CN116826978A - 一种用于配电箱的电变量调节监测方法及系统 - Google Patents
一种用于配电箱的电变量调节监测方法及系统 Download PDFInfo
- Publication number
- CN116826978A CN116826978A CN202311085280.6A CN202311085280A CN116826978A CN 116826978 A CN116826978 A CN 116826978A CN 202311085280 A CN202311085280 A CN 202311085280A CN 116826978 A CN116826978 A CN 116826978A
- Authority
- CN
- China
- Prior art keywords
- loop
- sensing
- electric variable
- abnormality
- anomaly
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims abstract description 225
- 230000002159 abnormal effect Effects 0.000 claims abstract description 116
- 230000008447 perception Effects 0.000 claims description 94
- 230000004927 fusion Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- WYROLENTHWJFLR-ACLDMZEESA-N queuine Chemical compound C1=2C(=O)NC(N)=NC=2NC=C1CN[C@H]1C=C[C@H](O)[C@@H]1O WYROLENTHWJFLR-ACLDMZEESA-N 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 18
- 238000013528 artificial neural network Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000005672 electromagnetic field Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
- H02B1/24—Circuit arrangements for boards or switchyards
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
- H02B1/26—Casings; Parts thereof or accessories therefor
- H02B1/46—Boxes; Parts thereof or accessories therefor
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种用于配电箱的电变量调节监测方法及系统，涉及配电箱监测领域，其中，所述方法包括：基于P个回路传感监测单元执行第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；基于P个实时传感环境数据集对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；基于回路异常感知模型对P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；当P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。解决了现有技术中无法对配电箱的配电回路进行针对性地异常感知、电变量调节，导致配电箱的电变量调节效果差的技术问题。
Description
技术领域
本发明涉及配电箱监测领域，具体地，涉及一种用于配电箱的电变量调节监测方法及系统。
背景技术
随着电力负荷需求的快速增长，电力系统的各种电网设备不断增加。配电箱作为电力系统的末端设备,对于电力系统的正常运行具有重要影响。现有技术中，存在无法对配电箱的配电回路进行针对性地异常感知、电变量调节，导致配电箱的电变量调节效果差的技术问题。
发明内容
本申请提供了一种用于配电箱的电变量调节监测方法及系统。解决了现有技术中无法对配电箱的配电回路进行针对性地异常感知、电变量调节，导致配电箱的电变量调节效果差的技术问题。达到了实现对配电箱的配电回路进行针对性地异常感知、电变量调节，提高配电箱的配电回路的电变量调节监测的全面度、精准性，提升配电箱的电变量调节质量的技术效果。
鉴于上述问题，本申请提供了一种用于配电箱的电变量调节监测方法及系统。
第一方面，本申请提供了一种用于配电箱的电变量调节监测方法，其中，所述方法应用于一种用于配电箱的电变量调节监测系统，所述方法包括：获得第一配电箱的配电回路集，其中，所述配电回路集包括P个配电回路，且，P为大于1的正整数；基于所述P个配电回路，构建P个回路传感监测单元，其中，每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心；基于所述P个回路传感监测单元执行所述第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；基于所述P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；判断所述P个回路异常指数是否大于预设异常指数，当所述P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。
