CN112565144B - 一种基于ofdm宽带载波通信系统的台区识别方法 - Google Patents
一种基于ofdm宽带载波通信系统的台区识别方法 Download PDFInfo
- Publication number
- CN112565144B CN112565144B CN202011294971.3A CN202011294971A CN112565144B CN 112565144 B CN112565144 B CN 112565144B CN 202011294971 A CN202011294971 A CN 202011294971A CN 112565144 B CN112565144 B CN 112565144B
- Authority
- CN
- China
- Prior art keywords
- carrier communication
- sub
- characteristic values
- nodes
- time
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2602—Signal structure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于OFDM宽带载波通信系统的台区识别方法,包括以下步骤:S1、对OFDM宽带载波通信网络进行时间同步;S2、进行电压特征值的采集与相似度分析;S3、进行过零周期特征值的采集与相似度分析;S4、进行信噪比特征值的采集与相似度分析;S5、将采集到的所述电压特征值、过零周期特征值、信噪比特征值等多维度信息进行深度学习模型的训练,建立台区识别的深度学习模型,根据所述深度学习模型对用电客户进行自动台区识别。本发明通过多维度采集台区的特征数据,并结合深度学习模型,提高了自动台区识别的准确性和及时性,提高电网经济运行水平,减少新增负荷安排不合理等问题。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种基于OFDM宽带载波通信系统的台区识别方法。
背景技术
在电力系统中,台区是指的是一台变压器的供电范围或区域。用电管理部门为降耗减损需要对每个用户进行台区识别与标记,同时也为实现台区的精细化管理提供真实准确的基础数据。台区作为智能电网发展建设的末端层级,涉及营销、运检等多个专业,既是电网管理工作的重点和难点,也是服务"最后一公里"落地实施的关键所在。但是由于用户信息变化、表计故障更换、台区升级改造等原因,当前用户的台区隶属关系较为混乱,加之现有低压电力线载波、微功率无线等通信方式在"共零"和耦合情况下均具备跨台区通信和抄读的能力,也为台区识别的梳理工作带来极大的挑战。
目前市场上的台区识别仪可以用于台区识别工作,其工作原理是在工频供电电压过零点调制脉冲电流信号,根据同一相位接收端是否可以接收到脉冲电流信号来判别发射机和接收机是否为归属同一台区。虽然台区识别仪可以实现准确的台区识别,但由于需要人工定期到现场测试,需要持续性投入较大的人力和物力,而且也无法保证现场发生变化后,变更台区信息的及时更新。近年来,电网公司在能效管理领域大力推广基于OFDM宽带电力线载波通信系统,相关的工程技术人员也纷纷提出了宽带电力线载波通信系统下的自动台区识别方案。不过这些方案往往都是基于一两个的特征指标的台区识别操作,然而由于电网的复杂性和时变性,这类方案的实施效果都不太理想。
发明内容
本发明目的是为了解决现有技术中台区识别准确度低、台区信息不能及时更新且不能应对日益复杂的电网要求的问题,提出一种基于OFDM宽带载波通信系统的台区识别方法。
本发明提出的一种基于OFDM宽带载波通信系统的台区识别方法,包括以下步骤:S1、对OFDM宽带载波通信网络进行时间同步;S2、在统一的采样时刻下,进行电压特征值的采集与相似度分析;S3、在统一的采样时刻下,进行过零周期特征值的采集与相似度分析;S4、在统一的采样时刻下,进行信噪比特征值的采集与相似度分析;S5、将采集到的所述电压特征值、过零周期特征值、信噪比特征值等多维度信息进行深度学习模型的训练,建立台区识别的深度学习模型,根据所述深度学习模型对用电客户进行自动台区识别。
优选地,步骤S1采用信标帧的方式对OFDM宽带载波通信网络进行时间同步。
