CN115879037A - 一种基于智能电表的学生公寓负载识别方法及系统 - Google Patents
一种基于智能电表的学生公寓负载识别方法及系统 Download PDFInfo
- Publication number
- CN115879037A CN115879037A CN202310154592.1A CN202310154592A CN115879037A CN 115879037 A CN115879037 A CN 115879037A CN 202310154592 A CN202310154592 A CN 202310154592A CN 115879037 A CN115879037 A CN 115879037A
- Authority
- CN
- China
- Prior art keywords
- load
- student
- data
- sublayer
- apartment
- 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.)
- Granted
Links
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能领域，公开了一种基于智能电表的学生公寓负载识别方法及系统，用于提高学生公寓恶性负载的识别准确率和效率。所述方法包括：根据用电器分布数据，建立学生公寓对应的节点网络；获取学生公寓的学生入住信息，并根据学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层；分别对多个负载子层进行电能负载检测，得到电能负载数据，并对电能负载数据进行负载异常分析，得到至少一个异常负载子层；获取违规电器影响参数，并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；根据智能电表和目标恶性负载控制方案，对学生公寓进行恶性负载控制。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种基于智能电表的学生公寓负载识别方法及系统。
背景技术
目前，智能电表支持当前结算周期内组合有功总、尖、峰、平、谷用电量，上一结算周期内组合有功总用电量，当前结算周期内补助用电量以及当前结算周期内付费用电量。
但是，目前学生公寓中会存在使用违规电器的行为，违规电器的使用对学生公寓的安全构成了较大的隐患，因此亟需一种能够实现学生公寓恶性负载识别的方案。
发明内容
本发明提供了一种基于智能电表的学生公寓负载识别方法及系统，用于提高学生公寓恶性负载的识别准确率和效率。
本发明第一方面提供了一种基于智能电表的学生公寓负载识别方法，所述基于智能电表的学生公寓负载识别方法包括：
基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据；
根据所述用电器分布数据，建立所述学生公寓对应的节点网络；
获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层；
分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
根据所述智能电表和所述目标恶性负载控制方案，对所述学生公寓进行恶性负载控制。
结合第一方面，在本发明第一方面的第一实施方式中，所述基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据，包括：
接收预设的智能电表发送的数据查询请求；
对所述数据查询请求进行请求解析，得到所述数据查询请求对应的学生公寓标识地址；
根据所述学生公寓标识地址，从预置的云监控平台中查询学生公寓的电能数据；
对所述电能数据进行用电器分类，得到用电器分类数据；
对所述用电器分类数据进行用电器分布分析，得到用电器分布数据。
结合第一方面，在本发明第一方面的第二实施方式中，所述根据所述用电器分布数据，建立所述学生公寓对应的节点网络，包括：
对所述用电器分布数据进行分布节点解析，得到多个分布节点；
对所述多个分布节点进行连接关系提取，得到所述多个分布节点之间的连接关系；
根据所述连接关系和所述多个分布节点生成所述学生公寓对应的节点网络。
结合第一方面，在本发明第一方面的第三实施方式中，所述获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层，包括：
获取所述学生公寓的学生入住信息；
根据所述学生入住信息和所述节点网络，对所述学生公寓进行分层处理，得到多个初始业务层；
根据所述多个初始业务层，对所述学生公寓进行负载子层设置，得到多个负载子层。
结合第一方面，在本发明第一方面的第四实施方式中，所述分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层，包括：
分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据；
分别获取每个负载子层的标准负载数据；
根据每个负载子层的标准负载数据和电能负载数据，对所述多个负载子层进行负载异常分析，得到至少一个异常负载子层。
结合第一方面，在本发明第一方面的第五实施方式中，所述获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案，包括：
获取历史违规电器数据，并对所述历史违规电器数据按用电功率进行数据分类，得到多组违规电器类型；
通过每组所述违规电器类型进行权重数值分析，确定与每组所述违规电器类型对应的权重数据，并将所述权重数据设置为违规电器影响参数；
根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
结合第一方面，在本发明第一方面的第六实施方式中，所述基于智能电表的学生公寓负载识别方法还包括：
对所述智能电表进行跳闸检测，得到第一跳闸事件；
基于预设的时间间隔，获取所述智能电表的第二跳闸事件；
根据所述第一跳闸事件和所述第二跳闸事件生成所述学生公寓的恶性负载跳闸事件。
本发明第二方面提供了一种基于智能电表的学生公寓负载识别系统，所述基于智能电表的学生公寓负载识别系统包括：
获取模块，用于基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据；
