CN117706220A - 一种通过电参量特征识别电动自行车违规充电的方法 - Google Patents
一种通过电参量特征识别电动自行车违规充电的方法 Download PDFInfo
- Publication number
- CN117706220A CN117706220A CN202311303466.4A CN202311303466A CN117706220A CN 117706220 A CN117706220 A CN 117706220A CN 202311303466 A CN202311303466 A CN 202311303466A CN 117706220 A CN117706220 A CN 117706220A
- Authority
- CN
- China
- Prior art keywords
- electric
- power
- data
- charging
- electric bicycle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000013598 vector Substances 0.000 claims abstract description 87
- 230000035772 mutation Effects 0.000 claims abstract description 58
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种通过电参量特征识别电动自行车违规充电的方法,包括如下步骤:搭建多个电动自行车充电模拟场景采集不同电动自行车充电模拟场景下的稳态电流数据并提取多个电动自行车充电模拟场景下的电参量特征向量;将居民用电回路用电数据作为研究对象,基于多组电参量特征向量,多组电参量特征向量的数据结构与采集的电参量特征向量保持一致,一一与规格型号的电动自行车充电器对应编号,构建电动自行车违规充电电参量特征向量库,并设置功率突变事件的阈值;实时监测用电回路,采集是数据与向量库数据对比,匹配则报警。本发明解决了电动自行车入户、私拉飞线充电等场景进行的违规充电的检测,减少了电气火灾发生的可能。
Description
技术领域
本发明涉及电参量、电数字数据处理技术领域,尤其涉及一种通过电参量特征识别电动自行车违规充电的方法。
背景技术
目前,近年来,电动自行车因其价格、节能、便捷等优势深受大众欢迎,已然成为市民出行的重要交通工具之一。
电动自行车违规充电检测大多依靠在单元入口、楼道加装摄像机方式来识别电动自行车违规充电。该方式仅能管住大部分电动车出入,无法阻止电池携带入户充电和飞线充电行为,对火灾发生本身没有任何拒止。
发明内容
本发明的目的是提供一种通过电参量特征识别电动自行车违规充电的方法,能够实现对电动自行车违规充电行为的识别,从源头上破除违规充电这一监管盲点。
本发明采用的技术方案为:
一种通过电参量特征识别电动自行车违规充电的方法,包括如下步骤:
步骤1:搭建多个电动自行车充电模拟场景,把设备分别接入多个电动自行车充电模拟场景,并采集不同电动自行车充电模拟场景下的稳态电流数据并提取多个电动自行车充电模拟场景下的电参量特征向量;
步骤2:将居民用电回路用电数据作为研究对象,基于多组电参量特征向量,多组电参量特征向量的数据结构与采集的电参量特征向量保持一致,一一与规格型号的电动自行车充电器对应编号,构建电动自行车违规充电电参量特征向量库,并设置功率突变事件的阈值;
步骤3:实时监测用电回路,通过高速AD采样对用电数据进行实时收集,并间隔时间t对用电回路电压电流周波数据进行不间断存储、覆盖;用电数据包括用电回路中电压、电流周波数据;
步骤:4实时判断功率值突变时间点,并对突变点后短时间段内电压电流周波数据存储作为突变数据;
步骤5:对突变数据进行分析计算处理,得到功率突变后复合用电器稳态电压电流数据,基于突变前后稳态电压电流周波数据进行裁剪,得到突变过程中用电器的电流周波数据;
步骤6:基于裁剪后的稳态电流周波数据进行特征提取得到用电数据的电参量特征向量;
步骤7:遍历电动自行车违规充电电参量特征库,若裁剪后用电数据提取的电参量特征向量与电动自行车违规充电电参量特征向量库中任一特征向量高度匹配,设备输出识别结果,并报警。
所述步骤1中将设备接入模拟场景对应的用电线路中,获取的电参量特征向量具体为:以1个工频周期为单元,获取n个工频周期内电气线路中有功功率差值△P、变化功率因数值△cos、三次谐波H3、平肩变异程度CV和波峰系数kf。