优选地,步骤S1对OFDM宽带载波通信网络进行时间同步的方法包括:OFDM宽带载波通信网络的主节点将自身的时间信息添加到信标帧中,并在信标周期内的固定时隙进行发送;能够接收到所述主节点信标帧的OFDM宽带载波通信网络的子节点为一级子节点;一级子节点采用所述主节点信标帧的时间信息修改自身的时间,完成与所述主节点的时间同步;在接下来的信标周期内,所述主节点安排部分一级节点在对应的信标时隙上发送信标帧,能够收到一级子节点信标帧的子节点为二级子节点;二级子节点采用信标帧的时间信息修改自身的时间,从而完成与主节点的时间同步;以此类推,所述主节点用信标帧的方法完成全网所有所述子节点的时间同步。
优选地,步骤S2进行电压特征值的采集与相似度分析的步骤包括:所述OFDM宽带载波通信网络的主节点对网络内的所有所述OFDM宽带载波通信网络的子节点广播发送电压特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到采集启动指令后,在约定的时刻启动并同时开始本轮电压特征值的采集,每隔几秒采集一个电压数据,每轮采集几十个电压特征值;采集结束后,各个所述子节点将采集到的电压特征数据上报给所述主节点,所述主节点对采集到的电压特征值进行保存和初步分析;如果满足台区电压特征值的相似度要求,则停止采集并将采集的电压特征数据保存,否则将启动新一轮的电压特征值采集过程。
优选地,步骤S3进行过零周期特征值的采集与相似度分析的步骤包括:所述OFDM宽带载波通信网络的主节点对网络内的所有所述OFDM宽带载波通信网络的子节点广播发送过零周期特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动并同时开始本轮过零周期特征值的采集,每隔几秒采集一个过零周期数据,每轮采集几十个过零周期特征值;采集结束后,各个所述子节点将采集到的过零周期特征数据上报给所述主节点,所述主节点对采集到的过零周期特征值进行保存和初步分析,如果满足台区过零周期特征值的相似度要求,则停止采集并将采集的过零周期特征数据保存,否则将启动新一轮的过零周期特征值采集过程。
优选地,步骤S4进行信噪比特征值的采集与相似度分析的步骤包括:所述OFDM宽带载波通信网络的主节点对网络内的所有所述OFDM宽带载波通信网络的子节点广播发送信噪比特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动并同时开始本轮信噪比特征值的采集,每隔几秒采集一个信噪比数据,每轮采集几十个信噪比特征值;采集结束后,各个所述子节点将采集到的信噪比特征数据上报给所述主节点,所述主节点对采集到的信噪比特征值进行保存和初步分析,如果满足台区信噪比特征值的相似度要求,则停止采集并将采集的信噪比特征数据保存,否则将启动新一轮的信噪比特征值采集过程。
优选地,步骤S5中根据深度学习模型对用电客户进行自动台区识别的方法包括:所述OFDM宽带载波通信网络的主节点采用此模型对台区内的各个所述OFDM宽带载波通信网络的子节点进行模式识别,从而对所述子节点的台区隶属关系进行判断。
本发明的有益效果包括:本发明公开的基于OFDM宽带载波通信系统的台区识别方法,通过多维度采集台区的特征数据,并结合深度学习模型,提高了自动台区识别的准确性和及时性,有利于台区线损的管理,提高电网经济运行水平,减少新增负荷安排不合理,远程费控及充值成功率低等问题,此外,当台区发生事故需要抢修时,提高了抢修策略的合理性以及抢修施工的及时性。
附图说明
图1是本发明基于OFDM宽带载波通信系统的台区识别方法的流程示意图。
图2是本发明实施例中的OFDM宽带载波通信网络中的信标周期时隙的划分示意图。
图3是本发明实施例中的OFDM宽带载波通信网络的结构示意图。
图4是本发明实施例中OFDM宽带载波通信网络电压特征值的采集与相似度分析的流程示意图。
图5是本发明实施例中OFDM宽带载波通信网络过零周期特征值的采集与相似度分析的流程示意图。
图6是本发明实施例中OFDM宽带载波通信网络信噪比特征值的采集与相似度分析的流程示意图。
图7是本发明实施例中采用深度学习模型进行OFDM宽带载波通信系统台区识别的流程示意图。
具体实施方式
下面结合具体实施方式并对照附图对本发明作进一步详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
本发明提出的基于OFDM宽带载波通信系统的台区识别方法发明构思是:在全网络统一时间的基础上,将相同时刻OFDM宽带载波通信网络的子节点(本实施例中简称为子节点)的特征值变化和OFDM宽带载波通信网络的主节点(本实施例中简称为主节点)相应特征值变化进行比较,如果两者的变化趋势是一致的,则判断该子节点与主节点是属于同一台区,以此采集多维度特征数据,并结合深度学习模型,完成对用电客户进行自动台区识别的目的。
