China
- Prior art keywords
- cluster
- stray current
- data
- calculating
- detection 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- 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
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
-
- 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
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Electromagnetism (AREA)
- Examining Or Testing Airtightness (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种地铁杂散电流对埋地管线影响范围计算方法及装置,其中方法包括:获取动态杂散电流数据,并对动态杂散电流数据进行数据清洗,得到杂散电流检测数据;对杂散电流检测数据进行预处理,对齐杂散电流检测数据的时间;对杂散电流检测数据进行数据标准化处理;使用K‑means方法对标准化处理后的杂散电流检测数据进行聚类分析;确定每一簇所对应的干扰源;计算每一簇中的检测点到干扰源的距离;判断各检测点是否受到干扰;计算检测点到干扰源的平均距离;获取不同干扰源的干扰范围。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种地铁杂散电流对埋地管线影响范围计算方法及装置。
背景技术
燃气作为一种清洁能源,具有绿色环保、在一定程度上安全可靠、经济实惠的特点。近年来,随着城市地铁的迅速发展,地铁附近的埋地管道常遭受动态直流杂散电流干扰,造成管道通电电位的持续波动,严重影响了管道的安全运行和日常管理。据资料显示,目前针对地铁杂散电流对埋地管道干扰的研究主要集中在干扰规律的研究,得出的结论通常都是地铁杂散电流干扰的强度随着管道至地铁线路距离的减小而增大,但是还没有具体的计算方法对影响的范围进行过量化分析,而杂散电流影响范围的确定可以为排流装置的安装区域提供指导,可以更有针对性的做好管线防护。
目前地铁杂散电流针对埋地管线的影响研究还大部分处于定性分析结果,并没有具体的研究成果针对影响范围给出定量的结果,通过动态杂散电流检测曲线聚类的方法可定量的分析地铁杂散电流的影响范围,为燃气管线的排流装置的安装位置提供指导。
发明内容
本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的地铁杂散电流对埋地管线影响范围计算方法及装置。
为达到上述目的,本发明的技术方案具体是这样实现的:
本发明的一个方面提供了一种地铁杂散电流对埋地管线影响范围计算方法,包括:获取动态杂散电流数据,并对动态杂散电流数据进行数据清洗,得到杂散电流检测数据;对杂散电流检测数据进行预处理,对齐杂散电流检测数据的时间;对杂散电流检测数据进行数据标准化处理;使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析;确定每一簇所对应的干扰源;计算每一簇中的检测点到干扰源的距离;判断各检测点是否受到干扰;计算检测点到干扰源的平均距离;获取不同干扰源的干扰范围。
其中,使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析包括:在样本中随机选取k个样本点充当各个簇的中心点{μ1,μ2,μ3,...,μk};计算所有样本点与各个簇中心之间的距离dist(xi,μj),然后把样本点划入最近的簇中xi∈μnearest;根据簇中已有的样本点,利用公式重新计算簇中心,直至达到最大轮数或调整幅度小于阈值。
其中,计算每一簇中的检测点到干扰源的距离之后,判断各检测点是否受到干扰之前,方法还包括:通过异常检测去除异常点。
本发明另一方面提供了一种地铁杂散电流对埋地管线影响范围计算装置,包括:清洗模块,用于获取动态杂散电流数据,并对动态杂散电流数据进行数据清洗,得到杂散电流检测数据;对齐模块,用于对杂散电流检测数据进行预处理,对齐杂散电流检测数据的时间;处理模块,用于对杂散电流检测数据进行数据标准化处理;聚类分析模块,用于使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析;确定模块,用于确定每一簇所对应的干扰源;第一计算模块,用于计算每一簇中的检测点到干扰源的距离;判断模块,用于判断各检测点是否受到干扰;第二计算模块,还用于计算检测点到干扰源的平均距离;获取模块,用于获取不同干扰源的干扰范围。
其中,聚类分析模块通过如下方式使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析:聚类分析模块,具体用于在样本中随机选取k个样本点充当各个簇的中心点{μ1,μ2,μ3,...,μk};计算所有样本点与各个簇中心之间的距离dist(xi,μj),然后把样本点划入最近的簇中xi∈μnearest;根据簇中已有的样本点,利用公式重新计算簇中心,直至达到最大轮数或调整幅度小于阈值。