所述的步骤2中平肩变异程度CV为平肩变异点数与所有采样点数的比值,其中平肩宽度是指4个工频周期内稳态电流256个点的电流数据逐一与阈值区间[-a,a]比较,如果电流数据超过阈值区间,则作为孤立点剔除,若电流数据在阈值区间内则保留作为平肩变异点数。
所述步骤3中,所述的间隔时间t为2s,现场用电线路电流波形为间隔2s内采集4个工频周期256个点的电压电流周波数据,若在2s间隔内未检测到功率突变事件,采集的电压电流周波数据自动被下一个时间间隔的周波数据覆盖。
所述步骤4中实时判断功率值突变时间点具体包括如下步骤:计算周期间隔t内任一组用电回路功率有效值,比较上一周期时刻和当前周期时刻的用电回路功率有效值,若上述两个时刻用电回路功率有效值差值的绝对值大于阈值,即满足功率突变条件,设备采样当前时刻4个工频周期电压、电流稳态数据。
所述步骤4中实时检测判断功率突变的间隔为2s,突变功率阈值为80W,一旦检测到功率突变大于阈值,设备存储功率突变后短时间的电压电流周波数据,采集窗口时间间隔设定为4个工频周期。
步骤5具体包含有如下几个步骤;
步骤5.1为确保裁剪后波形准确性,本文通过构建功率突变前后稳态电流波形时基来实现时域波形对齐;选取设备的高精度定时器,其最小时间精度单元δt,根据用电侧波形特性,若功率突变前后波形时域内误差N*δt满足m个工频周期时间即N*δt=m*20ms,表明功率突变前后波形时域内对齐,其中N为定时器中断触发次数,m为正整数;
具体的,电流稳态数据裁剪中构建时基中m取1,δ取0.05ms,利用N*δt=m*20ms,计算出N=400,表明设备在功率突变事件发生后,历经400个定时器中断后采集4个工频周期的电压、电流稳态数据;
步骤5.2 功率突变后稳态电流波形和功率突变前一周期间隔内稳态电流波形各个点幅值作差,即256个点数据作差,得到功率突变过程中电流数据。
所述步骤6中的电参量特征值提取方法步骤1中的方法一样,区别在于提取对象不同,前者为裁剪后稳态电流,后者为模拟场景下电动自行车充电稳态电流。
步骤7具体包括如下步骤:
若特征向量匹配度小于阈值,表明当前处于安全范围内,则设备按周期间隔采集数据并监测。
若特征向量匹配度大于等于阈值,表明当前处于安全隐患内,则设备输出告警信息,若设备监测到线路中电动自行车持续充电,超出阈值时间后设备发出提醒人工前去复核。
还包括如下步骤,当对违规充电的稳态电流数据进行学习时,若存在电动自行车违规充电电参量特征向量库以外的异常稳态电流数据,则通过设备的远程定值下发方式将其电参量特征向量补充更新到电动自行车违规充电电参量特征向量库中。
本发明通过构建模拟场景进行电动车违规充电电参量特征向量库的设置,通过设备采集线路上电压、电流稳态数据,通过匹配模型比较特征向量库中向量和波形裁剪后特征向量的关系,可准确识别电动自行车的接入充电,解决了电动自行车入户、私拉飞线充电等场景进行的违规充电的检测,减少了电气火灾发生的可能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明的流程图。
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付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。
如图1所示,本发明包括如下步骤:
步骤1:搭建多个电动自行车充电模拟场景,把设备分别接入多个电动自行车充电模拟场景,并采集不同电动自行车充电模拟场景下的稳态电流数据并提取多个电动自行车充电模拟场景下的电参量特征向量;所述步骤1中将设备接入模拟场景对应的用电线路中,获取的电参量特征向量具体为:以1个工频周期为单元,获取n个工频周期内电气线路中有功功率差值△P、变化功率因数值△cos、三次谐波H3、平肩变异程度CV和波峰系数kf。功率值差值△P为功率突变前后稳态电流的有功功率差值。变化功率因数值△cos=△P/△S,其中△P为有功功率差值,△S为视在功率差值。平肩变异程度CV为平肩变异点数与所有采样点数的比值,其中平肩宽度是指4个工频周期内稳态电流256个点的电流数据逐一与阈值区间[-a,a]比较,如果电流数据超过阈值区间,则作为孤立点剔除,若电流数据在阈值区间内则保留作为平肩变异点数。波峰系数为稳态电流的峰值与稳态电流有效值的比值。本发明中,搭建电动自行车充电模拟场景,包括但不局限于室内、私拉飞线的场景,用电回路情况是可以基本模拟的。
