CN117081246A - 一种室内电动自行车充电识别系统及计算机设备 - Google Patents

一种室内电动自行车充电识别系统及计算机设备 Download PDF

Info

Publication number
CN117081246A
CN117081246A CN202311034579.9A CN202311034579A CN117081246A CN 117081246 A CN117081246 A CN 117081246A CN 202311034579 A CN202311034579 A CN 202311034579A CN 117081246 A CN117081246 A CN 117081246A
Authority
CN
China
Prior art keywords
data
electric bicycle
indoor
identification
algorithm
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
Application number
CN202311034579.9A
Other languages
English (en)
Other versions
CN117081246B (zh
Inventor
王焕宁
赵志华
黄艳
盖旭刚
檀恒宇
李楠
刘圆
张建亮
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.)
BEIJING INSTITUTE OF METROLOGY
Original Assignee
BEIJING INSTITUTE OF METROLOGY
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 BEIJING INSTITUTE OF METROLOGY filed Critical BEIJING INSTITUTE OF METROLOGY
Priority to CN202311034579.9A priority Critical patent/CN117081246B/zh
Publication of CN117081246A publication Critical patent/CN117081246A/zh
Application granted granted Critical
Publication of CN117081246B publication Critical patent/CN117081246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • 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
    • H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H02J13/00026—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission involving a local wireless network, e.g. Wi-Fi, ZigBee or Bluetooth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及用电管理技术领域，尤其是一种室内电动自行车充电识别系统及计算机设备，所述室内电动自行车充电识别系统无需额外增加专用设备，通过简单集成在智能电表上的数据采集终端对各种电器的用电情况进行波形数据的采集，就能明确室内的用电情况，然后通过识别和数据管理平台对用户电力负荷进行智能识别和分解判断，从而以低成本和较高效率实现24小时不间断自动识别室内电路中是否有电动自行车电池充电等高风险现象，实现无需进入用户家里即可对电动自行车“进楼入户、电瓶入户、人车同屋、飞线充电”等行为的快速识别，可有效降低户内电气火灾的发生，实现用电能效的智能管理。

