CN113702765A - 一种电网故障诊断智能系统 - Google Patents

一种电网故障诊断智能系统 Download PDF

Info

Publication number
CN113702765A
CN113702765A CN202111007395.4A CN202111007395A CN113702765A CN 113702765 A CN113702765 A CN 113702765A CN 202111007395 A CN202111007395 A CN 202111007395A CN 113702765 A CN113702765 A CN 113702765A
Authority
CN
China
Prior art keywords
data
fault
network
module
power
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.)
Pending
Application number
CN202111007395.4A
Other languages
English (en)
Inventor
袁炜
朱虹
刘国庆
张宝
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.)
Huainan Normal University
Original Assignee
Huainan Normal University
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 Huainan Normal University filed Critical Huainan Normal University
Priority to CN202111007395.4A priority Critical patent/CN113702765A/zh
Publication of CN113702765A publication Critical patent/CN113702765A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种电网故障诊断智能系统,该系统包括数据采集模块、局部网络通信模块、核心决策模块，数据采集模块负责收集电力网络中相关器件以及环境数据，同时依据不同的数据属性将数据划分到相应的数据集中，为后继工作提供基础，采集的数据是电压和电流数据，局部网络通信模块负责将接收到的各种形式的故障数据，通过报文传递给控制基站核心决策模块，传递过程中需要数据压缩技术，核心决策模块是整个电网故障检测系统的数据处理中心，其使用自感应主元素分析方法，对接收到的网络运行数据进行分析和去噪处理，进而获取完整、有效的网络通信数据，实现对网络故障的准确检测和预警。

