CN114257603B - 适用于组态化配电终端的时间同步方法、对时模块和终端 - Google Patents

适用于组态化配电终端的时间同步方法、对时模块和终端 Download PDF

Info

Publication number
CN114257603B
CN114257603B CN202111371487.0A CN202111371487A CN114257603B CN 114257603 B CN114257603 B CN 114257603B CN 202111371487 A CN202111371487 A CN 202111371487A CN 114257603 B CN114257603 B CN 114257603B
Authority
CN
China
Prior art keywords
time
module
power distribution
compensation coefficient
layer
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
Application number
CN202111371487.0A
Other languages
English (en)
Other versions
CN114257603A (zh
Inventor
邹航
蔡月明
刘明祥
周俊
王文轩
何钊睿
陈亚楼
杨涛
樊轶
刘遐龄
卢虹宇
周强
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.)
NARI Group Corp
NARI Nanjing Control System Co Ltd
Original Assignee
NARI Group Corp
NARI Nanjing Control System Co Ltd
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 NARI Group Corp, NARI Nanjing Control System Co Ltd filed Critical NARI Group Corp
Priority to CN202111371487.0A priority Critical patent/CN114257603B/zh
Publication of CN114257603A publication Critical patent/CN114257603A/zh
Application granted granted Critical
Publication of CN114257603B publication Critical patent/CN114257603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1095Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Synchronisation In Digital Transmission Systems (AREA)
  • Electric Clocks (AREA)

Abstract

本发明公开了适用于组态化配电终端的时间同步方法、对时模块和终端,接收并解析GPS信息,根据解析结果获取时间信息;获取特征值,所述特征值包括时间信息、温度补偿电路的温度补偿系数和过零补偿系数;基于特征值利用预先训练的模糊神经网络计算,得出时间补偿系数;利用时间补偿系数对所述终端的时间进行补偿。本发明对三种特征值的模糊神经网络训练结果,很好的补偿了组态化配电终端的对时,很大的提高了对时精准度,提高了对时的稳定性。