第二方面，本申请还提供了一种用于配电箱的电变量调节监测系统，其中，所述系统包括：配电回路集获得模块，所述配电回路集获得模块用于获得第一配电箱的配电回路集，其中，所述配电回路集包括P个配电回路，且，P为大于1的正整数；监测单元构建模块，所述监测单元构建模块用于基于所述P个配电回路，构建P个回路传感监测单元，其中，每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心；电变量监测模块，所述电变量监测模块用于基于所述P个回路传感监测单元执行所述第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；传感环境数据采集模块，所述传感环境数据采集模块用于基于所述P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；回路电变量补偿模块，所述回路电变量补偿模块用于基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；异常感知模块，所述异常感知模块用于基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；电变量调节指令获得模块，所述电变量调节指令获得模块用于判断所述P个回路异常指数是否大于预设异常指数，当所述P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过P个回路传感监测单元执行第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；分别对P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；根据P个实时传感环境数据集分别对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；基于回路异常感知模型对P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；判断P个回路异常指数是否大于预设异常指数，当P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。达到了实现对配电箱的配电回路进行针对性地异常感知、电变量调节，提高配电箱的配电回路的电变量调节监测的全面度、精准性，提升配电箱的电变量调节质量的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1为本申请一种用于配电箱的电变量调节监测方法的流程示意图；
图2为本申请一种用于配电箱的电变量调节监测方法中获得P个补偿回路电变量监测集的流程示意图；
图3为本申请一种用于配电箱的电变量调节监测系统的结构示意图。
附图标记说明：配电回路集获得模块11，监测单元构建模块12，电变量监测模块13，传感环境数据采集模块14，回路电变量补偿模块15，异常感知模块16，电变量调节指令获得模块17。
具体实施方式
本申请通过提供一种用于配电箱的电变量调节监测方法及系统。解决了现有技术中无法对配电箱的配电回路进行针对性地异常感知、电变量调节，导致配电箱的电变量调节效果差的技术问题。达到了实现对配电箱的配电回路进行针对性地异常感知、电变量调节，提高配电箱的配电回路的电变量调节监测的全面度、精准性，提升配电箱的电变量调节质量的技术效果。
实施例一
请参阅附图1，本申请提供一种用于配电箱的电变量调节监测方法，其中，所述方法应用于一种用于配电箱的电变量调节监测系统，所述方法具体包括如下步骤：
步骤S100：获得第一配电箱的配电回路集，其中，所述配电回路集包括P个配电回路，且，P为大于1的正整数；
步骤S200：基于所述P个配电回路，构建P个回路传感监测单元，其中，每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心；
具体而言，采集第一配电箱的配电回路，获得配电回路集，并根据配电回路集，构建P个回路传感监测单元。其中，所述第一配电箱可以为使用所述一种用于配电箱的电变量调节监测系统进行智能化电变量调节监测的任意配电回路。所述配电回路集包括P个配电回路，且，P为大于1的正整数。P个配电回路与P个回路传感监测单元一一对应。每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心。三元电变量监测中心包括现有技术中的电压传感器、电流传感器、漏电流传感器。电变量关联监测中心包括现有技术中温度传感器。达到了根据配电回路集，构建P个回路传感监测单元，为后续对第一配电箱进行电变量监测奠定基础的技术效果。
步骤S300：基于所述P个回路传感监测单元执行所述第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；
步骤S400：基于所述P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；
具体而言，根据P个回路传感监测单元，分别对第一配电箱的P个配电回路进行电压、电流、漏电流、温度的实时监测，获得P个配电回路对应的P个回路电变量监测集。同时，分别对P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集。其中，每个回路电变量监测集包括每个配电回路对应的实时电压、实时电流、实时漏电流、实时温度。每个实时传感环境数据集包括每个回路传感监测单元对应的电压传感环境数据、电流传感环境数据、漏电流传感环境数据、温度传感环境数据。电压传感环境数据包括每个回路传感监测单元的电压传感器对应的实时环境温度、实时环境湿度、实时环境电磁场、实时环境酸碱度。电流传感环境数据包括每个回路传感监测单元的电流传感器对应的实时环境温度、实时环境湿度、实时环境电磁场、实时环境酸碱度。漏电流传感环境数据包括每个回路传感监测单元的漏电流传感器对应的实时环境温度、实时环境湿度、实时环境电磁场、实时环境酸碱度。温度传感环境数据包括每个回路传感监测单元的温度传感器对应的实时环境温度、实时环境湿度、实时环境电磁场、实时环境酸碱度。
步骤S500：基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；
进一步的，如附图2所示，本申请步骤S500还包括：
步骤S510：遍历所述P个实时传感环境数据集进行电变量环境干扰识别，获得P个回路电变量环境干扰度；
进一步的，本申请步骤S510还包括：
步骤S511：基于大数据，获得电变量环境干扰识别记录集；
步骤S512：根据样本传感环境数据集，获得干扰识别索引特征；
步骤S513：根据样本电变量环境干扰度，获得干扰识别决策特征；
步骤S514：基于所述干扰识别索引特征和所述干扰识别决策特征，根据所述电变量环境干扰识别记录集，获得多个干扰识别索引特征信息和多个干扰识别决策特征信息；
步骤S515：基于所述干扰识别索引特征、所述干扰识别决策特征、所述多个干扰识别索引特征信息和所述多个干扰识别决策特征信息，生成电变量环境干扰识别图谱；
步骤S516：基于所述电变量环境干扰识别图谱执行所述P个实时传感环境数据集进行电变量环境干扰识别，获得所述P个回路电变量环境干扰度。
