CN113376562B - 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 - Google Patents
基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 Download PDFInfo
- Publication number
- CN113376562B CN113376562B CN202110635214.6A CN202110635214A CN113376562B CN 113376562 B CN113376562 B CN 113376562B CN 202110635214 A CN202110635214 A CN 202110635214A CN 113376562 B CN113376562 B CN 113376562B
- Authority
- CN
- China
- Prior art keywords
- cvt
- time window
- clustering
- rolling time
- data
- 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
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明提供了一种基于滚动时窗—FCM聚类的CVT校验方法、设备及介质,包括S1:获取正常运行的CVT以及待校验的CVT二次侧计量数据;S2:通过FCM聚类算法对得到的电压数据进行分析处理,计算各滚动时窗的聚类中心距离;S3:计算正常运行的CVT各视窗聚类中心距离的平均值;S4:根据聚类中心距离及平均值计算获取标准比;S5:将所得标准比与设定的标准比阈值进行比较,输出待校验CVT的误差校验结果。本发明利用滚动时窗—FCM聚类联合算法,在不断电情况下,通过对CVT二次侧计量数据进行聚类分析来识别CVT本身的误差范围等级,锁定需要停电检查的传感器位置,减少停电检测的工作量。
Description
技术领域
本发明涉及电力系统设备校验技术领域,特别涉及一种基于滚动时窗—FCM聚类的CVT校验方法、设备及介质。
背景技术
CVT,即电容式电压互感器是由串联电容器分压,再经电磁式互感器降压和隔离,作为表计、继电保护等的一种电压互感器,电容式电压互感器还可以将载波频率耦合到输电线用于长途通信、远方测量、选择性的线路高频保护、遥控、电传打字等。与常规的电磁式电压互感器相比,CVT可防止因电压互感器铁芯饱和引起铁磁谐振且在经济和安全上具有较大优势。
传统的CVT校验方法需要在停电情况下进行,即采用标准互感器与被评估的互感器进行误差比对,由于输变电线路覆盖广泛,对所有CVT逐一进行“停电—检测—恢复供电”的检测方式具有流程繁琐、工作量大、效率低的不足之处,难以满足电力系统监测的实际需要。
对于该问题,一些现有技术通过实现CVT在线监测避免停电进行检测的流程,例如公开号为CN112327236A的专利文件,一种在线监测电容式电压互感器的方法及相关设备,通过获取所述电容式电压互感器的中间变压器二次侧的测量电压,测量所述电容式电压互感器的接地电流,根据所述测量电压和所述接地电流,监控所述电容式电压互感器的故障类型,该方式虽然能够实现CVT在线监测,但是需要配置专门的检测装置,且对于大范围互感器的检测来说效率不高,无法适用于互感器较多且配置使用较广的情况下使用。
发明内容
本发明提供了一种基于滚动时窗—FCM聚类的CVT校验方法、设备及介质,该方法利用滚动时窗—FCM聚类联合算法,通过滚动时窗实现二次电压数据的采样获取,进而利用FCM聚类算法别对正常运行CVT以及待校验CVT采样得到的二次电压数据进行FCM聚类,最终通过计算得到的各时窗聚类中心标准比,判断CVT是否出现异常误差,即在不断电情况下,通过对CVT二次侧计量数据进行聚类分析来识别CVT本身的误差范围等级,以尽快锁定需要停电检查的传感器位置,从而减少停电检测的工作量。
本发明提供了一种基于滚动时窗—FCM聚类的CVT校验方法,具体方案如下:
S1:获取CVT二次侧计量数据,对正常运行的CVT以及待校验的CVT分别进行采样获取二次电压数据;
S2:将得到的数据通过FCM聚类算法进行分析处理,计算各滚动时窗的聚类中心距离;
S3:通过正常运行的CVT对应的二次电压数据得到的所述聚类中心距离,计算各视窗聚类中心距离的平均值;
S4:根据正常运行CVT数据经分析处理得到的聚类中心距离平均值以及待校验的CVT经分析处理得到的聚类中心距离,计算获取标准比;
S5:将该待校验CVT对应的标准比与设定的标准比阈值进行比较,输出待校验CVT的误差校验结果。
进一步的,步骤S1中,通过滚动时窗算法获取数据集,具体过程如下:
S101:根据预设的采样频率获取正常运行的CVT/待校验的CVT二次电压数据d;
S102:设定滚动时窗的长度Lw、滚动时窗步长LB和指针位置Z,所述指针位置Z为所要采样数据对应的时间戳节点;
S103:根据设定的滚动时窗参数以及获得的二次电压数据d,获取当下指针位置对应滚动时窗的电压序列数据集合;
S104:根据设定的所述滚动时窗步长LB,不断更新指针位置获取下一个滚动时窗的电压序列数据集合。