其中,装置还包括:去除模块;去除模块,用于在计算模块计算每一簇中的检测点到干扰源的距离之后,判断模块判断各检测点是否受到干扰之前,通过异常检测去除异常点。
由此可见,通过本发明提供的地铁杂散电流对埋地管线影响范围计算方法及装置,通过对动态杂散电流检测曲线进行聚类,分析不同检测曲线波形的相似性,相似性高的曲线是受到相同干扰源(相同地铁)干扰的,会被聚类到相同的簇中,计算每一簇曲线检测点到干扰源的平均距离即可得到地铁杂散电流对埋地管线影响范围,由此可以定量的分析地铁杂散电流在地铁周围的分布情况,知道地铁杂散电流的影响范围,为地铁周围埋地管线的排流工作提供支持。
附图说明
为了更清楚地说明本发明实施例的技术方案,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些实施例,对于本领域的普通技术人员来讲,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附图。
图1为本发明实施例提供的地铁杂散电流对埋地管线影响范围计算方法的流程图;
图2为本发明实施例提供的地铁与检测点位置示意图;
图3为本发明实施例提供的动态杂散电流检测曲线示意图;
图4为本发明实施例提供的地铁杂散电流对埋地管线影响范围计算装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的地铁杂散电流对埋地管线影响范围计算方法的流程图,参见图1,本发明实施例提供的地铁杂散电流对埋地管线影响范围计算方法,包括:
S1,获取动态杂散电流数据,并对动态杂散电流数据进行数据清洗,得到杂散电流检测数据。
具体地,动态杂散电流数据是利用uDL-2数据记录仪数据采集,采集频率一般为1s采集1个数据,通电28s,断电2s,采集时长为24h。数据收集过程可能会出现数据的缺失、异常和重复等情况,需要对数据进行清洗。针对重复值数据,可以对同一检测点检测时间相同的数据进行去重操作。针对异常点数据,可以使用箱线图法进行异常值处理。针对缺失值数据,可以采用插值法进行缺失值填补。
S2,对杂散电流检测数据进行预处理,对齐杂散电流检测数据的时间。
具体地,由于地铁的通行在时间上具有规律性,因此其产生的杂散电流在检测点处的检测曲线也具有时间上的波动规律。但是各个检测点的杂散电流检测时间不同,因此在进行数据分析前需对数据在时间上进行预处理,实现数据在时间上的对齐。由于地铁通过时间的不同可能导致曲线的波形不同,所以实现曲线在时间上的对齐。
S3,对杂散电流检测数据进行数据标准化处理。
S4,使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析。
作为本发明实施例的一个可选实施方式,使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析包括:在样本中随机选取k个样本点充当各个簇的中心点{μ1,μ2,μ3,...,μk};计算所有样本点与各个簇中心之间的距离dist(xi,μj),然后把样本点划入最近的簇中xi∈μnearest;根据簇中已有的样本点,利用公式重新计算簇中心,直至达到最大轮数或调整幅度小于阈值。
具体地,假设检测点的个数为n,则测试点的样本集为X={x1,x2,x3,...,xn},计算步骤如下:
步骤4.1:在样本中随机选取k个样本点充当各个簇的中心点{μ1,μ2,μ3,...,μk};
步骤4.2:计算所有样本点与各个簇中心之间的距离dist(xi,μj),然后把样本点划入最近的簇中xi∈μnearest;
步骤4.4:重复步骤4.2、步骤4.3,若达到最大轮数或调整幅度小于阈值,则停止运行。
受相同地铁干扰源干扰的检测曲线在波形上会有相似性,通过对地铁附近的杂散电流监测点的杂散电流曲线进行聚类分析,同一簇内的监测点即可认为是收到相同的干扰源干扰的,从而分析出具有相似波形的检测点在空间上的分布。
S5,确定每一簇所对应的干扰源。
具体地,由于不同的簇可能收到不同的干扰源(不同地铁)的影响,通过计算每一簇的簇中心到不同干扰源的距离,将该簇划分到距离其最近的干扰源。
S6,计算每一簇中的检测点到干扰源的距离。
具体地,根据聚类结果将X={x1,x2,x3,...,xn}划分到K个簇中,计算K个簇中的检测点到该簇对应干扰源的距离Xd={x1d,x2d,x3d,...,xnd}。
S7,判断各检测点是否受到干扰。
作为本发明实施例的一个可选实施方式,计算每一簇中的检测点到干扰源的距离之后,判断各检测点是否受到干扰之前,方法还包括:通过异常检测去除异常点。
具体地,通过步骤S6得到了每个检测点到其对应干扰源的距离,但是由于其它外界环境因素的干扰,可能导致出现距离干扰源距离较远的孤立点,影响杂散电流影响范围的计算,故通过箱线图法将每一簇中的异常点除去。
在过滤掉异常点的基础上,对杂散电流检测曲线进行分析,通过通电电位和断电电位判断地铁的直流干扰强度,判断各个检测点是否受到直流杂散电流干扰。将每一簇中未受到直流干扰的检测点去除。
S8,计算检测点到干扰源的平均距离。
具体地,为排除每一簇的边界检测点稀疏对距离计算结果的影响,对每一簇中受到直流干扰的检测点到干扰源的距离进行升序排列排序,选排名80%-100%的检测点,计算平局距离,该距离为干扰产生的杂散电流对埋地管线的影响范围。
S9,获取不同干扰源的干扰范围。
具体地,在计算得到平均距离的基础上,统计不同干扰源所对应簇的距离,即可得到每个干扰源的影响范围,即地铁杂散电流对埋地管线影响范围。