Description

适用于组态化配电终端的时间同步方法、对时模块和终端
技术领域
本发明属于终端时间同步技术领域,具体涉及适用于组态化配电终端的时间同步方法、对时模块和终端。
背景技术
当前的很多配电站所采用的集中式站所终端,体积相对比较大,采用同时采集数据的方式进行收集信息,因此并不存在采集数据的时间同步问题,但是这种采集方式的精度并不高,造成集中式站所终端无法完成高精度的采样,因此推广一种适应组态化配电终端,这种组态化的配电终端,其优点如下:
(1)组态化配电终端更能够满足灵活性的需求。
(2)终端体积大大减小,更具有美观性。
(3)组态化配电终端采样精度变高。
(4)组态化配电终端减少了成本。
(5)组态化配电终端同步电路的直流编码的准确性和可靠性使得同步变得精准。
但是在组态化配电终端的使用过程中,出现了一些对时方面的问题:
(1)传统的GPS对时方式虽然有比较高的精度和广域同步性,但长期的稳定性比较差,故障率比较高;
(2)采用的IEEE1588协议,虽然在很大程度提高了同步精度,但在通信网络中业务拥挤问题比较严重;
(3)晶振的不稳定性对同步对时的影响也很大;
(4)采用的传统对时编码方式对时可靠性差、精准性差和扩展性差。
发明内容
本发明旨在针对组态化配电终端对时存在的技术问题,提供适用于组态化配电终端的时间同步方法、对时模块和终端。
本发明采用以下技术方案。
一方面,本发明提供一种适应组态化配电终端时间同步方法,包括以下步骤:
接收并解析GPS报文信息,根据解析结果获取时间信息;
获取特征值,所述特征值包括时间信息、温度补偿电路的温度补偿系数和过零补偿系数;
基于特征值利用预先训练的模糊神经网络计算,得出时间补偿系数;
利用时间补偿系数对所述终端的时间进行补偿。
进一步地,所述模糊神经网络包括五层,其中第一层是模糊化层,所述模糊化层用于确定特征值对应于模糊子集的隶属度;第二层用于计算每个计算每条规则的激活强度,第三层为第n个神经元用于求第 n条规则的标准激活强度,第四层为解决模糊运算,第五层为模糊神经网络输出。
再进一步地,所述模糊神经网络包括五层,其中第一层是模糊化层,所述模糊化层用于确定特所述模糊神经网络的训练方法包括:
训练数据的输入包括选定时间段的时间信息、温度补偿系数和过零补偿系数,输出是对应的期望的时间补偿系数,训练所述模糊神经网络直至时间补偿系数在于预先设定的阈值之内。
第二方面,本发明提供一种适用于组态化配电终端的对时模块,其特征在于,包括电源模块、主控芯片、外部授时模块、可编程逻辑器件、温度补偿电路、过零补偿电路以及外部连接端子;
所述电源模块分别与主控芯片和可编程逻辑器件连接,用于给主控芯片和可编程逻辑器件供电;
所述温度补偿电路与可编程逻辑器件连接,用于根据周围环境进行温度补偿;
所述过零补偿电路与所述主控芯片连接,用于通过电压跟随器进行过零电平捕捉,进行过零校验补偿,得到过零补偿系数;
所述主控芯片用于接收并解析外部授时模块发送的报文信息,根据解析结果获取时间信息;获取特征值,所述特征值包括时间信息、温度补偿电路的温度补偿系数和过零补偿系数;基于特征值利用预先训练的模糊神经网络计算,得出时间补偿系数;利用时间补偿系数对所述终端的时间进行补偿,获得补偿后的时间信息;
所述主控芯片与所述可编程逻辑器件连接,用于将补偿后的时间信息发送到可编程逻辑器件;
所述可编程逻辑器件还与外部连接端子和外部授时模块连接,用于接收到外部授时模块的秒脉冲信号,通过内部逻辑门电路产生系统秒脉冲信息,可编辑逻辑器件接收补偿后的时间信息等待秒脉冲触发,秒生成IRIG-B编码对时。根据秒脉冲信息对IRIG-B码进行校准,通过外部连接端子输出校准后的IRIG-B码给其他板件对时。
通过将产生的IRIG-B码与1PPS进行同步处理,从而达到两者同步输出,满足高精度的时间基准。
进一步地,所述对时模块还包括逻辑电路,所述逻辑电路用于将外部授时电路产生的秒脉冲和对外部授时模块发送的GPS报文信息进行解析获得的信息通过外部连接端子输出。