根据以上发明构思,基于OFDM宽带载波通信系统的台区识别方法主要步骤包括以下步骤S1-S5,其方法流程图如图1所示:
S1、对OFDM宽带载波通信网络进行时间同步。
S2、在统一的采样时刻下,进行电压特征值的采集与相似度分析。
S3、在统一的采样时刻下,进行过零周期特征值的采集与相似度分析。
S4、在统一的采样时刻下,进行信噪比特征值的采集与相似度分析。
S5、将采集到的所述电压特征值、过零周期特征值、信噪比特征值等多维度信息进行深度学习模型的训练,建立台区识别的深度学习模型,根据所述深度学习模型对用电客户进行自动台区识别。上述步骤中的在统一的采样时刻下是指OFDM宽带载波通信网络完成时间同步后的采样时刻。
本发明的台区识别方法,通过多维度采集台区的特征数据,并结合深度学习模型,提高了自动台区识别的准确性和及时性,有利于台区线损的管理,提高电网经济运行水平,减少新增负荷安排不合理,远程费控及充值成功率低等问题,此外,当台区发生事故需要抢修时,提高了抢修策略的合理性以及抢修施工的及时性。
在更为详细的实施例中,具体地,基于OFDM宽带载波通信系统的台区识别方法还包括以下内容。
本发明采用信标帧的方法来统一OFDM宽带载波通信网络的时间,即对OFDM宽带载波通信网络进行时间同步。OFDM宽带载波通信网络的主节点将自身的时间信息添加到信标帧中,并在信标周期内的固定时隙进行发送,信标周期时隙的划分示意图如图2所示。能够接收到主节点信标帧的子节点为一级子节点,如图3所示。一级子节点采用主节点信标帧的时间信息修改自身的时间,从而完成了与主节点的时间同步。在接下来的信标周期内,主节点安排部分一级节点在对应的信标时隙上发送信标帧,能够收到一级子节点信标帧的子节点为二级子节点,二级子节点采用信标帧的时间信息修改自身的时间,从而完成了与主节点的时间同步。以此类推,主节点用信标帧的方法完成了全网所有子节点的时间同步。
如图4所示为本发明实施例中OFDM宽带载波通信网络电压特征值的采集与相似度分析的流程图。在步骤S2中,OFDM宽带载波通信网络的主节点在统一了全网所有OFDM宽带载波通信网络的子节点的时间后便可对台区内各个子节点进行电压特征值的采集。主节点对网络内的所有子节点广播发送电压特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动并同时开始本轮电压特征值的采集,每隔几秒采集一个电压数据,每轮一般采集几十个电压特征值。采集结束后,各个子节点将采集到的电压特征数据上报给主节点,主节点对采集到的电压特征值进行保存和初步分析,如果满足台区电压特征值的相似度要求,则停止采集并将采集的电压特征数据保存,否则将启动新一轮的电压特征值采集过程。
如图5所示为本发明实施例中OFDM宽带载波通信网络过零周期特征值的采集与相似度分析的流程图。步骤S3中,OFDM宽带载波通信网络的主节点在统一了全网所有OFDM宽带载波通信网络的子节点的时间后便可对台区内各个子节点进行过零周期特征值的采集。主节点对网络内的所有子节点广播发送过零周期特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动同时开始本轮过零周期特征值的采集,每隔几秒采集一个过零周期数据,每轮一般采集几十个过零周期特征值。采集结束后,各个子节点将采集到的过零周期特征数据上报给主节点,主节点对采集到的过零周期特征值进行保存和初步分析,如果满足台区过零周期特征值的相似度要求,则停止采集并将采集的过零周期特征数据保存,否则将启动新一轮的过零周期特征值采集过程。
如图6所示为本发明实施例中OFDM宽带载波通信网络信噪比特征值的采集与相似度分析的流程图。步骤S4中,OFDM宽带载波通信网络的主节点在统一了全网所有OFDM宽带载波通信网络的子节点的时间后便可对台区内各个子节点进行信噪比特征值的采集。主节点对网络内的所有子节点广播发送信噪比特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动同时开始本轮信噪比特征值的采集,每隔几秒采集一个信噪比数据,每轮一般采集几十个信噪比特征值。采集结束后,各个子节点将采集到的信噪比特征数据上报给主节点,主节点对采集到的信噪比特征值进行保存和初步分析,如果满足台区信噪比特征值的相似度要求,则停止采集并将采集的信噪比特征数据保存,否则将启动新一轮的信噪比特征值采集过程。
