CN112034245B - 一种用于嵌入式终端的家用洗衣机辨识方法 - Google Patents
一种用于嵌入式终端的家用洗衣机辨识方法 Download PDFInfo
- Publication number
- CN112034245B CN112034245B CN202011206369.XA CN202011206369A CN112034245B CN 112034245 B CN112034245 B CN 112034245B CN 202011206369 A CN202011206369 A CN 202011206369A CN 112034245 B CN112034245 B CN 112034245B
- Authority
- CN
- China
- Prior art keywords
- formula
- washing machine
- event
- condition
- less
- 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
- 238000005406 washing Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001052 transient effect Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 7
- 238000002513 implantation Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000004128 high performance liquid chromatography Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
-
- 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
- G01R19/0046—Arrangements for measuring currents or voltages or for indicating presence or sign thereof characterised by a specific application or detail not covered by any other subgroup of G01R19/00
- G01R19/0053—Noise discrimination; Analog sampling; Measuring transients
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Washing Machine And Dryer (AREA)
Abstract
本发明涉及嵌入式芯片算法开发领域,公开了一种用于嵌入式终端的家用洗衣机辨识方法,其考虑了单次运行工作循环中暂态特征量和稳态特征量,而且加入了长时间尺度的电器运行习惯特征量,在就地辨识环境条件下,大幅度提高了家用洗衣机的辨识精度;而且该方法逻辑简单,流程主要为顺序单线程,无需占用较多资源,特别适用于硬件嵌入式平台植入与开发,同时后续可作为软核APP形式,嵌入到下一代电表的标准管理芯片或模块当中,无缝融合电力信息采集系统。
Description
技术领域
本发明涉及嵌入式芯片算法开发领域,尤其是一种用于嵌入式终端的家用洗衣机辨识方法。
背景技术
随着科研机构对于非介入式电力负荷辨识技术研究深入,并依托于云计算技术和大数据分析方法的快速发展,负荷辨识技术路线主要分化为两个方向,分别为依靠终端边缘计算的完全就地辨识方向,以及结合云端和终端协同计算的云端结合辨识方向。伴随着新基建和5G技术的不断发展,云端结合方式可能为未来发展的一个重要趋势,但目前电力系统通信机制无法提供适配于云端结合方式所需要的通信资源,而且,电力系统在至少5年内还将大力推广的通信方式为HPLC(宽带电力载波)方式,该方式依然无法满足云端结合的通信资源需求。同时,负荷识别功能已经确定成为下一代“双芯”电表的核心功能,可见,就地辨识方向仍为负荷辨识技术实用化的一个重要的技术研究方向,因此,如何依托于终端性能提升的基础上,通过利用某些电器辨识度较高的特征量,利用边缘计算提升该类电器的辨识精度,是就地辨识技术路线的一个重要研究方向。
因此,目前需要一种对于辨识度较高电器的适用于硬件终端或电表管理芯硬件模块的嵌入式辨识方法,在满足当前或可见趋势电力系统通信机制需求的,达到理想辨识精度和稳定性的嵌入式终端辨识方法。
发明内容
本发明的目的在于弥补现有技术的不足之处,提供一种用于嵌入式终端的家用洗衣机辨识方法,其可提升家用洗衣机的辨识精度和稳定性。
为了解决上述技术问题,本发明采用如下技术方案:
一种用于嵌入式终端的家用洗衣机辨识方法,包括以下步骤:
步骤一、通过高频采集终端或电表专用模块进行监测总口数据的高频采集,其采集和有效值转换周期不高于△t,△t=20ms;
步骤二、计算每个采样间隔点的瞬时功率有效值P(t),公式如下:
P(t)=U(t)×I(t) (式1)
式中,U(t)为t时刻电压采样值,I(t)为t时刻电流采样值;
步骤三、计算相邻采样间隔点之间的瞬时功率有效值的差值△P(t),公式如下:
△P(t)=P(t)- P(t-△t) (式2)
式中,P(t-△t)为t-△t时刻的瞬时功率有效值;
步骤四、持续监测是否有有效事件投入,其中根据就地辨识门槛标准,有效事件的△P(t)不小于80W,公式如下:
△P(t)≥Pmin (式3)
式中,Pmin为就地辨识门槛标准的最小值,Pmin=80W;
步骤五、若不满足(式3)的条件,则返回至步骤一;若满足(式3)的条件,则判断此次事件是否为洗衣机启动,公式如下:
△P(t)≥Ptrmin (式4)
式中,Ptrmin为家用洗衣机暂态峰值判据的最小值;
步骤六、若不满足(式4)的条件,则返回至上一步骤;若满足(式4)的条件,则进行负荷启动时刻标记,公式如下:
若△P(t)≥Ptrmin,则tp=t (式5)
式中,tp为家用洗衣机负荷启动时刻;
步骤七、持续采集、监测暂态结束时刻点,判断暂态阶段是否结束,公式如下:
Pa≤△P(t)≤Pb (式6)
式中,Pa为家用洗衣机暂态事件停止判断的门槛判据最小值,Pb为家用洗衣机暂态事件停止判断的门槛判据最大值;
步骤八、若不满足(式6)的条件,则返回至上一步骤;若满足(式6)的条件,则进行暂态阶段停止时刻标记,公式如下:
若Pa≤△P(t)≤Pb,则tr=t (式7)
式中,tr为家用洗衣机暂态阶段停止时刻;
步骤九、持续采集、监测本次事件停止时刻点,判断本次工作循环是否结束,公式如下:
Pc≤△P(t)≤Pd (式8)
式中,Pc为整个洗衣机事件停止判断的门槛判据最小值,Pd为整个洗衣机事件停止判断的门槛判据最大值;
步骤十、若不满足(式8)的条件,则返回至上一步骤;若满足(式8)的条件,则进行本次事件停止时刻标记,公式如下:
若Pc≤△P(t)≤Pd,则td=t (式9)
式中,td为家用洗衣机本次事件停止时刻;
步骤十一、本次工作循环完成后,判断暂态时长含量是否满足(式10),若不满足(式10)的条件,则判断为其他电器事件,并转入其他电器提取事件算法进行处理;若满足(式10)的条件,则进行下一步骤,公式如下:
m≤(tr-tp)/(td-tp)≤n (式10)
式中,m为判断洗衣机运行间歇时间段的最小门槛值,n为判断洗衣机运行间歇时间段的最大门槛值;
步骤十二、将满足(式3)至(式10)条件的事件定义为单次循环事件,将捕获到的所有单次循环事件组合成区间事件序列,判断连续3分钟内是否持续捕获到10次以上单次循环事件,若满足条件,则定义该区间事件序列为洗衣机事件序列,提取全部特征并计算相应事件电量值;若不满足条件,则判断为其他电器事件,并转入其他电器提取事件算法进行处理;
步骤十三、单次循环完成,重复步骤一至步骤十二往复运行。
进一步地,在所述步骤五和所述步骤六中,Ptrmin=480W。
进一步地,在所述步骤七和所述步骤八中,Pa=-300W,Pb=-200W。
进一步地,在所述步骤九和所述步骤十中,Pc=-200W,Pd=0。
进一步地,在所述步骤十一中,m=0.2,n=0.25。
与现有技术相比,本发明的有益效果是:
1.常规的电器辨识策略,只关注电器单次运行工作循环中稳态的特征量,往往该特征量不具有独立性和重复性,其辨识度和稳定性都不能达到理想状态。而本方法的优点在于,同时考虑了单次运行工作循环中暂态特征量和稳态特征量,而且加入了长时间尺度的电器运行习惯特征量,在就地辨识环境条件下,大幅度提高了家用洗衣机的辨识精度。
2.该方法逻辑简单,流程主要为顺序单线程,无需占用较多资源,特别适用于硬件嵌入式平台植入与开发,同时后续可作为软核APP形式,嵌入到下一代电表的标准管理芯片或模块当中,无缝融合电力信息采集系统。
附图说明
为了使本发明的优点更容易理解,将通过参考在附图中示出的具体实施方式更详细地描述上文简要描述的本发明。可以理解这些附图只描绘了本发明的典型实施方式,因此不应认为是对其保护范围的限制,通过附图以附加的特性和细节来描述和解释本发明。
图1为家用洗衣机单个工作循环的暂态特征量和稳态特征量描述图;
图2为家用洗衣机长时间尺度下整个工作周期内运行特征量描述图;
图3为本发明的方法流程图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员来说显而易见的是,本发明实施方式可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明实施方式发生混淆,对于本领域公知的一些技术特征未进行描述。
为了彻底了解本发明实施方式,将在下列的描述中提出详细的结构。显然,本发明实施方式的施行并不限定于本领域的技术人员所熟习的特殊细节。本发明的较佳实施方式详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