Description

一种室内电动自行车充电识别系统及计算机设备
技术领域
本发明涉及用电管理技术领域，尤其是一种室内电动自行车充电识别系统及计算机设备。
背景技术
目前，电动自行车充电电池的存量及增量都非常大，由于电动自行车使用不同规格、型号的大容量电池，电池违规使用、保存的情况普遍存在，户内电动自行车充电情况屡禁不止，及时发现户内电动车充电行为显得尤为重要。现在主要采取的是加强宣传，和人工入户排查电动车充电情况，但由于需要大量人力，而且有事用户配合度不高，效率低下，导致不能及时发现电动车充电情况。给户内每个耗电设备都加装波形采集器又不现实，成本太大，因此，如何高效、低成本地解决及时发现电动自行车等大容量电池室内充电的安全问题迫在眉睫。
发明内容
为解决上述现有技术问题，本发明提供了一种室内电动自行车充电识别系统，该系统无需额外增加专用设备，通过简单集成在智能电表上的数据采集终端对各种电器的用电情况进行波形数据的采集，就能收集室内的用电情况，然后通过识别和数据管理平台对用户电力负荷进行智能识别和分解判断，从而以低成本和较高效率实现24小时不间断自动识别室内电路中是否有电动自行车电池充电等高风险现象，实现无需进入用户家里即可对电动自行车“进楼入户、电瓶入户、人车同屋、飞线充电”等行为的快速识别，可有效降低户内电气火灾的发生，实现用电能效智能管理。
本发明提供了一种室内电动自行车充电识别系统，包括：数据采集终端、数据集中传输终端以及识别和数据管理平台；所述数据采集终端用于通过智能电表对室内电器的用电波形数据进行采集；所述数据集中传输终端用于通过电力载波线对至少一个智能电表执行数据集中任务，收集所述数据采集终端采集的用电波形数据，并将收集到的用电波形数据通过网络传到所述识别和数据管理平台；所述识别和数据管理平台用于根据用电设备的工作原理、电气特征对室内电器的用电波形数据进行多维度分析，识别出室内电路中是否存在电动自行车充电的行为。
进一步的，所述数据采集终端预先集成设置于所述智能电表的电力进口处。
进一步的，所述数据采集终端在每个采集周期连续采集n个电流和/或电压周波，每个周波采集m个点，并在数据发送周期将数据发送出去，所述采集周期、n、m及数据发送周期可调。
进一步的，所述所述识别和数据管理平台通过预设的负荷识别算法模态分解所述用电波形数据生成本质模态特征，并与预设的特征库中电动自行车充电目标模态特征进行相关性的数据分析和处理。
进一步的，所述预设的负荷识别算法由VMD模态分解算法、神经网络训练算法和贝叶斯概率迭代算法组成。
进一步的，所述VMD模态分解算法模态分解所述本质模态特征，并与所述特征库中所述目标模态特征进行相关性的分析和得到相关性的矩阵；所述神经网络算法对所述相关性的矩阵中的数据进行处理和判断，若符合相关性，所述神经网络算法调用所述贝叶斯概率迭代算法对所述相关性的矩阵进行概率的迭代，同时将所述本质模态特征更新到所述特征库；若不符合相关性，所述负荷识别算法回到所述初始状态。
进一步的，所述贝叶斯概率迭代算法通过在指定数量的判断周期内迭代的概率高于设定限值时来识别出电动自行车室内充电行为。
进一步的，所述系统还包括定位授时模块，所述定位授时模块用于从卫星导航系统获取到标准时间信息并通过所述标准时间信息对所述数据采集终端、数据集中传输终端以及识别和数据管理平台进行时间同步。
进一步的，所述定位授时模块还用于通过卫星导航进行本系统各部分的定位。
为解决上述现有技术问题，本发明还提供一种计算机设备，包括至少一个处理器、至少一个存储器和数据总线；其中：所述处理器与所述存储器通过所述数据总线完成相互间的通信；所述存储器存储有被所述处理器执行以实现所述的室内电动自行车充电识别系统功能的程序。
与现有技术相比，本发明至少具有以下有益效果：
本发明实施例中的室内电动自行车充电识别系统无需额外增加专用设备，通过简单集成在智能电表上的数据采集终端对各种电器的用电情况进行波形数据的采集，就能收集室内的用电情况，然后通过识别和数据管理平台对用户电力负荷进行智能识别和分解判断，从而以低成本和较高效率实现24小时不间断自动识别室内电路中是否有电动自行车电池充电等高风险现象，实现无需进入用户家里即可对电动自行车“进楼入户、电瓶入户、人车同屋、飞线充电”等行为的快速识别，可有效降低户内电气火灾的发生，实现用电能效智能管理。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例所提供的一种室内电动自行车充电识别系统功能模块示意图；
图2是本发明实施例所提供的室内电动自行车充电识别系统的数据集中传输终端的结构示意图；
图3为本发明所提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图1所示，本发明实施例提供的室内电动自行车充电识别系统具体包括：数据采集终端1、数据集中传输终端2以及识别和数据管理平台3；所述数据采集终端1用于通过智能电表对室内电器的用电波形数据进行采集；所述数据集中传输终端2用于通过电力载波线对至少一个智能电表执行数据集中任务，收集所述数据采集终端1采集的用电波形数据，并将收集到的用电波形数据通过网络传到所述识别和数据管理平台3；所述识别和数据管理平台3用于根据用电设备的工作原理、电气特征对室内电器的用电波形数据进行多维度分析，识别出室内电路中是否存在电动自行车充电的行为。
其中，所述数据采集终端1预先集成设置于所述智能电表的电力进口处，集成方式简单，便于安装维护，可有效减少安装成本，降低人为损毁和破坏。
所述数据采集终端1在每个采集周期连续采集n个电流和/或电压周波，每个周波采集m个点，并在数据发送周期将数据发送出去，所述采集周期、n、m及数据发送周期可调。数据采集终端1的主要技术参数如下：
采集周期设置范围为0分钟-10分钟，连续可调，0分钟为持续采样，默认采集周期为1分钟；
每个采集周期内，每次连续采集n(默认为n＝5)个电流周波，每个周波采集128个点，n可调；
数据发送周期默认为采样周期，当连续采样时，发送周期应可设置；
电流测量准确度：2％；整机功耗：视在功耗不大10VA；数据分辨率：8bit；
电流采集范围：0-100A；采样带宽：不低于1M(10M最优)。
通过所述数据采集终端1的主要技术参数的简便设置，不需要侵入用电系统就可以方便地采集到用电系统内任一用电负荷的有用波形数据。
如图2所示，所述数据集中传输终端2包括核心板、电源管理单元、电能计量单元、AC-DC单元、控制模块、4G、以太网、蓝牙等有线和无线单元，用于控制所述数据采集终端1的数据采集、汇聚，并通过网络传输到所述识别和数据管理平台3。
进一步的，所述所述识别和数据管理平台通过预设的负荷识别算法模态分解所述用电波形数据生成本质模态特征，并与预设的特征库中电动自行车充电目标模态特征进行相关性的数据分析和处理。
所述预设的负荷识别算法由VMD模态分解算法、神经网络训练算法和贝叶斯概率迭代算法组成。其中所述VMD模态分解算法是一种新的自适应信号分解方法，可以同时自适应地确定相关频带和相应的模式，具有将任意信号分解成一系列带限固有模式函数的能力。
所述VMD模态分解算法模态分解所述本质模态特征，并与所述特征库中所述目标模态特征进行相关性的分析和得到相关性的矩阵；所述神经网络算法对所述相关性的矩阵中的数据进行处理和判断，若符合相关性，所述神经网络算法调用所述贝叶斯概率迭代算法对所述相关性的矩阵进行概率的迭代，同时将所述本质模态特征更新到所述特征库；若不符合相关性，所述负荷识别算法回到所述初始状态。
针对VMD分解后的的多个本征模态，将K个模态分量与特征库中目标特征的模态分量进行相关性分析，可以得到K阶的相关性矩阵，通过比较相关性矩阵中的数值与相关性判据来判断所述相关性是否存在。
更进一步的，所述贝叶斯概率迭代算法通过在指定数量的判断周期内迭代的概率高于设定限值时来识别出电动自行车室内充电行为。
所述神经网络算法对所述相关性的所述矩阵中的所述数据进行处理和判断，符合所述相关性，所述神经网络算法调用所述贝叶斯概率迭代算法对所述相关性的所述矩阵进行所述概率的迭代，通过在指定数量的判断周期内迭代的所述概率高于设定限值时来出识别所述电动自行车室内充电行为，通过多个迭代周期判断后，可有效提高特征辨识精度，避免冲击性负荷以及相似电器负荷对目标负荷(即电动自行车)特征辨识带来的干扰。
所述室内电动自行车充电识别系统还包括定位授时模块，所述定位授时模块用于从卫星导航系统获取到标准时间信息并通过所述标准时间信息对所述数据采集终端、数据集中传输终端以及识别和数据管理平台进行时间同步。所述定位授时模块还用于通过卫星导航进行本系统各部分的定位。所述定位授时模块将定位授时功能融为一体，能准确找到本系统各部分的的具体位置。
本发明实施例中的室内电动自行车充电识别系统无需额外增加专用设备，通过简单集成在智能电表上的数据采集终端对各种电器的用电情况进行波形数据的采集，就能收集室内的用电情况，然后通过识别和数据管理平台对用户电力负荷进行智能识别和分解判断，从而以低成本和较高效率实现24小时不间断自动识别室内电路中是否有电动自行车电池充电等高风险现象，实现无需进入用户家里即可对电动自行车“进楼入户、电瓶入户、人车同屋、飞线充电”等行为的快速识别，可有效降低户内电气火灾的发生，实现用电能效智能管理。
此外，本发明实施例还提供一种计算机设备，请参见图3，所述计算机设备包括通过数据总线相互通信连接的存储器4、处理器5以及网络接口6。需要指出的是，图中仅示出了具有组件4-6的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器4至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器4可以是所述计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，所述存储器4也可以是所述计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器4还可以既包括所述计算机设备的内部存储单元也包括其外部存储设备。本实施例中，所述存储器4通常用于存储安装于所述计算机设备的操作系统，各类应用软件，和存储室内电动自行车充电识别系统的程序，所述存储器4还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器5在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器5通常用于控制所述计算机设备的总体操作。本实施例中，所述处理器5用于运行所述存储器4中存储的室内电动自行车充电识别系统的程序。所述网络接口6可包括无线网络接口或有线网络接口，该网络接口6通常用于在所述计算机设备与其他电子设备之间建立通信连接。
所述可读存储介质上存储有计算机程序，所述可读存储介质存储有室内电动自行车充电识别系统的程序，所述室内电动自行车充电识别系统程序可被至少一个处理器执行，以使所述至少一个处理器执行如室内电动自行车充电识别系统的程序，实现相关模块的功能。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请实施例所述的系统。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种室内电动自行车充电识别系统，其特征在于，包括：数据采集终端、数据集中传输终端以及识别和数据管理平台；所述数据采集终端用于通过智能电表对室内电器的用电波形数据进行采集；所述数据集中传输终端用于通过电力载波线对至少一个智能电表执行数据集中任务，收集所述数据采集终端采集的用电波形数据，并将收集到的用电波形数据通过网络传到所述识别和数据管理平台；所述识别和数据管理平台用于根据用电设备的工作原理、电气特征对室内电器的用电波形数据进行多维度分析，识别出室内电路中是否存在电动自行车充电的行为。
2.如权利要求1所述的一种室内电动自行车充电识别系统，其特征在于，所述数据采集终端预先集成设置于所述智能电表的电力进口处。
3.如权利要求2所述的一种室内电动自行车充电识别系统，其特征在于，所述数据采集终端在每个采集周期连续采集n个电流和/或电压周波，每个周波采集m个点，并在数据发送周期将数据发送出去，所述采集周期、n、m及数据发送周期可调。
4.如权利要求3所述的一种室内电动自行车充电识别系统，其特征在于，所述识别和数据管理平台通过预设的负荷识别算法模态分解所述用电波形数据生成本质模态特征，并与预设的特征库中电动自行车充电目标模态特征进行相关性的数据分析和处理。
5.如权利要求4所述的一种室内电动自行车充电识别系统，其特征在于，所述预设的负荷识别算法由VMD模态分解算法、神经网络训练算法和贝叶斯概率迭代算法组成。
6.如权利要求5所述的一种室内电动自行车充电识别系统，其特征在于，所述VMD模态分解算法模态分解所述本质模态特征，并与所述特征库中所述目标模态特征进行相关性的分析和得到相关性的矩阵；所述神经网络算法对所述相关性的矩阵中的数据进行处理和判断，若符合相关性，所述神经网络算法调用所述贝叶斯概率迭代算法对所述相关性的矩阵进行概率的迭代，同时将所述本质模态特征更新到所述特征库；若不符合相关性，所述负荷识别算法回到所述初始状态。
7.如权利要求6所述的一种室内电动自行车充电识别系统，其特征在于，所述贝叶斯概率迭代算法通过在指定数量的判断周期内迭代的概率高于设定限值时来识别出电动自行车室内充电行为。
8.如权利要求1-7任一项所述的一种室内电动自行车充电识别系统，其特征在于，还包括定位授时模块，所述定位授时模块用于从卫星导航系统获取到标准时间信息并通过所述标准时间信息对所述数据采集终端、数据集中传输终端以及识别和数据管理平台进行时间同步。
9.如权利要求8所述的一种室内电动自行车充电识别系统，其特征在于，所述定位授时模块还用于通过卫星导航进行本系统各部分的定位。
10.一种计算机设备，其特征在于，包括至少一个处理器、至少一个存储器和数据总线；其中：所述处理器与所述存储器通过所述数据总线完成相互间的通信；所述存储器存储有被所述处理器执行以实现如权利要求1-9任一项所述的室内电动自行车充电识别系统功能的程序。
CN202311034579.9A 2023-08-16 2023-08-16 一种室内电动自行车充电识别系统及计算机设备 Active CN117081246B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311034579.9A CN117081246B (zh) 2023-08-16 2023-08-16 一种室内电动自行车充电识别系统及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311034579.9A CN117081246B (zh) 2023-08-16 2023-08-16 一种室内电动自行车充电识别系统及计算机设备

Publications (2)

Publication Number Publication Date
CN117081246A true CN117081246A (zh) 2023-11-17
CN117081246B CN117081246B (zh) 2024-07-30

Family

ID=88710891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311034579.9A Active CN117081246B (zh) 2023-08-16 2023-08-16 一种室内电动自行车充电识别系统及计算机设备

Country Status (1)

Country Link
CN (1) CN117081246B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109145949A (zh) * 2018-07-19 2019-01-04 山东师范大学 基于集成学习的非侵入式电力负荷监测与分解方法及系统
CN110901446A (zh) * 2019-10-14 2020-03-24 广东浩迪创新科技有限公司 一种基于智能电表的电动车充电识别方法及装置
CN110929563A (zh) * 2019-10-14 2020-03-27 广东浩迪创新科技有限公司 一种用电器识别方法及装置
CN113567794A (zh) * 2021-09-24 2021-10-29 国网江苏省电力有限公司营销服务中心 基于动态时间规整的电动自行车户内充电辨识方法及系统
CN113820557A (zh) * 2021-09-22 2021-12-21 南京工程学院 非侵入式电动自行车充电负荷检测与识别方法
CN113836823A (zh) * 2021-10-29 2021-12-24 武汉大学 一种基于负荷分解和优化双向长短期记忆网络的负荷组合预测方法
CN114118277A (zh) * 2021-11-29 2022-03-01 国网河北省电力有限公司经济技术研究院 电动车充电监测方法、装置和终端设备
CN114912545A (zh) * 2022-06-10 2022-08-16 安徽理工大学 基于优化vmd算法和dbn网络的电力负荷分类方法
CN115456034A (zh) * 2022-11-09 2022-12-09 广东浩迪创新科技有限公司 一种电动自行车充电自动识别监测方法及系统
CN115905857A (zh) * 2022-10-19 2023-04-04 华南理工大学 基于数学形态学和改进Transformer的非侵入式负荷分解方法
CN115935158A (zh) * 2022-11-09 2023-04-07 贵州电网有限责任公司 一种基于混叠高频信号的电动汽车负荷识别系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109145949A (zh) * 2018-07-19 2019-01-04 山东师范大学 基于集成学习的非侵入式电力负荷监测与分解方法及系统
CN110901446A (zh) * 2019-10-14 2020-03-24 广东浩迪创新科技有限公司 一种基于智能电表的电动车充电识别方法及装置
CN110929563A (zh) * 2019-10-14 2020-03-27 广东浩迪创新科技有限公司 一种用电器识别方法及装置
CN113820557A (zh) * 2021-09-22 2021-12-21 南京工程学院 非侵入式电动自行车充电负荷检测与识别方法
CN113567794A (zh) * 2021-09-24 2021-10-29 国网江苏省电力有限公司营销服务中心 基于动态时间规整的电动自行车户内充电辨识方法及系统
CN113836823A (zh) * 2021-10-29 2021-12-24 武汉大学 一种基于负荷分解和优化双向长短期记忆网络的负荷组合预测方法
CN114118277A (zh) * 2021-11-29 2022-03-01 国网河北省电力有限公司经济技术研究院 电动车充电监测方法、装置和终端设备
CN114912545A (zh) * 2022-06-10 2022-08-16 安徽理工大学 基于优化vmd算法和dbn网络的电力负荷分类方法
CN115905857A (zh) * 2022-10-19 2023-04-04 华南理工大学 基于数学形态学和改进Transformer的非侵入式负荷分解方法
CN115456034A (zh) * 2022-11-09 2022-12-09 广东浩迪创新科技有限公司 一种电动自行车充电自动识别监测方法及系统
CN115935158A (zh) * 2022-11-09 2023-04-07 贵州电网有限责任公司 一种基于混叠高频信号的电动汽车负荷识别系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHAO ZHIHUA 等: ""Research_on_Non-invasive_Specific_Electrical_Load_Identification_Based_on_VMD_Algorithm"", 《2022 THE 6TH INTERNATIONAL CONFERENCE ON SMART GRID AND SMART CITIES》, 1 December 2022 (2022-12-01), pages 1 - 5 *
陈中: ""基于贝叶斯迭代的非侵入式负荷事件检测方法"", 《电测与仪表》, 15 April 2021 (2021-04-15), pages 1 - 8 *