步骤2:将居民用电回路用电数据作为研究对象,基于多组电参量特征向量多组特征电参量特征向量的数据结构与采集的电参量特征向量保持一致,一一与规格型号的电动自行车充电器对应编号,构建电动自行车违规充电电参量特征向量库,并设置功率突变事件的阈值;,本发明设定的功率突变阈值为80W,实际使用时采集设备的电流互感器变比为2000/1,测量的最大电流为100A,为确保采集精度,换算可得最小采集功率为100W。实际使用时,以模拟场景下的电源对电动自行车充电器进行充电,将设备接入模拟场景对应的用电线路,提取多组特征向量并一一与规格型号的电动自行车充电器对应编号,构成电参量特征向量库。不同模拟场景下,电动自行车充电器的型号与规格一致。本发明中最终获得的是不同模拟场景下、不同电动自行车充电器充电过程中稳态电压、电流数据提取的电参量特征向量。
步骤3:实时监测用电回路,通过高速AD采样对用电数据进行实时收集,并间隔时间t对用电回路电压电流周波数据进行不间断存储、覆盖;用电数据包括用电回路中电压、电流周波数据;所述步骤3中,所述的间隔时间t为2s,现场用电线路电流波形为间隔2s内采集4个工频周期256个点的电压电流周波数据,若在2s间隔内未检测到功率突变事件,采集的电压电流周波数据自动被下一个时间间隔的周波数据覆盖。
步骤:4实时判断功率值突变时间点,并对突变点后短时间段内电压电流周波数据存储作为突变数据;所述步骤4中实时判断功率值突变时间点具体包括如下步骤:计算周期间隔t内任一组用电回路功率有效值,比较上一周期时刻和当前周期时刻的用电回路功率有效值,若上述两个时刻用电回路功率有效值差值的绝对值大于阈值,即满足功率突变条件,设备采样当前时刻4个工频周期电压、电流稳态数据。
所述步骤4中实时检测判断功率突变的间隔为2s,突变功率阈值为100W,一旦检测到功率突变大于阈值,设备存储功率突变后短时间的电压电流周波数据,采集窗口时间间隔设定为4个工频周期,在未检测到功率突变之前,设备持续不断的1S采集实时数据。采集变化的数据是为了能更可靠的检测到电动车充电行为。
步骤5:对突变数据进行分析计算处理,得到功率突变后复合用电器稳态电压电流数据,基于突变前后稳态电压电流周波数据进行裁剪,得到突变过程中用电器的电流周波数据;步骤5具体包含有如下几个步骤;
步骤5.1为确保裁剪后波形准确性,本文通过构建功率突变前后稳态电流波形时基来实现时域波形对齐;选取设备的高精度定时器,其最小时间精度单元δt,根据用电侧波形特性,若功率突变前后波形时域内误差N*δt满足m个工频周期时间即N*δt=m*20ms,表明功率突变前后波形时域内对齐,其中N为定时器中断触发次数,m为正整数;
具体的,电流稳态数据裁剪中构建时基中m取1,δ取0.05ms,利用N*δt=m*20ms,计算出N=400,表明设备在功率突变事件发生后,历经400个定时器中断后采集4个工频周期的电压、电流稳态数据;
步骤5.2 功率突变后稳态电流波形和功率突变前一周期间隔内稳态电流波形各个点幅值作差,即256个点数据作差,得到功率突变过程中电流数据。
步骤6:基于裁剪后的稳态电流周波数据进行特征提取得到用电数据的电参量特征向量;所述步骤6中的电参量特征值提取方法步骤1中的方法一样,区别在于提取对象不同,前者为裁剪后稳态电流,后者为模拟场景下电动自行车充电稳态电流。
步骤7:遍历电动自行车违规充电电参量特征库,若裁剪后用电数据提取的电参量特征向量与电动自行车违规充电电参量特征向量库中任一特征向量高度匹配,设备输出识别结果,并报警。步骤7具体包括如下步骤:
若特征向量匹配度小于阈值,本发明阈值取0.90,表明当前处于安全范围内,则设备按周期间隔采集数据并监测。
若特征向量匹配度大于等于阈值,表明当前处于安全隐患内,则设备输出告警信息,若设备监测到线路中电动自行车持续充电,超出阈值时间后设备发出提醒人工前去复核。
还包括如下步骤,当对违规充电的稳态电流数据进行学习时,若存在电动自行车违规充电电参量特征向量库以外的异常稳态电流数据可通过设备的远程定值下发方式将其电参量特征向量补充更新到电动自行车违规充电电参量特征向量库中。通过设置自学习,可以丰富完善电动自行车违规充电电参量特征向量库的数据,使监测的精度越来越高。
本发明中,对违规充电的电参量特征向量进行学习,若存在电参量特征向量库的以外的违规充电电参量特征向量,通过设备将其更新补充到电参量特征向量库中,并更新相关阈值。
