CN117060405B - 一种数字能源氧气站的电能质控方法、系统、设备及介质 - Google Patents
一种数字能源氧气站的电能质控方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117060405B CN117060405B CN202311309649.7A CN202311309649A CN117060405B CN 117060405 B CN117060405 B CN 117060405B CN 202311309649 A CN202311309649 A CN 202311309649A CN 117060405 B CN117060405 B CN 117060405B
- Authority
- CN
- China
- Prior art keywords
- disturbance signal
- information
- signal
- equipment
- disturbance
- 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
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 60
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 60
- 239000001301 oxygen Substances 0.000 title claims abstract description 60
- 238000003908 quality control method Methods 0.000 title claims abstract description 30
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 62
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种数字能源氧气站的电能质控方法、系统、设备及介质，属于电能质量控制技术领域。本发明包括采集终端模块、设备数据处理模块、扰动信号分析模块和中央控制器，通过聚类处理氧气站的设备运行参数得到设备数据集和扰动信号集，根据设备数据集计算设备预警系数得到潜在扰动信号信息，根据潜在扰动信号信息匹配移动终端并生成设备调试任务，通过集合经验模态分解和双层前馈神经网络处理扰动信号集得到扰动信号类别，根据扰动信号类别发送电能控制指令并返回调节结果信息。本发明提高了制氧设备的工作效率和氧气制备质量，保障了数字能源氧气站的供电可靠性，实现了清除数字能源氧气站的电能质量潜在扰动信号。
Description
技术领域
本发明属于电能质量控制技术领域，具体涉及一种数字能源氧气站的电能质控方法、系统、设备及介质。
背景技术
目前，数字能源氧气站是物联网技术与制氧产业的深度融合，通过氧气站制氧设备的物联接入，并依托大数据及人工智能，实现放大设施效用。但是，由于数字能源氧气站设备数量庞大，数字能源氧气站的制氧设备需要全天运转，导致氧气站设备电路之间容易产生电能质量扰动信号，从而对设备电路造成干扰，产生电压不稳定、设备产生附加损耗、变压器损耗加大等问题，进一步引发制氧设备故障、制氧设备工作效率降低、氧气制备质量差等问题。
发明内容
为解决现有技术中存在的上述问题，本发明提供了一种数字能源氧气站的电能质控方法、系统、设备及介质，通过聚类处理氧气站的设备运行参数得到设备数据集和扰动信号集，根据设备数据集计算设备预警系数得到潜在扰动信号信息，根据潜在扰动信号信息匹配移动终端并生成设备调试任务，通过集合经验模态分解和双层前馈神经网络处理扰动信号集得到扰动信号类别，根据扰动信号类别发送电能控制指令并返回调节结果信息。本发明提高了制氧设备的工作效率和氧气制备质量，保障了数字能源氧气站的供电可靠性，实现了清除数字能源氧气站的电能质量潜在扰动信号。
本发明的目的可以通过以下技术方案实现：
一种数字能源氧气站的电能质控方法，包括：
S1：采集氧气站的设备运行参数，所述设备运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号；
S2：通过聚类处理所述设备运行参数得到设备数据集和扰动信号集，根据所述设备数据集通过计算设备预警系数得到潜在扰动信号信息；
S3：通过集合经验模态分解对所述扰动信号集进行处理得到扰动信号分解结果和扰动信号相关度；
S4：根据所述扰动信号分解结果和所述扰动信号相关度通过双层前馈神经网络处理得到扰动信号类别；
S5：根据所述潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，所述匹配信息包括匹配成功信息和匹配失败信息；
