CN114912070A - 一种基于多维特征分析的电机类负载非侵入式监测方法 - Google Patents

一种基于多维特征分析的电机类负载非侵入式监测方法 Download PDF

Info

Publication number
CN114912070A
CN114912070A CN202210383189.1A CN202210383189A CN114912070A CN 114912070 A CN114912070 A CN 114912070A CN 202210383189 A CN202210383189 A CN 202210383189A CN 114912070 A CN114912070 A CN 114912070A
Authority
CN
China
Prior art keywords
load
formula
increment
steady
state
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
CN202210383189.1A
Other languages
English (en)
Inventor
孙虹
乔亚男
张兆杰
刘浩宇
李刚
翟术然
卢静雅
李野
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.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Marketing Service Center of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Marketing Service Center of State Grid Tianjin Electric Power 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 State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Marketing Service Center of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210383189.1A priority Critical patent/CN114912070A/zh
Publication of CN114912070A publication Critical patent/CN114912070A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/14Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141Discrete Fourier transforms
    • G06F17/142Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种基于多维特征分析的电机类负载非侵入式监测方法,包括以下步骤:步骤1、采集总用电负荷的稳态和暂态电气量;步骤2、对步骤1所采集的总用电负荷的稳态和暂态电气量数据处理,获取基础特征量;步骤3、通过步骤2所获取的基础特征量,计算稳态功率增量和谐波增量;步骤4、根据步骤3所获取的稳态功率增量和谐波增量,进行增量特征判断,从而判断是否为有效功率突变事件;步骤5、通过多维特征判断是否为电机类负载启动特性。本发明能够准确、有效并快速提取其负荷特性判断出负载的类型。

