-
公开(公告)号：CN109066988B
公开(公告)日：2020-06-16
申请号：CN201811036827.2
申请日：2018-09-04
申请人： 国家电网有限公司 , 国网江苏省电力有限公司 , 江苏方天电力技术有限公司
摘要： 本发明涉及一种末端电网拓扑层级停电事件优先辨识上报系统,包括采集主站、配变监测终端、一级监测终端、二级监测终端以及表箱监测终端；所述配变监测终端、一级监测终端、二级监测终端以及表箱监测终端分别包含有控制单元以及与控制单元相应设置的测量芯片、电源模块以及LoRa芯片。本发明末端电网拓扑层级停电事件优先辨识上报系统及方法是基于LoRa物联网通信技术，当末端电网发生停电故障时，设备层通过停电事件优先上报方法，合理分配信道带宽资源，每个终端都有独立上报能力，可以迅速告知主站故障发生具体环节，做到快速高效。同为避免终端一窝蜂似的进行无效无益的乱报，本发明事件优先上报功能将不同层级终端分时上报，同一层级终端随机避让上报，合理分配信道带宽资源，提高上报成功率。
-
公开(公告)号：CN109066988A
公开(公告)日：2018-12-21
申请号：CN201811036827.2
申请日：2018-09-04
申请人： 国家电网有限公司 , 国网江苏省电力有限公司 , 江苏方天电力技术有限公司
摘要： 本发明涉及一种末端电网拓扑层级停电事件优先辨识上报系统,包括采集主站、配变监测终端、一级监测终端、二级监测终端以及表箱监测终端；所述配变监测终端、一级监测终端、二级监测终端以及表箱监测终端分别包含有控制单元以及与控制单元相应设置的测量芯片、电源模块以及LoRa芯片。本发明末端电网拓扑层级停电事件优先辨识上报系统及方法是基于LoRa物联网通信技术，当末端电网发生停电故障时，设备层通过停电事件优先上报方法，合理分配信道带宽资源，每个终端都有独立上报能力，可以迅速告知主站故障发生具体环节，做到快速高效。同为避免终端一窝蜂似的进行无效无益的乱报，本发明事件优先上报功能将不同层级终端分时上报，同一层级终端随机避让上报，合理分配信道带宽资源，提高上报成功率。
-
公开(公告)号：CN112230579A
公开(公告)日：2021-01-15
申请号：CN202011140767.6
申请日：2020-10-22
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 南京苏逸实业有限公司
IPC分类号： G05B19/042 , H04W4/30
摘要： 基于4G公专网的人工智能数据采集调控装置，包括人工智能数据采集调控系统、采集控制设备、串口、I/O口、4G公网模块和4G专网模块，采集控制设备采集数据，通过串口传输至人工智能数据采集调控系统，再通过4G专网/公网模块输送出去；从外界输入的信号通过4G专网/公网模块传输至人工智能数据采集调控系统，再通过串口或I/O口传输至智能设备，用于数据采集上传和控制智能设备。本发明提供集成多种人工智能算法的运算能力，可以在传输各类电气数据的同时，保证数据的安全性，并且提供双通道传输能力，在无专网覆盖区域，提供公网接入能力，且硬件设计整体布局紧凑，外观简洁大方，满足用户不同使用需求。
-
公开(公告)号：CN118330310A
公开(公告)日：2024-07-12
申请号：CN202410388767.X
申请日：2024-04-01
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司双创中心 , 南京苏逸实业有限公司
发明人： 楚成博 , 张国利 , 冯隆基 , 方磊 , 汪自虎 , 孙少斌 , 谢林红 , 何映虹 , 朱云毓 , 徐正安 , 周倩 , 徐俊 , 解文涛 , 王子成 , 张志伟 , 蔡明明 , 杜渐
IPC分类号： G01R22/06 , G01R35/04 , G06F16/215 , G06F16/2458
摘要： 本发明具体涉及一种电能计量故障下差错电量的计算方法、系统及存储介质，属于电力计量技术领域。包括以下步骤，先采集历史运行数据，在采集的历史运行数据中构建判断数据集合L来对电流积分法计算出的预估用电量与实际用电量之间的偏差程度，当偏差程度较大时，进行校正补偿。本发明增加了电流积分法计算出的预估用电量与实际用电量之间的偏差判断，同时对电流积分法计算出的预估用电量进行了校正补偿，大大提高了电流积分法计算电能计量故障下差错电量的准确率，使得电量退补工作可以公平公正的进行。同时，本发明搭建了承载电能计量故障下差错电量的计算方法的系统平台和存储介质，使得计算方法可以更加流畅的应用于不同的场景。
-
公开(公告)号：CN113837894A
公开(公告)日：2021-12-24
申请号：CN202110900810.2
申请日：2021-08-06
申请人： 国网江苏省电力有限公司南京供电分公司 , 河海大学 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
摘要： 本发明涉及电力系统技术领域，尤其涉及一种基于残差卷积模块的非侵入式居民用户负荷分解方法，包括：获取训练数据并进行数据预处理；构建并训练负荷分解模型：训练数据中的总有功功率序列输入残差卷积模块，在残差卷积模块中，以CNN模型作为基础学习有功功率特征，通过跨层连接将原输入数据与通过CNN学习到的特征数据相加，将所得数据进一步输入到GRU网络学习时序特征，输出目标电器有功功率的预测值；将目标电器有功功率的预测值与真实值进行比较，不断调整负荷分解模型的网络参数得到训练好的负荷分解模型；通过训练好的负荷分解模型对待分解的用户总有功功率进行分解，获得目标电器的有功功率分解结果。本发明分解精度高。
-
公开(公告)号：CN118861920A
公开(公告)日：2024-10-29
申请号：CN202410854932.6
申请日：2024-06-28
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司双创中心 , 南京苏逸实业有限公司
IPC分类号： G06F18/2433 , G01R31/52 , G01R19/00 , G06F18/213 , G06F17/16 , G06N3/126
摘要： 本发明涉及一种提升高压电力计量装置的接地故障检测准确率的方法，属于用于电气设备的测试接地故障技术领域。本发明定义影响电流信号的信号偏差率的众多不可调节参数，对众多不可调节参数进行筛选得到重点不可调节参数，通过重点不可调节参数的数据值和电流信号的频率建立多项式重点特征矩阵X，通过多项式重点特征矩阵X计算得到参数向量#imgabs0#，拟合得到电流信号偏差率与可调节参数和重点固定参数之间的关系式，由于剔除了其他影响不大的不可调节参数拟合的效果更加准确。通过遗传算法对关系式进求解，得到电流信号偏差率最小的可调节参数，将该可调节参数作为输入高压电力计量装置的工作频率进行接地故障检测，使得接地故障检测的准确率更高。
-
公开(公告)号：CN118777745A
公开(公告)日：2024-10-15
申请号：CN202410983396.X
申请日：2024-07-22
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司双创中心 , 南京苏逸实业有限公司
摘要： 本发明一种用于电流回路故障检测的功率放大器，属于功率放大器技术领域。包括控制模块，控制模块的一端连接直接数字频率合成器DSS，DDS的输入口连接有时钟，DDS的输出口连接第一滤波器；第一滤波器连接有第一积分器，第一积分器连接有第二滤波器，第二滤波器连接有增益调理模块，增益调理模块连接高通滤波模块，高通滤波模块连接采样电路，采样电路连接第二积分器的第一输入口；控制模块的另一端连接有数模转换器DAC，DAC的输入口连接有基准电路芯片，DAC的输出口与第二积分器的第二输入口连接，第二积分器的输出口与第一积分器相连接；本发明通过功率放大器新增模块的设计，使其能够基于反馈信号，能够实时稳定地输出高频信号。
-
公开(公告)号：CN114021430A
公开(公告)日：2022-02-08
申请号：CN202111220448.0
申请日：2021-10-20
申请人： 国网江苏省电力有限公司南京供电分公司 , 河海大学 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
IPC分类号： G06F30/27 , G06K9/62 , G06F111/08
摘要： 一种基于电量和电压信息融合的户变关系辨识方法，基于热重启随机梯度下降和一类支持向量机信息融合，包括以下步骤：(1)构建台区用电量参数化模型；(2)利用随机梯度迭代和学习率自调整方法求全局最优解，进行初步辨识；(3)利用滑动时间窗多次判断得到初步户变识别结果；(4)基于初步识别结果，由户变关系正常用户的电压数据构成训练样本；(5)利用一类支持向量机，学习台区户变关系正常用户的电压特征，构建户变关系识别模型，实现对低压台区户变关系的正确辨识。本发明能够有效识别出户变关系档案错误用户，查全率和查准率都有较大提升，节约排查成本，实现了基于台区不同特征信息融合的综合判断方法，与单一特征信息判断方法相比较，识别结果更稳定和可靠。
-
公开(公告)号：CN113837894B
公开(公告)日：2023-12-19
申请号：CN202110900810.2
申请日：2021-08-06
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06Q50/06 , G06N3/0464 , G06F18/214 , G06N3/0442 , G06N3/045 , H02J3/00
摘要： 本发明涉及电力系统技术领域，尤其涉及一种基于残差卷积模块的非侵入式居民用户负荷分解方法，包括：获取训练数据并进行数据预处理；构建并训练负荷分解模型：训练数据中的总有功功率序列输入残差卷积模块，在残差卷积模块中，以CNN模型作为基础学习有功功率特征，通过跨层连接将原输入数据与通过CNN学习到的特征数据相加，将所得数据进一步输入到GRU网络学习时序特征，输出目标电器有功功率的预测值；将目标电器有功功率的预测值与真实值进行比较，不断调整负荷分解模型的网络参数得到训练好的负荷分解模型；通过训练好的负荷分解模型对待分解的用户总有功功率进行分解，获得目(56)对比文件US 2021365782 A1,2021.11.25崔佳豪,毕利.基于混合神经网络的光伏电量预测模型的研究.电力系统保护与控制.2021,49(13),全文.李晓,卢先领.基于双重注意力机制和GRU网络的短期负荷预测模型.计算机工程.2022,第48卷(第2期),全文.
-
公开(公告)号：CN115913247A
公开(公告)日：2023-04-04
申请号：CN202211275331.7
申请日：2022-10-18
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： H03M7/30 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
摘要： 一种高频电力数据深度无损压缩方法及系统，使用自注意力挖掘数据局部信息设计新型的T‑Transformer模型，增加高斯先验，加强数据的相关性；对模型输出概率使用算术编码器压缩；最后，对编码得到的区间采用比特编码，进一步提升压缩性能，节省数据存储空间，实现高效的电力数据无损压缩。传统电力压缩算法只能局限于正弦频率型数据，如小波变换等，而对家庭区实测用电数值，单位为安培、伏特等物理参数数据的压缩性能明显下降。本发明提出一种深度无损压缩方案，对电力数据从语义角度将特征空间分割困难的问题，提供了一种可以解决该问题的深度模型。
-
-
-
-
-
-
-
-
-
搜索结果
51 条记录 (耗时 0.058 秒)