S6：根据所述扰动信号类别生成电能调节控制信号，根据所述电能调节控制信号发送电能控制指令并返回调节结果信息。
优选地，所述步骤S2具体包括以下步骤：
计算所述设备预警系数，计算公式为：，其中n1、n2、n3和n4是系数因子，T为所述温度信息，A为所述加速度信息，S为所述振动频率信息，C为所述功率信息，Q为所述设备预警系数；
判断所述设备预警系数是否大于预设设备运行阈值，是，则生成设备异常信号，否，则生成设备正常信号；
将所述设备异常信号对应的设备标记为待调试设备，根据所述待调试设备的设备数据得到所述潜在扰动信号信息，所述潜在扰动信号信息包括待调试设备位置信息。
优选地，所述步骤S3具体包括以下步骤：
通过对所述扰动信号集添加噪声信号得到合成信号，根据集合经验模态分解计算所述合成信号得到所述扰动信号分解结果，计算公式为，其中/>为分解系数，/>和 />为所述合成信号，/>为所述扰动信号，/>为所述噪声信号，、/>为扰动信号分解结果；
根据所述扰动信号分解结果计算所述扰动信号相关度，计算公式为：，其中，/>为分解系数，且/>，/>、/>为所述扰动信号分解结果，T为信号长度，/>为所述扰动信号相关度。
优选地，所述步骤S4具体包括以下步骤：
S401：根据所述扰动信号分解结果计算扰动信号分解系数，计算公式为：，其中，/>为分解系数，/>、/>为所述扰动信号分解结果，为所述扰动信号分解系数；
S402：根据所述扰动信号相关度计算扰动信号能量系数，计算公式为：，其中，/>为所述扰动信号相关度，/>为信号能量因子，/>为所述扰动信号能量系数；
S403：根据所述扰动信号分解系数和所述扰动信号能量系数构建扰动信号特征向量，将所述扰动信号特征向量输入双层前馈神经网络得到所述扰动信号类别。
优选地，所述步骤S5具体包括获取所述移动终端的位置信息，根据所述位置信息判断所述位置信息与所述待调试设备位置信息之间的距离是否小于预设值，是，则获取所述移动终端的状态信息，否，则返回匹配失败信息。
优选地，所述步骤S5具体还包括根据所述状态信息判断所述移动终端是否处于空闲状态，是，则返回匹配成功信息，并向所述移动终端发送设备调试任务，否，则返回所述匹配失败信息。
一种数字能源氧气站的电能质控系统，包括：
采集终端模块，用于采集氧气站的设备运行参数，所述氧气站运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号；
设备数据处理模块，用于通过聚类处理所述设备运行参数得到设备数据集和扰动信号集，根据所述设备数据集通过计算设备预警系数得到潜在扰动信号信息，所述潜在扰动信号信息包括待调试设备位置信息；
扰动信号分析模块，用于通过集合经验模态分解对所述扰动信号集进行处理得到扰动信号分解结果和扰动信号相关度，根据所述扰动信号分解结果和所述扰动信号相关度通过双层前馈神经网络计算得到扰动信号类别，所述扰动信号类别携带扰动源位置信息；
中央控制器，用于根据所述潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，并且根据所述扰动信号类别生成电能调节控制信号，根据所述电能调节控制信号发送电能控制指令并返回调节结果信息。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述数字能源氧气站的电能质控方法。
一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述数字能源氧气站的电能质控方法。
本发明的有益效果为：
本发明通过集合经验模态分解对扰动信号集进行处理得到扰动信号分解结果和扰动信号相关度，根据扰动信号分解结果和扰动信号相关度通过双层前馈神经网络处理得到扰动信号类别，根据扰动信号类别生成电能调节控制信号，控制相应的电能控制装置实现消除扰动信号，提高了数字能源氧气站的制氧设备的工作效率和氧气制备质量，保障了数字能源氧气站的供电可靠性；
2.本发明通过计算设备预警系数得到设备数据集中的潜在扰动信号信息，根据潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，实现了清除数字能源氧气站的电能质量潜在扰动信号。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的电能质控方法流程示意图。
实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。
请参阅图1，一种数字能源氧气站的电能质控方法，包括：
S1：采集氧气站的设备运行参数，所述设备运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号；