通过kmeans聚类后,在同一簇内的检测点即可认为是收到同一干扰源干扰的,通过对聚类结果的每一簇中受到动态杂散电流干扰的点进行距离排序,并计算出该距离的平均值,该平均值即可认为是地铁动态杂散电流的平均干扰范围。
由此可见,通过本发明提供的地铁杂散电流对埋地管线影响范围计算方法,通过对动态杂散电流检测曲线进行聚类,分析不同检测曲线波形的相似性,相似性高的曲线是受到相同干扰源(相同地铁)干扰的,会被聚类到相同的簇中,计算每一簇曲线检测点到干扰源的平均距离即可得到地铁杂散电流对埋地管线影响范围,由此可以定量的分析地铁杂散电流在地铁周围的分布情况,知道地铁杂散电流的影响范围,为地铁周围埋地管线的排流工作提供支持。
图4示出了本发明实施例提供的地铁杂散电流对埋地管线影响范围计算装置的结构示意图,该地铁杂散电流对埋地管线影响范围计算装置应用上述方法,以下仅对地铁杂散电流对埋地管线影响范围计算装置的结构进行简单说明,其他未尽事宜,请参照上述地铁杂散电流对埋地管线影响范围计算方法中的相关描述,参见图4,本发明实施例提供的地铁杂散电流对埋地管线影响范围计算装置,包括:
清洗模块,用于获取动态杂散电流数据,并对动态杂散电流数据进行数据清洗,得到杂散电流检测数据;
对齐模块,用于对杂散电流检测数据进行预处理,对齐杂散电流检测数据的时间;
处理模块,用于对杂散电流检测数据进行数据标准化处理;
聚类分析模块,用于使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析;
确定模块,用于确定每一簇所对应的干扰源;
第一计算模块,用于计算每一簇中的检测点到干扰源的距离;
判断模块,用于判断各检测点是否受到干扰;
第二计算模块,还用于计算检测点到干扰源的平均距离;
获取模块,用于获取不同干扰源的干扰范围。
作为本发明实施例的一个可选实施方式,聚类分析模块通过如下方式使用K-means方法对标准化处理后的杂散电流检测数据进行聚类分析:聚类分析模块,具体用于在样本中随机选取k个样本点充当各个簇的中心点{μ1,μ2,μ3,...,μk};计算所有样本点与各个簇中心之间的距离dist(xi,μj),然后把样本点划入最近的簇中xi∈μnearest;根据簇中已有的样本点,利用公式重新计算簇中心,直至达到最大轮数或调整幅度小于阈值。
作为本发明实施例的一个可选实施方式,装置还包括:去除模块;去除模块,用于在计算模块计算每一簇中的检测点到干扰源的距离之后,判断模块判断各检测点是否受到干扰之前,通过异常检测去除异常点。
由此可见,通过本发明提供的地铁杂散电流对埋地管线影响范围计算装置,通过对动态杂散电流检测曲线进行聚类,分析不同检测曲线波形的相似性,相似性高的曲线是受到相同干扰源(相同地铁)干扰的,会被聚类到相同的簇中,计算每一簇曲线检测点到干扰源的平均距离即可得到地铁杂散电流对埋地管线影响范围,由此可以定量的分析地铁杂散电流在地铁周围的分布情况,知道地铁杂散电流的影响范围,为地铁周围埋地管线的排流工作提供支持。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。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权利要求范围之内。
Claims (6)
1.一种地铁杂散电流对埋地管线影响范围计算方法,其特征在于,包括:
获取各个检测点的动态杂散电流数据,并对所述动态杂散电流数据进行数据清洗,得到各个检测点的杂散电流检测数据;
对所述杂散电流检测数据进行预处理,对齐所述各个检测点的杂散电流检测数据的时间;
对所述杂散电流检测数据进行数据标准化处理;
使用K-means方法对标准化处理后的所述各个检测点的杂散电流检测数据进行聚类分析;
确定每一簇所对应的干扰源,包括:通过计算每一簇的簇中心到不同干扰源的距离,将该簇划分到距离其最近的干扰源;
计算每一簇中的检测点到该簇对应干扰源的距离;
判断各检测点是否受到干扰,包括:通过通电电位和断电电位判断地铁的直流干扰强度,判断各个检测点是否受到直流杂散电流干扰;
计算检测点到干扰源的平均距离;
获取不同干扰源的干扰范围,包括:统计不同干扰源所对应簇的距离,即可得到每个干扰源的影响范围,即地铁杂散电流对埋地管线影响范围。
3.根据权利要求1所述的方法,其特征在于,所述计算每一簇中的检测点到该簇对应干扰源的距离之后,所述判断各检测点是否受到干扰之前,还包括:
通过异常检测去除异常点。
4.一种地铁杂散电流对埋地管线影响范围计算装置,其特征在于,包括:
清洗模块,用于获取各个检测点的动态杂散电流数据,并对所述动态杂散电流数据进行数据清洗,得到各个检测点的杂散电流检测数据;
对齐模块,用于对所述杂散电流检测数据进行预处理,对齐所述各个检测点的杂散电流检测数据的时间;
处理模块,用于对所述杂散电流检测数据进行数据标准化处理;
聚类分析模块,用于使用K-means方法对标准化处理后的所述各个检测点的杂散电流检测数据进行聚类分析;
确定模块,用于确定每一簇所对应的干扰源,包括:通过计算每一簇的簇中心到不同干扰源的距离,将该簇划分到距离其最近的干扰源;
第一计算模块,用于计算每一簇中的检测点到该簇对应干扰源的距离;
判断模块 ,用于判断各检测点是否受到干扰,包括:通过通电电位和断电电位判断地铁的直流干扰强度,判断各个检测点是否受到直流杂散电流干扰;
第二计算模块,还用于计算检测点到干扰源的平均距离;
获取模块,用于获取不同干扰源的干扰范围,包括:统计不同干扰源所对应簇的距离,即可得到每个干扰源的影响范围,即地铁杂散电流对埋地管线影响范围。