Description

一种电网故障诊断智能系统
技术领域
发明涉及电网诊断领域,尤其涉及一种电网故障诊断智能系统。
背景技术
电力网络是以互联网为基础，通过各种电力传输设备连接起来，用于传输电量的网络。电力网络对电量传输过程中的安全性与稳定性具有较高的要求。电网系统的稳定运行对人们的生产和生活具有重要的意义。随着电力技术的长足发展，产生了较多的问题和隐患。当电力系统出现故障时，如果不能准确的检测相应的故障，就不能确保将电能安全及时的输送给用户。提高电力网络故障检测的有效率，保证电力系统的安全性和通畅性成为当前学者研究的重点问题。
当前的智能化电网故障诊断系统大都依据采集的故障信号完成相应的系统分析和报警功能，当前采用的故障专家诊断系统，大都依据平稳、完整的故障信号完成对故障信息的提取和检测，但是电网系统同其他系统不同，其内部和外界干扰因素具有时变性、微小性，电网中信号强度会产生随机波动，降低了电网系统对混淆电网故障的分离能力以及对微小故障信号的分辨能力。因此，当前急需研发新一代的电力网络故障诊断专家系统。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种电网故障诊断智能系统。
本发明所采用的技术方案是，该系统包括数据采集模块、局部网络通信模块、核心决策模块。
所述数据采集模块负责收集电力网络中相关器件以及环境数据，同时依据不同的数据属性将数据划分到相应的数据集中，为后继工作提供基础，采集的数据是电压和电流数据。
所述局部网络通信模块负责将接收到的各种形式的故障数据，通过报文或者其他的方式，传递给控制基站核心决策模块，传递过程中需要数据压缩技术。
所述核心决策模块是整个电网故障检测系统的数据处理中心，其使用自感应主元素分析方法，对接收到的网络运行数据进行分析和去噪处理，进而获取完整、有效的网络通信数据，实现对网络故障的准确检测和预警。
本发明中，所述数据采集模块，电网故障检测系统使用电流、电压自感应传感器采集相应的网络传输数据，将数据采集传感器分布于电力网络中的关键位置，用于采集相关范围的电流、电压信息，在电力传输路径上，分布能够收集网络通信数据的自感应传感器，电力网络中的电流自感应传感器，通过电网中的压力线与硬件相连接，在电力网络中的电杆中安置一个电流、电压自感应传感器，该传感器能够采集电力网络中的电流、电压、电阻信息。
本发明中，所述局部网络通信模块，系统依据GPRS技术完成各个局部网络与总体网络之间长距离的通信传递，通过串口技术完成短距离的外部通信，局部网络通信模块包括用于收集数据的传感器节点以及联网通信模块。
本发明中，所述核心处理模块采用微处理器SEP3203完成系统报警功能，系统以SEP3203作为核心报警模块的核心微处理器，使用RS232/485串口、USB接口以及RJ45以太网口等连接各局部网络通信信号，串行通信模块使用Nor Flash以及Sdram分别记录，SEP3203的启动方式以及相关的程序代码，模块中的JTAG接口用来调控相应的输出数据，该模块用于最后的系统报警灯功能。
本发明中，所述自感应主元的软件设计方法，完成系统故障检测，该算法将故障数据报按照不同的数据特征，划分成故障数据、反馈参数以及历史记录三种类型，进而进行相应的分析，通常情况下电力网络中设备的运行情况是正常的，形成的电流、电压较平稳，网络数据通信较为顺畅，自感应主元算法通过前馈以及反馈网络结构模型，过滤相应节点的干扰因素，提取有效的节点属性特征，确保电力故障检测网络的有效性。
本发明中，所述自感应主元算法在已知k-1故障信息属性的条件下，通过自适应调节前馈和反馈加权系数，获取第k个故障信息属性，从而过滤了干扰因素，及时提取有价值的故障信息属性，完成对电力故障的准确检测。
本发明中，所述自感应主元算法，设G(q)＝[g1(q)，g2(q)，…,gp(q)]R，Uk(q)＝[uk1(q)，uk2(q)，…,ukp(q)]R，k<p，Bk(q)＝[bk1(q)，bk2(q)，…,bk-1(q)]R，k<p，Fk-1(q)＝[f1(q)，f2(q)，…,fk-1(q)]R，k<p，
则有：fk(q)＝uRk(q)G(q)+bRk(q)Fk-1(q)，k<p
其中，G(q)表示输入的网络故障信号，指电力网络中电流、电压等故障信号。Uk(q)以及bk(q)分别描述第k个故障信号的前馈权值矢量以及反馈权值矢量；fk-1(q)以及fk(q)分别描述第k个故障信号的反馈信号以及输出信号，如果网络输入电力故障信号G(q)具有稳定定性、随机性，则将相关矩阵S＝H[G(q)GR(q)]按照属性值的大小，从大到小排列，得到θ1＞θ2＞…θk-1＞θk＞…＞θp，此时，如果网络中其它的故障信号1，2，…，k-1都较为稳定，未发生明显的波动，则第k个故障信号的前馈权值矢量为：
uv(∞)＝vc，bc(∞)＝0，c＝1,2，…，k-1，
其中vc表示相关矩阵第c个属性值对应的属性矢量。最终得到第k个故障信号的反馈信号为：Fk-1(q)＝[vR1G(q)，vR2G(q)，…，vRk-1G(q)]＝VG(q)其中，V表示(k-1)×p阶矩阵，由相关矩阵s的k-1个最大属性值对应的属性矢量构成，则有：
V＝[v1，v2，…，vk-1]R，
最终能够获取第k个故障信号的前馈权值矢量uk(q)和反馈权值矢量bk(q)的优化值是：uk(q+1)＝uk(q)+μ1[fk(q)G(q)-f2k(q)uk(q)]，
bk(q+1)＝bk(q)-μ2[fk(q)Fk-1(q)+f2k(q)bk(q)]，
其中，μ1、μ2表示学习率,通过以上运算，过滤相关干扰因素，提取优化的故障信号，进而为电力网络故障检测提供准确、完整的故障信号，完成对电力网络故障的有效检测。
本发明提出的电网故障检测系统，通过底层传感设备感应采集电力网络中的电流、电压的异常信息，在已知次层故障信息属性的条件下，通过自适应调节前馈和反馈加权系数，可以获取高层故障信息属性，从而过滤了干扰因素，及时提取有价值的故障信息属性，系统诊断定位能力故障信号的分离能力和细小信号的辨识能力得到提高，实时性也满足要求。