S2：通过聚类处理所述设备运行参数得到设备数据集和扰动信号集，根据所述设备数据集通过计算设备预警系数得到潜在扰动信号信息；
S3：通过集合经验模态分解对所述扰动信号集进行处理得到扰动信号分解结果和扰动信号相关度；
S4：根据所述扰动信号分解结果和所述扰动信号相关度通过双层前馈神经网络处理得到扰动信号类别；
S5：根据所述潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，所述匹配信息包括匹配成功信息和匹配失败信息；
S6：根据所述扰动信号类别生成电能调节控制信号，根据所述电能调节控制信号发送电能控制指令并返回调节结果信息。
步骤S1涉及采集终端模块，在数字能源氧气站设置监测点，在监测点设置采集终端模块，由采集终端模块采集氧气站的设备运行参数，设备运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号，扰动信号包括基频扰动信号、中频扰动信号和高频扰动信号，其中基频扰动信号包括电压波动、电压暂降、电压暂升和电压中断，中频扰动信号包括谐波、谐波中断、谐波暂升和谐波暂降，高频扰动信号包括暂降振荡、暂升脉冲、谐波振荡和谐波脉冲。
步骤S2涉及设备数据处理模块，根据所述设备数据集计算所述设备预警系数，计算公式为：，判断所述设备预警系数是否大于预设设备运行阈值，是，则生成设备异常信号，否，则生成设备正常信号，将所述设备异常信号对应的设备标记为待调试设备，根据所述待调试设备的设备数据得到所述潜在扰动信号信息，所述潜在扰动信号信息包括待调试设备位置信息。
步骤S3和步骤S4涉及扰动信号分析模块，通过对所述扰动信号集添加噪声信号得到合成信号，根据集合经验模态分解计算所述合成信号得到所述扰动信号分解结果，计算公式为：，其中，/>为分解系数，/>和/>为所述合成信号，/>为所述扰动信号，/>为所述噪声信号，/> 、/>为扰动信号分解结果，根据所述扰动信号分解结果计算所述扰动信号相关度，计算公式为：/>，其中，/>为分解系数，且/>，/>、/>为所述扰动信号分解结果，T为信号长度，/>为所述扰动信号相关度。
根据所述扰动信号分解结果计算扰动信号分解系数，计算公式为：，其中，/>为分解系数，/>、/>为所述扰动信号分解结果，为所述扰动信号分解系数，根据所述扰动信号相关度计算扰动信号能量系数，计算公式为：/>，其中，/>为所述扰动信号相关度，/>为信号能量因子，/>为所述扰动信号能量系数，根据所述扰动信号分解系数和所述扰动信号能量系数构建扰动信号特征向量，将所述扰动信号特征向量输入双层前馈神经网络得到所述扰动信号类别。
步骤S5涉及对潜在扰动信号的处理，获取所述移动终端的位置信息，根据所述位置信息判断所述位置信息与所述待调试设备位置信息之间的距离是否小于预设值，是，则获取所述移动终端的状态信息，否，则返回匹配失败信息，根据所述状态信息判断所述移动终端是否处于空闲状态，是，则返回匹配成功信息，并向所述移动终端发送设备调试任务，否，则返回所述匹配失败信息。需要说明的是，当返回匹配失败信息时，需对待调试设备进行人工干预。
步骤S6涉及对扰动信号的处理，扰动信号类别是根据扰动信号分解结果和所述扰动信号相关度通过双层前馈神经网络处理得到的，扰动信号类别的处理过程是根据扰动信号类别生成电能调节控制信号，根据电能调节控制信号控制电能控制装置消除所述扰动信号并返回调节结果信息。
进一步地，本申请还提供一种数字能源氧气站的电能质控系统，包括：
采集终端模块，用于采集氧气站的设备运行参数，所述氧气站运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号；
设备数据处理模块，用于通过聚类处理所述设备运行参数得到设备数据集和扰动信号集，根据所述设备数据集通过计算设备预警系数得到潜在扰动信号信息，所述潜在扰动信号信息包括待调试设备位置信息；
扰动信号分析模块，用于通过集合经验模态分解对所述扰动信号集进行处理得到扰动信号分解结果和扰动信号相关度，根据所述扰动信号分解结果和所述扰动信号相关度通过双层前馈神经网络计算得到扰动信号类别，所述扰动信号类别携带扰动源位置信息；
中央控制器，用于根据所述潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，并且根据所述扰动信号类别生成电能调节控制信号，根据所述电能调节控制信号发送电能控制指令并返回调节结果信息。
进一步地，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述数字能源氧气站的电能质控方法。
进一步地，本申请还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述数字能源氧气站的电能质控方法。
本发明的工作原理：
通过采集终端模块采集氧气站的设备运行参数，利用聚类处理氧气站的设备运行参数得到设备数据集和扰动信号集，通过计算设备预警系数得到设备数据集的潜在扰动信号信息，根据潜在扰动信号信息匹配移动终端得到匹配信息并根据匹配信息生成设备调试任务，通过集合经验模态分解和双层前馈神经网络处理扰动信号集得到扰动信号类别，根据扰动信号类别得到电能控制指令，电能控制指令控制电能控制装置并返回调节结果信息。
本发明实施例中的系统中包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (7)
1.一种数字能源氧气站的电能质控方法，其特征在于，包括如下步骤：
S1：采集氧气站的设备运行参数，所述设备运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号；
S2：通过聚类处理所述设备运行参数得到设备数据集和扰动信号集，根据所述设备数据集通过计算设备预警系数得到潜在扰动信号信息；
S3：通过集合经验模态分解对所述扰动信号集进行处理得到扰动信号分解结果和扰动信号相关度；
S4：根据所述扰动信号分解结果和所述扰动信号相关度通过双层前馈神经网络处理得到扰动信号类别；
S5：根据所述潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，所述匹配信息包括匹配成功信息和匹配失败信息；
S6：根据所述扰动信号类别生成电能调节控制信号，根据所述电能调节控制信号发送电能控制指令并返回调节结果信息；
所述步骤S3具体包括以下步骤：
通过对所述扰动信号集添加噪声信号得到合成信号，根据集合经验模态分解计算所述合成信号得到所述扰动信号分解结果，计算公式为：，其中，/>为分解系数，/>和/>为所述合成信号，/>为所述扰动信号，/>为所述噪声信号，/>、/>为扰动信号分解结果；
根据所述扰动信号分解结果计算所述扰动信号相关度，计算公式为：，其中，/>为分解系数，且/>，/>、/>为所述扰动信号分解结果，T为信号长度，/>为所述扰动信号相关度；
所述步骤S4具体包括以下步骤：
S401：根据所述扰动信号分解结果计算扰动信号分解系数，计算公式为：，其中，/>为分解系数，/>、/>为所述扰动信号分解结果，为所述扰动信号分解系数；
S402：根据所述扰动信号相关度计算扰动信号能量系数，计算公式为：，其中，/>为所述扰动信号相关度，/>为信号能量因子，/>为所述扰动信号能量系数；
S403：根据所述扰动信号分解系数和所述扰动信号能量系数构建扰动信号特征向量，将所述扰动信号特征向量输入双层前馈神经网络得到所述扰动信号类别。
2.根据权利要求1所述的数字能源氧气站的电能质控方法，其特征在于，所述步骤S2具体包括以下步骤：
计算所述设备预警系数，计算公式为：，其中，n1、n2、n3和n4是系数因子，T为所述温度信息，A为所述加速度信息，S为所述振动频率信息，C为所述功率信息，Q为所述设备预警系数；
判断所述设备预警系数是否大于预设设备运行阈值，是，则生成设备异常信号，否，则生成设备正常信号；
将所述设备异常信号对应的设备标记为待调试设备，根据所述待调试设备的设备数据得到所述潜在扰动信号信息，所述潜在扰动信号信息包括待调试设备位置信息。
3.根据权利要求2所述的数字能源氧气站的电能质控方法，其特征在于，所述步骤S5具体包括获取所述移动终端的位置信息，根据所述位置信息判断所述位置信息与所述待调试设备位置信息之间的距离是否小于预设值，是，则获取所述移动终端的状态信息，否，则返回匹配失败信息。
4.根据权利要求3所述的数字能源氧气站的电能质控方法，其特征在于，所述步骤S5具体还包括根据所述状态信息判断所述移动终端是否处于空闲状态，是，则返回匹配成功信息，并向所述移动终端发送设备调试任务，否，则返回所述匹配失败信息。
5.一种数字能源氧气站的电能质控系统，该数字能源氧气站的电能质控系统采用如权利要求1所述的数字能源氧气站的电能质控方法，其特征在于，包括：
采集终端模块，用于采集氧气站的设备运行参数，所述氧气站运行参数包括温度信息、加速度信息、振动频率信息、功率信息、扰动信号；
设备数据处理模块，用于通过聚类处理所述设备运行参数得到设备数据集和扰动信号集，根据所述设备数据集通过计算设备预警系数得到潜在扰动信号信息，所述潜在扰动信号信息包括待调试设备位置信息；
扰动信号分析模块，用于通过对所述扰动信号集添加噪声信号得到合成信号，根据集合经验模态分解计算所述合成信号得到所述扰动信号分解结果，根据所述扰动信号分解结果计算所述扰动信号相关度，根据所述扰动信号分解结果计算扰动信号分解系数，根据所述扰动信号相关度计算扰动信号能量系数，根据所述扰动信号分解系数和所述扰动信号能量系数构建扰动信号特征向量，将所述扰动信号特征向量输入双层前馈神经网络得到所述扰动信号类别，所述扰动信号类别携带扰动源位置信息；