6.根据权利要求4所述的装置,其特征在于,还包括:去除模块;
所述去除模块,用于在所述计算模块计算每一簇中的检测点到该簇对应干扰源的距离之后,所述判断模块判断各检测点是否受到干扰之前,通过异常检测去除异常点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010303576.0A CN111562423B (zh) | 2020-04-17 | 2020-04-17 | 一种地铁杂散电流对埋地管线影响范围计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010303576.0A CN111562423B (zh) | 2020-04-17 | 2020-04-17 | 一种地铁杂散电流对埋地管线影响范围计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111562423A CN111562423A (zh) | 2020-08-21 |
CN111562423B true CN111562423B (zh) | 2022-08-05 |
Family
ID=72071616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010303576.0A Active CN111562423B (zh) | 2020-04-17 | 2020-04-17 | 一种地铁杂散电流对埋地管线影响范围计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111562423B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074973A (zh) * | 2007-06-29 | 2007-11-21 | 深圳市华力特电气有限公司 | 一种传感器以及杂散电流监测系统 |
CN102338735A (zh) * | 2010-07-14 | 2012-02-01 | 中国石油天然气股份有限公司 | 多干扰源杂散电流干扰室内模拟装置 |
CN104233314A (zh) * | 2014-09-22 | 2014-12-24 | 中国石油天然气集团公司 | 一种埋地管道动态干扰电位测试系统 |
CN105445577A (zh) * | 2015-11-12 | 2016-03-30 | 国网智能电网研究院 | 一种电能质量干扰源工况辨识方法 |
CN106202932A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种评价杂散电流干扰曲线和干扰源曲线相似度的方法 |
CN106324404A (zh) * | 2016-08-30 | 2017-01-11 | 西南交通大学 | 电气化铁路对沿线油气管道电磁干扰测试系统及分析方法 |
RU2015149610A (ru) * | 2015-11-18 | 2017-05-24 | Акционерное общество "Гипрогазцентр" | Способ идентификации источника блуждающего тока |
CN106855597A (zh) * | 2016-12-28 | 2017-06-16 | 天津求实智源科技有限公司 | 一种非侵入式电能质量干扰源在线自适应监测系统及方法 |
CN108256234A (zh) * | 2018-01-19 | 2018-07-06 | 中电普瑞电力工程有限公司 | 一种用于评估变压器直流偏磁影响的方法及系统 |
CN109034546A (zh) * | 2018-06-06 | 2018-12-18 | 北京市燃气集团有限责任公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10236943B4 (de) * | 2002-08-12 | 2005-11-17 | Siemens Ag | Verfahren zum Erkennen von Gefährdungen durch Streuströme |
-
2020
- 2020-04-17 CN CN202010303576.0A patent/CN111562423B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074973A (zh) * | 2007-06-29 | 2007-11-21 | 深圳市华力特电气有限公司 | 一种传感器以及杂散电流监测系统 |
CN102338735A (zh) * | 2010-07-14 | 2012-02-01 | 中国石油天然气股份有限公司 | 多干扰源杂散电流干扰室内模拟装置 |
CN104233314A (zh) * | 2014-09-22 | 2014-12-24 | 中国石油天然气集团公司 | 一种埋地管道动态干扰电位测试系统 |
CN105445577A (zh) * | 2015-11-12 | 2016-03-30 | 国网智能电网研究院 | 一种电能质量干扰源工况辨识方法 |