Description

一种基于多维特征分析的电机类负载非侵入式监测方法
技术领域
本发明属于负载监测技术领域,涉及一种电机类负载非侵入式监测方法,尤其是一种基于多维特征分析的电机类负载非侵入式监测方法。
背景技术
在非侵入式负荷监测系统发展初期,由于当时技术条件的限制,主要采用基于负荷稳态特性的分析方法。这种分析方法主要利用负荷的稳态特征,对监测系统的硬件水平要求较低,系统的采样频率和计算能力都比较低。
由于不同负荷在运行时都有其特征,例如负荷运行时的有功功率、无功功率及谐波功率等对于不同类型的负荷是不同的。被监测系统内单个负荷投入、切除时通常会使总的有功功率、无功功率等信号发生相应的变化。反过来,根据有功功率、无功功率、谐波功率等信号的变化信息,可以判断系统内负荷投入或切除的变化,并可以根据功率的大小等信息判断出负荷的类型。
非侵入式负荷监测能够实现对整个变电站、建筑物内部负荷集群的分解与分析,进一步获得有用的信息。它一定程度上能克服利用负荷稳态特征信息进行负荷辨识时的局限性,能够提高负荷辨识率。通过自动检测负荷投切等所引起的暂态过程,并触发相关程序把暂态信息记录下来,然后送给后台高级应用程序做进一步处理。
但在推广的过程中,其通过算法对不同负载提取或辨识的准确率仍不理想,其较大的原因为,目前负载特征提取算法的判据单一,通常只采用有功功率作为唯一判据,因此会导致有功功率相近的负载产生误判或漏判情况,导致提取或辨识精度不理想。
传统的非侵入式监测方法在面对工业场景中多种负载特性判别的场景下,对于电机类负载特性提取准确率与稳定性无法满足后续特征库建模与辨识的要求。
由此,本领域技术人员亟待研发出一种基于多维特征分析的电机类负载非侵入式监测方法,能够准确、有效并快速提取其负荷特性判断出负载的类型。
经检索,未发现与本发明相同或相似的现有技术的文献。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于多维特征分析的电机类负载非侵入式监测方法,能够准确、有效并快速提取其负荷特性判断出负载的类型。
本发明解决其现实问题是采取以下技术方案实现的:
一种基于多维特征分析的电机类负载非侵入式监测方法,包括以下步骤:
步骤1、采集总用电负荷的稳态和暂态电气量
步骤2、对步骤1所采集的总用电负荷的稳态和暂态电气量数据处理,获取基础特征量;
步骤3、通过步骤2所获取的基础特征量,计算稳态功率增量和谐波增量;
步骤4、根据步骤3所获取的稳态功率增量和谐波增量,进行增量特征判断,从而判断是否为有效功率突变事件;
步骤5、通过多维特征判断是否为电机类负载启动特性。
而且,所述步骤1的具体方法为:
通过在需要监测的电力供给入口处安装高频采集终端或非侵入式负荷辨识终端,采样频率为12.8kHz,持续获得总用电负荷的稳态和暂态电气量,用以满足后续快速傅里叶变换要求。
而且,所述步骤2的具体方法为:
通过快速傅里叶变换,可以得到每个时刻的电压有效值U(t),电流有效值I(t),如式(1)、式(2)所示:
U(t)=U1[cos(ωt+δ1)+…+αk cos(kωt+δk)+…] 式(1)
I(t)=I1[cos(ωt+θ1)+…+βk cos(kωt+θk)+…] 式(2)
其中,式(1)中U(t)表示负载处于t时刻工作稳态时的电压值,U1为负载稳态时电压基波分量幅值,δk为相角,αk表示负载稳态电压第k次谐波幅值与其基波幅值的比值;
式(2)中I(t)表示负载处于t时刻工作稳态时的电流值,I1为负载稳态时电流基波分量幅值,θk为相角,βk表示负载稳态电流第k次谐波幅值与其基波幅值的比值。
由式(1)、(2)可得,当负载处于t时刻有功功率和无功功率的计算方法分别如式(3)和式(4)所示,
P(t)=U(t)×I(t)×cosθ(t) 式(3)
Q(t)=U(t)×I(t)×sinθ(t) 式(4)
同时,根据快速傅里叶变换定义,可得到n次电压谐波分量、n次电流谐波分量如式(5)、式(6)所示,
Un(t)=U1n cos(kωt+δn)] 式(5)
In(t)=I1n cos(kωt+θn)] 式(6)
而且,所述步骤3的具体方法为:
通过上述基础特征量的获取,计算稳态功率增量和谐波增量,为排除线路扰动,连续采集N次时间间隔的平均增量,通过如下公式计算其增量信息:
Figure BDA0003593768950000041
Figure BDA0003593768950000042
Figure BDA0003593768950000043
Figure BDA0003593768950000044
其中式(7)为有功功率平均增量计算方法;式(8)为无功功率平均增量计算方法;式(9)为n次电压谐波平均增量计算方法;式(10)为n次电流谐波平均增量计算方法;
而且,所述步骤4的具体方法为:
获取上述判据的平均增量以后,首先通过有功功率并平均增量作为事件触发启动条件,判断是否为有效功率突变事件,其判据条件为:
ΔP(t)≥10kW 式(11)
满足式(11)条件,则说明有新负载投入使用,则进行步骤5,否则返回步骤1,继续监测总口电气参数信息。
而且,所述步骤5的具体步骤包括:
(1)当判断有新负载投入使用以后,则通过其他三个判据,综合判断是否为电机类负载启动特性,其判据条件为,同时满足下列三种条件:
ΔQ(t)≥Q 式(12)
ΔIn(t)≥I 式(13)
ΔUn(t)≥U 式(14)
若同时满足式(12)、式(13)、式(14),(Q、I、U为经过实际反复采样建立其的参数边界条件),则判断此次启动事件为电机类负载启动特性。
(2)当判断上述条件满足电机类负载启动特性后,为本次启动事件定义该电机类负载标签,存入事件列表中,返回步骤1,重新采集并搜索特征事件。