附图说明
图1为本发明的电网故障检测系统结构图；
图2为本发明的软件故障检测的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,一种电网故障诊断智能系统，该系统包括数据采集模块、局部网络通信模块、核心决策模块。
数据采集模块负责收集电力网络中相关器件以及环境数据，同时依据不同的数据属性将数据划分到相应的数据集中，为后继工作提供基础，采集的数据是电压和电流数据。
局部网络通信模块负责将接收到的各种形式的故障数据，通过报文或者其他的方式，传递给控制基站核心决策模块，传递过程中需要数据压缩技术。
核心决策模块是整个电网故障检测系统的数据处理中心，其使用自感应主元素分析方法，对接收到的网络运行数据进行分析和去噪处理，进而获取完整、有效的网络通信数据，实现对网络故障的准确检测和预警。
本发明中，所述数据采集模块，电网故障检测系统使用电流、电压自感应传感器采集相应的网络传输数据，将数据采集传感器分布于电力网络中的关键位置，用于采集相关范围的电流、电压信息，在电力传输路径上，分布能够收集网络通信数据的自感应传感器，电力网络中的电流自感应传感器，通过电网中的压力线与硬件相连接，在电力网络中的电杆中安置一个电流、电压自感应传感器，该传感器能够采集电力网络中的电流、电压、电阻信息。
本发明中，所述局部网络通信模块，系统依据GPRS技术完成各个局部网络与总体网络之间长距离的通信传递，通过串口技术完成短距离的外部通信，局部网络通信模块主要包括用于收集数据的传感器节点以及联网通信模块。
本发明中，对于故障信号的准确报警，是整个系统设计的关键，对于前期采集的信号，核心处理模块采用微处理器SEP3203完成系统报警功能，系统以SEP3203作为核心报警模块的核心微处理器，使用RS232/485串口、USB接口以及RJ45以太网口等连接各局部网络通信信号，串行通信模块使用Nor Flash以及Sdram分别记录，SEP3203的启动方式以及相关的程序代码，模块中的JTAG接口用来调控相应的输出数据，该模块主要用于最后的系统报警灯功能。
该系统启动时，首先进行初始化，该过程包括给各个变量赋初值和初始化中断等。系统主程序主要实现控制算法编程，协调器、路由器、控制节点相关程序由C语言编程，主要是ZigBee协议的移植，实现控制命令的发送、接收和执行。监测节点采集室内温度数据，并将这些数据发送给协调器，协调器再发送给控制中心，然后与设定值进行比较，若超出阈值，给出相应的控制信号，控制信号经协调器、路由器，传送给控制节点，驱动相关控制没备，从而实现对室内温度的自动控制。
本发明中，自感应主元的软件设计方法，完成系统故障检测，该算法将故障数据报按照不同的数据特征，划分成故障数据、反馈参数以及历史记录三种类型，进而进行相应的分析，通常情况下电力网络中设备的运行情况是正常的，形成的电流、电压较平稳，网络数据通信较为顺畅，但随着电网设备工作时间的增加，会出现磨损、老化、传感器位置偏移等问题。这些问题会产生相应的干扰因素，导致网络电流、电压出现显著的波动，这也是传统专家诊断系统中存在的弊端，自感应主元算法通过前馈以及反馈网络结构模型，过滤相应节点的干扰因素，提取有效的节点属性特征，确保电力故障检测网络的有效性。
本发明中，自感应主元算法在已知k-1故障信息属性的条件下，通过自适应调节前馈和反馈加权系数，可以获取第k个故障信息属性，从而过滤了干扰因素，及时提取有价值的故障信息属性，完成对电力故障的准确检测。
如图2所示，自感应主元算法，设G(q)＝[g1(q)，g2(q)，…,gp(q)]R，Uk(q)＝[uk1(q)，uk2(q)，…,ukp(q)]R，k<p，Bk(q)＝[bk1(q)，bk2(q)，…,bk-1(q)]R，k<p，Fk-1(q)＝[f1(q)，f2(q)，…,fk-1(q)]R，k<p，
则有：fk(q)＝uRk(q)G(q)+bRk(q)Fk-1(q)，k<p
其中，G(q)表示输入的网络故障信号，主要指电力网络中电流、电压等故障信号。Uk(q)以及bk(q)分别描述第k个故障信号的前馈权值矢量以及反馈权值矢量；fk-1(q)以及fk(q)分别描述第k个故障信号的反馈信号以及输出信号，如果网络输入电力故障信号G(q)具有稳定定性、随机性，则将相关矩阵S＝H[G(q)GR(q)]按照属性值的大小，从大到小排列，得到θ1＞θ2＞…θk-1＞θk＞…＞θp，此时，如果网络中其它的故障信号1，2，…，k-1都较为稳定，未发生明显的波动，则第k个故障信号的前馈权值矢量为：
uv(∞)＝vc，bc(∞)＝0，c＝1,2，…，k-1，
其中vc表示相关矩阵第c个属性值对应的属性矢量。最终得到第k个故障信号的反馈信号为：Fk-1(q)＝[vR1G(q)，vR2G(q)，…，vRk-1G(q)]＝VG(q)其中，V表示(k-1)×p阶矩阵，由相关矩阵s的k-1个最大属性值对应的属性矢量构成，则有：
V＝[v1，v2，…，vk-1]R，
最终能够获取第k个故障信号的前馈权值矢量uk(q)和反馈权值矢量bk(q)的优化值是：uk(q+1)＝uk(q)+μ1[fk(q)G(q)-f2k(q)uk(q)]，
bk(q+1)＝bk(q)-μ2[fk(q)Fk-1(q)+f2k(q)bk(q)]，
其中，μ1、μ2表示学习率,通过以上运算，过滤相关干扰因素，提取优化的故障信号，进而为电力网络故障检测提供准确、完整的故障信号，完成对电力网络故障的有效检测。
本发明提出的电网故障检测系统，通过底层传感设备感应采集电力网络中的电流、电压的异常信息，在已知次层故障信息属性的条件下，通过自适应调节前馈和反馈加权系数，可以获取高层故障信息属性，从而过滤了干扰因素，及时提取有价值的故障信息属性。系统的实际测试表明，诊断定位能力故障信号的分离能力和细小信号的辨识能力得到提高，实时性也满足要求。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。