具体而言，基于大数据，采集配电回路的多个样本传感环境数据集和多个样本电变量环境干扰度，获得电变量环境干扰识别记录集。所述电变量环境干扰识别记录集包括多个样本传感环境数据集和多个样本电变量环境干扰度。每个样本传感环境数据集包括历史电压传感环境数据、历史电流传感环境数据、历史漏电流传感环境数据、历史温度传感环境数据。每个样本电变量环境干扰度包括每个样本传感环境数据集中，历史电压传感环境数据对应的历史电压传感环境干扰度、历史电流传感环境数据对应的历史电流传感环境干扰度、历史漏电流传感环境数据对应的历史漏电流传感环境干扰度、历史温度传感环境数据对应的历史温度传感环境干扰度。
进一步，将样本传感环境数据集设置为干扰识别索引特征，将样本电变量环境干扰度设置为干扰识别决策特征。将电变量环境干扰识别记录集中的多个样本传感环境数据集设置为多个干扰识别索引特征信息，将电变量环境干扰识别记录集中的多个样本电变量环境干扰度设置为多个干扰识别决策特征信息。继而，将干扰识别索引特征、干扰识别决策特征、多个干扰识别索引特征信息和多个干扰识别决策特征信息添加至电变量环境干扰识别图谱。进而，分别将P个实时传感环境数据集输入电变量环境干扰识别图谱，通过电变量环境干扰识别图谱对P个实时传感环境数据集进行电变量环境干扰识别，获得P个回路电变量环境干扰度。其中，所述电变量环境干扰识别图谱包括干扰识别索引特征、干扰识别决策特征、多个干扰识别索引特征信息和多个干扰识别决策特征信息。每个回路电变量环境干扰度包括每个实时传感环境数据集中，电压传感环境数据对应的电压传感环境干扰度、电流传感环境数据对应的电流传感环境干扰度、漏电流传感环境数据对应的漏电流传感环境干扰度、温度传感环境数据对应的温度传感环境干扰度。电压传感环境干扰度是用于表征电压传感环境数据对对应的实时电压的影响程度的数据信息。电压传感环境干扰度越大，则，电压传感环境数据对对应的实时电压的影响程度越高，对应的实时电压的精确度越低。电流传感环境干扰度、漏电流传感环境干扰度、温度传感环境干扰度与电压传感环境干扰度的意义相同，为了说明书的简洁，在此不再赘述。
达到了通过电变量环境干扰识别图谱对P个实时传感环境数据集进行电变量环境干扰识别，获得准确的P个回路电变量环境干扰度，从而提高对P个回路电变量监测集进行回路电变量补偿的准确性的技术效果。
步骤S520：分别判断所述P个回路电变量环境干扰度是否大于电变量环境干扰约束，获得P个回路干扰判断结果；
步骤S530：基于所述P个回路干扰判断结果对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集。
具体而言，分别判断P个回路电变量环境干扰度是否大于电变量环境干扰约束，获得P个回路干扰判断结果，并根据P个回路干扰判断结果对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集。其中，所述电变量环境干扰约束包括由所述一种用于配电箱的电变量调节监测系统预先设置确定的传感环境干扰度阈值。每个回路干扰判断结果包括每个回路电变量环境干扰度中，电压传感环境干扰度是/否大于电变量环境干扰约束，电流传感环境干扰度是/否大于电变量环境干扰约束，漏电流传感环境干扰度是/否大于电变量环境干扰约束，温度传感环境干扰度是/否大于电变量环境干扰约束。
示例性地，在根据P个回路干扰判断结果对P个回路电变量监测集进行回路电变量补偿时，如果回路干扰判断结果中，电压传感环境干扰度不大于电变量环境干扰约束，则，将该电压传感环境干扰度对应的实时电压直接添加至对应的补偿回路电变量监测集。如果回路干扰判断结果中，电压传感环境干扰度大于电变量环境干扰约束，则，将该电压传感环境干扰度与对应的实时电压进行乘法计算，获得实时电压补偿参数。将实时电压补偿参数与该实时电压之和记为补偿电压，并将补偿电压添加至对应的补偿回路电变量监测集。
达到了根据P个回路电变量环境干扰度适应性地对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集，从而提高配电箱的电变量监测可靠度，提高配电箱的配电回路异常感知准确度的技术效果。
步骤S600：基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；
进一步的，本申请步骤S600还包括：
步骤S610：构建所述回路异常感知模型，其中，所述回路异常感知模型包括回路异常感知通道和回路异常融合通道，所述回路异常感知通道包括电压异常感知分支、电流异常感知分支、漏电流异常感知分支和回路温度异常感知分支；
进一步的，本申请步骤S610还包括：
步骤S611：基于大数据，采集电压异常感知记录集，并对所述电压异常感知记录集进行集成学习，生成所述电压异常感知分支；
进一步的，本申请步骤S611还包括：
步骤S611-1：获得Q个预设异质基学习算子，其中，Q为大于1的正整数；
步骤S611-2：基于所述Q个预设异质基学习算子，分别对所述电压异常感知记录集进行训练，获得Q个基电压异常感知器，且，每个基电压异常感知器具有电压异常感知置信标识；
步骤S611-3：基于电压异常感知置信约束对所述Q个基电压异常感知器进行筛选，获得满足所述电压异常感知置信约束的多个电压异常强感知器；
步骤S611-4：集成所述多个电压异常强感知器，生成所述电压异常感知分支，其中，所述电压异常感知分支的输出为所述多个电压异常强感知器的输出平均值。
具体而言，基于大数据，采集配电回路的多个电压异常感知记录，获得电压异常感知记录集，并根据Q个预设异质基学习算子，分别对电压异常感知记录集进行训练，获得Q个基电压异常感知器，且，每个基电压异常感知器具有电压异常感知置信标识。其中，所述电压异常感知记录集包括多个电压异常感知记录。每个电压异常感知记录包括历史电压、历史异常电压指数。历史异常电压指数是用于表征历史电压的异常程度的数据信息。历史电压的异常程度越高，对应的历史异常电压指数越大。Q个预设异质基学习算子包括由所述一种用于配电箱的电变量调节监测系统预先设置确定的Q个训练方式。且，Q为大于1的正整数。Q个训练方式包括BP神经网络、决策树、支持向量机等多个不同的训练方式。每个基电压异常感知器具有对应的电压异常感知置信标识。电压异常感知置信标识为基电压异常感知器的输出准确率参数。
示例性地，当预设异质基学习算子为BP神经网络时，则，将电压异常感知记录集中随机的70％划分为训练数据集。将电压异常感知记录集中随机的30％划分为测试数据集。基于BP神经网络，对训练数据集进行交叉监督训练，获得一个基电压异常感知器。将测试数据集作为输入信息，输入该基电压异常感知器，通过测试数据集对该基电压异常感知器进行测试，获得该基电压异常感知器对应的输出准确率参数，并将这个输出准确率参数记为该基电压异常感知器对应的电压异常感知置信标识。其中，BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时，输入信息从输入层经过多层神经元逐层处理，转向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向计算，将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。
进一步，分别判断每个基电压异常感知器的电压异常感知置信标识是否满足电压异常感知置信约束。当电压异常感知置信标识满足电压异常感知置信约束时，将该电压异常感知置信标识对应的基电压异常感知器设置为电压异常强感知器。将多个电压异常强感知器添加至电压异常感知分支。其中，所述电压异常感知置信约束包括由所述一种用于配电箱的电变量调节监测系统预先设置确定的输出准确率参数范围信息。多个电压异常强感知器包括Q个基电压异常感知器中，电压异常感知置信标识满足电压异常感知置信约束的多个基电压异常感知器。所述电压异常感知分支包括多个电压异常强感知器。且，电压异常感知分支的输出为多个电压异常强感知器的输出平均值。即，当P个补偿回路电变量监测集中的任意一个电压输入电压异常感知分支时，由电压异常感知分支内的多个电压异常强感知器分别对该电压进行异常电压指数匹配，获得该电压对应的多个异常电压指数，将这多个异常电压指数的平均值输出为该电压对应的电压异常感知系数。达到了根据Q个预设异质基学习算子对电压异常感知记录集进行集成学习，生成泛化性能强的电压异常感知分支，从而提高配电回路的异常感知精度的技术效果。
步骤S612：基于大数据，采集电流异常感知记录集，并对所述电流异常感知记录集进行集成学习，生成所述电流异常感知分支；
步骤S613：基于大数据，采集漏电流异常感知记录集，并对所述漏电流异常感知记录集进行集成学习，生成所述漏电流异常感知分支；
步骤S614：基于大数据，采集回路温度异常感知记录集，并对所述回路温度异常感知记录集进行集成学习，生成所述回路温度异常感知分支；
步骤S615：根据所述电压异常感知分支、所述电流异常感知分支、所述漏电流异常感知分支和所述回路温度异常感知分支，获得所述回路异常感知通道；
步骤S616：基于所述回路异常融合函数，构建所述回路异常融合通道；
步骤S617：连接所述回路异常感知通道和所述回路异常融合通道，生成所述回路异常感知模型。
具体而言，基于大数据，分别采集电流异常感知记录集、漏电流异常感知记录集、回路温度异常感知记录集，并分别对电流异常感知记录集、漏电流异常感知记录集、回路温度异常感知记录集进行集成学习，生成电流异常感知分支、漏电流异常感知分支、回路温度异常感知分支。其中，所述电流异常感知记录集包括多个历史电流、多个历史异常电流指数。所述漏电流异常感知记录集包括多个历史漏电流、多个历史异常漏电流指数。所述回路温度异常感知记录集包括多个历史回路温度、多个历史异常回路温度指数。“分别对电流异常感知记录集、漏电流异常感知记录集、回路温度异常感知记录集进行集成学习”与“对电压异常感知记录集进行集成学习”的方式相同，为了说明书的简洁，在此不再赘述。
进一步，将电压异常感知分支、电流异常感知分支、漏电流异常感知分支和回路温度异常感知分支添加至回路异常感知通道。将回路异常融合函数添加至回路异常融合通道，并将回路异常感知通道和回路异常融合通道进行连接，生成回路异常感知模型。其中，所述回路异常感知模型包括回路异常感知通道和回路异常融合通道。所述回路异常感知通道包括电压异常感知分支、电流异常感知分支、漏电流异常感知分支和回路温度异常感知分支。所述回路异常融合通道包括回路异常融合函数。达到了构建全面的回路异常感知模型，从而提高对P个补偿回路电变量监测集进行异常感知的可靠性、全面度的技术效果。
步骤S620：分别将所述P个补偿回路电变量监测集输入所述回路异常感知通道，获得P个回路四元异常感知集；
步骤S630：分别将所述P个回路四元异常感知集输入所述回路异常融合通道，生成所述P个回路异常指数。
其中，所述回路异常融合通道包括回路异常融合函数，所述回路异常融合函数为：
；
其中，表征回路异常融合结果，/>分别为第一异常感知系数、第二异常感知系数、第三异常感知系数、第四异常感知系数，/>分别为第一异常感知系数阈值、第二异常感知系数阈值、第三异常感知系数阈值、第四异常感知系数阈值，/>分别为第一异常感知系数权重、第二异常感知系数权重、第三异常感知系数权重、第四异常感知系数权重，且，/>。
步骤S700：判断所述P个回路异常指数是否大于预设异常指数，当所述P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。
具体而言，分别将P个补偿回路电变量监测集中的每个补偿回路电变量监测集输入回路异常感知通道，通过回路异常感知通道内的电压异常感知分支、电流异常感知分支、漏电流异常感知分支、回路温度异常感知分支分别对每个补偿回路电变量监测集内的电压、电流、漏电流、温度进行异常感知，获得P个回路四元异常感知集。每个回路四元异常感知集包括每个补偿回路电变量监测集对应的电压异常感知系数、电流异常感知系数、漏电流异常感知系数、回路温度异常感知系数。
进一步，分别将P个回路四元异常感知集输入回路异常融合通道，回路异常融合通道包括回路异常融合函数，按照回路异常融合函数分别对P个回路四元异常感知集进行计算，获得P个回路异常指数。其中，回路异常融合函数为：
；
其中，表征回路异常融合结果，回路异常融合结果即为输入的回路四元异常感知集对应的回路异常指数；/>分别为第一异常感知系数、第二异常感知系数、第三异常感知系数、第四异常感知系数，第一异常感知系数、第二异常感知系数、第三异常感知系数、第四异常感知系数分别为输入的回路四元异常感知集内的电压异常感知系数、电流异常感知系数、漏电流异常感知系数、回路温度异常感知系数；/>分别为第一异常感知系数阈值、第二异常感知系数阈值、第三异常感知系数阈值、第四异常感知系数阈值，第一异常感知系数阈值、第二异常感知系数阈值、第三异常感知系数阈值、第四异常感知系数阈值即为由所述一种用于配电箱的电变量调节监测系统预先设置确定的电压异常感知系数阈值、电流异常感知系数阈值、漏电流异常感知系数阈值、回路温度异常感知系数阈值；/>分别为第一异常感知系数权重、第二异常感知系数权重、第三异常感知系数权重、第四异常感知系数权重，且，/>，第一异常感知系数权重、第二异常感知系数权重、第三异常感知系数权重、第四异常感知系数权重即为由所述一种用于配电箱的电变量调节监测系统预先设置确定的电压异常感知系数权重、电流异常感知系数权重、漏电流异常感知系数权重、回路温度异常感知系数权重。
进一步，分别判断P个回路异常指数中的每一个回路异常指数是否大于预设异常指数。当回路异常指数大于预设异常指数时，所述一种用于配电箱的电变量调节监测系统自动生成回路电变量调节指令。其中，所述预设异常指数包括由所述一种用于配电箱的电变量调节监测系统预先设置确定的回路异常指数阈值。所述回路电变量调节指令是用于表征回路异常指数大于预设异常指数，需要对该回路异常指数对应的配电回路进行调节的指令信息。示例性地，当获得回路电变量调节指令时，借助第一配电箱内的保护电器，按照回路电变量调节指令对大于预设异常指数的回路异常指数对应的配电回路进行切断，从而及时对第一配电箱进行配电回路保护。达到了提高配电箱的电变量调节质量的技术效果。
综上所述，本申请所提供的一种用于配电箱的电变量调节监测方法具有如下技术效果：
1.通过P个回路传感监测单元执行第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；分别对P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；根据P个实时传感环境数据集分别对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；基于回路异常感知模型对P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；判断P个回路异常指数是否大于预设异常指数，当P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。达到了实现对配电箱的配电回路进行针对性地异常感知、电变量调节，提高配电箱的配电回路的电变量调节监测的全面度、精准性，提升配电箱的电变量调节质量的技术效果。
2.根据P个回路电变量环境干扰度适应性地对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集，从而提高配电箱的电变量监测可靠度，提高配电箱的配电回路异常感知准确度。
3.根据Q个预设异质基学习算子对电压异常感知记录集进行集成学习，生成泛化性能强的电压异常感知分支，从而提高配电回路的异常感知精度。
实施例二
基于与前述实施例中一种用于配电箱的电变量调节监测方法，同样发明构思，本发明还提供了一种用于配电箱的电变量调节监测系统，请参阅附图3，所述系统包括：
配电回路集获得模块11，所述配电回路集获得模块11用于获得第一配电箱的配电回路集，其中，所述配电回路集包括P个配电回路，且，P为大于1的正整数；
监测单元构建模块12，所述监测单元构建模块12用于基于所述P个配电回路，构建P个回路传感监测单元，其中，每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心；
电变量监测模块13，所述电变量监测模块13用于基于所述P个回路传感监测单元执行所述第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；
传感环境数据采集模块14，所述传感环境数据采集模块14用于基于所述P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；
回路电变量补偿模块15，所述回路电变量补偿模块15用于基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；
异常感知模块16，所述异常感知模块16用于基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；
电变量调节指令获得模块17，所述电变量调节指令获得模块17用于判断所述P个回路异常指数是否大于预设异常指数，当所述P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。
进一步的，所述系统还包括：
电变量环境干扰识别模块，所述电变量环境干扰识别模块用于遍历所述P个实时传感环境数据集进行电变量环境干扰识别，获得P个回路电变量环境干扰度；
干扰度判断模块，所述干扰度判断模块用于分别判断所述P个回路电变量环境干扰度是否大于电变量环境干扰约束，获得P个回路干扰判断结果；
补偿回路电变量监测集获得模块，所述补偿回路电变量监测集获得模块用于基于所述P个回路干扰判断结果对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集。
进一步的，所述系统还包括：
识别记录集确定模块，所述识别记录集确定模块用于基于大数据，获得电变量环境干扰识别记录集；
干扰识别索引特征获得模块，所述干扰识别索引特征获得模块用于根据样本传感环境数据集，获得干扰识别索引特征；
干扰识别决策特征获得模块，所述干扰识别决策特征获得模块用于根据样本电变量环境干扰度，获得干扰识别决策特征；
第一执行模块，所述第一执行模块用于基于所述干扰识别索引特征和所述干扰识别决策特征，根据所述电变量环境干扰识别记录集，获得多个干扰识别索引特征信息和多个干扰识别决策特征信息；
电变量环境干扰识别图谱生成模块，所述电变量环境干扰识别图谱生成模块用于基于所述干扰识别索引特征、所述干扰识别决策特征、所述多个干扰识别索引特征信息和所述多个干扰识别决策特征信息，生成电变量环境干扰识别图谱；
第二执行模块，所述第二执行模块用于基于所述电变量环境干扰识别图谱执行所述P个实时传感环境数据集进行电变量环境干扰识别，获得所述P个回路电变量环境干扰度。
进一步的，所述系统还包括：
第三执行模块，所述第三执行模块用于构建所述回路异常感知模型，其中，所述回路异常感知模型包括回路异常感知通道和回路异常融合通道，所述回路异常感知通道包括电压异常感知分支、电流异常感知分支、漏电流异常感知分支和回路温度异常感知分支；
回路四元异常感知集获得模块，所述回路四元异常感知集获得模块用于分别将所述P个补偿回路电变量监测集输入所述回路异常感知通道，获得P个回路四元异常感知集；
回路异常指数生成模块，所述回路异常指数生成模块用于分别将所述P个回路四元异常感知集输入所述回路异常融合通道，生成所述P个回路异常指数。
其中，所述回路异常融合通道包括回路异常融合函数，所述回路异常融合函数为：
；
其中，表征回路异常融合结果，/>分别为第一异常感知系数、第二异常感知系数、第三异常感知系数、第四异常感知系数，/>分别为第一异常感知系数阈值、第二异常感知系数阈值、第三异常感知系数阈值、第四异常感知系数阈值，/>分别为第一异常感知系数权重、第二异常感知系数权重、第三异常感知系数权重、第四异常感知系数权重，且，/>。
进一步的，所述系统还包括：
电压异常感知分支生成模块，所述电压异常感知分支生成模块用于基于大数据，采集电压异常感知记录集，并对所述电压异常感知记录集进行集成学习，生成所述电压异常感知分支；
电流异常感知分支生成模块，所述电流异常感知分支生成模块用于基于大数据，采集电流异常感知记录集，并对所述电流异常感知记录集进行集成学习，生成所述电流异常感知分支；
漏电流异常感知分支生成模块，所述漏电流异常感知分支生成模块用于基于大数据，采集漏电流异常感知记录集，并对所述漏电流异常感知记录集进行集成学习，生成所述漏电流异常感知分支；
回路温度异常感知分支生成模块，所述回路温度异常感知分支生成模块用于基于大数据，采集回路温度异常感知记录集，并对所述回路温度异常感知记录集进行集成学习，生成所述回路温度异常感知分支；
第四执行模块，所述第四执行模块用于根据所述电压异常感知分支、所述电流异常感知分支、所述漏电流异常感知分支和所述回路温度异常感知分支，获得所述回路异常感知通道；
第五执行模块，所述第五执行模块用于基于所述回路异常融合函数，构建所述回路异常融合通道；
第六执行模块，所述第六执行模块用于连接所述回路异常感知通道和所述回路异常融合通道，生成所述回路异常感知模型。
进一步的，所述系统还包括：
预设异质基学习算子获得模块，所述预设异质基学习算子获得模块用于获得Q个预设异质基学习算子，其中，Q为大于1的正整数；
基电压异常感知器获得模块，所述基电压异常感知器获得模块用于基于所述Q个预设异质基学习算子，分别对所述电压异常感知记录集进行训练，获得Q个基电压异常感知器，且，每个基电压异常感知器具有电压异常感知置信标识；
感知器筛选模块，所述感知器筛选模块用于基于电压异常感知置信约束对所述Q个基电压异常感知器进行筛选，获得满足所述电压异常感知置信约束的多个电压异常强感知器；
第七执行模块，所述第七执行模块用于集成所述多个电压异常强感知器，生成所述电压异常感知分支，其中，所述电压异常感知分支的输出为所述多个电压异常强感知器的输出平均值。
本发明实施例所提供的一种用于配电箱的电变量调节监测系统可执行本发明任意实施例所提供的一种用于配电箱的电变量调节监测方法，具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本申请提供了一种用于配电箱的电变量调节监测方法，其中，所述方法应用于一种用于配电箱的电变量调节监测系统，所述方法包括：通过P个回路传感监测单元执行第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；分别对P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；根据P个实时传感环境数据集分别对P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；基于回路异常感知模型对P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；判断P个回路异常指数是否大于预设异常指数，当P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。解决了现有技术中无法对配电箱的配电回路进行针对性地异常感知、电变量调节，导致配电箱的电变量调节效果差的技术问题。达到了实现对配电箱的配电回路进行针对性地异常感知、电变量调节，提高配电箱的配电回路的电变量调节监测的全面度、精准性，提升配电箱的电变量调节质量的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种用于配电箱的电变量调节监测方法，其特征在于，所述方法包括：
获得第一配电箱的配电回路集，其中，所述配电回路集包括P个配电回路，且，P为大于1的正整数；
基于所述P个配电回路，构建P个回路传感监测单元，其中，每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心；
基于所述P个回路传感监测单元执行所述第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；
基于所述P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；
基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；
基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；
判断所述P个回路异常指数是否大于预设异常指数，当所述P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。
2.如权利要求1所述的方法，其特征在于，基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集，包括：
遍历所述P个实时传感环境数据集进行电变量环境干扰识别，获得P个回路电变量环境干扰度；
分别判断所述P个回路电变量环境干扰度是否大于电变量环境干扰约束，获得P个回路干扰判断结果；
基于所述P个回路干扰判断结果对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集。
3.如权利要求2所述的方法，其特征在于，遍历所述P个实时传感环境数据集进行电变量环境干扰识别，获得P个回路电变量环境干扰度，包括：
基于大数据，获得电变量环境干扰识别记录集；
根据样本传感环境数据集，获得干扰识别索引特征；
根据样本电变量环境干扰度，获得干扰识别决策特征；
基于所述干扰识别索引特征和所述干扰识别决策特征，根据所述电变量环境干扰识别记录集，获得多个干扰识别索引特征信息和多个干扰识别决策特征信息；
基于所述干扰识别索引特征、所述干扰识别决策特征、所述多个干扰识别索引特征信息和所述多个干扰识别决策特征信息，生成电变量环境干扰识别图谱；
基于所述电变量环境干扰识别图谱执行所述P个实时传感环境数据集进行电变量环境干扰识别，获得所述P个回路电变量环境干扰度。
4.如权利要求1所述的方法，其特征在于，基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数，包括：
构建所述回路异常感知模型，其中，所述回路异常感知模型包括回路异常感知通道和回路异常融合通道，所述回路异常感知通道包括电压异常感知分支、电流异常感知分支、漏电流异常感知分支和回路温度异常感知分支；
分别将所述P个补偿回路电变量监测集输入所述回路异常感知通道，获得P个回路四元异常感知集；
分别将所述P个回路四元异常感知集输入所述回路异常融合通道，生成所述P个回路异常指数。
5.如权利要求4所述的方法，其特征在于，所述回路异常融合通道包括回路异常融合函数，所述回路异常融合函数为
；
其中，表征回路异常融合结果，/>分别为第一异常感知系数、第二异常感知系数、第三异常感知系数、第四异常感知系数，/>分别为第一异常感知系数阈值、第二异常感知系数阈值、第三异常感知系数阈值、第四异常感知系数阈值，分别为第一异常感知系数权重、第二异常感知系数权重、第三异常感知系数权重、第四异常感知系数权重，且，/>。
6.如权利要求5所述的方法，其特征在于，构建所述回路异常感知模型，包括：
基于大数据，采集电压异常感知记录集，并对所述电压异常感知记录集进行集成学习，生成所述电压异常感知分支；
基于大数据，采集电流异常感知记录集，并对所述电流异常感知记录集进行集成学习，生成所述电流异常感知分支；
基于大数据，采集漏电流异常感知记录集，并对所述漏电流异常感知记录集进行集成学习，生成所述漏电流异常感知分支；
基于大数据，采集回路温度异常感知记录集，并对所述回路温度异常感知记录集进行集成学习，生成所述回路温度异常感知分支；
根据所述电压异常感知分支、所述电流异常感知分支、所述漏电流异常感知分支和所述回路温度异常感知分支，获得所述回路异常感知通道；
基于所述回路异常融合函数，构建所述回路异常融合通道；
连接所述回路异常感知通道和所述回路异常融合通道，生成所述回路异常感知模型。
7.如权利要求6所述的方法，其特征在于，基于大数据，采集电压异常感知记录集，并对所述电压异常感知记录集进行集成学习，生成所述电压异常感知分支，包括：
获得Q个预设异质基学习算子，其中，Q为大于1的正整数；
基于所述Q个预设异质基学习算子，分别对所述电压异常感知记录集进行训练，获得Q个基电压异常感知器，且，每个基电压异常感知器具有电压异常感知置信标识；
基于电压异常感知置信约束对所述Q个基电压异常感知器进行筛选，获得满足所述电压异常感知置信约束的多个电压异常强感知器；
集成所述多个电压异常强感知器，生成所述电压异常感知分支，其中，所述电压异常感知分支的输出为所述多个电压异常强感知器的输出平均值。
8.一种用于配电箱的电变量调节监测系统，其特征在于，所述系统用于执行权利要求1至7中任一项所述的方法，所述系统包括：
配电回路集获得模块，所述配电回路集获得模块用于获得第一配电箱的配电回路集，其中，所述配电回路集包括P个配电回路，且，P为大于1的正整数；
监测单元构建模块，所述监测单元构建模块用于基于所述P个配电回路，构建P个回路传感监测单元，其中，每个回路传感监测单元包括三元电变量监测中心和电变量关联监测中心；
电变量监测模块，所述电变量监测模块用于基于所述P个回路传感监测单元执行所述第一配电箱的实时回路电变量监测，获得P个回路电变量监测集；
传感环境数据采集模块，所述传感环境数据采集模块用于基于所述P个回路传感监测单元进行实时传感环境数据采集，获得P个实时传感环境数据集；
回路电变量补偿模块，所述回路电变量补偿模块用于基于所述P个实时传感环境数据集对所述P个回路电变量监测集进行回路电变量补偿，获得P个补偿回路电变量监测集；
异常感知模块，所述异常感知模块用于基于回路异常感知模型对所述P个补偿回路电变量监测集进行异常感知，获得P个回路异常指数；
电变量调节指令获得模块，所述电变量调节指令获得模块用于判断所述P个回路异常指数是否大于预设异常指数，当所述P个回路异常指数中的任意一个回路异常指数大于预设异常指数时，获得回路电变量调节指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311085280.6A CN116826978B (zh) | 2023-08-28 | 2023-08-28 | 一种用于配电箱的电变量调节监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311085280.6A CN116826978B (zh) | 2023-08-28 | 2023-08-28 | 一种用于配电箱的电变量调节监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116826978A true CN116826978A (zh) | 2023-09-29 |
| CN116826978B CN116826978B (zh) | 2024-01-12 |
Family
ID=88113054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311085280.6A Active CN116826978B (zh) | 2023-08-28 | 2023-08-28 | 一种用于配电箱的电变量调节监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116826978B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101095976B1 (ko) * | 2011-09-21 | 2011-12-19 | 주식회사 삼영기술 | 전력선통신을 이용한 배전선로의 분기선 진단 시스템 |
| CN107222027A (zh) * | 2017-07-29 | 2017-09-29 | 合肥赛度电子科技有限公司 | 一种配电房高效实时综合管控系统 |
| CN107367659A (zh) * | 2017-09-19 | 2017-11-21 | 厦门马恒达汽车零部件有限公司 | 带物联网信息感知的高压配电系统及信息感知实现方法 |
| CN110071579A (zh) * | 2019-06-05 | 2019-07-30 | 国网北京市电力公司 | 基于泛在电力物联网的电网供电保障和智能管控系统 |
| CN110994787A (zh) * | 2019-11-14 | 2020-04-10 | 广东电网有限责任公司 | 一种低压配网自动化设备及系统 |
| CN116125200A (zh) * | 2022-12-14 | 2023-05-16 | 深圳深宝电器仪表有限公司 | 线路故障定位方法、装置、系统、设备和可读存储介质 |
| CN116505665A (zh) * | 2023-06-30 | 2023-07-28 | 国网江苏省电力有限公司南通供电分公司 | 一种电网配电线路的故障监测方法及系统 |
-
2023
- 2023-08-28 CN CN202311085280.6A patent/CN116826978B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101095976B1 (ko) * | 2011-09-21 | 2011-12-19 | 주식회사 삼영기술 | 전력선통신을 이용한 배전선로의 분기선 진단 시스템 |
| CN107222027A (zh) * | 2017-07-29 | 2017-09-29 | 合肥赛度电子科技有限公司 | 一种配电房高效实时综合管控系统 |
| CN107367659A (zh) * | 2017-09-19 | 2017-11-21 | 厦门马恒达汽车零部件有限公司 | 带物联网信息感知的高压配电系统及信息感知实现方法 |
| CN110071579A (zh) * | 2019-06-05 | 2019-07-30 | 国网北京市电力公司 | 基于泛在电力物联网的电网供电保障和智能管控系统 |
| CN110994787A (zh) * | 2019-11-14 | 2020-04-10 | 广东电网有限责任公司 | 一种低压配网自动化设备及系统 |
| CN116125200A (zh) * | 2022-12-14 | 2023-05-16 | 深圳深宝电器仪表有限公司 | 线路故障定位方法、装置、系统、设备和可读存储介质 |
| CN116505665A (zh) * | 2023-06-30 | 2023-07-28 | 国网江苏省电力有限公司南通供电分公司 | 一种电网配电线路的故障监测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| SEBASTIAN A. SCHOBER ET AL.: "An IoT-Based Anomaly Detection and Identification Approach for Gas Sensor Networks", 《2023 IEEE INTERNATIONAL WORKSHOP ON METROLOGY FOR INDUSTRY 4.0 & IOT (METROIND4.0&IOT)》, pages 415 - 420 * |
| 罗 慧等: "基于大数据平台的智能配电网状态自动监测系统", 《自动化与仪器仪表》, no. 6, pages 41 - 44 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116826978B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115833400B (zh) | 一种变电站电力设备的监测预警方法及系统 | |
| US9778629B2 (en) | Situational awareness / situational intelligence system and method for analyzing, monitoring, predicting and controlling electric power systems | |
| CN108053128B (zh) | 一种基于elm和tf的电网暂态稳定快速评估方法 | |
| CN116467667B (zh) | 一种基于数据融合的停电监测预警方法及系统 | |
| CN116505665B (zh) | 一种电网配电线路的故障监测方法及系统 | |
| CN115423127B (zh) | 一种基于人工智能的电力设备现场运维方法及系统 | |
| Liu et al. | A dilation and erosion-based clustering approach for fault diagnosis of photovoltaic arrays | |
| CN113093985B (zh) | 传感器数据链路异常检测方法、装置和计算机设备 | |
| CN113011481A (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
| CN116995280B (zh) | 一种氢燃料电池运行状态的智能监测方法 | |
| CN117114449A (zh) | 一种电力大数据可视化分析系统及方法 | |
| Yao et al. | Fault identification of lithium-ion battery pack for electric vehicle based on ga optimized ELM neural network | |
| CN116826978B (zh) | 一种用于配电箱的电变量调节监测方法及系统 | |
| CN117235617A (zh) | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 | |
| CN116581890B (zh) | 一种电网运行稳定性的智能监测方法及系统 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN112180195B (zh) | 一种园区供用电设备全状态信息采集及故障诊断方法 | |
| CN114429148A (zh) | 一种基于多源数据融合的电力设备状态检测方法 | |
| Du et al. | Fault Diagnosis Based on the Adaptive Network Fuzzy Inference System for Power System of Offshore Platform | |
| Sabri et al. | Monitoring tool for stand-alone photovoltaic system using artificial neural network | |
| CN116488352B (zh) | 用于储能电站的电路安全监测预警方法 | |
| Modemann et al. | Probabilistic topology detection for efficient mv-micro grid control with autarkic smart grid systems | |
| CN116613807B (zh) | 一种配电台区柔性互联系统的暂态稳定性评估方法及系统 | |
| KR102520255B1 (ko) | 태양광 발전량 예측 시스템 및 방법 | |
| CN117630649B (zh) | Pcba的测试方法、装置、设备及存储介质 |
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 |