第三方面,本发明提供了一种组态化配电终端,包括电源管理模块、主模块、对时模块、开入模块、开出模块和模拟输入模块,所述对时模块采用如以上技术方案任意一种可能的实施例提供的适用于组态化配电终端的对时模块。
本发明所取得的有益技术效果:
本发明种对三种特征值的模糊神经网络训练结果,很好的补偿了组态化配电终端的对时,很大的提高了对时精准度,提高了对时的稳定性;
本发明的适应组态化配电终端时间对时模块中可编程逻辑器件根据接收的补偿后的时间信息生成直流IRIG-B编码;接收到外部授时模块的秒脉冲信号,通过内部逻辑门电路产生系统秒脉冲信息,根据秒脉冲信息对IRIG-B码进行校准,使得组态化配电终端对时更准确和更可靠。
附图说明
图1配电站所内部示意图;
图2为具体实施例中组态化配电终端的对比模块组成示意图;
图3为具体实施例提供的时间同步方法的流程示意图;
图4为本发明的对时模块的流程图。
具体实施方式
现结合附图和实施例进一步阐述本发明的技术方案。
实施例1:如图1所示,是配电站所内部示意图,配电站所中的组态化配电终端也会给各个间隔单元进行同步对时。本实施例提出了一种适应组态化配电终端,该终端包括:电源管理模块、主模块、对时模块、开入模块、开出模块和模拟输入模块。
实施例2:如图2所示,本实施例提出了一种适应组态化配电终端的对比模块组成示意图,该模块包括:电源模块、主控芯片、外部授时模块、复杂可编程逻辑器件和高精度温补晶振(及温度补偿电路),和过零补偿电路。
本实施例的过零补偿电路与主控芯片连接,,主要是通过电压跟随器进行过零电平捕捉,进行过零校验补偿,得到过零补偿系数。
本实施例的外部授时模块输入的时间信息,数据传给主控模块进行处理,最后配合其它电路进行精准对时。
本实施例的高精度温补晶振与复杂可编程逻辑器件连接,用于根据周围环境和参比温度进行比较后,进行温度补偿,使得晶振稳定,确保了整个同步授时模块的精度,让组态化配电终端的时间准确。
本实施例的电源模块主要采用直流交流输入,通过整流滤波变换为5V和3.3V隔离直流,用于给主控单元和复杂可编程逻辑器件供电。
可选地,本实施例的主控芯片采用的ARM Cortex-M4内核的 GD32F450VE芯片作为主控芯片,包括了SPI、UART、I2C,实现了外部授时模块的报文解析,时间信息的采集处理,同时完成与复杂可编程逻辑器件之间的信息交互,用于执行适应组态化配电终端时间同步方法。
本实施例的复杂可编程逻辑器件用来生成直流IRIG-B编码和对直流IRIG-B编码进行校准,选择了LATTICE公司的CPLD芯片,型号为LC4256ZE,该芯片具有了足够的逻辑门来满足IRIG-B码的编码和精准校对,以及系统秒脉冲的生成。
本实施例的外部授时模块采用的是ATGM336H模块,用于给分别用于给主控芯片和复杂可编程逻辑器件提供时间信息、秒脉冲和定位信息;
可选地,所述对时模块还包括逻辑电路,所述逻辑电路用于将外部授时电路产生的秒脉冲和对外部授时模块发送的报文信息进行解析获得的信息通过外部连接端子输出。
本实施例的外部连接端子,用来将秒脉冲、NMEA0183协议标准解析的信息和IRIG-B码发送给给其他的板件。
所述电源模块、外部授时模块和复杂可编程逻辑器件与主控模块相连,高精度温补晶振与复杂可编程逻辑器件。
进一步的,所述复杂可编程逻辑器件内部有直流编码生成电路和校准电路,所述内部直流编码生成电路和校准电路通过IO口与主控电路相连。
进一步的,所述复杂可编程逻辑器件与外部连接端子相连,所述复杂可编程逻辑器件输出的IRIG-B码通过外部端子给其他板件对时。
实施例3:适用于组态化配电终端的时间同步方法,如图3所示是精准对时框图,首先初始化采集的晶振温度补偿系数、时间信息和过零补偿系数三种特征值,得到的三个特征值通过预先训练的模糊神经网络进行预测,得到一个时间补偿系数,最后完成配电终端的精准对时。温度补偿系数就是将当前温度换算到参比温度时的换算系数。参比温度指的是希望将当前温度换算到目标温度。
如图4所示是对时模块的流程图,首先主控模块先采集外部授时模块的信息,接着主控模块以NMEA0183协议标准对GPS报文进行解析,解析出时间信息和经纬度信息;主控模块对解析出的时间信息进行处理,接着等待复杂可编程逻辑器件的请求中断,输出时间BCD码信息;复杂可编程逻辑器件接收到外部授时模块的秒脉冲信号,通过内部逻辑门电路产生系统秒脉冲信息;复杂可编程逻辑器件接收到外部授时模块的秒脉冲信号,通过内部逻辑门电路产生系统秒脉冲信息;输出的粗略直流编码,通过精确对准电路校对,最终输出精准直流编码。
具体实施例中模糊神经网络模型,主要包括了输入层、模糊化层、模糊推理层和输出层,通过对模糊化层和模糊推理层的权值和节数点的设定,改变模糊神经网络的结构,从而很好的实现系统功能。输入层填入对时间信息、温度补偿晶振和过零补偿这三种参数归化后的特征值,通过模糊化层、模糊化层和去模糊化层,最后输出一个时间补偿系数,完成整个组态化配电终端的对时时间补偿。
具体地,该模糊神经网络的模型,第一层是模糊化层, fi=p1iC1+p2iC2…+pziCz+ri中(C1,C2,…,Cz)是输入量,fij是对应的模糊子集合,fi是输入变量函数,pji和ri为待定参数。
这一层主要是求出三个特征值对应于模糊子集的隶属度,输出 Wi 2=_fij(x);Wi 2为第二层输出的隶属度;fij(x)是模糊集fji(i=1,2,…,I;j=1,2,…,N)的隶属函数。
第二层计算每条规则i的激活强度Bi,选用了乘积算子,这一层的节点数为9;Bi=_f1i(y1)…_fni(yn);
f1i(y1)…_fni(yn)为y1,…yn的隶属度函数,y1,y2,…yn为模型的输入量;
第三层为第i个神经元用于求第i条规则的标准激活强度此层的节点为3个:
Bk为规则k的激活强度,k为1,2,3,…l,l为常数;第四层为解决模糊运算,此层的节点为3个:
为第五层输出的隶属度;
第五层为模糊神经网络输出:
预期时间补偿系数的数值和控制对象相关联,不同的对象预期时间补偿系数也不同,当我们确定了控制对象之后,可以根据经验确定我们的预期时间补偿系数数值。
训练过程包括:
(1)首先初始化采集的晶振温度补偿系数、时间信息和过零补偿系数三种特征值。
(2)利用初始化采集的第一组权值,计算当这三种特征值作为输入时,相应的输出值、输出值和期望输出值之间的偏差,还有一些其他重要的计算数据。
(3)接着在(2)的基础上计算出权值和结果值,具体的算法采用改进的模糊神经网络算法,将其应用于配电同步对时的装置上面。
(4)将计算出来的时间补偿系数结果值和预期数值进行比较,如果结果值小于我们所预期数值,说明该算法所计算的函数变量和结果值达到了预期目标,此次学习过程结束,相反,如果计算结果不满意,将不满足性能计算出的权值和函数变量作为下一步计算的所需条件。
只要输出的时间补偿系数在设定阈值内,那么模型就是合理的,并且在学习的过程中不断的优化模型,最后得到最适配硬件的模型,对于不用的硬件,它都可以动态的在线学习,最终得到最适配硬件的模型。比起普通的神经网络学习,它是动态的,适配性更好,不局限于某个硬件。
以上实施例仅用以说明本发明的技术方法而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种适用于组态化配电终端的对时模块,其特征在于,包括电源模块、主控芯片、外部授时模块、可编程逻辑器件、温度补偿电路、过零补偿电路以及外部连接端子;
所述电源模块分别与主控芯片和可编程逻辑器件连接,用于给主控芯片和可编程逻辑器件供电;
所述温度补偿电路与可编程逻辑器件连接,用于根据周围环境进行温度补偿;
所述过零补偿电路与所述主控芯片连接,用于通过电压跟随器进行过零电平捕捉,进行过零校验补偿,得到过零补偿系数;
所述主控芯片用于接收并解析外部授时模块发送的GPS报文信息,根据解析结果获取时间信息;获取特征值,所述特征值包括时间信息、温度补偿电路的温度补偿系数和过零补偿系数;基于特征值利用预先训练的模糊神经网络计算,得出时间补偿系数;利用时间补偿系数对所述终端的时间进行补偿,获得补偿后的时间信息;
所述主控芯片与所述可编程逻辑器件连接,用于将补偿后的时间信息发送到可编程逻辑器件;
所述可编程逻辑器件还与外部连接端子和外部授时模块连接,用于接收到外部授时模块的秒脉冲信号,通过内部逻辑门电路产生系统秒脉冲信息;
可编辑逻辑器件接收补偿后的时间信息等待秒脉冲触发,生成IRIG-B编码,根据秒脉冲信息对IRIG-B编码进行校准,通过外部连接端子输出校准后的IRIG-B码给其他板件对时。
2.根据权利要求1所述的一种适用于组态化配电终端的对时模块,其特征在于,所述对时模块还包括逻辑电路,所述逻辑电路用于将外部授时电路产生的秒脉冲和对外部授时模块发送的GPS报文信息进行解析获得的信息通过外部连接端子输出。
3.根据权利要求1所述的一种适用于组态化配电终端的对时模块,其特征在于,主控芯片采用的ARM Cortex-M4内核的GD32F450VE芯片。
4.根据权利要求1所述的一种适用于组态化配电终端的对时模块,其特征在于,所述可编程逻辑器件采用CPLD芯片,型号为LC4256ZE。
5.根据权利要求1所述的一种适用于组态化配电终端的对时模块,其特征在于,所述外部授时模块采用ATGM336H模块。
6.根据权利要求1所述的一种适用于组态化配电终端的对时模块,其特征在于,所述模糊神经网络包括五层,其中第一层是模糊化层,所述模糊化层用于确定特征值对应于模糊子集的隶属度;第二层用于计算每个计算每条规则的激活强度,第三层为第n个神经元用于求第n条规则的标准激活强度,第四层为解决模糊运算,第五层为模糊神经网络输出。
7.一种组态化配电终端,其特征在于,包括电源管理模块、主模块、对时模块、开入模块、开出模块和模拟输入模块,所述对时模块采用如权利要求1-6任意一项权利要求所述的适用于组态化配电终端的对时模块。
8.一种适用于组态化配电终端的时间同步方法,其特征在于,所述时间同步方法应用于如权利要求1-6任意一项权利要求所述的对时模块,包括以下步骤:
接收并解析GPS报文信息,根据解析结果获取时间信息;
获取特征值,所述特征值包括时间信息、温度补偿电路的温度补偿系数和过零补偿系数;
基于特征值利用预先训练的模糊神经网络计算,得出时间补偿系数;
利用时间补偿系数对所述终端的时间进行补偿。
9.根据权利要求8所述的一种适用于组态化配电终端的时间同步方法,其特征在于,所述模糊神经网络包括五层,其中第一层是模糊化层,所述模糊化层用于确定特征值对应于模糊子集的隶属度;第二层用于计算每个计算每条规则的激活强度,第三层为第n个神经元,用于求第n条规则的标准激活强度;第四层用于解决模糊运算,第五层为模糊神经网络输出。
10.根据权利要求9所述的一种适用于组态化配电终端的时间同步方法,其特征在于,所述模糊神经网络的训练方法包括:
训练数据的输入包括选定时间段的时间信息、温度补偿系数和过零补偿系数,输出是对应的期望的时间补偿系数,训练所述模糊神经网络直至时间补偿系数在预设阈值之内。
CN202111371487.0A 2021-11-18 2021-11-18 适用于组态化配电终端的时间同步方法、对时模块和终端 Active CN114257603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111371487.0A CN114257603B (zh) 2021-11-18 2021-11-18 适用于组态化配电终端的时间同步方法、对时模块和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111371487.0A CN114257603B (zh) 2021-11-18 2021-11-18 适用于组态化配电终端的时间同步方法、对时模块和终端

Publications (2)

Publication Number Publication Date
CN114257603A CN114257603A (zh) 2022-03-29
CN114257603B true CN114257603B (zh) 2023-08-29

Family

ID=80790994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111371487.0A Active CN114257603B (zh) 2021-11-18 2021-11-18 适用于组态化配电终端的时间同步方法、对时模块和终端

Country Status (1)

Country Link
CN (1) CN114257603B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5714866A (en) * 1994-09-08 1998-02-03 National Semiconductor Corporation Method and apparatus for fast battery charging using neural network fuzzy logic based control
EP2493094A1 (en) * 2011-02-28 2012-08-29 Screen Service Broadcasting Technologies S.P.A. Method and system for synchronizing time and frequency sources, particularly for video data transmissions
CN103427793A (zh) * 2013-07-29 2013-12-04 国电南瑞科技股份有限公司 基于温度补偿的对时守时系统及方法
CN103646219A (zh) * 2013-11-29 2014-03-19 东南大学 基于神经网络功耗预测的功耗补偿抗攻击电路及控制方法
CN103760763A (zh) * 2013-12-27 2014-04-30 航天科工深圳(集团)有限公司 一种gps对时系统、方法及配电自动化终端
CN105223809A (zh) * 2015-07-10 2016-01-06 沈阳工业大学 H型平台的模糊神经网络补偿器的同步控制系统及方法
CN205017341U (zh) * 2015-10-22 2016-02-03 贵州电网有限责任公司电力调度控制中心 多模式同步对时装置
CN109581856A (zh) * 2018-12-13 2019-04-05 国电南瑞科技股份有限公司 一种基于高性能晶振频率校准的对时守时方法
CN112558685A (zh) * 2020-12-11 2021-03-26 南京四方亿能电力自动化有限公司 一种配电终端模块间对时同步的方法
CN112713881A (zh) * 2020-12-10 2021-04-27 国网四川省电力公司电力科学研究院 一种基于边缘计算的同步时钟维持系统与方法
CN112969229A (zh) * 2021-01-28 2021-06-15 新华三技术有限公司合肥分公司 一种时钟校正方法、装置以及网络设备
CN113406990A (zh) * 2021-08-20 2021-09-17 北京信息科技大学 基于bp神经网络对时间测量误差进行补偿的方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7139346B2 (en) * 2002-08-09 2006-11-21 The Boeing Company Mobile network time distribution
CN103715984B (zh) * 2012-09-28 2016-08-17 富士通株式会社 一种接收信号强度指示的温度补偿方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5714866A (en) * 1994-09-08 1998-02-03 National Semiconductor Corporation Method and apparatus for fast battery charging using neural network fuzzy logic based control
EP2493094A1 (en) * 2011-02-28 2012-08-29 Screen Service Broadcasting Technologies S.P.A. Method and system for synchronizing time and frequency sources, particularly for video data transmissions
CN103427793A (zh) * 2013-07-29 2013-12-04 国电南瑞科技股份有限公司 基于温度补偿的对时守时系统及方法
CN103646219A (zh) * 2013-11-29 2014-03-19 东南大学 基于神经网络功耗预测的功耗补偿抗攻击电路及控制方法
CN103760763A (zh) * 2013-12-27 2014-04-30 航天科工深圳(集团)有限公司 一种gps对时系统、方法及配电自动化终端
CN105223809A (zh) * 2015-07-10 2016-01-06 沈阳工业大学 H型平台的模糊神经网络补偿器的同步控制系统及方法
CN205017341U (zh) * 2015-10-22 2016-02-03 贵州电网有限责任公司电力调度控制中心 多模式同步对时装置
CN109581856A (zh) * 2018-12-13 2019-04-05 国电南瑞科技股份有限公司 一种基于高性能晶振频率校准的对时守时方法
CN112713881A (zh) * 2020-12-10 2021-04-27 国网四川省电力公司电力科学研究院 一种基于边缘计算的同步时钟维持系统与方法
CN112558685A (zh) * 2020-12-11 2021-03-26 南京四方亿能电力自动化有限公司 一种配电终端模块间对时同步的方法
CN112969229A (zh) * 2021-01-28 2021-06-15 新华三技术有限公司合肥分公司 一种时钟校正方法、装置以及网络设备
CN113406990A (zh) * 2021-08-20 2021-09-17 北京信息科技大学 基于bp神经网络对时间测量误差进行补偿的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
岳艳艳 ; 董宁 ; .补偿模糊神经网络自适应逆控制的仿真研究.计算机仿真.2006,(09),全文. *

Also Published As

Publication number Publication date
CN114257603A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN110738344B (zh) 电力系统负荷预测的分布式无功优化方法及装置
CN110213784B (zh) 一种流量预测方法及装置
CN112073460A (zh) 一种数据采集单元、数据传输方法及综合能源监测系统
CN112713881B (zh) 一种基于边缘计算的同步时钟维持系统与方法
CN103399218A (zh) 一种开关柜负荷指数预测装置及方法
CN111077806B (zh) 一种用于移动机器人的电量管理系统
CN113469425A (zh) 深度交通拥堵预测方法
CN112651519A (zh) 一种基于深度学习理论的二次设备故障定位方法及系统
CN114781723A (zh) 一种基于多模型融合的短期光伏出力预测方法
CN112257846A (zh) 神经元模型、拓扑结构、信息处理方法和视网膜神经元
CN114257603B (zh) 适用于组态化配电终端的时间同步方法、对时模块和终端
RU169425U1 (ru) Устройство прогнозирования электропотребления на основе многослойной нейронной сети
CN112232985B (zh) 用于泛在电力物联网的配用电数据监测方法及装置
CN104506753B (zh) 一种相机曝光控制实时误差补偿外同步信号产生方法
CN111210051B (zh) 一种用户用电行为预测方法及系统
CN111882119A (zh) 基于sa-bp神经网络的电池soh预测优化方法
CN116167465A (zh) 基于多变量时间序列集成学习的太阳辐照度预测方法
CN115713044A (zh) 一种多工况切换下的机电设备剩余寿命分析方法和装置
CN113673846B (zh) 一种电力物联网架构下的需量态势感知方法
CN113658415B (zh) 一种智能网关的预警方法和系统
CN114936640A (zh) 一种新能源发电智能预测模型的在线训练方法
CN112766537B (zh) 一种短期电负荷预测方法
CN111641726A (zh) 适用于储能调频的远程遥控系统、方法、装置和存储介质
CN112348235A (zh) 风光母线负荷自适应预测方法、装置、计算机设备
CN111062633A (zh) 一种基于多源异构数据的输变电线路和设备状态评估系统

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
GR01 Patent grant
GR01 Patent grant