Claims (7)

1.一种电网故障诊断智能系统，其特征在于,该系统包括数据采集模块、局部网络通信模块、核心决策模块；
所述数据采集模块负责收集电力网络中相关器件以及环境数据，同时依据不同的数据属性将数据划分到相应的数据集中，为后继工作提供基础，采集的数据是电压和电流数据；
所述局部网络通信模块负责将接收到的各种形式的故障数据，通过报文，传递给控制基站核心决策模块，传递过程中需要数据压缩技术；
所述核心决策模块是整个电网故障检测系统的数据处理中心，其使用自感应主元素分析方法，对接收到的网络运行数据进行分析和去噪处理，获取完整、有效的网络通信数据，实现对网络故障的准确检测和预警。
2.如权利要求1所述的一种电网故障诊断智能系统，其特征在于，所述数据采集模块，电网故障检测系统使用电流、电压自感应传感器采集相应的网络传输数据，将数据采集传感器分布于电力网络中的关键位置，用于采集相关范围的电流、电压信息，在电力传输路径上，分布能够收集网络通信数据的自感应传感器，电力网络中的电流自感应传感器，通过电网中的压力线与硬件相连接，在电力网络中的电杆中安置一个电流、电压自感应传感器，该传感器能够采集电力网络中的电流、电压、电阻信息。
3.如权利要求1所述的一种电网故障诊断智能系统，其特征在于，所述局部网络通信模块，系统依据GPRS技术完成各个局部网络与总体网络之间长距离的通信传递，通过串口技术完成短距离的外部通信，局部网络通信模块包括用于收集数据的传感器节点以及联网通信模块。
4.如权利要求3所述的一种电网故障诊断智能系统，其特征在于，所述核心处理模块采用微处理器SEP3203完成系统报警功能，系统以SEP3203作为核心报警模块的核心微处理器，使用RS232/485串口、USB接口以及RJ45以太网口连接各局部网络通信信号，串行通信模块使用Nor Flash以及Sdram分别记录，SEP3203的启动方式以及相关的程序代码，模块中的JTAG接口用来调控相应的输出数据，该模块用于最后的系统报警灯功能。
5.如权利要求1所述的一种电网故障诊断智能系统，特征在于，所述自感应主元素分析方法，完成系统故障检测，该算法将故障数据报按照不同的数据特征，划分成故障数据、反馈参数以及历史记录三种类型，进行分析，电力网络中设备的运行情况是正常的，形成的电流、电压较平稳，网络数据通信顺畅。
6.如权利要求5所述的一种电网故障诊断智能系统，特征在于，所述自感应主元素分析方法在已知k-1故障信息属性的条件下，通过自适应调节前馈和反馈加权系数，获取第k个故障信息属性，从而过滤干扰因素，及时提取有价值的故障信息属性，完成对电力故障的准确检测。
7.如权利要求6所述的一种电网故障诊断智能系统，特征在于，所述自感应主元素分析方法，设G(q)＝[g1(q)，g2(q)，…,gp(q)]R，Uk(q)＝[uk1(q)，uk2(q)，…,ukp(q)]R，k<p，Bk(q)＝[bk1(q)，bk2(q)，…,bk-1(q)]R，k<p，Fk-1(q)＝[f1(q)，f2(q)，…,fk-1(q)]R，k<p，
则有：fk(q)＝uRk(q)G(q)+bRk(q)Fk-1(q)，k<p
其中，G(q)表示输入的网络故障信号，指电力网络中电流、电压故障信号，Uk(q)以及bk(q)分别描述第k个故障信号的前馈权值矢量以及反馈权值矢量；fk-1(q)以及fk(q)分别描述第k个故障信号的反馈信号以及输出信号，如果网络输入电力故障信号G(q)具有稳定定性、随机性，则将矩阵S＝H[G(q)GR(q)]按照属性值的大小，从大到小排列，得到θ1＞θ2＞…θk-1＞θk＞…＞θp，此时，如果网络中其它的故障信号1，2，…，k-1都较为稳定，未发生明显的波动，则第k个故障信号的前馈权值矢量为：
uv(∞)＝vc，bc(∞)＝0，c＝1,2，…，k-1，
其中vc表示相关矩阵第c个属性值对应的属性矢量，最终得到第k个故障信号的反馈信号为：Fk-1(q)＝[vR1G(q)，vR2G(q)，…，vRk-1G(q)]＝VG(q)其中，V表示(k-1)×p阶矩阵，由相关矩阵s的k-1个最大属性值对应的属性矢量构成，则有：
V＝[v1，v2，…，vk-1]R，
最终获取第k个故障信号的前馈权值矢量uk(q)和反馈权值矢量bk(q)的优化值是：uk(q+1)＝uk(q)+μ1[fk(q)G(q)-f2k(q)uk(q)]，
bk(q+1)＝bk(q)-μ2[fk(q)Fk-1(q)+f2k(q)bk(q)]，
其中，μ1、μ2表示学习率,通过运算，过滤干扰因素，提取优化的故障信号。
CN202111007395.4A 2021-08-30 2021-08-30 一种电网故障诊断智能系统 Pending CN113702765A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111007395.4A CN113702765A (zh) 2021-08-30 2021-08-30 一种电网故障诊断智能系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111007395.4A CN113702765A (zh) 2021-08-30 2021-08-30 一种电网故障诊断智能系统