下面结合附图对本发明的实施例作进一步详细的说明:
通过对家用洗衣机特性的高频采集和分析,家用洗衣机的单次启动典型特性如图1所示,通过图1可获知家用洗衣机辨识度较高的特征量和相应的特征值(参见表1),其中暂态峰值在480-600W之间,稳态均值为300W左右,而其暂态持续时间占单次工作运行时间的20%-25%。
表1 家用洗衣机特征量和相应特征值汇总表
序号 | 特征量 | 特征值 |
1 | 暂态峰值 | 480-600W |
2 | 稳态均值 | 300W±50W |
3 | 暂态持续时间含量 | 0.2<Δ<0.25 |
同时,通过更长尺度的波形采样图,可以总结并分析出,若此类单次特征在3min之内运行超过10次,则可判定该电器序列为洗衣机序列。
如图3所示,本发明提供了一种用于嵌入式终端的家用洗衣机辨识方法,通过将本方法采用C语言或汇编语言编写、编译通过后,下载到相应终端或电表模块中,部署到所需监测总口,根据本发明的方法步骤判断相应特征量判据,即可得到相应辨识结果。
本发明的方法的具体步骤如下:
步骤一、通过高频采集终端或电表专用模块进行监测总口数据的高频采集,其采集和有效值转换周期不高于△t,△t=20ms,即相邻的两个采样间隔点之间的间隔时间不高于20ms;此处可选用专用的电力计量芯片作为高频采集终端或电表专用模块的核心采集芯片。
步骤二、计算每个采样间隔点的瞬时功率有效值P(t),公式如下:
P(t)=U(t)×I(t) (式1)
式中,U(t)为t时刻电压采样值,I(t)为t时刻电流采样值。
步骤三、计算相邻采样间隔点之间的瞬时功率有效值的差值△P(t),公式如下:
△P(t)=P(t)- P(t-△t) (式2)
式中,P(t-△t)为t-△t时刻的瞬时功率有效值。
步骤四、持续监测是否有有效事件投入,其中根据就地辨识门槛标准,有效事件的△P(t)不小于80W,公式如下:
△P(t)≥Pmin (式3)
式中,Pmin为就地辨识门槛标准的最小值,Pmin=80W。
步骤五、若不满足(式3)的条件,则返回至步骤一;若满足(式3)的条件,则判断此次事件是否为洗衣机启动,公式如下:
△P(t)≥Ptrmin (式4)
式中,Ptrmin为家用洗衣机暂态峰值判据的最小值,Ptrmin=480W。
步骤六、若不满足(式4)的条件,则返回至上一步骤;若满足(式4)的条件,则进行负荷启动时刻标记,公式如下:
若△P(t)≥480W,则tp=t (式5)
式中,tp为家用洗衣机负荷启动时刻。
步骤七、持续采集、监测暂态结束时刻点,判断暂态阶段是否结束,公式如下:
Pa≤△P(t)≤Pb (式6)
式中,Pa为家用洗衣机暂态事件停止判断的门槛判据最小值,Pa=-300W;Pb为家用洗衣机暂态事件停止判断的门槛判据最大值,Pb=-200W。
步骤八、若不满足(式6)的条件,则返回至上一步骤;若满足(式6)的条件,则进行暂态阶段停止时刻标记,公式如下:
若-300W≤△P(t)≤-200W,则tr=t (式7)
式中,tr为家用洗衣机暂态阶段停止时刻。
步骤九、持续采集、监测本次事件停止时刻点,判断本次工作循环是否结束,公式如下:
Pc≤△P(t)≤Pd (式8)
式中,Pc为整个洗衣机事件停止判断的门槛判据最小值,Pc=-200W;Pd为整个洗衣机事件停止判断的门槛判据最大值,Pd=0。
步骤十、若不满足(式8)的条件,则返回至上一步骤;若满足(式8)的条件,则进行本次事件停止时刻标记,公式如下:
若-200W≤△P(t)≤0,则td=t (式9)
式中,td为家用洗衣机本次事件停止时刻。
步骤十一、本次工作循环完成后,判断暂态时长含量是否满足(式10),若不满足(式10)的条件,则判断为其他电器事件,并转入其他电器提取事件算法进行处理;若满足(式10)的条件,则进行下一步骤,公式如下:
m≤(tr-tp)/(td-tp)≤n (式10)
式中,m为判断洗衣机运行间歇时间段的最小门槛值,m=0.2;n为判断洗衣机运行间歇时间段的最大门槛值,n=0.25。
步骤十二、将满足(式3)至(式10)条件的事件定义为单次循环事件,将捕获到的所有单次循环事件组合成区间事件序列,判断连续3分钟内是否持续捕获到10次以上单次循环事件(上述事件),若满足条件,则定义该区间事件序列为洗衣机事件序列,提取全部特征并计算相应事件电量值;若不满足条件,则判断为其他电器事件,并转入其他电器提取事件算法进行处理;
步骤十三、单次循环完成,重复步骤一至步骤十二往复运行。
结合图2可知,通过上述综合单次工作循环特性和长时间尺度的运行特征方法,较为显著地提升了家用洗衣机的辨识精度和稳定性。
综上所述,本发明的内容并不局限在上述的实施例中,本领域的技术人员可以在本发明的技术指导思想之内提出其他的实施例,但这些实施例都包括在本发明的范围之内。
Claims (5)