建立模块，用于根据所述用电器分布数据，建立所述学生公寓对应的节点网络；
设置模块，用于获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层；
检测模块，用于分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
匹配模块，用于获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
控制模块，用于根据所述智能电表和所述目标恶性负载控制方案，对所述学生公寓进行恶性负载控制。
结合第二方面，在本发明第二方面的第一实施方式中，所述获取模块具体用于：
接收预设的智能电表发送的数据查询请求；
对所述数据查询请求进行请求解析，得到所述数据查询请求对应的学生公寓标识地址；
根据所述学生公寓标识地址，从预置的云监控平台中查询学生公寓的电能数据；
对所述电能数据进行用电器分类，得到用电器分类数据；
对所述用电器分类数据进行用电器分布分析，得到用电器分布数据。
结合第二方面，在本发明第二方面的第二实施方式中，所述建立模块具体用于：
对所述用电器分布数据进行分布节点解析，得到多个分布节点；
对所述多个分布节点进行连接关系提取，得到所述多个分布节点之间的连接关系；
根据所述连接关系和所述多个分布节点生成所述学生公寓对应的节点网络。
结合第二方面，在本发明第二方面的第三实施方式中，所述设置模块具体用于：
获取所述学生公寓的学生入住信息；
根据所述学生入住信息和所述节点网络，对所述学生公寓进行分层处理，得到多个初始业务层；
根据所述多个初始业务层，对所述学生公寓进行负载子层设置，得到多个负载子层。
结合第二方面，在本发明第二方面的第四实施方式中，所述检测模块具体用于：
分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据；
分别获取每个负载子层的标准负载数据；
根据每个负载子层的标准负载数据和电能负载数据，对所述多个负载子层进行负载异常分析，得到至少一个异常负载子层。
结合第二方面，在本发明第二方面的第五实施方式中，所述匹配模块具体用于：
获取历史违规电器数据，并对所述历史违规电器数据按用电功率进行数据分类，得到多组违规电器类型；
通过每组所述违规电器类型进行权重数值分析，确定与每组所述违规电器类型对应的权重数据，并将所述权重数据设置为违规电器影响参数；
根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
结合第二方面，在本发明第二方面的第六实施方式中，所述基于智能电表的学生公寓负载识别系统还包括：
生成模块，用于对所述智能电表进行跳闸检测，得到第一跳闸事件；基于预设的时间间隔，获取所述智能电表的第二跳闸事件；根据所述第一跳闸事件和所述第二跳闸事件生成所述学生公寓的恶性负载跳闸事件。
本发明第三方面提供了一种基于智能电表的学生公寓负载识别设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于智能电表的学生公寓负载识别设备执行上述的基于智能电表的学生公寓负载识别方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于智能电表的学生公寓负载识别方法。
本发明提供的技术方案中，根据用电器分布数据，建立学生公寓对应的节点网络；获取学生公寓的学生入住信息，并根据学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层；分别对多个负载子层进行电能负载检测，得到电能负载数据，并对电能负载数据进行负载异常分析，得到至少一个异常负载子层；获取违规电器影响参数，并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；根据智能电表和目标恶性负载控制方案，对学生公寓进行恶性负载控制，本发明通过对学生公寓的用电器分布数据进行分层设置负载子层，然后对每个负载子层进行分析检测，最终实现对异常负载子层进行恶性负载电器控制，进而提高了学生公寓恶性负载的识别准确率和效率。
附图说明
图1为本发明实施例中基于智能电表的学生公寓负载识别方法的一个实施例示意图；
图2为本发明实施例中建立学生公寓对应的节点网络的流程图；
图3为本发明实施例中分层设置负载子层的流程图；
图4为本发明实施例中负载异常分析的流程图；
图5为本发明实施例中基于智能电表的学生公寓负载识别系统的一个实施例示意图；
图6为本发明实施例中基于智能电表的学生公寓负载识别系统的另一个实施例示意图；
图7为本发明实施例中基于智能电表的学生公寓负载识别设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于智能电表的学生公寓负载识别方法及系统，用于提高学生公寓恶性负载的识别准确率和效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于智能电表的学生公寓负载识别方法的一个实施例包括：
S101、基于预设的智能电表获取学生公寓的电能数据，并对电能数据进行用电器分布分析，得到用电器分布数据；
可以理解的是，本发明的执行主体可以为基于智能电表的学生公寓负载识别系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是，本实施例中的智能电表由嵌入式软件以及通讯系统构成，该智能电表具有分时段功率控制、过压保护、定时开关、恶性负载控制、电表继电器控制、预付费和充值、低余额报警、余额不足跳闸、冻结功能、时钟功能、结算日转存功能、数据存储功能、事件记录功能、电价计算功能以及电能计量等，该智能电表能存储上12个结算日的单向或双向总电能和各费率电能数据，数据转存分界时刻为月末的24时（月初零时），或在每月的1号至28号内的整点时刻，在电能表电源断电的情况下，所有与结算有关的数据保存10年，其它数据保存3年，该智能电表采用通讯模块、485和红外3种通讯方式，可以通过通讯模块、485或红外通讯抄回表内数据，通讯规约遵循DL/T 645—2007；RS485接口通信速率可设置，标准速率为1200bps、2400bps、4800bps、9600bps，缺省值为2400bps；红外通信的通信速率为1200bps，通讯模块的通信速率为2400bps，支持通过红外、RS485/通讯模块通信接口修改费率表以及时段表方案，其中，服务器通过该智能电表获取学生公寓的数据标识，并对该数据标识进行信息读取，确定学生公寓信息。
具体的，服务器从云监控平台中对智能电表进行电能数据提取，基于该学生公寓信息获取学生公寓的电能数据，其中，每一个学生公寓设置一个智能电表进行电能管控，将该学生公寓的电能数据上传到用电分析数据模型进行用电器分析和特征数据提取，得到用电器分类数据，其中，用电分析数据模型包括：两层双向长短时记忆网络、三层门限循环网络以及全连接网络，通过该用电分析数据模型的用电器分类数据计算出用电器的分布情况，并输出用电器分布数据，进而根据用电器分布数据进行恶性负载预警。
S102、根据用电器分布数据，建立学生公寓对应的节点网络；
具体的，服务器确定节点网络中用电器分布数据的初始网络节点为源节点，以及接收用电器分布数据的最终网络节点为目的节点，需要说明的是，节点网络可以是任意可应用本实施例技术方案的网络，比如满足BLE mesh规范的网络或者其他非BLE mesh规范的网络。节点网络可以包括多个网络节点，对于用电器分布数据的传输来说，源节点和目的节点均为端节点，源节点作为用电器分布数据的提供者，目的节点作为用电器分布数据的接收者，最终根据目的节点及源节点建立学生公寓对应的节点网络。
S103、获取学生公寓的学生入住信息，并根据学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层；
需要说明的是，获取学生公寓的学生入住信息，该学生入住信息为存储在预置数据库中的数据文件，服务器通过对该预置数据库进行数据采集，确定对应的学生入住信息，最终服务器根据该学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层。
其中，在服务器进行分层设置负载子层时，负载子层由至少一个子层连接而成，在每个子层中包括有至少一个信息节点，其特征在于：在每个子层中还包括有一个信息中心，每个子层中的信息节点和信息中心连接成第一闭合环，网络中的所有信息中心连接成第二闭合环。通过该拓扑结构生成多个负载子层。
S104、分别对多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
具体的，服务器分别对多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，其中，将用电负载传感器配置于每一负载子层的总配电箱的入口端，采集用电负载传感器采集的负载用电信号并生成每一负载子层的运行记录，进而获取每一负载子层的运行记录并进行用电异常趋势或故障趋势分析，若每一负载子层具有用电异常趋势或故障趋势，得到至少一个异常负载子层。
S105、获取违规电器影响参数，并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
具体的，获取违规电器影响参数，其中，该违规电器影响参数包括分析电压和电流波形，进一步的，服务器并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，具体的，如果电流波形超前，则负载类别为容性负载，如果电流波形滞后，则负载类别为感性负载，如果零点电流波形被截取，则负载类别是开关电源性质或可控硅控制性质负载，如果分析电压与电流波形的相位趋近重叠，则负载类别是阻性负载。根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
S106、根据智能电表和目标恶性负载控制方案，对学生公寓进行恶性负载控制。
具体的，根据智能电表和目标恶性负载控制方案，对学生公寓进行控制策略数据导入，确定与该学生公寓对应的导入数据接口，最终服务器通过该导入数据接口对学生公寓进行恶性负载控制，对违规电器进行报警或断电处理。
本发明实施例中，根据用电器分布数据，建立学生公寓对应的节点网络；获取学生公寓的学生入住信息，并根据学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层；分别对多个负载子层进行电能负载检测，得到电能负载数据，并对电能负载数据进行负载异常分析，得到至少一个异常负载子层；获取违规电器影响参数，并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；根据智能电表和目标恶性负载控制方案，对学生公寓进行恶性负载控制，本发明通过对学生公寓的用电器分布数据进行分层设置负载子层，然后对每个负载子层进行分析检测，最终实现对异常负载子层进行恶性负载电器控制，进而提高了学生公寓恶性负载的识别准确率和效率。
在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：
（1）接收预设的智能电表发送的数据查询请求；
（2）对数据查询请求进行请求解析，得到数据查询请求对应的学生公寓标识地址；
（3）根据学生公寓标识地址，从预置的云监控平台中查询学生公寓的电能数据；
（4）对电能数据进行用电器分类，得到用电器分类数据；
（5）对用电器分类数据进行用电器分布分析，得到用电器分布数据。
具体的，接收预设的智能电表发送的数据查询请求,对数据查询请求进行请求解析，得到数据查询请求对应的学生公寓标识地址，进一步的，服务器对智能电表进行召测，获取电能计量数据及智能电表信息数据，将获取的电能计量数据及智能电表信息数据上传到用电分析数据模型进行统计分析和特征量提取，其中，将获取的电能计量数据及智能电表信息数据上传到用电分析数据模型，用电分析数据模型将电能计量数据及智能电表信息数据分割，得到用电器分类数据，对用电器分类数据进行用电器分布分析，得到用电器分布数据。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、对用电器分布数据进行分布节点解析，得到多个分布节点；
S202、对多个分布节点进行连接关系提取，得到多个分布节点之间的连接关系；
S203、根据连接关系和多个分布节点生成学生公寓对应的节点网络。
具体的，服务器确定节点网络中用电器分布数据的初始网络节点为源节点，以及接收用电器分布数据的最终网络节点为目的节点，需要说明的是，节点网络可以是任意可应用本实施例技术方案的网络，比如满足BLE mesh规范的网络或者其他非BLE mesh规范的网络。节点网络可以包括多个网络节点，对于用电器分布数据的传输来说，源节点和目的节点均为端节点，源节点作为用电器分布数据的提供者，目的节点作为用电器分布数据的接收者，最终根据目的节点及源节点建立学生公寓对应的节点网络。
其中，服务器对多个分布节点进行连接关系提取，得到多个分布节点之间的连接关系，在进行连接关系提取时，服务器对该多个分布节点进行单节点连接数分析，确定每一分布节点对应的单节点连接数，进而服务器根据每一分布节点对应的单节点连接数进行连接关系提取，得到多个分布节点之间的连接关系。根据连接关系和多个分布节点生成学生公寓对应的节点网络。
在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：
S301、获取学生公寓的学生入住信息；
S302、根据学生入住信息和节点网络，对学生公寓进行分层处理，得到多个初始业务层；
S303、根据多个初始业务层，对学生公寓进行负载子层设置，得到多个负载子层。
需要说明的是，获取学生公寓的学生入住信息，该学生入住信息为存储在预置数据库中的数据文件，服务器通过对该预置数据库进行数据采集，确定对应的学生入住信息，最终服务器根据该学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层，其中，在服务器进行分层设置负载子层时，负载子层由至少一个子层连接而成，在每个子层中包括有至少一个信息节点，其特征在于：在每个子层中还包括有一个信息中心，每个子层中的信息节点和信息中心连接成第一闭合环，网络中的所有信息中心连接成第二闭合环。通过该拓扑结构生成多个负载子层。
进一步的，根据学生入住信息和节点网络，对学生公寓进行分层处理，得到多个初始业务层，其中，每个子层通过信息中心与其他子层连接起来，进行信息交换，而每个子层内部的任何信息节点都不能直接与其他子层连接，必须经过该子层的信息中心。信息中心动态记载所在子层中每个信息节点的负载情况和相关位置，同时与其他子层的信息中心进行信息交换，当某个子层的所有信息节点都较忙或较闲时，可以经过信息中心的信息交换，根据多个初始业务层，对学生公寓进行负载子层设置，得到多个负载子层，其中，将负载任务分配给其他子层或接收其他子层的负载任务，根据每个子层的负载任务最终多个负载子层。
在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：
S401、分别对多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据；
S402、分别获取每个负载子层的标准负载数据；
S403、根据每个负载子层的标准负载数据和电能负载数据，对多个负载子层进行负载异常分析，得到至少一个异常负载子层。
具体的，分别对多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，分别获取每个负载子层的标准负载数据，首先，服务器对多个负载子层进行负载标识识别设置，进而服务器根据该负载标识提取每一负载子层的电压和电流波形，分析电压和电流波形，进一步的，服务器并根据违规电器影响参数对至少一个异常负载子层进行负载异常分析，得到至少一个异常负载子层。
（1）获取历史违规电器数据，并对历史违规电器数据按用电功率进行数据分类，得到多组违规电器类型；
（2）通过每组违规电器类型进行权重数值分析，确定与每组违规电器类型对应的权重数据，并将权重数据设置为违规电器影响参数；
（3）根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
具体的，获取历史违规电器数据，并对历史违规电器数据按用电功率进行数据分类，得到多组违规电器类型，其中，获取预设数目种违规类型中每种违规类型的违规电器集合，通过每组违规电器类型进行权重数值分析，确定与每组违规电器类型对应的权重数据，并将权重数据设置为违规电器影响参数，其中，服务器基于所获取的每种违规类型的违规电器集合以及与该种违规类型对应的预设权重，最终，服务器根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
需要说明的是，在进行恶性负载电器控制方案匹配时，具体的，如果电流波形超前，则负载类别为容性负载，如果电流波形滞后，则负载类别为感性负载，如果零点电流波形被截取，则负载类别是开关电源性质或可控硅控制性质负载，如果分析电压与电流波形的相位趋近重叠，则负载类别是阻性负载。根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
在一具体实施例中，上述基于智能电表的学生公寓负载识别方法还包括如下步骤：
（1）对智能电表进行跳闸检测，得到第一跳闸事件；
（2）基于预设的时间间隔，获取智能电表的第二跳闸事件；
（3）根据第一跳闸事件和第二跳闸事件生成学生公寓的恶性负载跳闸事件。
需要说明的是，该智能电表可进行某功率区间内的恶性负载电器控制。当新增电器在给定的功率区间内且新增电器的功率因数超阀值时会进行报警或跳闸，通过设置相关参数可设定灵活的恶性负载控制方案。当发现恶性负载跳闸后，电表自动合闸，在设定的一段时间内，电表总功率大于设定的功率值，电表将再次跳闸，算作恶性负载跳闸，并记恶性负载跳闸事件。
上面对本发明实施例中基于智能电表的学生公寓负载识别方法进行了描述，下面对本发明实施例中基于智能电表的学生公寓负载识别系统进行描述，请参阅图5，本发明实施例中基于智能电表的学生公寓负载识别系统一个实施例包括：
获取模块501，用于基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据；
建立模块502，用于根据所述用电器分布数据，建立所述学生公寓对应的节点网络；
设置模块503，用于获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层；
检测模块504，用于分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
匹配模块505，用于获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
控制模块506，用于根据所述智能电表和所述目标恶性负载控制方案，对所述学生公寓进行恶性负载控制。