由本发明的实验数据可知设备采集的特征向量与违规充电电参量特征向量库进行匹配度计算,得出当前为电动车充电行为。
本发明提供了一种优化的电动自行车违规充电电参量特征识别方法与设备,构建电动自行车违规充电多个模拟场景,并将设备接入模拟场景对应的线路中,通过设备中高速AD采样,得到电动车违规充电过程中的线路稳态电流,通过分析处理得到相应模拟场景下的电参量特征向量,基于当前电参量特征向量建立向量库,对现实场景接入设备,通过高速AD采样按照特定的时间间隔将线路稳态电流预存入设备中,若发生功率突变,设备通过高精度定时器触发AD采样得到功率突变后稳态电流,通过波形裁剪后对其进行电参量特征向量提取,若当前特征向量与电参量特征向量库中任一向量匹配度高,输出识别结果。
本发明通过构建模拟场景进行电动车违规充电电参量特征向量库的设置,通过设备采集线路上电压、电流稳态数据,通过匹配模型比较特征向量库中向量和波形裁剪后特征向量的关系,可准确识别电动自行车的接入充电,解决了电动自行车入户、私拉飞线充电等场景进行的违规充电的检测,减少了电气火灾发生的可能。
在本发明的描述中,需要说明的是,对于方位词,如有术语“ 中心”,“ 横向”、“ 纵向”、“ 长度”、“ 宽度”、“ 厚度”、“ 上”、“ 下”、“ 前”、“ 后”、“ 左”、“ 右”、 竖直”、“ 水平”、“ 顶”、“ 底”、“ 内”、“ 外”、“ 顺时针”、“ 逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系,仅是为了便于叙述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作,不能理解为限制本发明的具体保护范围。
需要说明的是,本申请的说明书和权利要求书中的术语“ 包括”和“ 具有”以及他们的任何变形,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。
注意,上述仅为本发明的较佳实施例及运用技术原理。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较详细的说明,但本发明不限于这里所述的特定实施例,在不脱离本发明构思的情况下,还可以包括更多其他等有效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种通过电参量特征识别电动自行车违规充电的方法,其特征在于:包括如下步骤:
步骤1:搭建多个电动自行车充电模拟场景,把设备分别接入多个电动自行车充电模拟场景,并采集不同电动自行车充电模拟场景下的稳态电流数据并提取多个电动自行车充电模拟场景下的电参量特征向量;
步骤2:将居民用电回路用电数据作为研究对象,基于多组电参量特征向量,多组电参量特征向量的数据结构与采集的电参量特征向量保持一致,一一与规格型号的电动自行车充电器对应编号,构建电动自行车违规充电电参量特征向量库,并设置功率突变事件的阈值;
步骤3:实时监测用电回路,通过高速AD采样对用电数据进行实时收集,并间隔时间t对用电回路电压电流周波数据进行不间断存储、覆盖;用电数据包括用电回路中电压、电流周波数据;
步骤:4实时判断功率值突变时间点,并对突变点后短时间段内电压电流周波数据存储作为突变数据;
步骤5:对突变数据进行分析计算处理,得到功率突变后复合用电器稳态电压电流数据,基于突变前后稳态电压电流周波数据进行裁剪,得到突变过程中用电器的电流周波数据;
步骤6:基于裁剪后的稳态电流周波数据进行特征提取得到用电数据的电参量特征向量;
步骤7:遍历电动自行车违规充电电参量特征库,若裁剪后用电数据提取的电参量特征向量与电动自行车违规充电电参量特征向量库中任一特征向量高度匹配,设备输出识别结果,并报警。
2.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:所述步骤1中将设备接入模拟场景对应的用电线路中,获取的电参量特征向量具体为:以1个工频周期为单元,获取n个工频周期内电气线路中有功功率差值△P、变化功率因数值△cos、三次谐波H3、平肩变异程度CV和波峰系数kf。
3.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:所述的步骤2中平肩变异程度CV为平肩变异点数与所有采样点数的比值,其中平肩宽度是指4个工频周期内稳态电流256个点的电流数据逐一与阈值区间[-a,a]比较,如果电流数据超过阈值区间,则作为孤立点剔除,若电流数据在阈值区间内则保留作为平肩变异点数。
4.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:所述步骤3中,所述的间隔时间t为2s,现场用电线路电流波形为间隔2s内采集4个工频周期256个点的电压电流周波数据,若在2s间隔内未检测到功率突变事件,采集的电压电流周波数据自动被下一个时间间隔的周波数据覆盖。
5.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:所述步骤4中实时判断功率值突变时间点具体包括如下步骤:计算周期间隔t内任一组用电回路功率有效值,比较上一周期时刻和当前周期时刻的用电回路功率有效值,若上述两个时刻用电回路功率有效值差值的绝对值大于阈值,即满足功率突变条件,设备采样当前时刻4个工频周期电压、电流稳态数据。
6.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:所述步骤4中实时检测判断功率突变的间隔为2s,突变功率阈值为80W,一旦检测到功率突变大于阈值,设备存储功率突变后短时间的电压电流周波数据,采集窗口时间间隔设定为4个工频周期。
7.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:步骤5具体包含有如下几个步骤;
步骤5.1为确保裁剪后波形准确性,本文通过构建功率突变前后稳态电流波形时基来实现时域波形对齐;选取设备的高精度定时器,其最小时间精度单元δt,根据用电侧波形特性,若功率突变前后波形时域内误差N*δt满足m个工频周期时间即N*δt=m*20ms,表明功率突变前后波形时域内对齐,其中N为定时器中断触发次数,m为正整数;
具体的,电流稳态数据裁剪中构建时基中m取1,δ取0.05ms,利用N*δt=m*20ms,计算出N=400,表明设备在功率突变事件发生后,历经400个定时器中断后采集4个工频周期的电压、电流稳态数据;
步骤5.2 功率突变后稳态电流波形和功率突变前一周期间隔内稳态电流波形各个点幅值作差,即256个点数据作差,得到功率突变过程中电流数据。
8.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:所述步骤6中的电参量特征值提取方法步骤1中的方法一样,区别在于提取对象不同,前者为裁剪后稳态电流,后者为模拟场景下电动自行车充电稳态电流。
9.根据权利要求3所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:步骤7具体包括如下步骤:
若特征向量匹配度小于阈值,表明当前处于安全范围内,则设备按周期间隔采集数据并监测;
若特征向量匹配度大于等于阈值,表明当前处于安全隐患内,则设备输出告警信息,若设备监测到线路中电动自行车持续充电,超出阈值时间后设备发出提醒人工前去复核。
10.根据权利要求1所述的通过电参量特征识别电动自行车违规充电的方法,其特征在于:还包括如下步骤,当对违规充电的稳态电流数据进行学习时,若存在电动自行车违规充电电参量特征向量库以外的异常稳态电流数据,则通过设备的远程定值下发方式将其电参量特征向量补充更新到电动自行车违规充电电参量特征向量库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303466.4A CN117706220A (zh) | 2023-10-10 | 2023-10-10 | 一种通过电参量特征识别电动自行车违规充电的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303466.4A CN117706220A (zh) | 2023-10-10 | 2023-10-10 | 一种通过电参量特征识别电动自行车违规充电的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117706220A true CN117706220A (zh) | 2024-03-15 |
Family