1.一种用于嵌入式终端的家用洗衣机辨识方法,其特征在于,包括以下步骤:
步骤一、通过高频采集终端或电表专用模块进行监测总口数据的高频采集,其采集和有效值转换周期不高于△t,△t=20ms;
步骤二、计算每个采样间隔点的瞬时功率有效值P(t),公式如下:
P(t)=U(t)×I(t) 式1
式中,U(t)为t时刻电压采样值,I(t)为t时刻电流采样值;
步骤三、计算相邻采样间隔点之间的瞬时功率有效值的差值△P(t),公式如下:
△P(t)=P(t)- P(t-△t) 式2
式中,P(t-△t)为t-△t时刻的瞬时功率有效值;
步骤四、持续监测是否有有效事件投入,其中根据就地辨识门槛标准,有效事件的△P(t)不小于80W,公式如下:
△P(t)≥Pmin 式3
式中,Pmin为就地辨识门槛标准的最小值,Pmin=80W;
步骤五、若不满足式3的条件,则返回至步骤一;若满足式3的条件,则判断此次事件是否为洗衣机启动,公式如下:
△P(t)≥Ptrmin 式4
式中,Ptrmin为家用洗衣机暂态峰值判据的最小值;
步骤六、若不满足式4的条件,则返回至上一步骤;若满足式4的条件,则进行负荷启动时刻标记,公式如下:
若△P(t)≥Ptrmin,则tp=t 式5
式中,tp为家用洗衣机负荷启动时刻;
步骤七、持续采集、监测暂态结束时刻点,判断暂态阶段是否结束,公式如下:
Pa≤△P(t)≤Pb 式6
式中,Pa为家用洗衣机暂态事件停止判断的门槛判据最小值,Pb为家用洗衣机暂态事件停止判断的门槛判据最大值;
步骤八、若不满足式6的条件,则返回至上一步骤;若满足式6的条件,则进行暂态阶段停止时刻标记,公式如下:
若Pa≤△P(t)≤Pb,则tr=t 式7
式中,tr为家用洗衣机暂态阶段停止时刻;
步骤九、持续采集、监测本次事件停止时刻点,判断本次工作循环是否结束,公式如下:
Pc≤△P(t)≤Pd 式8
式中,Pc为整个洗衣机事件停止判断的门槛判据最小值,Pd为整个洗衣机事件停止判断的门槛判据最大值;
步骤十、若不满足式8的条件,则返回至上一步骤;若满足式8的条件,则进行本次事件停止时刻标记,公式如下:
若Pc≤△P(t)≤Pd,则td=t 式9
式中,td为家用洗衣机本次事件停止时刻;
步骤十一、本次工作循环完成后,判断暂态时长含量是否满足式10,若不满足式10的条件,则判断为其他电器事件,并转入其他电器提取事件算法进行处理;若满足式10的条件,则进行下一步骤,公式如下:
m≤(tr-tp)/(td-tp)≤n 式10
式中,m为判断洗衣机运行间歇时间段的最小门槛值,n为判断洗衣机运行间歇时间段的最大门槛值;
步骤十二、将满足式3至式10条件的事件定义为单次循环事件,将捕获到的所有单次循环事件组合成区间事件序列,判断连续3分钟内是否持续捕获到10次以上单次循环事件,若满足条件,则定义该区间事件序列为洗衣机事件序列,提取全部特征并计算相应事件电量值;若不满足条件,则判断为其他电器事件,并转入其他电器提取事件算法进行处理;
步骤十三、单次循环完成,重复步骤一至步骤十二往复运行。
2.根据权利要求1所述的一种用于嵌入式终端的家用洗衣机辨识方法,其特征在于,在所述步骤五和所述步骤六中,Ptrmin=480W。
3.根据权利要求1所述的一种用于嵌入式终端的家用洗衣机辨识方法,其特征在于,在所述步骤七和所述步骤八中,Pa=-300W,Pb=-200W。
4.根据权利要求1所述的一种用于嵌入式终端的家用洗衣机辨识方法,其特征在于,在所述步骤九和所述步骤十中,Pc=-200W,Pd=0。
5.根据权利要求1所述的一种用于嵌入式终端的家用洗衣机辨识方法,其特征在于,在所述步骤十一中,m=0.2,n=0.25。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206369.XA CN112034245B (zh) | 2020-11-03 | 2020-11-03 | 一种用于嵌入式终端的家用洗衣机辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011206369.XA CN112034245B (zh) | 2020-11-03 | 2020-11-03 | 一种用于嵌入式终端的家用洗衣机辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034245A CN112034245A (zh) | 2020-12-04 |
CN112034245B true CN112034245B (zh) | 2021-03-23 |
Family