Also Published As

Publication number Publication date
CN117081246B (zh) 2024-07-30

Similar Documents

Publication Publication Date Title
CN109613440B (zh) 电池的分级方法、装置、设备和存储介质
CN113466716A (zh) 电池健康状态测算方法以及相关设备
CN116466168B (zh) 一种基于云计算的新能源管理平台异常监测系统及方法
CN115986874A (zh) 一种电池充电安全监测预警方法及系统
CN110673081B (zh) 基于边缘计算的智能电表误差在线估计方法
CN216848010U (zh) 一种边缘计算的电缆局放在线监测装置
CN112365090A (zh) 一种基于深度学习的非入侵式用电负荷识别方法及装置
CN113644711B (zh) 一种交互式手机无线充电用管理系统
CN117081246B (zh) 一种室内电动自行车充电识别系统及计算机设备
CN116454983B (zh) 一种风光储联合最优控制管理方法、系统及设备
CN109599952B (zh) 一种基于4g通信技术的配电网监控管理系统及方法
CN111591154A (zh) 支持电动汽车无线充电的动态磁耦合谐振阵列方法及系统
CN113570388B (zh) 一种远程反窃电检查方法、装置、计算机设备和存储介质
CN113269478B (zh) 一种基于多模型的集中器异常数据提醒方法及系统
CN212012257U (zh) 具备电网检测及用电负荷辩识能力的能源网关
CN117194924B (zh) 电动自行车室内充电行为识别的方法、系统、设备及介质
CN112671098A (zh) 一种非侵入式负荷辨识的方法、装置及电子设备
CN206282428U (zh) 基于远红外漫反射云平台电力采集系统
CN117521857B (zh) 一种电芯析锂分析方法、装置、可读存储介质及电子设备
CN118381467A (zh) 基于物联网的柔性光伏智能监控与管理系统及方法
CN211086535U (zh) 一种锂离子动力电池荷电态预测电路
CN117977759A (zh) 一种无人值守的灯塔充电量安全采集系统
CN111029669B (zh) 一种智能电池的控制方法，智能电池及服务端
CN117002322A (zh) 一种动力电池全生命周期远程监控系统
CN118425650A (zh) 充电站充电负荷的监测系统及监测方法

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