如图7所示为本发明实施例采用深度学习模型进行OFDM宽带载波通信系统台区识别的流程图。步骤S5中,OFDM宽带载波通信网络的主节点将采集到的多时间段的多维度台区特征值作为训练数据输入到本地的深度学习模块,经过训练后,深度学习模块会输出台区的特征模型。主节点便采用此模型对台区内的各个子节点进行模式识别,从而对子节点的台区隶属关系进行判断。
本领域技术人员将认识到,对以上描述做出众多变通是可能的,所以实施例和附图仅是用来描述一个或多个特定实施方式。
尽管已经描述和叙述了被看作本发明的示范实施例,本领域技术人员将会明白,可以对其做出各种改变和替换,而不会脱离本发明的精神。另外,可以做出许多修改以将特定情况适配到本发明的教义,而不会脱离在此描述的本发明中心概念。所以,本发明不受限于在此披露的特定实施例,但本发明可能还包括属于本发明范围的所有实施例及其等同物。
Claims (6)
1.一种基于OFDM宽带载波通信系统的台区识别方法,其特征在于,包括以下步骤:
S1、对OFDM宽带载波通信网络进行时间同步;
S2、在统一的采样时刻下,所述OFDM宽带载波通信网络的主节点对网络内的子节点进行电压特征值的采集与相似度分析;
S3、在统一的采样时刻下,所述OFDM宽带载波通信网络的主节点对网络内的子节点进行过零周期特征值的采集与相似度分析;
S4、在统一的采样时刻下,所述OFDM宽带载波通信网络的主节点对网络内的子节点进行信噪比特征值的采集与相似度分析;
S5、将采集到的所述电压特征值、过零周期特征值、信噪比特征值多维度信息进行深度学习模型的训练,建立台区识别的深度学习模型,根据所述深度学习模型对用电客户进行自动台区识别;
步骤S5中根据深度学习模型对用电客户进行自动台区识别的方法包括:所述OFDM宽带载波通信网络的主节点采用此模型对台区内的各个所述OFDM宽带载波通信网络的子节点进行模式识别,从而对所述子节点的台区隶属关系进行判断。
2.如权利要求1所述的基于OFDM宽带载波通信系统的台区识别方法,其特征在于,步骤S1采用信标帧的方式对OFDM宽带载波通信网络进行时间同步。
3.如权利要求2所述的基于OFDM宽带载波通信系统的台区识别方法,其特征在于,步骤S1对OFDM宽带载波通信网络进行时间同步的方法包括:
所述OFDM宽带载波通信网络的主节点将自身的时间信息添加到信标帧中,并在信标周期内的固定时隙进行发送;能够接收到主节点信标帧的所述OFDM宽带载波通信网络的子节点为一级子节点;一级子节点采用所述主节点信标帧的时间信息修改自身的时间,完成与所述主节点的时间同步;
在接下来的信标周期内,所述主节点安排部分一级节点在对应的信标时隙上发送信标帧,能够收到一级子节点信标帧的子节点为二级子节点;二级子节点采用信标帧的时间信息修改自身的时间,从而完成与主节点的时间同步;
以此类推,所述主节点用信标帧的方法完成全网所有所述子节点的时间同步。
4.如权利要求1所述的基于OFDM宽带载波通信系统的台区识别方法,其特征在于,步骤S2进行电压特征值的采集与相似度分析的步骤包括:
所述OFDM宽带载波通信网络的主节点对网络内的所有所述OFDM宽带载波通信网络的子节点广播发送电压特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到采集启动指令后,在约定的时刻启动并同时开始本轮电压特征值的采集,每隔几秒采集一个电压数据,每轮采集几十个电压特征值;
采集结束后,各个所述子节点将采集到的电压特征数据上报给所述主节点,所述主节点对采集到的电压特征值进行保存和初步分析;如果满足台区电压特征值的相似度要求,则停止采集并将采集的电压特征数据保存,否则将启动新一轮的电压特征值采集过程。
5.如权利要求1所述的基于OFDM宽带载波通信系统的台区识别方法,其特征在于,步骤S3进行过零周期特征值的采集与相似度分析的步骤包括:
所述OFDM宽带载波通信网络的主节点对网络内的所有所述OFDM宽带载波通信网络的子节点广播发送过零周期特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动并同时开始本轮过零周期特征值的采集,每隔几秒采集一个过零周期数据,每轮采集几十个过零周期特征值;
采集结束后,各个所述子节点将采集到的过零周期特征数据上报给所述主节点,所述主节点对采集到的过零周期特征值进行保存和初步分析,如果满足台区过零周期特征值的相似度要求,则停止采集并将采集的过零周期特征数据保存,否则将启动新一轮的过零周期特征值采集过程。
6.如权利要求1所述的基于OFDM宽带载波通信系统的台区识别方法,其特征在于,步骤S4进行信噪比特征值的采集与相似度分析的步骤包括:
所述OFDM宽带载波通信网络的主节点对网络内的所有所述OFDM宽带载波通信网络的子节点广播发送信噪比特征值的一轮采集启动指令以及本轮采集的起止时刻,网络内的子节点在收到这条指令后,在约定的时刻启动并同时开始本轮信噪比特征值的采集,每隔几秒采集一个信噪比数据,每轮采集几十个信噪比特征值;
采集结束后,各个所述子节点将采集到的信噪比特征数据上报给所述主节点,所述主节点对采集到的信噪比特征值进行保存和初步分析,如果满足台区信噪比特征值的相似度要求,则停止采集并将采集的信噪比特征数据保存,否则将启动新一轮的信噪比特征值采集过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294971.3A CN112565144B (zh) | 2020-11-18 | 2020-11-18 | 一种基于ofdm宽带载波通信系统的台区识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294971.3A CN112565144B (zh) | 2020-11-18 | 2020-11-18 | 一种基于ofdm宽带载波通信系统的台区识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112565144A CN112565144A (zh) | 2021-03-26 |
CN112565144B true CN112565144B (zh) | 2022-11-29 |
Family
ID=75044056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011294971.3A Active CN112565144B (zh) | 2020-11-18 | 2020-11-18 | 一种基于ofdm宽带载波通信系统的台区识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112565144B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022241789A1 (zh) * | 2021-05-21 | 2022-11-24 | 华为技术有限公司 | 信号处理方法和装置 |
CN113315546B (zh) * | 2021-05-24 | 2022-05-20 | 国网浙江省电力有限公司营销服务中心 | 一种基于hplc载波的低压台区采集系统的对时方法 |
CN113341253A (zh) * | 2021-06-03 | 2021-09-03 | 北京博纳电气股份有限公司 | 一种用于智能电表的无扰台区识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507521A (zh) * | 2020-04-15 | 2020-08-07 | 北京智芯微电子科技有限公司 | 台区电力负荷预测方法及预测装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10833912B2 (en) * | 2012-12-05 | 2020-11-10 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
CN108683437B (zh) * | 2018-05-17 | 2021-06-22 | 杭州海兴电力科技股份有限公司 | 基于宽带载波的台区识别方法 |
CN108710060A (zh) * | 2018-06-11 | 2018-10-26 | 南京南瑞微电子技术有限公司 | 一种台区识别方法及装置 |
CN109360400A (zh) * | 2018-12-06 | 2019-02-19 | 青岛东软载波科技股份有限公司 | 一种新增表计自下而上即装即采的抄表系统 |
CN109525338A (zh) * | 2018-12-30 | 2019-03-26 | 国网北京市电力公司 | 网络节点识别方法及装置 |
CN109816033A (zh) * | 2019-01-31 | 2019-05-28 | 清华四川能源互联网研究院 | 一种基于优化的监督学习进行台区用户识别的方法 |
CN109871622A (zh) * | 2019-02-25 | 2019-06-11 | 燕山大学 | 一种基于深度学习的低压台区线损计算方法及系统 |
CN110110759B (zh) * | 2019-04-15 | 2023-07-11 | 东南大学 | 基于多维度信息识别的电网电气信息指向方法及系统 |
CN110113812B (zh) * | 2019-05-27 | 2021-06-25 | 深圳智微电子科技有限公司 | 一种基于td-lte的无线通信全网络同步方法 |
CN110633744B (zh) * | 2019-09-09 | 2022-04-19 | 珠海中慧微电子有限公司 | 一种智能电表的台区识别方法 |
-
2020
- 2020-11-18 CN CN202011294971.3A patent/CN112565144B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507521A (zh) * | 2020-04-15 | 2020-08-07 | 北京智芯微电子科技有限公司 | 台区电力负荷预测方法及预测装置 |
Non-Patent Citations (1)
Title |
---|
李国昌 ; ."基于过零时刻与SNR算法的电能表台区识别方法研究与应用".《电测与仪表》.2019, * |
Also Published As
Publication number | Publication date |
---|---|
CN112565144A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112565144B (zh) | 一种基于ofdm宽带载波通信系统的台区识别方法 | |
CN103675600B (zh) | 基于拓扑知识的配电网故障诊断系统及方法 | |
CN108520624B (zh) | 一种低压智能采集成套装置及低压采集的双通道采集方法 | |
CN104156835B (zh) | 一种大电网广域分布式一体化拓扑分析方法 | |
CN108767851B (zh) | 一种变电站运维智能作业指挥方法及系统 | |
CN105809260A (zh) | 一种调度自动化系统监控信息点表智能生成方法 | |
CN110739774B (zh) | 低压配电网的物联网系统 | |
CN109635127A (zh) | 一种基于大数据技术的电力设备画像知识图谱构建方法 | |
CN102904343B (zh) | 基于分布式多智能体的状态监测系统及方法 | |
CN112086965B (zh) | 一种低压配电网拓扑识别方法及装置 | |
CN110992210B (zh) | 一种动态智能抄表方法及系统 | |
CN106814286B (zh) | 基于多元故障采集的配电网故障定位系统、方法及服务器 | |
CN103151840A (zh) | 一种iec61850系统与非iec61850系统的通信方法和装置 | |
CN112615428A (zh) | 一种线损分析治理系统及方法 | |
CN111092487B (zh) | 宽带载波在智能电能表非计量功能上应用的方法 | |
CN205901443U (zh) | 低压台区物理拓扑在线生成和实时监测系统 | |
CN105205039A (zh) | 一种可定制的scd文件校验方法 | |
CN112134354B (zh) | 一种基于hplc通信的营配数据融合方法 | |
CN103093396A (zh) | 评估电网节点可靠性的方法和系统 | |
CN102760194B (zh) | 变电站模型与调度主站cim模型的合并方法与系统 | |
CN109271350A (zh) | 一种基于远动通信的数据库及信息点表自动比对及同步方法 | |
CN102880988A (zh) | 基于拓扑比较的变电站模型导入方法及装置 | |
US11841387B2 (en) | Cloud-end collaborative system and method for load identification | |
CN116203351A (zh) | 线路阻抗异常的检测方法及系统 | |
CN115345093A (zh) | 基于scd模型的智能变电站二次设备回路信息关联映射方法 |
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 |