进一步的,获取正常运行的CVT以及获取待校验的CVT二次电压数据d时的采样频率相同。
进一步的,采集的所述二次电压数据d为三相电压数据。
进一步的,步骤S2中,将步骤S1中得到的正常运行的CVT以及待校验的CVT二次电压数据分别通过FCM聚类算法进行处理,具体过程如下:
S201:将得到的二次电压数据集合划分为若干模糊组,并根据相似目标函数和约束条件进行聚类获得聚类中心,所述约束条件为:
其中,N为模糊组数量,ujn为二次电压数据隶属于模糊组的程度。
S202:经聚类处理后,计算各滚动时窗内聚类中心的距离,公式如下:
I=||c1-c2||2
其中,c1和c2表示选取的两个聚类中心。
进一步的,步骤S4中,所述标准比计算如下:
其中,I表示待校验的CVT二次电压数据经计算得到的聚类中心距离,Inom表示标准CVT二次电压数据的各滚动时窗聚类中心平均距离。
本发明提供了一种计算机设备,所述设备包括:
数据采集模块,用于根据设定的采样频率,采集上述CVT校验方法中所述的二次电压数据;
存储器,用于存储程序;
处理器,用于运行所述存储器中存储的所述程序以执行上述CVT校验方法中的数据分析处理流程。
本发明提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述所述的CVT校验方法。
本发明的有益效果如下:
1、通过滚动时窗法基于相同的采样频率获取正常运行CVT和待校验CVT的二次电压数据,根据时窗中的时间戳实时同步采集电压数据,将实时电压数据进行分段,在后续对数据进行分析处理时,保证对待校验CVT数据分析判断的结果与所述正常运行CVT数据分析判断结果是同一时刻采集的数据,且两种数据的处理与采集互补干扰,保证了校验的实时性和准确性。
2、通过FCM聚类算法对CVT进行计量误差范围辨识,将待校验的CVT与正常运行的CVT进行数据分析对比,基于传统的校验思想,实现在不断电的情况下,利用聚类分析识别判断CVT本身的误差状况,锁定出现异常的CVT,进而通过停电检查进行确认并采取应对措施,适用于大范围CVT使用的场景,大幅度减小停电检测工作量,同时大大提高了CVT的检测维护效率。
附图说明
图1是本发明的方法流程示意图;
图2是本发明滚动时窗数据采样示意图;
图3是本发明计算机设备结构示意图。
具体实施方式
在下面的描述中对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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。
实施例1
本发明的实施例1提供了一种基于滚动时窗—FCM聚类的CVT校验方法,如图1所示,该方法包括如下步骤:
首先利用滚动时窗的方式获取CVT二次侧计量数据,对正常运行的CVT以及待校验的CVT分别进行采样获取二次电压数据;
根据预设的采样频率获取正常运行的CVT/二次电压数据d,所述二次电压数据为三相电压数据,记为d=(vA,vB,vC,t),其中,t表示进行电压采样的时间,vA、vB及vC分别为该次采样所得到的三相电压数据;
设定滚动时窗的长度Lw、滚动时窗步长LB和指针位置Z,所述指针位置Z为所要采样数据对应的时间戳节点,结合图2所示,根据设定的滚动时窗参数以及获得的二次电压数据d,获取当下指针位置对应滚动时窗的电压序列数据集合,所述电压序列数据集合如下所示:
其中,Di为滚动时窗的电压序列数据集合,Zi为当前电压序列数据集合时窗中间时刻的当前指针位置,Lw为滚动时窗长度;
根据设定的所述滚动时窗步长LB,不断更新指针位置获取下一个滚动时窗的电压序列数据集合,所述更新方式即更新指针位置,得到下一个滚动时窗对应电压序列数据集合的中间指针位置:
Zi+1=Zi+LB
进而得到下一个滚动时窗内的电压序列,如下所示:
之后采用相同的采样频率,以及设定的滚动时窗的参数,对需要进行误差校验的CVT二次电压数据进行采样,获得对应的电压序列数据集合;
滚动时窗长度Lw根据后续进行FCM聚类所需要数据数量进行选取,滚动时窗步长LB可以根据对校验实时性的实际要求和数据处理能力进行设置,步长小则实时性越高同时对数据处理能力的要求也越高;为降低联合算法的计算成本,并与标准数据形成对比,每次只将滚动时窗内的数据,即CVT电压序列数据集合作为FCM聚类算法的输入数据。
之后将上述得到的正常运行的CVT以及待校验的CVT数据分别通过FCM聚类算法进行分析处理,计算各滚动时窗的聚类中心距离;
将得到的二次电压数据集合划分为N个模糊组,并根据相似目标函数和约束条件进行聚类获得聚类中心,所述约束条件为:
其中,N为模糊组数量,ujn为二次电压数据隶属于模糊组的程度,且ujn∈[0,1],ujn为1时说明电压dj完全隶属于模糊组n;
所述相似目标函数为:
其中,U为隶属度函数矩阵,Uuj1,uj2,...,ujn},m为隶属度因子,cn为模糊组n的聚类中心,||dj-cn||2为二次测量电压数据dj与模糊组n的聚类中心之间的距离;
根据所述约束条件,求取每个模糊组的聚类中心,使得非相似目标函数最小化,如下所示:
首先对CVT的二次电压数据求偏导:
本实施例中选取聚类中心的数量为2,经聚类处理后,计算两个聚类中心的距离,公式如下:
I=||c1-c2||2
其中,c1和c2表示选取的两个聚类中心。
对正常运行的CVT对应的二次电压数据得到的所述聚类中心距离,计算各时窗聚类中心距离的平均值,即将各时窗聚类中心求和取平均值得到Inom。
根据正常运行CVT数据经分析处理得到的平均值Inom以及待校验的CVT经分析处理得到的实时聚类中心距离I,计算获取标准比R,如下所示:
其中,I表示待校验的CVT二次电压数据经计算得到的聚类中心距离,Inom表示标准CVT二次电压数据的各滚动时窗聚类中心平均距离。
将该待校验CVT对应的标准比输出实时与设定的标准比阈值进行比较,输出待校验CVT的误差校验结果;
当标准比越接近1,说明该滚动时窗内的密度和正常运行时相差不多,没有出现异常误差;
当标准比明显大于1,则说明该滚动时窗内密度明显高于正常情况,可能出现异常误差,对于最终标准比超过阈值的CVT需要进行停电检测;本实施例中,基于CVT的0.5级准确级误差要求,所述标准比阈值设为1.1。
实施例2
本发明的实施例2提供了一种计算机设备,如图3所示,所述设备包括:
数据采集模块,用于根据设定的采样频率,采集上述实施例1中CVT校验方法中所述的二次电压数据;
存储器,用于存储程序;
处理器,用于运行所述存储器中存储的所述程序以执行上述实施例1中CVT校验方法中的数据分析处理流程;
本实施例中,所述设备还设有显示屏和报警指示模块,以处理器为核心,分别连接所述数据采集模块、存储器、显示屏以及报警指示模块,系统设备启动并进行初始化后,通过所述数据采集模块获取电力系统中正常运行CVT以及待校验CVT的二次侧计量数据,所述处理器调用所述存储器中存储的算法对采集的数据进行分析处理,并将结果传输至显示屏中,实时输出显示当下的检测结果,当检测的CVT出现异常时,所述报警指示模块发出报警信号,提示工作人员进行停电检测处理。
实施例3
本发明的实施例3提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述实施例1所述的CVT校验方法。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (6)
1.一种基于滚动时窗—FCM聚类的CVT校验方法,其特征在于,所述方法包括如下步骤:
S1:获取CVT二次侧计量数据,对正常运行的CVT以及待校验的CVT分别进行采样获取二次电压数据;
S2:将得到的数据通过FCM聚类算法进行分析处理,计算各滚动时窗的聚类中心距离;
具体过程如下:
S201:将得到的二次电压数据集合划分为若干模糊组,并根据相似目标函数和约束条件进行聚类获得聚类中心,所述约束条件为:
其中,N为模糊组数量,ujn为二次电压数据隶属于模糊组的程度;
S202:经聚类处理后,计算各滚动时窗内聚类中心的距离,公式如下:
I=||c1-c2||2
其中,c1和c2表示选取的两个聚类中心;
S3:通过正常运行的CVT对应的二次电压数据得到的所述聚类中心距离,计算各时窗聚类中心距离的平均值;
S4:根据正常运行CVT数据经分析处理得到的聚类中心距离平均值以及待校验的CVT经分析处理得到的聚类中心距离,计算获取标准比;
所述标准比计算如下:
其中,I表示待校验的CVT二次电压数据经计算得到的聚类中心距离,Inom表示标准CVT二次电压数据的各滚动时窗聚类中心平均距离;
S5:将该待校验CVT对应的标准比与设定的标准比阈值进行比较,输出待校验CVT的误差校验结果。
2.根据权利要求1所述的基于滚动时窗—FCM聚类的CVT校验方法,其特征在于,步骤S1中,通过滚动时窗算法获取数据集,具体过程如下:
S101:根据预设的采样频率获取正常运行的CVT/待校验的CVT二次电压数据d;
S102:设定滚动时窗的长度Lw、滚动时窗步长LB和指针位置Z,所述指针位置Z为所要采样数据对应的时间戳节点;
S103:根据设定的滚动时窗参数以及获得的二次电压数据d,获取当下指针位置对应滚动时窗的电压序列数据集合;
S104:根据设定的所述滚动时窗步长LB,不断更新指针位置获取下一个滚动时窗的电压序列数据集合。
3.根据权利要求2所述的基于滚动时窗—FCM聚类的CVT校验方法,其特征在于,获取正常运行的CVT以及获取待校验的CVT二次电压数据d时的采样频率相同。
4.根据权利要求3所述的基于滚动时窗—FCM聚类的CVT校验方法,其特征在于,采集的所述二次电压数据d为三相电压数据。
5.一种计算机设备,其特征在于,所述设备包括:
数据采集模块,用于根据设定的采样频率,采集权利要求1-4任一项所述的二次电压数据;
存储器,用于存储程序;
处理器,用于运行所述存储器中存储的所述程序以执行权利要求1-4任一项所述的方法。
6.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635214.6A CN113376562B (zh) | 2021-06-08 | 2021-06-08 | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635214.6A CN113376562B (zh) | 2021-06-08 | 2021-06-08 | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113376562A CN113376562A (zh) | 2021-09-10 |
CN113376562B true CN113376562B (zh) | 2022-08-09 |
Family
ID=77576296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110635214.6A Active CN113376562B (zh) | 2021-06-08 | 2021-06-08 | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376562B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115980647B (zh) * | 2022-11-02 | 2023-08-11 | 国网安徽省电力有限公司营销服务中心 | 一种基于群体信息的cvt异常状态识别方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592453A (zh) * | 2012-02-27 | 2012-07-18 | 东南大学 | 一种基于时间窗口的实时交通状况判别方法 |
CN112485743A (zh) * | 2020-11-10 | 2021-03-12 | 广东电网有限责任公司广州供电局 | 一种基于pmu数据的互感器偏差识别方法 |
CN112700082A (zh) * | 2020-11-26 | 2021-04-23 | 国网湖北省电力有限公司电力科学研究院 | 变电站关口计量大数据分析与在线监测系统和方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9292794B2 (en) * | 2013-08-15 | 2016-03-22 | International Business Machines Corporation | Voltage-based clustering to infer connectivity information in smart grids |
CN104330675B (zh) * | 2014-11-17 | 2017-02-22 | 国家电网公司 | 基于多元时间序列的变电设备在线监测分析系统及其方法 |
CN105512474B (zh) * | 2015-12-02 | 2017-12-12 | 国网山东省电力公司电力科学研究院 | 一种变压器状态监测数据的异常检测方法 |
CN105487034A (zh) * | 2016-01-25 | 2016-04-13 | 云南电网有限责任公司电力科学研究院 | 一种0.05级电子式互感器校验方法及系统 |
CN207164234U (zh) * | 2017-09-08 | 2018-03-30 | 国网重庆市电力公司电力科学研究院 | 一种互感器现场检验接线装置 |
CN107656154B (zh) * | 2017-09-18 | 2019-11-26 | 杭州安脉盛智能技术有限公司 | 基于改进模糊c均值聚类算法的变压器故障诊断方法 |
CN108734220A (zh) * | 2018-05-23 | 2018-11-02 | 山东师范大学 | 基于k线聚类和强化学习的自适应金融时间序列预测方法 |
CN109407031B (zh) * | 2018-10-09 | 2020-01-31 | 国网四川省电力公司电力科学研究院 | 基于时间序列分层聚类的电压互感器故障识别方法 |
US20200309829A1 (en) * | 2019-04-01 | 2020-10-01 | Dake He | On-line monitoring system for the performance of the measurement equipment in the entire power grid based on wide-area synchronous measurement |
CN110095744B (zh) * | 2019-04-04 | 2021-05-11 | 国网江苏省电力有限公司电力科学研究院 | 一种电子式互感器误差预测方法 |
CN110488218B (zh) * | 2019-08-26 | 2021-11-30 | 国网重庆市电力公司电力科学研究院 | 一种电能表运行状态评估方法和评估装置 |
CN111507579B (zh) * | 2020-03-26 | 2022-04-15 | 国网四川省电力公司电力科学研究院 | 一种基于聚类法的全类别电压互感器运行性能评估方法 |
CN111537939B (zh) * | 2020-04-17 | 2022-05-27 | 武汉格蓝若智能技术有限公司 | 一种基于多指标融合的电压互感器状态评估方法及装置 |
CN111929633A (zh) * | 2020-05-31 | 2020-11-13 | 宁夏隆基宁光仪表股份有限公司 | 一种基于融合蚁群算法的电能表检测系统及方法 |
CN112307078B (zh) * | 2020-09-29 | 2022-04-15 | 安徽工业大学 | 基于滑动窗口的数据流差分隐私直方图发布方法 |
CN112710930A (zh) * | 2020-12-16 | 2021-04-27 | 华中科技大学 | 一种电容式电压互感器内绝缘状态在线评价方法 |
CN114167314A (zh) * | 2021-10-12 | 2022-03-11 | 杭州柯林电气股份有限公司 | 变压器在线监测装置及故障检测方法 |
-
2021
- 2021-06-08 CN CN202110635214.6A patent/CN113376562B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592453A (zh) * | 2012-02-27 | 2012-07-18 | 东南大学 | 一种基于时间窗口的实时交通状况判别方法 |
CN112485743A (zh) * | 2020-11-10 | 2021-03-12 | 广东电网有限责任公司广州供电局 | 一种基于pmu数据的互感器偏差识别方法 |
CN112700082A (zh) * | 2020-11-26 | 2021-04-23 | 国网湖北省电力有限公司电力科学研究院 | 变电站关口计量大数据分析与在线监测系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113376562A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109444791B (zh) | 一种电容式电压互感器误差状态评估方法和系统 | |
CN111474510B (zh) | 一种非平稳输出的电压互感器的误差评估方法及系统 | |
CN111008363B (zh) | 多变量因果驱动的复杂机电系统服役安全态势评估方法 | |
US20180115561A1 (en) | Distributed Estimation and Detection of Anomalies in Control Systems | |
EP3575960B1 (en) | System upgrade assessment method based on system parameter correlation coefficients | |
CN116187593B (zh) | 一种配电网故障预测处理方法、装置、设备、存储介质 | |
CN107426019A (zh) | 网络故障确定方法、计算机设备及计算机可读存储介质 | |
CN113376562B (zh) | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 | |
CN113239132A (zh) | 一种电压互感器的超差在线辨识方法 | |
CN111624986A (zh) | 基于案例库的故障诊断方法和系统 | |
CN110001713A (zh) | 基于ahp的计轴磁头健康度检测及预警的方法及装置 | |
CN108844612A (zh) | 一种基于数理统计概率模型的变压器内部故障识别方法 | |
CN111551887A (zh) | 一种多维度识别电压互感器计量性能在线监测平台 | |
CN108845285B (zh) | 电能计量装置检测方法和系统 | |
de Andrade et al. | An outliers processing module based on artificial intelligence for substations metering system | |
CN116660703B (zh) | 基于数据分析的配网系统绝缘故障在线监测系统 | |
CN113189513A (zh) | 一种基于纹波的冗余电源均流状态识别方法 | |
CN117152925A (zh) | 基于大数据的电力通信数据处理系统 | |
CN116961226A (zh) | 一种变电站中变压器的监控方法和系统 | |
CN115775092B (zh) | 基于数字孪生技术的施工过程安全风险管控系统 | |
CN109901022B (zh) | 基于同步量测数据的配电网区域定位方法 | |
CN115081798A (zh) | 基于pls算法的板带热精轧过程分机架联合监控与诊断方法 | |
CN113267711B (zh) | 变电站高压电气设备绝缘状态在线监测系统及监测方法 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
CN109894476B (zh) | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 |
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 |