ID=73573199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011206369.XA Active CN112034245B (zh) | 2020-11-03 | 2020-11-03 | 一种用于嵌入式终端的家用洗衣机辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034245B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104315564B (zh) * | 2014-10-29 | 2017-02-15 | 广东美的厨房电器制造有限公司 | 微波炉及微波炉的微波功率调整方法 |
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
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 |
CN105972761B (zh) * | 2016-05-25 | 2019-01-22 | 华北电力大学(保定) | 一种非侵入式空调负荷监测方法 |
CN106802379B (zh) * | 2017-03-06 | 2019-07-09 | 中国海洋大学 | 一种自适应阈值的负载开关检测和识别方法及系统 |
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 |
CN107356827B (zh) * | 2017-06-09 | 2019-10-11 | 东南大学 | 一种基于有功功率波动性的洗衣机运行非侵入辨识方法 |
CN107546855B (zh) * | 2017-09-28 | 2020-05-08 | 广东工业大学 | 一种居民用电负荷的非侵入分解方法 |
-
2020
- 2020-11-03 CN CN202011206369.XA patent/CN112034245B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112034245A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102520255B (zh) | 一种电动汽车电池组直流电阻测算方法 | |
CN109840691B (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
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 | |
CN107632265A (zh) | 一种统计负载功率变化预测燃料电池剩余寿命的方法 | |
CN106093565A (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 | |
CN112396007B (zh) | 一种非侵入式居民负荷突变事件三阈值检测方法和系统 | |
CN113030564A (zh) | 一种基于双芯智能电表系统下的负荷识别方法 | |
CN112034245B (zh) | 一种用于嵌入式终端的家用洗衣机辨识方法 | |
CN110850213B (zh) | 一种滤波电容器的emc寿命评估方法 | |
CN111398859B (zh) | 一种用户低电压成因大数据分析方法及系统 | |
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 | |
CN111141951B (zh) | 电力终端数据采集方法、装置和电子设备 | |
CN104880601B (zh) | 一种基于正态分布统计的低压用户低电压排查方法 | |
CN111239480B (zh) | 一种Dyn11低压配电网理论线损计算方法及系统 | |
CN110429877A (zh) | 一种开关磁阻电机非导通相高频脉冲注入方法 | |
CN111273186A (zh) | 一种电动汽车动力电池系统健康状态估算方法及装置 | |
CN109194367B (zh) | 能量分解中功率信号重构方法 | |
CN113408617A (zh) | 一种基于XGBoost与Stacking模型融合的非侵入式负荷识别方法 | |
CN112925827A (zh) | 一种基于电力采集物联数据的用户性质异常分析方法 | |
CN115333101B (zh) | 一种智能配电柜系统及配电方法 | |
CN108649754A (zh) | 一种基于三相异步电动机运行工况的电机节能改造方法 | |
CN112345824B (zh) | 一种基于分段线性近似算法的变频空调非侵入式辨识方法 | |
CN115377975B (zh) | 一种配电控制方法及配电控制系统 | |
CN112035793B (zh) | 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 | |
CN110879328B (zh) | 基于反距离加权处理故障时刻电力数据的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |