CN117913740B - 基于一二次融合柱上断路器的电流切换方法及系统 - Google Patents
基于一二次融合柱上断路器的电流切换方法及系统 Download PDFInfo
- Publication number
- CN117913740B CN117913740B CN202410309845.2A CN202410309845A CN117913740B CN 117913740 B CN117913740 B CN 117913740B CN 202410309845 A CN202410309845 A CN 202410309845A CN 117913740 B CN117913740 B CN 117913740B
- Authority
- CN
- China
- Prior art keywords
- current
- signal
- sampling
- value
- circuit breaker
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005070 sampling Methods 0.000 claims abstract description 131
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 230000008859 change Effects 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 230000009471 action Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005311 autocorrelation function Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 235000013599 spices Nutrition 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Landscapes
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明涉及电流切换领域，提出了基于一二次融合柱上断路器的电流切换方法及系统，所述方法包括：获取一二次融合柱上断路器中的待处理电流并转换为电流信号，然后对电流信号进行放大和滤波去噪，得到去噪信号，根据去噪信号确定采样周期，并将去噪信号发送至预设的采样电路，计算采样电流值，查询采样电流值对应的电流数据序列，确定电流数据序列中的电流极大点值，并识别变化区间，计算变化区间数据点的回归系数。基于回归系数确定监测单元的预设阈值，若采样电流值高于预设阈值，则通过监测单元发送动作指令给电流控制系统，并识别反馈指令，使用控制单元对待处理电流进行切换，记录电流切换情况。本发明可以提高电流切换的响应时间和适应性。
Description
技术领域
本发明涉及电流切换领域，尤其涉及基于一二次融合柱上断路器的电流切换方法及系统。
背景技术
一二次融合柱上断路器是一种用于电力系统中的保护设备，主要用于在电流超过额定值或发生故障时自动切断电路，以防止设备损坏或人身安全事故发生。
目前，常用的电流切换方法包括传统的机械式切换和基于电子技术的智能切换，传统的机械式切换方法通过物理连接和切换装置来实现电流的切换，存在响应时间较长，而基于电子技术的智能切换方法利用电子元件和控制算法来实现电流的切换，但是，由于电力供应系统的复杂性和多样性，上述智能切换方法存在适应性差的问题，因此，需要一种基于一二次融合柱上断路器的电流切换方法及系统，以提高电流切换的响应时间和适应性。
发明内容
本发明提供的基于一二次融合柱上断路器的电流切换方法及系统，其主要目的在于提高电流切换的响应时间和适应性。
为实现上述目的，本发明提供的基于一二次融合柱上断路器的电流切换方法，包括：
获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
可选地，所述将所述待处理电流转换为电流信号，包括：
识别所述待处理电流对应的电流值；
基于所述电流值，对所述待处理电流进行模数转换，得到模拟电流；
对所述模拟电流进行数字滤波，得到数字特征；
基于所述数字特征，生成所述模拟电流对应的电流信号。
可选地，所述基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，包括：
识别所述采样周期对应的时间频率；
基于所述时间频率，对所述去噪信号进行钟源同步，得到同步信号；
将所述同步信号输入至预设的采样电路后，启动所述采样电路，得到电流采样信号。
可选地，所述计算所述电流采样信号对应的采样电流值，包括：
利用下述公式计算所述电流采样信号对应的采样电流值：
；
其中，表示所述电流采样信号对应的采样电流值，N 表示所述电流采样信号对应采样点的总数，n 表示所述采样点的索引，/>表示电流波形函数，/>表示采样窗口函数，/>表示第n个采样点的起始时间，T表示采样周期。
可选地，所述识别所述电流极大点值对应的变化区间，包括：
对所述电流极大点值进行时间排序，得到电流点值序列；
识别所述电流点值序列中的极大值点数组；
计算所述极大值点数组中相邻极大点值的平均差值；
基于所述平均差值，确定所述电流极大点值对应的变化区间。
可选地，所述计算所述变化区间中数据点的回归系数，包括：
利用下述公式计算所述变化区间中数据点的回归系数：
；
其中，表示所述变化区间对应的协方差矩阵，m表示所述变化区间中数据点的数量，/>表示第i个数据点的自变量值，/>表示所述自变量x的均值，/>表示第i个数据点的因变量值，/>表示因变量y的均值，/>表示自变量x的方差，/>表示所述变化区间中数据点的回归系数。
可选地，所述基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，包括：
提取所述回归系数中的区间参数点，构建所述区间参数点对应的区间方程，计算所述区间方程的方程斜率；
查询所述一二次融合柱上断路器中监测单元的工作范围；
提取所述一二次融合柱上断路器中监测单元在所述工作范围内的变化数据；
基于所述方程斜率和所述变化数据，确定所述一二次融合柱上断路器中监测单元的预设阈值。
可选地，所述计算所述区间方程的方程斜率，包括：
利用下述公式计算所述区间方程的方程斜率：
；
其中，表示所述区间方程的方程斜率，/>表示区间方程函数，/>表示偏导数，表示自变量。
可选地，所述识别所述电流控制系统中的反馈指令，包括：
读取所述电流控制系统中目标电流值；
基于所述目标电流值，计算所述电流控制系统中的电流误差值；
基于所述电流误差值，对所述电流控制系统进行控制输出，得到控制电流值；
基于所述控制电流值，生成所述电流控制系统对应的反馈指令。
为了解决上述问题，本发明还提供基于一二次融合柱上断路器的电流切换系统，所述系统包括：
信号去噪模块，用于获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
电流值计算模块，用于确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
回归系数计算模块，用于查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
指令识别模块，用于基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
电流控制模块，用于基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
本发明通过获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，可以提高数据准确性、实时性，便于处理和分析，并且易于集成和传输，有助于改善电力系统的运行、保护和管理，从而提高系统的可靠性和效率，本发明通过确定所述去噪信号对应的采样周期，可以避免混叠效应、保留有效信息、降低计算开销并适应信号特性，从而提高去噪算法的效果和性能，本发明通过查询所述采样电流值对应的电流数据序列，可以提供更灵活、准确、高效和可扩展的数据查询和处理能力，从而更好地利用电流数据进行分析和决策，本发明通过基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，可以提高精准性、灵活性和自动化程度，降低人为干预和成本，并为系统提供更可靠和智能的监测能力，本发明基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录，可以实现精确控制、自动化操作、实时监测和记录、多功能灵活性以及故障保护和安全性等益处。因此本发明提出的基于一二次融合柱上断路器的电流切换方法及系统，以提高电流切换的响应时间和适应性。
附图说明
图1为本发明一实施例提供的基于一二次融合柱上断路器的电流切换方法的流程示意图；
图2为本发明一实施例提供的一种基于一二次融合柱上断路器的电流切换系统的模块示意图；
图3为本发明一实施例提供的基于一二次融合柱上断路器的电流切换方法的电子设备的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供基于一二次融合柱上断路器的电流切换方法。所述基于一二次融合柱上断路器的电流切换方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于一二次融合柱上断路器的电流切换方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于一二次融合柱上断路器的电流切换方法的流程示意图。在本实施例中，所述基于一二次融合柱上断路器的电流切换方法包括：
S1、获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号。
本发明通过获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，可以提高数据准确性、实时性，便于处理和分析，并且易于集成和传输，有助于改善电力系统的运行、保护和管理，从而提高系统的可靠性和效率。
其中，所述待处理电流是指还未经过任何处理或转换的原始电流数据；所述电流信号是指经过转换、调整或处理后得到的可用于进一步分析、传输或控制的电流数据。
作为本发明的一个实施例，所述将所述待处理电流转换为电流信号，包括：识别所述待处理电流对应的电流值；基于所述电流值，对所述待处理电流进行模数转换，得到模拟电流；对所述模拟电流进行数字滤波，得到数字特征；基于所述数字特征，生成所述模拟电流对应的电流信号。
其中，所述电流值是指所述待处理电流的实际测量数值，通常以安培（A）为单位表示；所述模拟电流是指将所述待处理电流转换为连续变化的电压或电流信号；所述数字特征是指对模拟电流进行数字滤波后得到的特征参数或特征向量，用于描述模拟电流的重要特性。
进一步地，所述电流值可以通过传感器实现获得，如：霍尔效应传感器、电阻式电流传感器等；所述模拟电流可以通过电路仿真工具实现获得，如：SPICE、LTspice、TINA-TI等工具；所述数字特征可以通过数字滤波工具实现获得，如：SciPy、NumPy库等工具。
本发明通过将所述电流信号进行信号放大，得到电流放大信号，可以增强信号强度、提高信噪比、扩大测量范围、改善传输效果以及增强控制能力，从而改善信号传输效果。
其中，所述电流放大信号是指对输入的电流信号进行放大处理后得到的输出信号。
作为本发明的一个实施例，所述将所述电流信号进行信号放大，得到电流放大信号，包括：识别所述电流信号对应的信号范围；基于所述信号范围，确定所述电流信号对应的电流放大倍数；基于所述电流放大倍数和预设的放大器，构建所述电流信号对应的电流放大电路；将所述电流信号输入至电流放大电路，得到电流放大信号。
其中，所述信号范围是指待处理电流信号在一定时间内所涵盖的最小值和最大值之间的范围；所述电流放大倍数是指待处理电流信号经过放大后的倍数，用于调整信号幅度；所述预设的放大器是指用于增强电信号的幅度或功率的一种电子设备，其应用于音频设备、通信系统、无线电、电视、雷达等领域，用于增强信号的传输和处理能力；所述电流放大电路是指根据电流放大倍数和预设的放大器参数构建的电路。
可选地，所述信号范围可以通过信号检测工具实现获得，如：示波器、采样器等工具；所述电流放大倍数可以通过电子仿真工具实现获得，如：SPICE、LTspice等工具；所述电流放大电路可以通过电路设计工具实现获得，如：Altium Designer、Cadence等工具。
本发明通过对所述电流放大信号进行滤波去噪，得到去噪信号，可以提高信号质量、改善信号解析度、增加系统稳定性、保护后续电路以及提升信号处理效果。
其中，所述去噪信号是指通过滤波算法或其他去噪技术处理后，从原始信号中消除了不必要的噪声成分而得到的清晰、干净的信号。
作为本发明的一个实施例，所述对所述电流放大信号进行滤波去噪，得到去噪信号，包括：将所述电流放大信号转换为数字放大信号；对所述数字放大信号进行频谱分析，得到信号频谱数据；识别所述信号频谱数据中的频率成分和噪声特性；基于所述频率成分和所述噪声特性，构建所述电流放大信号对应的信号滤波器；利用所述信号滤波器对所述电流放大信号进行滤波去噪，得到去噪信号。
其中，所述数字放大信号是指将电流放大信号转换为数字形式的放大信号；所述信号频谱数据是指对数字放大信号进行频谱分析后得到的表示信号在不同频率上能量分布的数据；所述频率成分是指信号频谱数据中具有明显能量的频率分量，通常对应于原始信号中的不同频率成分或频率谱线；所述噪声特性是指信号频谱数据中表现出的干扰或噪声的性质；所述信号滤波器是指根据频率成分和噪声特性构建的用于滤除不需要的频率成分或减弱噪声的滤波器，如：低通滤波器、带通滤波器等。
进一步地，所述数字放大信号可以通过Arduino的analogRead()函数实现获得；所述信号频谱数据可以通过MATLAB、Python中的NumPy和SciPy库等工具实现获得；所述频率成分可以通过频率算法实现获得，如：最小二乘法、自相关函数等算法；所述噪声特性可以通过声学模型实现获得，如：高斯混合模型、隐马尔可夫模型等模型；所述信号滤波器可以通过滤波设计函数实现获得，如：fir1()、butter()、cheby1()等函数。
S2、确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值。
本发明通过确定所述去噪信号对应的采样周期，可以避免混叠效应、保留有效信息、降低计算开销并适应信号特性，从而提高去噪算法的效果和性能。
其中，所述采样周期是指在进行信号采样过程中，连续信号在时间轴上的采样间隔。
可选地，所述采样周期可以通过模拟信号重建模型实现获得，如：GMM、HMM等模型。
本发明基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，可以实现数字化处理、提升去噪效果、优化数据存储和传输、增加灵活性和可编程性，并提高采样的精确度和一致性。
其中，所述电流采样信号是指通过采样电路对输入信号进行采样并转换为离散的电流值的信号。
作为本发明的一个实施例，所述基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，包括：识别所述采样周期对应的时间频率；基于所述时间频率，对所述去噪信号进行钟源同步，得到同步信号；将所述同步信号输入至预设的采样电路后，启动所述采样电路，得到电流采样信号。
其中，所述时间频率是指每秒钟进行采样的次数，通常以赫兹（Hz）表示；所述同步信号是指通过将去噪信号与外部时钟信号或内部时钟发生器同步后得到的信号。
进一步地，所述时间频率可以通过自相关函数实现获得，如：时域自相关函数、归一化自相关函数等函数；所述同步信号可以通过数字信号处理算法实现获得，如：滤波、时钟提取等算法。
作为本发明的一个实施例，所述计算所述电流采样信号对应的采样电流值，包括：
利用下述公式计算所述电流采样信号对应的采样电流值：
；
其中，表示所述电流采样信号对应的采样电流值，N 表示所述电流采样信号对应采样点的总数，n 表示所述采样点的索引，/>表示电流波形函数，/>表示采样窗口函数，/>表示第n个采样点的起始时间，T表示采样周期。
S3、查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数。
本发明通过查询所述采样电流值对应的电流数据序列，可以提供更灵活、准确、高效和可扩展的数据查询和处理能力，从而更好地利用电流数据进行分析和决策。
其中，所述电流数据序列是指一系列采集或记录的电流数值按照时间顺序排列的数据。
可选地，所述电流数据序列可以通过时间序列分析模型和算法实现获得，如：ARIMA模型、指数平滑法、移动平均法、回归分析等。
本发明通过确定所述电流数据序列中的电流极大点值，可以帮助识别电流峰值、监测电流异常、分析电流趋势、进行电流负载评估，并为后续的数据处理与分析提供有价值的信息，有助于优化设备运行、提高效率和确保安全。
其中，所述电流极大点值是指电流数据序列中的局部最大值，即电流波形中的峰值。
可选地，所述电流极大点值可以通过峰值检测算法实现获得，如：阈值法、差分算法、一阶导数法、二阶导数法等算法。
本发明通过识别所述电流极大点值对应的变化区间，可以帮助定位波峰位置、量化峰值大小、分析波形形状、检测异常波形，并为后续的数据处理与分析提供有价值的信息，有助于优化设备运行、提高效率和确保安全。
其中，所述变化区间是指电流极大点值的上升和下降过程中的时间段或数据点范围。
作为本发明的一个实施例，所述识别所述电流极大点值对应的变化区间，包括：对所述电流极大点值进行时间排序，得到电流点值序列；识别所述电流点值序列中的极大值点数组；计算所述极大值点数组中相邻极大点值的平均差值；基于所述平均差值，确定所述电流极大点值对应的变化区间。
其中，所述电流点值序列是指将电流极大点值按照时间进行排序，得到的电流数值的序列；所述极大值点数组是指从电流点值序列中提取出的极大值点的集合；所述平均差值是指极大值点数组中相邻极大点值之间的距离的平均值。
进一步地，所述电流点值序列可以通过机器学习模型实现获得，如：支持向量机、随机森林等算法；所述极大值点数组可以通过峰值检测算法实现获得，如：峰值查找、阈值法、微分法、波形匹配等算法；所述平均差值可以通过基本统计分析实现获得，如：计算平均值、方差、标准差等方法。
作为本发明的一个实施例，所述计算所述变化区间中数据点的回归系数，包括：
利用下述公式计算所述变化区间中数据点的回归系数：
；
其中，表示所述变化区间对应的协方差矩阵，m表示所述变化区间中数据点的数量，/>表示第i个数据点的自变量值，/>表示所述自变量x的均值，/>表示第i个数据点的因变量值，/>表示因变量y的均值，/>表示自变量x的方差，/>表示所述变化区间中数据点的回归系数。
S4、基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令。
本发明通过基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，可以提高精准性、灵活性和自动化程度，降低人为干预和成本，并为系统提供更可靠和智能的监测能力。
其中，所述预设阈值是指在监测单元中设置的一个特定数值，用于判断监测数据是否超出正常范围或达到某个触发条件。
作为本发明的一个实施例，所述基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，包括：提取所述回归系数中的区间参数点；构建所述区间参数点对应的区间方程；计算所述区间方程的方程斜率；查询所述一二次融合柱上断路器中监测单元的工作范围；提取所述一二次融合柱上断路器中监测单元在所述工作范围内的变化数据；基于所述方程斜率和所述变化数据，确定所述一二次融合柱上断路器中监测单元的预设阈值。
其中，所述区间参数点是指从回归系数中提取的特定点；所述区间方程是指与区间参数点相关联的方程；所述方程斜率是指区间方程的倾斜度；所述工作范围是指一二次融合柱上断路器中监测单元的操作范围；所述变化数据是指监测单元在工作范围内的数据变化；所述预设阈值是指确定监测单元的某一特定阈值。
进一步地，所述提取所述回归系数中的区间参数点可以通过Python中的scikit-learn库结合LASSO回归算法实现获得，如：将回归系数中的数据导入所需的库，创建一个LASSO回归模型，使用拟合好的LASSO模型对数据进行训练，提取LASSO模型中的回归系数，获得非零回归系数的区间参数点；所述构建所述区间参数点对应的区间方程可以通过多项式回归或曲线拟合方法实现获得；所述计算所述区间方程的方程斜率可以通过下述计算公式实现获得；所述查询所述一二次融合柱上断路器中监测单元的工作范围可以通过数据仓库或数据库查询工具实现获得；所述提取所述一二次融合柱上断路器中监测单元在所述工作范围内的变化数据可以通过数据预处理库实现获得，如：Pandas；所述确定所述一二次融合柱上断路器中监测单元的预设阈值可以通过阈值判定算法实现获得，如：K-means聚类算法。
作为本发明的一个实施例，所述计算所述区间方程的方程斜率，包括：
利用下述公式计算所述区间方程的方程斜率：
；
其中，表示所述区间方程的方程斜率，/>表示区间方程函数，/>表示偏导数，表示自变量。
可选地，所述预设阈值可以通过统计分析工具实现获得，如：Excel、SPSS、R、Python等工具。
本发明通过若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，可以实现快速响应、自动化操作、系统保护与可靠性、节约能源与成本以及数据分析和优化等益处，有助于提高电力系统的安全性、稳定性和效率，进一步优化运行管理。
其中，所述动作指令是指监测单元向预设的电流控制系统发送的一种指令或信号，用于触发相应的控制操作；所述预设的电流控制系统是指由硬件设备、软件程序或其组合，用于实现对电流的监控、调节和保护的控制系统。
可选地，所述动作指令可以通过控制算法实现获得，如：PID、MPC等算法；所述预设的电流控制系统可以通过基于规则的控制工具实现获得，如：LabVIEW、MATLAB的FuzzyLogic Toolbox等工具。
本发明通过识别所述电流控制系统中的反馈指令，可以实现实时监测和反馈、精确控制和调节、故障诊断和排除、系统优化和改进以及自动化运行和管理等益处。
其中，所述反馈指令是指从电流控制系统中返回的指令或信号，用于提供有关电流控制系统状态、输出或性能的信息。
作为本发明的一个实施例，所述识别所述电流控制系统中的反馈指令，包括：读取所述电流控制系统中目标电流值；基于所述目标电流值，计算所述电流控制系统中的电流误差值；基于所述电流误差值，对所述电流控制系统进行控制输出，得到控制电流值；基于所述控制电流值，生成所述电流控制系统对应的反馈指令。
其中，所述目标电流值是指在电流控制系统中设定的期望电流数值；所述电流误差值是指当前电流与目标电流之间的差异或偏差；所述控制电流值是指根据电流误差值进行计算得出的，用于对电流控制系统进行输出控制的电流数值。
进一步地，所述目标电流值可以通过人工智能方法实现获得，如：神经网络、遗传算法等；所述电流误差值可以通过控制算法实现获得，如：模糊控制、自适应控制等算法；所述控制电流值可以通过模糊控制方法实现获得，如：MPC、PID、FLC等算法。
S5、基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
本发明基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录，可以实现精确控制、自动化操作、实时监测和记录、多功能灵活性以及故障保护和安全性等益处。
其中，所述电流切换记录是指在所述一二次融合柱上断路器进行电流切换时，对每次切换的相关信息进行记录和存储的过程和结果，可以用于生成报告、制定维护计划、优化电流管理策略等用途。
进一步地，所述电流切换记录可以通过数据可视化工具实现获得，如：Tableau、Power BI、matplotlib等工具。
本发明通过获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，可以提高数据准确性、实时性，便于处理和分析，并且易于集成和传输，有助于改善电力系统的运行、保护和管理，从而提高系统的可靠性和效率，本发明通过确定所述去噪信号对应的采样周期，可以避免混叠效应、保留有效信息、降低计算开销并适应信号特性，从而提高去噪算法的效果和性能，本发明通过查询所述采样电流值对应的电流数据序列，可以提供更灵活、准确、高效和可扩展的数据查询和处理能力，从而更好地利用电流数据进行分析和决策，本发明通过基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，可以提高精准性、灵活性和自动化程度，降低人为干预和成本，并为系统提供更可靠和智能的监测能力，本发明基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录，可以实现精确控制、自动化操作、实时监测和记录、多功能灵活性以及故障保护和安全性等益处。因此本发明提出的基于一二次融合柱上断路器的电流切换方法及系统，以提高电流切换的响应时间和适应性。
如图2所示，是本发明一实施例提供的基于一二次融合柱上断路器的电流切换方法及系统的功能模块图。
本发明所述基于一二次融合柱上断路器的电流切换系统200可以安装于电子设备中。根据实现的功能，所述基于一二次融合柱上断路器的电流切换系统200可以包括信号去噪模块201、电流值计算模块202、回归系数计算模块203、指令识别模块204以及电流控制模块205。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述信号去噪模块201，用于获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
所述电流值计算模块202，用于确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
所述回归系数计算模块203，用于查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
所述指令识别模块204，用于基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
所述电流控制模块205，用于基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
详细地，本发明实施例中所述基于一二次融合柱上断路器的电流切换系统200中所述的各模块在使用时采用与附图中所述的基于一二次融合柱上断路器的电流切换方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明实现基于一二次融合柱上断路器的电流切换方法的电子设备的结构示意图。
所述电子设备1可以包括处理器30、存储器31、通信总线32以及通信接口33，还可以包括存储在所述存储器31中并可在所述处理器30上运行的计算机程序，如基于人工智能的工程安全监管程序。
其中，所述处理器30在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器30是所述电子设备1的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块（例如执行基于人工智能的工程安全监管程序等），以及调用存储在所述存储器31内的数据，以执行电子设备的各种功能和处理数据。
所述存储器31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、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器31在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器31在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器31还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器31不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线32可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器31以及至少一个处理器30等之间的连接通信。
所述通信接口33用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器30逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用。
所述电子设备1中的所述存储器31存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器30中运行时，可以实现：
获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
具体地，所述处理器30对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于一二次融合柱上断路器的电流切换方法，其特征在于，所述方法包括：
获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
2.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述将所述待处理电流转换为电流信号，包括：
识别所述待处理电流对应的电流值；
基于所述电流值，对所述待处理电流进行模数转换，得到模拟电流；
对所述模拟电流进行数字滤波，得到数字特征；
基于所述数字特征，生成所述模拟电流对应的电流信号。
3.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，包括：
识别所述采样周期对应的时间频率；
基于所述时间频率，对所述去噪信号进行钟源同步，得到同步信号；
将所述同步信号输入至预设的采样电路后，启动所述采样电路，得到电流采样信号。
4.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述计算所述电流采样信号对应的采样电流值，包括：
利用下述公式计算所述电流采样信号对应的采样电流值：
；
其中，表示所述电流采样信号对应的采样电流值，N 表示所述电流采样信号对应采样点的总数，n 表示所述采样点的索引，/>表示电流波形函数，/>表示采样窗口函数，表示第n个采样点的起始时间，T表示采样周期。
5.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述识别所述电流极大点值对应的变化区间，包括：
对所述电流极大点值进行时间排序，得到电流点值序列；
识别所述电流点值序列中的极大值点数组；
计算所述极大值点数组中相邻极大点值的平均差值；
基于所述平均差值，确定所述电流极大点值对应的变化区间。
6.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述计算所述变化区间中数据点的回归系数，包括：
利用下述公式计算所述变化区间中数据点的回归系数：
；
其中，表示所述变化区间对应的协方差矩阵，m表示所述变化区间中数据点的数量，/>表示第i个数据点的自变量值，/>表示所述自变量x的均值，/>表示第i个数据点的因变量值，/>表示因变量y的均值，/>表示自变量x的方差，/>表示所述变化区间中数据点的回归系数。
7.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，包括：
提取所述回归系数中的区间参数点，构建所述区间参数点对应的区间方程，计算所述区间方程的方程斜率；
查询所述一二次融合柱上断路器中监测单元的工作范围；
提取所述一二次融合柱上断路器中监测单元在所述工作范围内的变化数据；
基于所述方程斜率和所述变化数据，确定所述一二次融合柱上断路器中监测单元的预设阈值。
8.如权利要求7所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述计算所述区间方程的方程斜率，包括：
利用下述公式计算所述区间方程的方程斜率：
；
其中，表示所述区间方程的方程斜率，/>表示区间方程函数，/>表示偏导数，/>表示自变量。
9.如权利要求1所述的基于一二次融合柱上断路器的电流切换方法，其特征在于，所述识别所述电流控制系统中的反馈指令，包括：
读取所述电流控制系统中目标电流值；
基于所述目标电流值，计算所述电流控制系统中的电流误差值；
基于所述电流误差值，对所述电流控制系统进行控制输出，得到控制电流值；
基于所述控制电流值，生成所述电流控制系统对应的反馈指令。
10.基于一二次融合柱上断路器的电流切换系统，其特征在于，用于执行如权利要求1-9中任意一项所述的基于一二次融合柱上断路器的电流切换方法，所述系统包括：
信号去噪模块，用于获取一二次融合柱上断路器中的待处理电流，将所述待处理电流转换为电流信号，将所述电流信号进行信号放大，得到电流放大信号，对所述电流放大信号进行滤波去噪，得到去噪信号；
电流值计算模块，用于确定所述去噪信号对应的采样周期，基于所述采样周期，将所述去噪信号发送至预设的采样电路，得到电流采样信号，计算所述电流采样信号对应的采样电流值；
回归系数计算模块，用于查询所述采样电流值对应的电流数据序列，确定所述电流数据序列中的电流极大点值，识别所述电流极大点值对应的变化区间，计算所述变化区间中数据点的回归系数；
指令识别模块，用于基于所述回归系数，确定所述一二次融合柱上断路器中监测单元的预设阈值，若所述采样电流值高于所述预设阈值，利用所述监测单元发送动作指令至预设的电流控制系统后，识别所述电流控制系统中的反馈指令；
电流控制模块，用于基于所述反馈指令，利用所述一二次融合柱上断路器中控制单元对所述待处理电流进行电流切换，得到所述一二次融合柱上断路器对应的电流切换记录。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410309845.2A CN117913740B (zh) | 2024-03-19 | 2024-03-19 | 基于一二次融合柱上断路器的电流切换方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410309845.2A CN117913740B (zh) | 2024-03-19 | 2024-03-19 | 基于一二次融合柱上断路器的电流切换方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117913740A CN117913740A (zh) | 2024-04-19 |
| CN117913740B true CN117913740B (zh) | 2024-05-24 |
Family
ID=90696283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410309845.2A Active CN117913740B (zh) | 2024-03-19 | 2024-03-19 | 基于一二次融合柱上断路器的电流切换方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117913740B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016206056A1 (zh) * | 2015-06-25 | 2016-12-29 | 国家电网公司 | 断路器的检测方法、装置及系统 |
| CN116505475A (zh) * | 2023-06-27 | 2023-07-28 | 艾科微电子(深圳)有限公司 | Dc-dc转换器的电流检测电路、方法、电力转换系统和电源 |
| CN116961242A (zh) * | 2023-09-21 | 2023-10-27 | 浙江赫斯电气有限公司 | 一种一二次融合柱上断路器实时数据管理方法及系统 |
| CN117117780A (zh) * | 2023-08-17 | 2023-11-24 | 深圳供电局有限公司 | 基于变电站一二次信息融合的断路器防拒动方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8879218B2 (en) * | 2007-12-14 | 2014-11-04 | True-Safe Technologies, Inc. | Arc fault circuit interrupter, systems, apparatus and methods of detecting and interrupting electrical faults |
-
2024
- 2024-03-19 CN CN202410309845.2A patent/CN117913740B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016206056A1 (zh) * | 2015-06-25 | 2016-12-29 | 国家电网公司 | 断路器的检测方法、装置及系统 |
| CN116505475A (zh) * | 2023-06-27 | 2023-07-28 | 艾科微电子(深圳)有限公司 | Dc-dc转换器的电流检测电路、方法、电力转换系统和电源 |
| CN117117780A (zh) * | 2023-08-17 | 2023-11-24 | 深圳供电局有限公司 | 基于变电站一二次信息融合的断路器防拒动方法及系统 |
| CN116961242A (zh) * | 2023-09-21 | 2023-10-27 | 浙江赫斯电气有限公司 | 一种一二次融合柱上断路器实时数据管理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 一二次融合柱上开关组合加权模糊状态评价;王东芳;黄国权;黄廷城;张勇军;;浙江电力;20200225(第02期);第48-54页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117913740A (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9483049B2 (en) | Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program | |
| JPH05256741A (ja) | プラント信号監視方法およびその装置 | |
| CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| KR102067344B1 (ko) | 이상 진동데이터 감지 장치 및 방법 | |
| WO2020246662A1 (ko) | 산업 플랜트 설비의 신호 그룹 기반 학습 모델을 이용한 운전 예측 시스템, 방법 및 컴퓨터 프로그램 | |
| CN115575584B (zh) | 一种大气环境镉含量监测预警方法及系统 | |
| CN112213687B (zh) | 基于伪异常点辨识的关口电能表数据异常检测方法及系统 | |
| CN113554361B (zh) | 一种综合能源系统数据处理计算方法及处理系统 | |
| CN113626502A (zh) | 基于集成学习的电网数据异常检测方法及装置 | |
| CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
| CN114184870A (zh) | 非侵入式负荷识别方法及设备 | |
| CN117277566B (zh) | 基于大数据的电网数据分析电力调度系统及方法 | |
| CN117913740B (zh) | 基于一二次融合柱上断路器的电流切换方法及系统 | |
| CN113270863A (zh) | 一种智能用电行为分析方法及系统 | |
| CN117330906A (zh) | 设备电弧故障检测方法、装置、设备及存储介质 | |
| CN112215482A (zh) | 一种户变关系识别方法和装置 | |
| CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
| KR20150027178A (ko) | 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
| CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的系统及方法 | |
| CN113792477B (zh) | 一种用电异常识别方法、系统、装置和火灾预警系统 | |
| CN115293303A (zh) | 一种高压输电线网监测方法、系统、设备和介质 | |
| KR102522685B1 (ko) | 송전 선로 이상 움직임 검출 장치 및 방법 | |
| CN111368257B (zh) | 煤改电负荷特性的分析预测方法及装置 | |
| JP5546989B2 (ja) | 電気設備の異常要因推定装置、コンピュータプログラム、電気設備の異常要因推定方法、及び、電気設備の異常要因推定システム | |
| CN118033219B (zh) | 基于ai电流指纹的用电管理方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |