CN116660611B - 大电流移动测量平台的测量方法、测量平台、设备及介质 - Google Patents
大电流移动测量平台的测量方法、测量平台、设备及介质 Download PDFInfo
- Publication number
- CN116660611B CN116660611B CN202310924482.9A CN202310924482A CN116660611B CN 116660611 B CN116660611 B CN 116660611B CN 202310924482 A CN202310924482 A CN 202310924482A CN 116660611 B CN116660611 B CN 116660611B
- Authority
- CN
- China
- Prior art keywords
- current
- value
- compensation value
- measuring
- frequency response
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 110
- 230000004044 response Effects 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000001052 transient effect Effects 0.000 claims abstract description 21
- 238000012800 visualization Methods 0.000 claims abstract description 19
- 239000000203 mixture Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 8
- 238000000691 measurement method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/32—Compensating for temperature change
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本申请涉及一种大电流移动测量平台的测量方法、测量平台、设备及介质。所述方法包括:通过所述测量模块对待测量部件进行电流测量,得到测量数据;根据多个测量点的温度值,得到第一特征数据,并输入所述离线处理模块进行增量学习,输出第一补偿值;根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入所述离线处理模块进行增量学习,输出第二补偿值;根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且在所述可视化模块中进行展示。采用本方法能够同时解决温升问题和频率响应问题。
Description
技术领域
本申请涉及电流测量技术领域,特别是涉及一种大电流移动测量平台的测量方法、测量平台、设备及介质。
背景技术
大电流测量是在工业和能源领域中常见的任务之一。传统的大电流测量方法面临着温升效应、频率响应、电磁干扰等问题,这些问题可能导致测量结果的误差和不准确性。
温升效应是指在大电流传导过程中,电流通过导线和传感器时会产生电阻,导致温度升高。高温可能会影响导线和传感器的电阻特性,从而引入测量误差。解决温升效应是提高大电流测量准确性的关键问题。频率响应是指大电流测量系统对不同频率电流信号的响应能力。在测量高频电流时,系统的响应可能出现衰减、相位差或失真,导致测量结果不准确。解决频率响应问题可以提高系统在不同频率下的测量准确性和稳定性。
目前,针对温升问题和频率响应问题的解决方案大多是独立的方法。然而,这些方法往往需要使用不同的设备和技术,增加了成本和复杂性。
发明内容
基于此,有必要针对上述技术问题,提供一种能够同时解决温升问题和频率响应问题,提高大电流测量的准确性和可靠性的大电流移动测量平台的测量方法、测量平台、设备及介质。
一种大电流移动测量平台的测量方法,所述大电流移动测量包括测量模块、离线处理模块以及可视化模块;
所述方法包括:
通过所述测量模块对待测量部件进行电流测量,得到测量数据;所述测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;
根据多个测量点的温度值,得到第一特征数据,并输入所述离线处理模块进行增量学习,输出第一补偿值;
根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入所述离线处理模块进行增量学习,输出第二补偿值;
根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且在所述可视化模块中进行展示。
在其中一个实施例中,还包括:通过设置在不同点位的电流传感器测量得到不同点位的电流值,并且取均值得到电流值;通过设置在不同点位的温度传感器得到不同点位的温度值;以及根据不同点位输出得到多个点位的频率响应曲线。
在其中一个实施例中,还包括:根据多个测量点的温度值,得到第一特征数据;将所述第一特征数据输入所述离线处理模块的增量式线性回归模型中进行增量学习,输出第一补偿值。
在其中一个实施例中,还包括:采用所述第一补偿值对测量点的所述频率响应曲线的瞬态频率响应值进行补偿,得到当前测量点的第二特征数据,得到当前测量点的第二特征数据;将所述第二特征数据输入所述离线处理模块的增量式高斯混合模型,输出第二补偿值。
在其中一个实施例中,还包括:采用所述第二补偿值对当前时刻电流传感器测量得到的电流值进行补偿,得到实际电流测量值;在所述可视化模块中动态展示第二补偿值以及所述实际电流测量值。
一种大电流移动测量平台,所述大电流移动测量平台包括:
所述测量模块用于对待测量部件进行电流测量,得到测量数据;所述测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;
所述离线处理模块用于根据多个测量点的温度值,得到第一特征数据,并对输入的第一特征数据进行增量学习,输出第一补偿值;
所述离线处理模块还用于根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入的第二特征数据进行增量学习,输出第二补偿值;
可视化模块用于展示根据所述第二补偿值对电流传感器测量得到的电流值进行补偿后的数据。
在其中一个实施例中,所述测量模块还用于通过设置在不同点位的电流传感器测量得到不同点位的电流值,并且取均值得到电流值;通过设置在不同点位的温度传感器得到不同点位的温度值;以及根据不同点位输出得到多个点位的频率响应曲线。
在其中一个实施例中,所述离线处理模块还用于根据多个测量点的温度值,得到第一特征数据;将所述第一特征数据输入所述离线处理模块的增量式线性回归模型中进行增量学习,输出第一补偿值。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
通过所述测量模块对待测量部件进行电流测量,得到测量数据;所述测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;
根据多个测量点的温度值,得到第一特征数据,并输入所述离线处理模块进行增量学习,输出第一补偿值;
根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入所述离线处理模块进行增量学习,输出第二补偿值;
根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且在所述可视化模块中进行展示。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
通过所述测量模块对待测量部件进行电流测量,得到测量数据;所述测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;
根据多个测量点的温度值,得到第一特征数据,并输入所述离线处理模块进行增量学习,输出第一补偿值;
根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入所述离线处理模块进行增量学习,输出第二补偿值;
根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且在所述可视化模块中进行展示。
上述大电流移动测量平台的测量方法、测量平台、设备及介质,首先,在进行大电流测量时,在线的测量得到测量数据,测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线。为了准确的对当前电流进行补偿,并非如传统方法中使用拟合的方式,而是设置了离线处理模块,离线处理模块中包含两个阶段的任务,第一阶段是利用精确的温度测量值,增量学习得到第一补偿值,第二阶段是由于频率响应一方面受到电流大小影响,另外一方面也受到温度变化的影响,因此在进行第二阶段的增量学习时,是将第一补偿值和多个测量点在频率响应曲线的瞬态频率响应值作为增量学习的特征,从而通过增量学习模型准确的反映出当前温度变化和频率响应变化所对应的真实电流测量值以此对测量值进行补偿。采用本发明的上述方法,可以同时解决温升问题和频率响应问题的一体化补偿,可以采用一套大电流移动测量平台完成,成本低以及测量准确度高。
附图说明
图1为一个实施例中大电流移动测量平台的测量方法的流程示意图;
图2为一个实施例中大电流移动测量平台的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种大电流移动测量平台的测量方法,包括以下步骤:
步骤102,通过测量模块对待测量部件进行电流测量,得到测量数据。
测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线。
步骤104,根据多个测量点的温度值,得到第一特征数据,并输入离线处理模块进行增量学习,输出第一补偿值。
本步骤中,增量学习可以选择增量学习模型实现,增量学习可以在已有模型基础上,通过逐步接收和处理新的数据,进行持续学习和更新,而无需重新训练整个模型,从而可以通过累计数据增量学习,使得测量结果更加准确。
步骤106,根据第一补偿值和多个测量点在频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入离线处理模块进行增量学习,输出第二补偿值。
在本步骤中,增量学习的增量学习模型可以与上一步骤一致,也可以相同。
步骤108,根据第二补偿值对电流传感器测量得到的电流值进行补偿,并且在可视化模块中进行展示。
上述大电流移动测量平台的测量方法,首先,在进行大电流测量时,在线的测量得到测量数据,测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线。为了准确的对当前电流进行补偿,并非如传统方法中使用拟合的方式,而是设置了离线处理模块,离线处理模块中包含两个阶段的任务,第一阶段是利用精确的温度测量值,增量学习得到第一补偿值,第二阶段是由于频率响应一方面受到电流大小影响,另外一方面也受到温度变化的影响,因此在进行第二阶段的增量学习时,是将第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值作为增量学习的特征,从而通过增量学习模型准确的反映出当前温度变化和频率响应变化所对应的真实电流测量值以此对测量值进行补偿。采用本发明的上述方法,可以同时解决温升问题和频率响应问题的一体化补偿,可以采用一套大电流移动测量平台完成,成本低以及测量准确度高。
在其中一个实施例中,通过设置在不同点位的电流传感器测量得到不同点位的电流值,并且取均值得到电流值;通过设置在不同点位的温度传感器得到不同点位的温度值;以及根据不同点位输出得到多个点位的频率响应曲线。
具体的,根据待测量部件的电流范围和温度范围,选择适当的电流传感器和温度传感器,并将其安装在待测量部件的各个点位上,值得说明的是,根据电流的测量原理,同一条支路上的电流值是相同的,因此需要保证所有的点位位于同一支路。上述传感器可以采用高分辨率的多通道信号采集设备进行信号的收集,以此能够为后续增量学习提供高分辨率的数据支持。在进行频率测量时,对待测量部件施加一系列频率变化的测试信号。通过测量模块,记录每个频率点下的电流值和对应的输出信号,通过这些数据构建频率响应曲线。
在其中一个实施例中,根据多个测量点的温度值,得到第一特征数据;将第一特征数据输入离线处理模块的增量式线性回归模型中进行增量学习,输出第一补偿值。
具体的,第一特征数据可以是选择温度值、温度波动值、温度范围、最大温度、最低温度等,将测量点的第一特征数据及其对应的电流值输入至增量式线性回归模型,输出预测电流测量值,根据预测电流测量值以及测量的电流值进行差值计算,得到预期第一补偿值,取所有测量点的第一补偿值的平均值作为真实补偿值,根据真实补偿值和测量的电流值,得到增量学习的输入样本,以此对增量式线性回归模型进行增量学习。
值得说明的是,上述实施例选择增量式线性回归模型,目的是学习电流值与温度变化之间的关系,增量式线性回归模型的具体选择以及训练过程可以参照《多元线性回归模型的增量算法》(北京航天航空大学学报,王慧文,2014年第40期)。
在其中一个实施例中,将第一补偿值和测量点的频率响应曲线的瞬态频率响应值进行组合,得到当前测量点的第二特征数据;将第二特征数据输入离线处理模块的增量式高斯混合模型,输出第二补偿值。
具体的,第一补偿值和电流测量值进行补偿后,得到预期的真实电流测量值,补偿的方式可以是将测量点测得的电流值与第一补偿值相加,也可以根据各个测量点的重要程度,设置各个测量点的权重,然后进行组合补偿,在进行增量学习时,输入的是预期的真实电流测量值和频率响应曲线的瞬态频率响应值对应的第二特征数据,第二特征数据可以是频率值、频率带宽、频谱能量、峰值频率等,输入至增量式高斯混合模型,输出预测的电流测量值,采用增量式高斯混合模型输出预测的电流测量值与预期的真实电流测量值,可以得到第二补偿值,从而取所有测量点的第二补偿值的平均值作为最终的第二补偿值,并且采用同样的方式构建样本,对增量式高斯混合模型进行增量学习。对于增量式高斯混合模型的样本训练及聚类原理,可以参照《基于混合高斯模型的增量式聚类》(江苏科技大学学报,於跃成,2011年第6期第25卷)
值得说明的是,由于预期的真实电流测量值中包含了温度变化的信息,可以一定程度反映出温度变化对频率响应的影响,最终通过增量式高斯混合模型对数据分布敏感的特性,并对其学习,提升模型预测的精度。
在其中一个实施例中,将第二补偿值和当前时刻电流传感器测量得到的电流值进行叠加,得到实际电流测量值;在可视化模块中动态展示第二补偿值以及实际电流测量值。
本实施例中,通过可视化模块可以实时观测大电流的测量值,通过第二补偿值的波动,可以感知大电流移动测量平台的测量状态,如果波动大,则说明内部部分部件可能出现故障或者有故障的可能性,如果波动超过了一定值,则离线处理模块无法对大波动的数据进行准确的估计,从而使得测量精度大打折扣,因此通过可视化模块的观测,是保证本发明大电流移动测量平台测量精度的关键。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种大电流移动测量平台,包括:测量模块202、离线处理模块204和可视化模块206,其中:
测量模块202用于对待测量部件进行电流测量,得到测量数据;所述电流测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;
所述离线处理模块204用于根据多个测量点的温度值,得到第一特征数据,并对输入的第一特征数据进行增量学习,输出第一补偿值;
所述离线处理模块204还用于根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入的第二特征数据进行增量学习,输出第二补偿值;
所述可视化模块206用于根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且进行展示。
在其中一个实施例中,所述测量模块202还用于通过设置在不同点位的电流传感器测量得到不同点位的电流值,并且取均值得到电流值;通过设置在不同点位的温度传感器得到不同点位的温度值;以及根据不同点位输出得到多个点位的频率响应曲线。
在其中一个实施例中,所述离线处理模块204还用于根据多个测量点的温度值,得到第一特征数据;将所述第一特征数据输入所述离线处理模块的增量式线性回归模型中进行增量学习,输出第一补偿值。
在其中一个实施例中,所述离线处理模块204还用于将所述第一补偿值和测量点的所述频率响应曲线的瞬态频率响应值进行组合,得到当前测量点的第二特征数据;将所述第二特征数据输入所述离线处理模块的增量式高斯混合模型,输出第二补偿值。
在其中一个实施例中,可视化模块206用于展示根据所述第二补偿值对电流传感器测量得到的电流值进行补偿后的数据。
关于大电流移动测量平台的具体限定可以参见上文中对于大电流移动测量平台的测量方法的限定,在此不再赘述。上述大电流移动测量平台中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种大电流移动测量平台的测量方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种大电流移动测量平台的测量方法,其特征在于,所述大电流移动测量包括测量模块、离线处理模块以及可视化模块;
所述方法包括:
通过所述测量模块对待测量部件进行电流测量,得到测量数据;所述测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;所述频率响应曲线为电流传感器的频率响应曲线;
根据多个测量点的温度值,得到第一特征数据,并输入所述离线处理模块进行增量学习,输出第一补偿值;
根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入所述离线处理模块进行增量学习,输出第二补偿值;
根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且在所述可视化模块中进行展示;
所述根据多个测量点的温度值,得到第一特征数据,并输入所述离线处理模块进行增量学习,输出第一补偿值,包括:
根据多个测量点的温度值,得到第一特征数据;
将所述第一特征数据及其对应的电流值输入所述离线处理模块的增量式线性回归模型中进行增量学习,输出预测电流测量值,根据预测电流测量值以及测量的电流值进行差值计算,得到输出第一补偿值;
将所述第一补偿值作为真实补偿值,根据真实补偿值和测量的电流值,得到增量学习的输入样本,以此对增量式线性回归模型进行增量学习;
根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入所述离线处理模块进行增量学习,输出第二补偿值,包括:
采用所述第一补偿值对测量点的所述频率响应曲线的瞬态频率响应值进行补偿,得到当前测量点的第二特征数据;
将所述第二特征数据和预期的真实电流测量值输入所述离线处理模块的增量式高斯混合模型,输出预测的电流测量值,采用增量式高斯混合模型输出预测的电流测量值与预期的真实电流测量值,可以得到第二补偿值,从而取所有测量点的第二补偿值的平均值作为最终的第二补偿值;
将所述最终的第二补偿值作为真实补偿值,根据真实补偿值和测量的电流值,得到增量学习的输入样本,以此对增量式高斯混合模型进行增量学习;
采用所述第一补偿值对测量点的所述频率响应曲线的瞬态频率响应值进行补偿,得到当前测量点的第二特征数据包括:
第一补偿值和电流测量值进行补偿后,得到预期的真实电流测量值;
根据第一补偿值与电流测量值得到的预期的真实电流测量值和测量点的所述频率响应曲线的瞬态频率响应值,得到当前测量点的第二特征数据。
2.根据权利要求1所述的方法,其特征在于,通过所述测量模块对待测量部件进行电流测量,得到测量数据,包括:
通过设置在不同点位的电流传感器测量得到不同点位的电流值,并且取均值得到电流值;
通过设置在不同点位的温度传感器得到不同点位的温度值;
以及根据不同点位输出得到多个点位的频率响应曲线。
3.根据权利要求1至2任一项所述的方法,其特征在于,根据所述第二补偿值对电流传感器测量得到的电流值进行补偿,并且在所述可视化模块中进行展示,包括:
采用所述第二补偿值对当前时刻电流传感器测量得到的电流值进行补偿,得到实际电流测量值;
在所述可视化模块中动态展示第二补偿值以及所述实际电流测量值。
4.一种大电流移动测量平台,其特征在于,所述大电流移动测量平台包括:
测量模块用于对待测量部件进行电流测量,得到测量数据;所述测量数据包括:电流传感器测量得到的电流值、温度传感器测量得到的温度值以及输出的频率响应曲线;所述频率响应曲线为电流传感器的频率响应曲线;
离线处理模块用于根据多个测量点的温度值,得到第一特征数据,并对输入的第一特征数据进行增量学习,输出第一补偿值;
所述离线处理模块还用于根据所述第一补偿值和所述多个测量点在所述频率响应曲线的瞬态频率响应值,得到第二特征数据,并输入的第二特征数据进行增量学习,输出第二补偿值;
可视化模块用于展示根据所述第二补偿值对电流传感器测量得到的电流值进行补偿后的数据;
离线处理模块还用于根据多个测量点的温度值,得到第一特征数据;将所述第一特征数据及其对应的电流值输入所述离线处理模块的增量式线性回归模型中进行增量学习,输出预测电流测量值,根据预测电流测量值以及测量的电流值进行差值计算,得到输出第一补偿值;将所述第一补偿值作为真实补偿值,根据真实补偿值和测量的电流值,得到增量学习的输入样本,以此对增量式线性回归模型进行增量学习;
离线处理模块还用于采用所述第一补偿值对测量点的所述频率响应曲线的瞬态频率响应值进行补偿,得到当前测量点的第二特征数据;将所述第二特征数据和预期的真实电流测量值输入所述离线处理模块的增量式高斯混合模型,输出预测的电流测量值,采用增量式高斯混合模型输出预测的电流测量值与预期的真实电流测量值,可以得到第二补偿值,从而取所有测量点的第二补偿值的平均值作为最终的第二补偿值;将所述最终的第二补偿值作为真实补偿值,根据真实补偿值和测量的电流值,得到增量学习的输入样本,以此对增量式高斯混合模型进行增量学习;
离线处理模块还用于第一补偿值和电流测量值进行补偿后,得到预期的真实电流测量值;根据第一补偿值与电流测量值得到的预期的真实电流测量值和测量点的所述频率响应曲线的瞬态频率响应值,得到当前测量点的第二特征数据。
5.根据权利要求4所述的大电流移动测量平台,其特征在于,所述测量模块还用于通过设置在不同点位的电流传感器测量得到不同点位的电流值,并且取均值得到电流值;通过设置在不同点位的温度传感器得到不同点位的温度值;以及根据不同点位输出得到多个点位的频率响应曲线。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310924482.9A CN116660611B (zh) | 2023-07-26 | 2023-07-26 | 大电流移动测量平台的测量方法、测量平台、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310924482.9A CN116660611B (zh) | 2023-07-26 | 2023-07-26 | 大电流移动测量平台的测量方法、测量平台、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116660611A CN116660611A (zh) | 2023-08-29 |
CN116660611B true CN116660611B (zh) | 2023-11-03 |
Family
ID=87724473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310924482.9A Active CN116660611B (zh) | 2023-07-26 | 2023-07-26 | 大电流移动测量平台的测量方法、测量平台、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116660611B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3767311A1 (en) * | 2019-07-15 | 2021-01-20 | Allegro MicroSystems, LLC | Method and apparatus for frequency effect compensation in magnetic field current sensors |
CN112327238A (zh) * | 2020-11-30 | 2021-02-05 | 国网河北省电力有限公司营销服务中心 | 直流互感器关键性能测试系统 |
CN113032976A (zh) * | 2021-03-05 | 2021-06-25 | 中国电子科技集团公司第三十八研究所 | 一种基于温度场重构的相控阵天线电性能补偿方法及系统 |
CN115856724A (zh) * | 2022-11-24 | 2023-03-28 | 西南交通大学 | 一种考虑温度因素的变压器绕组故障识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11686747B2 (en) * | 2020-09-28 | 2023-06-27 | Analog Devices International Unlimited Company | DC signal measurement and battery formation/testing |
-
2023
- 2023-07-26 CN CN202310924482.9A patent/CN116660611B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3767311A1 (en) * | 2019-07-15 | 2021-01-20 | Allegro MicroSystems, LLC | Method and apparatus for frequency effect compensation in magnetic field current sensors |
CN112327238A (zh) * | 2020-11-30 | 2021-02-05 | 国网河北省电力有限公司营销服务中心 | 直流互感器关键性能测试系统 |
CN113032976A (zh) * | 2021-03-05 | 2021-06-25 | 中国电子科技集团公司第三十八研究所 | 一种基于温度场重构的相控阵天线电性能补偿方法及系统 |
CN115856724A (zh) * | 2022-11-24 | 2023-03-28 | 西南交通大学 | 一种考虑温度因素的变压器绕组故障识别方法 |
Non-Patent Citations (1)
Title |
---|
一种大电流测量系统的设计与应用;张建永 等;一种大电流测量系统的设计与应用(第1期);30-33 * |
Also Published As
Publication number | Publication date |
---|---|
CN116660611A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahmoud et al. | The monitoring of simple linear regression profiles with two observations per sample | |
Liebhart et al. | Passive impedance spectroscopy for monitoring lithium-ion battery cells during vehicle operation | |
CN109060899A (zh) | 电化学传感器测量结果的补偿方法、装置和设备 | |
Korovaitsev et al. | Evaluation of metrological reliability of measuring instruments under the conditions of incomplete data | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN110161181A (zh) | 混合气体的组分浓度识别方法及系统 | |
CN109814101B (zh) | 一种航空器位置预测的方法及装置 | |
CN112577515A (zh) | 惯性传感器、用于惯性传感器的自校准的方法和计算机可读的介质 | |
CN116660611B (zh) | 大电流移动测量平台的测量方法、测量平台、设备及介质 | |
CN111521859B (zh) | 电力设备的线路电流测量方法、装置及计算机设备 | |
CN106124081A (zh) | 永磁同步电机精确多点实时测温方法及系统 | |
CN113487019A (zh) | 电路故障诊断方法、装置、计算机设备和存储介质 | |
CN116296020A (zh) | 张力检测方法、张力传感器及存储介质 | |
Gryzlov et al. | Artificial intelligence and data analytics for virtual flow metering | |
CN112859034B (zh) | 自然环境雷达回波幅度模型分类方法和装置 | |
US20230273269A1 (en) | Determining states of electrical equipment using variations in diagnostic parameter prediction error | |
Loktionov | Numerical differentiation in the measurement model | |
CN111458708B (zh) | 一种基于雷达干涉测量的温度形变分析方法 | |
Dobbert | It Is Time for Measuring Instruments to Report Measurement Uncertainty | |
CN115808578B (zh) | 电力设备的电压获取方法、装置、设备、存储介质 | |
Klevtsov | Application of the Hurst index to evaluate the testing of information gathering system components | |
WO2023243578A1 (ja) | 測定装置、測定方法、及び、測定プログラム | |
CN103105509A (zh) | 加速度传感器的零点温漂的非线性校正方法 | |
Melent’ev et al. | Improvement of methods of measuring the parameters of two-terminal electric circuits | |
Nikolova et al. | Curve fitting for sensors’ analog behavioural modelling |
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 |