通过上述各个组成部分的协同合作，根据用电器分布数据，建立学生公寓对应的节点网络；获取学生公寓的学生入住信息，并根据学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层；分别对多个负载子层进行电能负载检测，得到电能负载数据，并对电能负载数据进行负载异常分析，得到至少一个异常负载子层；获取违规电器影响参数，并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；根据智能电表和目标恶性负载控制方案，对学生公寓进行恶性负载控制，本发明通过对学生公寓的用电器分布数据进行分层设置负载子层，然后对每个负载子层进行分析检测，最终实现对异常负载子层进行恶性负载电器控制，进而提高了学生公寓恶性负载的识别准确率和效率。
请参阅图6，本发明实施例中基于智能电表的学生公寓负载识别系统另一个实施例包括：
获取模块501，用于基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据；
建立模块502，用于根据所述用电器分布数据，建立所述学生公寓对应的节点网络；
设置模块503，用于获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层；
检测模块504，用于分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
匹配模块505，用于获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
控制模块506，用于根据所述智能电表和所述目标恶性负载控制方案，对所述学生公寓进行恶性负载控制。
可选的，所述获取模块501具体用于：
接收预设的智能电表发送的数据查询请求；
对所述数据查询请求进行请求解析，得到所述数据查询请求对应的学生公寓标识地址；
根据所述学生公寓标识地址，从预置的云监控平台中查询学生公寓的电能数据；
对所述电能数据进行用电器分类，得到用电器分类数据；
对所述用电器分类数据进行用电器分布分析，得到用电器分布数据。
可选的，所述建立模块502具体用于：
对所述用电器分布数据进行分布节点解析，得到多个分布节点；
对所述多个分布节点进行连接关系提取，得到所述多个分布节点之间的连接关系；
根据所述连接关系和所述多个分布节点生成所述学生公寓对应的节点网络。
可选的，所述设置模块503具体用于：
获取所述学生公寓的学生入住信息；
根据所述学生入住信息和所述节点网络，对所述学生公寓进行分层处理，得到多个初始业务层；
根据所述多个初始业务层，对所述学生公寓进行负载子层设置，得到多个负载子层。
可选的，所述检测模块504具体用于：
分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据；
分别获取每个负载子层的标准负载数据；
根据每个负载子层的标准负载数据和电能负载数据，对所述多个负载子层进行负载异常分析，得到至少一个异常负载子层。
可选的，所述匹配模块505具体用于：
获取历史违规电器数据，并对所述历史违规电器数据按用电功率进行数据分类，得到多组违规电器类型；
通过每组所述违规电器类型进行权重数值分析，确定与每组所述违规电器类型对应的权重数据，并将所述权重数据设置为违规电器影响参数；
根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
可选的，所述基于智能电表的学生公寓负载识别系统还包括：
生成模块507，用于对所述智能电表进行跳闸检测，得到第一跳闸事件；基于预设的时间间隔，获取所述智能电表的第二跳闸事件；根据所述第一跳闸事件和所述第二跳闸事件生成所述学生公寓的恶性负载跳闸事件。
本发明实施例中，根据用电器分布数据，建立学生公寓对应的节点网络；获取学生公寓的学生入住信息，并根据学生入住信息和节点网络对学生公寓进行分层设置负载子层，得到多个负载子层；分别对多个负载子层进行电能负载检测，得到电能负载数据，并对电能负载数据进行负载异常分析，得到至少一个异常负载子层；获取违规电器影响参数，并根据违规电器影响参数对至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；根据智能电表和目标恶性负载控制方案，对学生公寓进行恶性负载控制，本发明通过对学生公寓的用电器分布数据进行分层设置负载子层，然后对每个负载子层进行分析检测，最终实现对异常负载子层进行恶性负载电器控制，进而提高了学生公寓恶性负载的识别准确率和效率。
上面图5和图6从模块化功能实体的角度对本发明实施例中的基于智能电表的学生公寓负载识别系统进行详细描述，下面从硬件处理的角度对本发明实施例中基于智能电表的学生公寓负载识别设备进行详细描述。
图7是本发明实施例提供的一种基于智能电表的学生公寓负载识别设备的结构示意图，该基于智能电表的学生公寓负载识别设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于智能电表的学生公寓负载识别设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在基于智能电表的学生公寓负载识别设备600上执行存储介质630中的一系列指令操作。
基于智能电表的学生公寓负载识别设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的基于智能电表的学生公寓负载识别设备结构并不构成对基于智能电表的学生公寓负载识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种基于智能电表的学生公寓负载识别设备，所述基于智能电表的学生公寓负载识别设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于智能电表的学生公寓负载识别方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于智能电表的学生公寓负载识别方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于智能电表的学生公寓负载识别方法，其特征在于，所述基于智能电表的学生公寓负载识别方法包括：
基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据；