RU2015149610A (ru) * | 2015-11-18 | 2017-05-24 | Акционерное общество "Гипрогазцентр" | Способ идентификации источника блуждающего тока |
CN106202932A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种评价杂散电流干扰曲线和干扰源曲线相似度的方法 |
CN106324404A (zh) * | 2016-08-30 | 2017-01-11 | 西南交通大学 | 电气化铁路对沿线油气管道电磁干扰测试系统及分析方法 |
CN106855597A (zh) * | 2016-12-28 | 2017-06-16 | 天津求实智源科技有限公司 | 一种非侵入式电能质量干扰源在线自适应监测系统及方法 |
CN108256234A (zh) * | 2018-01-19 | 2018-07-06 | 中电普瑞电力工程有限公司 | 一种用于评估变压器直流偏磁影响的方法及系统 |
CN109034546A (zh) * | 2018-06-06 | 2018-12-18 | 北京市燃气集团有限责任公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
Non-Patent Citations (2)
Title |
---|
Evaluation of the Interference Effects of HVDC Grounding Current on a Buried Pipeline;Zebang Yu et al.;《IEEE Transactions on Applied Superconductivity》;20190331;1-5 * |
地铁杂散电流分布规律及腐蚀智能监测方法研究;王禹桥;《中国优秀博硕士学位论文全文数据库(博士)工程科技II辑》;20121015;C033-16 * |
Also Published As
Publication number | Publication date |
---|---|
CN111562423A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766902B (zh) | 对同区域的车辆聚类的方法、装置和设备 | |
CN108549814A (zh) | 一种基于机器学习的sql注入检测方法、数据库安全系统 | |
CN110399268B (zh) | 一种异常数据检测的方法、装置及设备 | |
CN107679089B (zh) | 一种用于电力传感数据的清洗方法、装置和系统 | |
CN109101615B (zh) | 地震勘探数据处理方法及装置 | |
CN107528904B (zh) | 用于数据分布式异常检测的方法与设备 | |
CN115240149A (zh) | 三维点云检测识别方法、装置、电子设备及存储介质 | |
CN111562423B (zh) | 一种地铁杂散电流对埋地管线影响范围计算方法及装置 | |
CN115563477A (zh) | 谐波数据识别方法、装置、计算机设备和存储介质 | |
CN114492935A (zh) | 一种排污数据预测方法、装置、设备及介质 | |
CN104778403A (zh) | 一种基于序列模式软件安全漏洞的检测方法 | |
CN111897851A (zh) | 异常数据的确定方法、装置、电子设备及可读存储介质 | |
CN101694747B (zh) | 异常车速的识别方法和装置 | |
CN116482460A (zh) | 电网设备故障诊断方法及相关设备 | |
CN114707601B (zh) | 基于新能源摩托车的检验信息处理方法、系统及云平台 | |
CN110770753A (zh) | 高维数据实时分析的装置和方法 | |
CN115658441A (zh) | 一种基于日志的家政业务系统异常监控方法、设备及介质 | |
CN111222550B (zh) | 一种用户用电行为确定方法和装置 | |
CN113672979A (zh) | 基于桶结构划分的差分隐私非等距直方图发布方法和装置 | |
CN115563500A (zh) | 基于数据增强技术的配电设备局部放电模式识别方法、装置及系统 | |
Liu et al. | Bearing degradation assessment based on entropy with time parameter and fuzzy c-means clustering | |
Li et al. | Intelligent fault diagnosis of machines based on adaptive transfer density peaks search clustering | |
Ma et al. | Multi-level road damage identification algorithm based on vehicle-mounted smartphone | |
CN110019771B (zh) | 文本处理的方法及装置 | |
Lu et al. | A Trend Extraction Method Based on Improved Sliding Window |
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 |