(3)当判断上述条件不满足该电机类负载启动特性后,则进入其他负载特征判断逻辑,定义并搜集其他负载启动特性,完成后,返回步骤1,重新采集并搜索特征事件。
本发明的优点和有益效果:
1、本发明提出一种基于多维特征分析的电机类负载非侵入式监测方法,能够解决传统特性提取方法依托单一功率判据在复杂背景条件下精度低的问题,本发明以电机类负载为研究对象,通过对其特征向量进行高频采集与数据分析,获知当其运作时,伴随其有功功率的变化,其无功功率、电压和电流三次谐波值也有区分度较大的特性变化。基于此,提出了一种以有功功率为主要事件判据,以无功功率、三次谐波等为次要判据的双重非侵入式监测方法,通过对电机类负载运作时所产生的独立多维特征,有效提取其特性判断出负载的类型,为后续特征模板库生成和辨识提供了可靠基础。
2、本发明通过对电机类负载运转特性的高频采集与分析,获取其多种电气参数的独立性特征,利用傅立叶变换对特征信号进行分析,并将多种特征作为综合判据进行电机类负载特性的提取与判定,并将判定结果存入标签库。由于该方法完全针对于电机类负载运行特性,显著的提高了电机类负载运行特性提取的准确率。基于该思路,可将非侵入式负载监测方法拓展运用于工业场景下负载运行特征的监测。
附图说明
图1为本发明的一种基于多维特征分析的电机类负载非侵入式监测方法的处理流程图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
一种基于多维特征分析的电机类负载非侵入式监测方法,如图1所示,包括以下步骤:
步骤1、采集总用电负荷的稳态和暂态电气量
所述步骤1的具体方法为:
通过在需要监测的电力供给入口处安装高频采集终端或非侵入式负荷辨识终端,采样频率为12.8kHz,持续获得总用电负荷的稳态和暂态电气量,用以满足后续快速傅里叶变换要求。
在本实施例中,对于测量数据,通常设置一个阀值,以滤去用电设备自身正常的运动波动所带来的小干扰。
步骤2、对步骤1所采集的总用电负荷的稳态和暂态电气量数据处理,获取基础特征量;
所述步骤2的具体方法为:
通过快速傅里叶变换,可以得到每个时刻的电压有效值U(t),电流有效值I(t),如式(1)、式(2)所示:
U(t)=U1[cos(ωt+δ1)+…+αk cos(kωt+δk)+…] 式(1)
I(t)=I1[cos(ωt+θ1)+…+βk cos(kωt+θk)+…] 式(2)
其中,式(1)中U(t)表示负载处于t时刻工作稳态时的电压值,U1为负载稳态时电压基波分量幅值,δk为相角,αk表示负载稳态电压第k次谐波幅值与其基波幅值的比值;
式(2)中I(t)表示负载处于t时刻工作稳态时的电流值,I1为负载稳态时电流基波分量幅值,θk为相角,βk表示负载稳态电流第k次谐波幅值与其基波幅值的比值。
由式(1)、(2)可得,当负载处于t时刻有功功率和无功功率的计算方法分别如式(3)和式(4)所示,
P(t)=U(t)×I(t)×cosθ(t) 式(3)
Q(t)=U(t)×I(t)×sinθ(t) 式(4)
同时,根据快速傅里叶变换定义,可得到n次电压谐波分量、三次电流谐波分量如式(5)、式(6)所示,
Un(t)=U1n cos(kωt+δn)] 式(5)
In(t)=I1n cos(kωt+θn)] 式(6)
步骤3、通过步骤2所获取的基础特征量,计算稳态功率增量和谐波增量;
所述步骤3的具体方法为:
通过上述基础特征量的获取,计算稳态功率增量和谐波增量,为排除线路扰动,连续采集N次时间间隔的平均增量,通过如下公式计算其增量信息:
Figure BDA0003593768950000081
Figure BDA0003593768950000082
Figure BDA0003593768950000083
Figure BDA0003593768950000084
其中式(7)为有功功率平均增量计算方法;式(8)为无功功率平均增量计算方法;式(9)为n次电压谐波平均增量计算方法;式(10)为n次电流谐波平均增量计算方法;
步骤4、根据步骤3所获取的稳态功率增量和谐波增量,进行增量特征判断,从而判断是否为有效功率突变事件;
所述步骤4的具体方法为:
获取上述判据的平均增量以后,首先通过有功功率并平均增量作为事件触发启动条件,判断是否为有效功率突变事件,其判据条件为:
ΔP(t)≥10kW 式(11)
满足式(11)条件,则说明有新负载投入使用,则进行步骤5,否则返回步骤1,继续监测总口电气参数信息。
步骤5、通过多维特征判断是否为电机类负载启动特性。
所述步骤5的具体步骤包括:
(1)当判断有新负载投入使用以后,则通过其他三个判据,综合判断是否为电机类负载启动特性,其判据条件为,同时满足下列三种条件:
ΔQ(t)≥Q 式(12)
ΔIn(t)≥I 式(13)
ΔUn(t)≥U 式(14)
若同时满足式(12)、式(13)、式(14),(Q、I、U为经过实际反复采样建立其的参数边界条件),则判断此次启动事件为电机类负载启动特性。
(2)当判断上述条件满足电机类负载启动特性后,为本次启动事件定义该电机类负载标签,存入事件列表中,返回步骤1,重新采集并搜索特征事件。
(3)当判断上述条件不满足该电机类负载启动特性后,则进入其他负载特征判断逻辑,定义并搜集其他负载启动特性,完成后,返回步骤1,重新采集并搜索特征事件。
通过本发明的实施,其发明思路,不局限于本专利所描述的电机类一类负载,可以通过对不同类型的负载不同状态特征(启动特征、停止特征、状态变换特征)的采集,分析出其中具有排他性的唯一组合判据,给出相应负载相应状态特征向量的提取策略及方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (6)

1.一种基于多维特征分析的电机类负载非侵入式监测方法,其特征在于:包括以下步骤:
步骤1、采集总用电负荷的稳态和暂态电气量
步骤2、对步骤1所采集的总用电负荷的稳态和暂态电气量数据处理,获取基础特征量;
步骤3、通过步骤2所获取的基础特征量,计算稳态功率增量和谐波增量;
步骤4、根据步骤3所获取的稳态功率增量和谐波增量,进行增量特征判断,从而判断是否为有效功率突变事件;
步骤5、通过多维特征判断是否为电机类负载启动特性。
2.根据权利要求1所述的一种基于多维特征分析的电机类负载非侵入式监测方法,其特征在于:所述步骤1的具体方法为:
通过在需要监测的电力供给入口处安装高频采集终端或非侵入式负荷辨识终端,采样频率为12.8kHz,持续获得总用电负荷的稳态和暂态电气量,用以满足后续快速傅里叶变换要求。
3.根据权利要求1所述的一种基于多维特征分析的电机类负载非侵入式监测方法,其特征在于:所述步骤2的具体方法为:
通过快速傅里叶变换,可以得到每个时刻的电压有效值U(t),电流有效值I(t),如式(1)、式(2)所示:
U(t)=U1[cos(ωt+δ1)+…+αkcos(kωt+δk)+…] 式(1)
I(t)=I1[cos(ωt+θ1)+…+βkcos(kωt+θk)+…] 式(2)
其中,式(1)中U(t)表示负载处于t时刻工作稳态时的电压值,U1为负载稳态时电压基波分量幅值,δk为相角,αk表示负载稳态电压第k次谐波幅值与其基波幅值的比值;
式(2)中I(t)表示负载处于t时刻工作稳态时的电流值,I1为负载稳态时电流基波分量幅值,θk为相角,βk表示负载稳态电流第k次谐波幅值与其基波幅值的比值;
由式(1)、(2)可得,当负载处于t时刻有功功率和无功功率的计算方法分别如式(3)和式(4)所示:
P(t)=U(t)×I(t)×cosθ(t) 式(3)
Q(t)=U(t)×I(t)×sinθ(t) 式(4)
同时,根据快速傅里叶变换定义,可得到n次电压谐波分量、三次电流谐波分量如式(5)、式(6)所示,
Un(t)=U1ncos(kωt+δn)] 式(5)
In(t)=I1ncos(kωt+θn)] 式(6) 。
4.根据权利要求1所述的一种基于多维特征分析的电机类负载非侵入式监测方法,其特征在于:所述步骤3的具体方法为:
通过上述基础特征量的获取,计算稳态功率增量和谐波增量,为排除线路扰动,连续采集N次时间间隔的平均增量,通过如下公式计算其增量信息:
Figure FDA0003593768940000021
Figure FDA0003593768940000031
Figure FDA0003593768940000032
Figure FDA0003593768940000033
Figure FDA0003593768940000034
其中式(7)为有功功率平均增量计算方法;式(8)为无功功率平均增量计算方法;式(9)为n次电压谐波平均增量计算方法;式(10)为n次电流谐波平均增量计算方法。
5.根据权利要求1所述的一种基于多维特征分析的电机类负载非侵入式监测方法,其特征在于:所述步骤4的具体方法为:
获取上述判据的平均增量以后,首先通过有功功率并平均增量作为事件触发启动条件,判断是否为有效功率突变事件,其判据条件为:
ΔP(t)≥10kW 式(11)
满足式(11)条件,则说明有新负载投入使用,则进行步骤5,否则返回步骤1,继续监测总口电气参数信息。
6.根据权利要求1所述的一种基于多维特征分析的电机类负载非侵入式监测方法,其特征在于:所述步骤5的具体步骤包括:
(1)当判断有新负载投入使用以后,则通过其他三个判据,综合判断是否为电机类负载启动特性,其判据条件为,同时满足下列三种条件:
ΔQ(t)≥Q 式(12)
ΔIn(t)≥I 式(13)
ΔUn(t)≥U 式(14)
若同时满足式(12)、式(13)、式(14),(Q、I、U为经过实际反复采样建立其的参数边界条件),则判断此次启动事件为电机类负载启动特性;
(2)当判断上述条件满足电机类负载启动特性后,为本次启动事件定义该电机类负载标签,存入事件列表中,返回步骤1,重新采集并搜索特征事件;
(3)当判断上述条件不满足该电机类负载启动特性后,则进入其他负载特征判断逻辑,定义并搜集其他负载启动特性,完成后,返回步骤1,重新采集并搜索特征事件。
CN202210383189.1A 2022-04-13 2022-04-13 一种基于多维特征分析的电机类负载非侵入式监测方法 Pending CN114912070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210383189.1A CN114912070A (zh) 2022-04-13 2022-04-13 一种基于多维特征分析的电机类负载非侵入式监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210383189.1A CN114912070A (zh) 2022-04-13 2022-04-13 一种基于多维特征分析的电机类负载非侵入式监测方法

Publications (1)

Publication Number Publication Date
CN114912070A true CN114912070A (zh) 2022-08-16

Family

ID=82765289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210383189.1A Pending CN114912070A (zh) 2022-04-13 2022-04-13 一种基于多维特征分析的电机类负载非侵入式监测方法

Country Status (1)

Country Link
CN (1) CN114912070A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951114A (zh) * 2023-01-17 2023-04-11 上海山源电子科技股份有限公司 一种供电监测系统中的电流信号识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951114A (zh) * 2023-01-17 2023-04-11 上海山源电子科技股份有限公司 一种供电监测系统中的电流信号识别方法
CN115951114B (zh) * 2023-01-17 2023-06-23 上海山源电子科技股份有限公司 一种供电监测系统中的电流信号识别方法

Similar Documents

Publication Publication Date Title
Zhu et al. Time series shapelet classification based online short-term voltage stability assessment
CN106483370B (zh) 基于多特征融合的非侵入式家用负荷实时识别方法及装置
CN111985824A (zh) 一种智能电表箱的非侵入式负荷监测方法及其监测设备
CN110579682B (zh) 一种故障录波数据暂态同源对比方法及装置
CN111428755A (zh) 非侵入式负荷监测方法
CN112748359A (zh) 一种基于随机森林的配电网接地故障辨识方法及系统
CN106443433B (zh) 基于分合闸线圈电流的断路器状态监测系统及监测方法
CN113391164A (zh) 一种配电网单相接地故障智能化识别方法及装置
CN108804696A (zh) 电力用户电器指纹库的创建方法及其系统
Li et al. Fast event identification through subspace characterization of PMU data in power systems
CN114912070A (zh) 一种基于多维特征分析的电机类负载非侵入式监测方法
CN108303609B (zh) 一种次同步振荡在线监测及扰动源定位方法及系统
CN109142830A (zh) 基于用电信息采集系统大数据的窃电检测方法
Yang et al. Application of XGBoost in identification of power quality disturbance source of steady-state disturbance events
CN113837895A (zh) 基于电力扰动数据的配电网异常事件识别方法及系统
CN112986754B (zh) 一种基于数据驱动的小电流接地系统故障辨识方法及装置
CN109901003B (zh) 一种逆变器功率故障检测方法及系统
CN112283882B (zh) 采样值的获取方法和装置、空调
CN113253048B (zh) 一种短路故障检测方法及装置
CN114609435A (zh) 一种电压暂降检测和分类辨识方法
CN113884782A (zh) 微波炉启动特性辨识方法及系统、计算机设备、存储介质
Hossain et al. Online monitoring of inter-area oscillations and damping of power systems employing prony analysis
CN114002550A (zh) 一种直流配电网接地故障选线方法及系统
Zhuangzhuang et al. Phasor Measurement Unit Measurement Data Processing Method Applied to a Two-Stage Identification Algorithm for Load Model Parameters
Kalra Fault diagnosis for an HVDC system: a feasibility study of an expert system application

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