ID=90154012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311303466.4A Pending CN117706220A (zh) | 2023-10-10 | 2023-10-10 | 一种通过电参量特征识别电动自行车违规充电的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117706220A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748340A (zh) * | 2020-12-31 | 2021-05-04 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
CN112748340B (zh) * | 2020-12-31 | 2024-05-31 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
-
2023
- 2023-10-10 CN CN202311303466.4A patent/CN117706220A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748340A (zh) * | 2020-12-31 | 2021-05-04 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
CN112748340B (zh) * | 2020-12-31 | 2024-05-31 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105425118B (zh) | 一种多信息融合故障电弧检测方法及装置 | |
CN107796972B (zh) | 一种基于非侵入式负荷分解技术的粮仓能耗监测方法 | |
CN107340459A (zh) | 一种直流故障电弧检测方法及系统 | |
CN104793132B (zh) | 基于电场传感器的隔离开关接触状态检测装置及检测方法 | |
CN103140766A (zh) | 用于通过部分放电分析监视电力传输系统的装置和方法 | |
CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其系统 | |
CN204064509U (zh) | 一种高压开关柜温度在线监测系统 | |
CN104614608A (zh) | 一种低压并联电弧故障检测装置及方法 | |
CN114460411A (zh) | 输电网的故障定位方法、装置及系统、处理器、电子设备 | |
CN106845562B (zh) | 光伏组件的故障监测系统及数据处理方法 | |
CN105510760A (zh) | 一种基于小波分析的短路故障数据检测方法 | |
CN109375120B (zh) | 直流电源系统中窜入交流电的监测方法 | |
CN112816909A (zh) | 一种太阳能光伏逆变器漏电流的监测方法及装置 | |
CN112290683A (zh) | 一种基于边缘计算的变配电场所监控系统 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、系统及装置 | |
CN106443433A (zh) | 基于分合闸线圈电流的断路器状态监测系统及监测方法 | |
CN109831033A (zh) | 一种供电线路预警保护设备及分段监测预警系统 | |
CN114049738A (zh) | 基于烟雾、温度、电气量的建筑电气火灾辨识方法及系统 | |
CN103674291A (zh) | 全绝缘母线的温度监测系统 | |
CN103337866B (zh) | 一种从随机响应数据中辨识电力系统低频振荡参数的方法 | |
Jain et al. | Current peak based device classification in NILM on a low-cost embedded platform using extra-trees | |
CN117706220A (zh) | 一种通过电参量特征识别电动自行车违规充电的方法 | |
CN116168502B (zh) | 一种自优化工业园区消防传感器节能控制系统 | |
CN112085043B (zh) | 一种变电站网络安全智能监控方法及系统 | |
CN111813824A (zh) | 一种10kV线路出线停电事件漏报自动检验方法及系统 |
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 |