中央控制器，用于根据所述潜在扰动信号信息匹配移动终端得到匹配信息，根据所述匹配信息生成设备调试任务，并且根据所述扰动信号类别生成电能调节控制信号，根据所述电能调节控制信号发送电能控制指令并返回调节结果信息。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一所述的数字能源氧气站的电能质控方法。
7.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-4中任一所述的数字能源氧气站的电能质控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309649.7A CN117060405B (zh) | 2023-10-11 | 2023-10-11 | 一种数字能源氧气站的电能质控方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309649.7A CN117060405B (zh) | 2023-10-11 | 2023-10-11 | 一种数字能源氧气站的电能质控方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117060405A CN117060405A (zh) | 2023-11-14 |
| CN117060405B true CN117060405B (zh) | 2024-02-02 |
Family
ID=88655754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311309649.7A Active CN117060405B (zh) | 2023-10-11 | 2023-10-11 | 一种数字能源氧气站的电能质控方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117060405B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000010018A2 (en) * | 1998-02-27 | 2000-02-24 | United Trade International | Method for the surveillance and automatic digital recording of electrical systems perturbations |
| CN105004939A (zh) * | 2015-05-08 | 2015-10-28 | 浙江工业大学 | 一种复合电能质量扰动信号定量分析方法 |
| CN109271975A (zh) * | 2018-11-19 | 2019-01-25 | 燕山大学 | 一种基于大数据多特征提取协同分类的电能质量扰动识别方法 |
| CN110824282A (zh) * | 2019-11-20 | 2020-02-21 | 湖南铁路科技职业技术学院 | 一种高压充电桩电能质量监测系统 |
| CN113378652A (zh) * | 2021-05-21 | 2021-09-10 | 南京理工大学 | 一种基于ewt-mpe-pso-bp的扰动分类方法 |
| CN113516066A (zh) * | 2021-07-05 | 2021-10-19 | 内蒙古工业大学 | 电能质量扰动信号分类方法、装置、存储介质和电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230162023A1 (en) * | 2021-11-25 | 2023-05-25 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Automated Transfer Learning with Domain Disentanglement |
| CN116467627A (zh) * | 2023-04-03 | 2023-07-21 | 深圳供电局有限公司 | 一种基于电能质量特征的扰动分类方法 |
-
2023
- 2023-10-11 CN CN202311309649.7A patent/CN117060405B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000010018A2 (en) * | 1998-02-27 | 2000-02-24 | United Trade International | Method for the surveillance and automatic digital recording of electrical systems perturbations |