Publications (1)

Publication Number Publication Date
CN113702765A true CN113702765A (zh) 2021-11-26

Family

ID=78657081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111007395.4A Pending CN113702765A (zh) 2021-08-30 2021-08-30 一种电网故障诊断智能系统

Country Status (1)

Country Link
CN (1) CN113702765A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074184A (zh) * 2023-03-21 2023-05-05 云南莱瑞科技有限公司 一种电力调度中心网络故障预警系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074184A (zh) * 2023-03-21 2023-05-05 云南莱瑞科技有限公司 一种电力调度中心网络故障预警系统
CN116074184B (zh) * 2023-03-21 2023-06-27 云南莱瑞科技有限公司 一种电力调度中心网络故障预警系统

Similar Documents

Publication Publication Date Title
CN111596604B (zh) 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法
CN101533058B (zh) 一种电力异常故障数据分析装置及诊断方法
CN110650084A (zh) 一种工业物联网智能网关、联网系统及数据处理方法
CN102340811B (zh) 无线传感器网络故障诊断方法
CN109213121B (zh) 一种风机制动系统卡缸故障诊断方法
CN110350528A (zh) 一种低压台区拓扑自动辨识方法
CN105424395A (zh) 设备故障的确定方法和装置
CN106912067B (zh) 一种基于模糊神经网络的wsn无线通信模块故障诊断方法
CN110243595B (zh) 一种基于LabVIEW的远程齿轮箱故障监测系统
CN113036759B (zh) 一种电力用户负荷细粒度识别方法及识别系统
CN110503977A (zh) 一种变电站设备音频信号采集分析系统
CN113702765A (zh) 一种电网故障诊断智能系统
CN103957551B (zh) 自动气象站中通信状态实时监控方法
CN117406026A (zh) 一种适用于分布式电源的配电网故障检测方法
CN113418229A (zh) 一种基于卷积-自编码神经网络的供暖管控阀门智能调控系统
CN110968070A (zh) 一种ecu故障智能诊断系统
CN116778272A (zh) 基于多通道信息融合的水电机组小样本工况辨识方法
CN116720854B (zh) 基于智慧巡检的设备协调控制方法及系统
CN110823291A (zh) 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统
CN113361454A (zh) 一种基于非监督优化的深度学习非侵入式负荷监测方法
CN107765618A (zh) 基于物联网的污水监控系统及其监控方法
CN106527169B (zh) 基于蓝牙的智能家居控制系统
CN117782198A (zh) 一种基于云边端架构的公路机电设备运行监测方法及系统
CN112099438B (zh) 一种基于电流信号的机床节能控制方法及装置
CN115327942A (zh) 一种环境智能监测系统

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