根据所述用电器分布数据，建立所述学生公寓对应的节点网络；
获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层；
分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
根据所述智能电表和所述目标恶性负载控制方案，对所述学生公寓进行恶性负载控制。
2.根据权利要求1所述的基于智能电表的学生公寓负载识别方法，其特征在于，所述基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据，包括：
接收预设的智能电表发送的数据查询请求；
对所述数据查询请求进行请求解析，得到所述数据查询请求对应的学生公寓标识地址；
根据所述学生公寓标识地址，从预置的云监控平台中查询学生公寓的电能数据；
对所述电能数据进行用电器分类，得到用电器分类数据；
对所述用电器分类数据进行用电器分布分析，得到用电器分布数据。
3.根据权利要求1所述的基于智能电表的学生公寓负载识别方法，其特征在于，所述根据所述用电器分布数据，建立所述学生公寓对应的节点网络，包括：
对所述用电器分布数据进行分布节点解析，得到多个分布节点；
对所述多个分布节点进行连接关系提取，得到所述多个分布节点之间的连接关系；
根据所述连接关系和所述多个分布节点生成所述学生公寓对应的节点网络。
4.根据权利要求1所述的基于智能电表的学生公寓负载识别方法，其特征在于，所述获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层，包括：
获取所述学生公寓的学生入住信息；
根据所述学生入住信息和所述节点网络，对所述学生公寓进行分层处理，得到多个初始业务层；
根据所述多个初始业务层，对所述学生公寓进行负载子层设置，得到多个负载子层。
5.根据权利要求1所述的基于智能电表的学生公寓负载识别方法，其特征在于，所述分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层，包括：
分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据；
分别获取每个负载子层的标准负载数据；
根据每个负载子层的标准负载数据和电能负载数据，对所述多个负载子层进行负载异常分析，得到至少一个异常负载子层。
6.根据权利要求1所述的基于智能电表的学生公寓负载识别方法，其特征在于，所述获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案，包括：
获取历史违规电器数据，并对所述历史违规电器数据按用电功率进行数据分类，得到多组违规电器类型；
通过每组所述违规电器类型进行权重数值分析，确定与每组所述违规电器类型对应的权重数据，并将所述权重数据设置为违规电器影响参数；
根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案。
7.根据权利要求1所述的基于智能电表的学生公寓负载识别方法，其特征在于，所述基于智能电表的学生公寓负载识别方法还包括：
对所述智能电表进行跳闸检测，得到第一跳闸事件；
基于预设的时间间隔，获取所述智能电表的第二跳闸事件；
根据所述第一跳闸事件和所述第二跳闸事件生成所述学生公寓的恶性负载跳闸事件。
8.一种基于智能电表的学生公寓负载识别系统，其特征在于，所述基于智能电表的学生公寓负载识别系统包括：
获取模块，用于基于预设的智能电表获取学生公寓的电能数据，并对所述电能数据进行用电器分布分析，得到用电器分布数据；
建立模块，用于根据所述用电器分布数据，建立所述学生公寓对应的节点网络；
设置模块，用于获取所述学生公寓的学生入住信息，并根据所述学生入住信息和所述节点网络对所述学生公寓进行分层设置负载子层，得到多个负载子层；
检测模块，用于分别对所述多个负载子层进行电能负载检测，得到每个负载子层对应的电能负载数据，并对每个负载子层对应的电能负载数据进行负载异常分析，得到至少一个异常负载子层；
匹配模块，用于获取违规电器影响参数，并根据所述违规电器影响参数对所述至少一个异常负载子层进行恶性负载电器控制方案匹配，生成目标恶性负载控制方案；
控制模块，用于根据所述智能电表和所述目标恶性负载控制方案，对所述学生公寓进行恶性负载控制。
9.一种基于智能电表的学生公寓负载识别设备，其特征在于，所述基于智能电表的学生公寓负载识别设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于智能电表的学生公寓负载识别设备执行如权利要求1-7中任一项所述的基于智能电表的学生公寓负载识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于智能电表的学生公寓负载识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310154592.1A CN115879037B (zh) | 2023-02-23 | 2023-02-23 | 一种基于智能电表的学生公寓负载识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310154592.1A CN115879037B (zh) | 2023-02-23 | 2023-02-23 | 一种基于智能电表的学生公寓负载识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115879037A true CN115879037A (zh) | 2023-03-31 |
| CN115879037B CN115879037B (zh) | 2023-05-05 |
Family
ID=85761551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310154592.1A Active CN115879037B (zh) | 2023-02-23 | 2023-02-23 | 一种基于智能电表的学生公寓负载识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115879037B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201251589Y (zh) * | 2008-07-10 | 2009-06-03 | 河南新天科技有限公司 | 一种多用户电能计量集中控制装置 |
| CN103078292A (zh) * | 2012-10-17 | 2013-05-01 | 安徽工程大学 | 恶性负载智能识别控制系统 |
| CN202917949U (zh) * | 2012-10-17 | 2013-05-01 | 安徽工程大学 | 恶性负载智能识别控制系统 |
| CN104022513A (zh) * | 2014-05-30 | 2014-09-03 | 上海电力学院 | 电动汽车充放储一体站并网的多级电压控制分区方法 |
| CN104578153A (zh) * | 2014-12-24 | 2015-04-29 | 中国船舶重工集团公司第七0四研究所 | 一种电网拓扑结构识别方法 |
| CN105529823A (zh) * | 2014-09-28 | 2016-04-27 | 杭州久笛电子科技有限公司 | 一种基于用电负载管理智能识别系统的终端及终端搭建系统 |
| CN105759149A (zh) * | 2016-04-08 | 2016-07-13 | 湖南工业大学 | 学生宿舍用电器类型判断器 |
| CN108399221A (zh) * | 2018-02-11 | 2018-08-14 | 山东建筑大学 | 基于大数据关联分析的室内电气设备分类识别方法与系统 |
| CN108573288A (zh) * | 2018-05-29 | 2018-09-25 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
| CN109002633A (zh) * | 2018-08-01 | 2018-12-14 | 陈龙雨 | 基于独立空间的设备网络建模方法 |
| CN110784979A (zh) * | 2019-09-20 | 2020-02-11 | 西蒙电气（中国）有限公司 | 实现简易组网及配置功能的照明系统及其方法 |
| US20200209292A1 (en) * | 2017-07-19 | 2020-07-02 | Sagemcom Energy & Telecom Sas | Method for reading information from a set of electricity meters |
| CN112381264A (zh) * | 2020-10-20 | 2021-02-19 | 昆明理工大学 | 一种基于改进图卷积神经网络的用电负荷辨识方法 |
| CN114970633A (zh) * | 2022-06-07 | 2022-08-30 | 西安电子科技大学 | 一种基于lstm的非侵入式用电器识别方法、系统及设备 |
| CN114996635A (zh) * | 2022-06-27 | 2022-09-02 | 广东电网有限责任公司 | 一种配电网参数确定方法、装置、设备及存储介质 |
| CN115203873A (zh) * | 2022-07-25 | 2022-10-18 | 广东电网有限责任公司 | 应用于配电网的拓扑关系构建方法、装置、设备及介质 |
| CN115545280A (zh) * | 2022-09-20 | 2022-12-30 | 华南理工大学 | 一种低压配电网络拓扑生成方法及装置 |
| US20230018575A1 (en) * | 2021-07-15 | 2023-01-19 | Siemens Aktiengesellschaft | Distribution grid topology identification encoding known toplogial information |
-
2023
- 2023-02-23 CN CN202310154592.1A patent/CN115879037B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201251589Y (zh) * | 2008-07-10 | 2009-06-03 | 河南新天科技有限公司 | 一种多用户电能计量集中控制装置 |
| CN103078292A (zh) * | 2012-10-17 | 2013-05-01 | 安徽工程大学 | 恶性负载智能识别控制系统 |
| CN202917949U (zh) * | 2012-10-17 | 2013-05-01 | 安徽工程大学 | 恶性负载智能识别控制系统 |
| CN104022513A (zh) * | 2014-05-30 | 2014-09-03 | 上海电力学院 | 电动汽车充放储一体站并网的多级电压控制分区方法 |
| CN105529823A (zh) * | 2014-09-28 | 2016-04-27 | 杭州久笛电子科技有限公司 | 一种基于用电负载管理智能识别系统的终端及终端搭建系统 |
| CN104578153A (zh) * | 2014-12-24 | 2015-04-29 | 中国船舶重工集团公司第七0四研究所 | 一种电网拓扑结构识别方法 |
| CN105759149A (zh) * | 2016-04-08 | 2016-07-13 | 湖南工业大学 | 学生宿舍用电器类型判断器 |
| US20200209292A1 (en) * | 2017-07-19 | 2020-07-02 | Sagemcom Energy & Telecom Sas | Method for reading information from a set of electricity meters |
| CN108399221A (zh) * | 2018-02-11 | 2018-08-14 | 山东建筑大学 | 基于大数据关联分析的室内电气设备分类识别方法与系统 |
| CN108573288A (zh) * | 2018-05-29 | 2018-09-25 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
| CN109002633A (zh) * | 2018-08-01 | 2018-12-14 | 陈龙雨 | 基于独立空间的设备网络建模方法 |
| CN110784979A (zh) * | 2019-09-20 | 2020-02-11 | 西蒙电气（中国）有限公司 | 实现简易组网及配置功能的照明系统及其方法 |
| CN112381264A (zh) * | 2020-10-20 | 2021-02-19 | 昆明理工大学 | 一种基于改进图卷积神经网络的用电负荷辨识方法 |
| US20230018575A1 (en) * | 2021-07-15 | 2023-01-19 | Siemens Aktiengesellschaft | Distribution grid topology identification encoding known toplogial information |
| CN114970633A (zh) * | 2022-06-07 | 2022-08-30 | 西安电子科技大学 | 一种基于lstm的非侵入式用电器识别方法、系统及设备 |
| CN114996635A (zh) * | 2022-06-27 | 2022-09-02 | 广东电网有限责任公司 | 一种配电网参数确定方法、装置、设备及存储介质 |
| CN115203873A (zh) * | 2022-07-25 | 2022-10-18 | 广东电网有限责任公司 | 应用于配电网的拓扑关系构建方法、装置、设备及介质 |
| CN115545280A (zh) * | 2022-09-20 | 2022-12-30 | 华南理工大学 | 一种低压配电网络拓扑生成方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| LIANG ZHAO 等: "Robust PCA-deep belief network surrogate model for distribution system topology identification with DERs", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 * |
| YANG WENG 等: "Distributed Energy Resources Topology Identification via Graphical Modeling", 《IEEE》 * |
| 潘万林: "基于相似度智能识别负载的宿舍用电管理系统设计与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 王果 等: "配电网拓扑辨识研究综述及展望", 《CNKI》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115879037B (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104704702B (zh) | 光伏发电系统及其故障检测方法 | |
| CN100346165C (zh) | 用于远程数据采集和电表控制的系统 | |
| CN104123134B (zh) | 基于ami与j2ee的智能用电数据管理方法及系统 | |
| CN102257694B (zh) | 电网断电和故障状况管理 | |
| CN103762723B (zh) | 用于管理电网的方法和系统 | |
| WO2018133230A1 (zh) | 微电网系统的控制方法及装置 | |
| CN106990328A (zh) | 配网抢修异常数据分析、故障定位系统及方法 | |
| CN103839189B (zh) | 基于可靠性效益评估的配电自动化方案优化方法和系统 | |
| EP2081273A2 (en) | System and method for providing power distribution system information | |
| CN102928809A (zh) | 电能计量装置远程监测诊断系统及其工作方法 | |
| JP2004501599A (ja) | エネルギー分配を監視し制御する方法及びシステム | |
| WO2010105038A1 (en) | Process, device and system for mapping transformers to meters and locating non-technical line losses | |
| CN106872856A (zh) | 基于多元故障采集的配电网故障主动抢修系统、方法 | |
| CN106371325A (zh) | 采用云服务器进行远程电器控制的方法 | |
| KR101500057B1 (ko) | 자동 검침 및 관리 시스템의 검침정보 제공 방법 | |
| CN103412182B (zh) | 利用电能计量装置监测电压合格率的方法 | |
| CN102193551A (zh) | 基于物联网的智能家居用电潮流优化管理方法 | |
| CN106814286A (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 | |
| CN108736574A (zh) | 一种基站油机的智能监控终端、调控方法和监控系统 | |
| CN105207367B (zh) | 一种远程电力监控系统 | |
| CN107167656A (zh) | 基于智能电表的用电监测方法及装置 | |
| CN108093039B (zh) | 基于国网q/gdw3761协议处理沉睡电表的方法 | |
| WO2018144009A1 (en) | Power management methods for a circuit of a substation, and related apparatuses and computer program products | |
| CN115879037A (zh) | 一种基于智能电表的学生公寓负载识别方法及系统 | |
| KR20180120363A (ko) | 태양광 발전상태에 관한 빅데이터 수집 및 관리를 통해서 통합 ｅｍｓ 서비스를 제공하는 방법 |
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 |