| CN105004939A (zh) * | 2015-05-08 | 2015-10-28 | 浙江工业大学 | 一种复合电能质量扰动信号定量分析方法 |
| CN109271975A (zh) * | 2018-11-19 | 2019-01-25 | 燕山大学 | 一种基于大数据多特征提取协同分类的电能质量扰动识别方法 |
| CN110824282A (zh) * | 2019-11-20 | 2020-02-21 | 湖南铁路科技职业技术学院 | 一种高压充电桩电能质量监测系统 |
| CN113378652A (zh) * | 2021-05-21 | 2021-09-10 | 南京理工大学 | 一种基于ewt-mpe-pso-bp的扰动分类方法 |
| CN113516066A (zh) * | 2021-07-05 | 2021-10-19 | 内蒙古工业大学 | 电能质量扰动信号分类方法、装置、存储介质和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117060405A (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109768623B (zh) | 电力系统的监控方法、装置、计算机设备和存储介质 | |
| CN103201691A (zh) | 用于第三方支持装备的预测性维护 | |
| CN114298141A (zh) | 基于深度学习的发电设备异常检测方法及系统 | |
| Xu et al. | Novel pattern-matching integrated KCVA with adaptive rank-order morphological filter and its application to fault diagnosis | |
| US20210049414A1 (en) | Deep graph de-noise by differentiable ranking | |
| CN117060405B (zh) | 一种数字能源氧气站的电能质控方法、系统、设备及介质 | |
| US20190028782A1 (en) | Sensing system, sensing method, and concentrator | |
| CN117641157A (zh) | 一种用电信息采集终端的抄表方法 | |
| CN116298515B (zh) | 同步波形测量终端及其测量方法 | |
| Duc et al. | Harmonics Signal Feature Extraction Techniques: A Review | |
| CN116541241B (zh) | 基于大数据的术后便携式可穿戴设备运行效率分析系统 | |
| CN116992051A (zh) | 一种电网调度业务的知识图谱构建方法和装置 | |
| CN114328698B (zh) | 一种数据转换系统 | |
| CN113691310B (zh) | 光纤链路的故障监测方法、装置、设备和存储介质 | |
| CN115754692A (zh) | 一种电气设备刀闸状态的识别系统、方法、设备及介质 | |
| CN108594080A (zh) | 电缆故障全自动在线导航定位系统 | |
| CN105137776A (zh) | 计量自动化终端控制辅助系统 | |
| CN113409818A (zh) | 一种基于声音传感器的生产设备预测性维修方法与系统 | |
| CN112862423A (zh) | 分布式新能源电站管理方法、系统、终端设备及计算机可读存储介质 | |
| CN111089616A (zh) | 一种5g在线监测系统 | |
| Li et al. | Event-Triggered Set-Membership Filtering for Active Power Distribution Systems Under Fading Channels: A Zonotope-Based Approach | |
| CN219916200U (zh) | 一种基于4g物联网模块的无线通信控制系统 | |
| CN116016601A (zh) | 一种基于态势感知设备运行数据采集方法、设备及介质 | |
| CN114143628B (zh) | 一种多速率数字采集装置及方法 | |
| CN107677977A (zh) | 一种便携式电能质量分析仪的远程监控方法 |
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 |