一种配电终端用瞬压闭锁模块
    93.
    发明公开

    公开(公告)号:CN112072607A

    公开(公告)日:2020-12-11

    申请号:CN202010486385.2

    申请日:2020-06-01

    IPC分类号: H02H1/00 H02H3/05 H02H7/26

    摘要: 本发明公开了一种配电终端用瞬压闭锁模块,包括电源模块、与所述电源模块电连接的电压采集比较模块、与所述电压采集比较模块电连接的瞬压状态锁存模块,所述瞬压状态锁存模块还与所述电源模块电连接;其中,所述电源模块用于将220V交流电转换为5V直流电,并供给后级电路使用;所述电压采集比较模块用于时刻检测开关的负荷侧的电压和电源侧的电压,与设定的第一阈值进行比较,判断是否存在瞬间电压,与设定的第二阈值进行比较,判断是否为正常供电状态;所述瞬压状态锁存模块用于根据所述电压采集比较模块进行比较的结果实现短接或断开,并在失电后保持通断状态。在本发明实施中,在线路失电后保持线路上的瞬压状态,为配电终端提供信息。

    一种配电网运行效率监测与分析系统

    公开(公告)号:CN111598409A

    公开(公告)日:2020-08-28

    申请号:CN202010330563.2

    申请日:2020-04-24

    IPC分类号: G06Q10/06 G06Q50/06 G06N20/10

    摘要: 本发明公开了一种配电网运行效率监测与分析系统,其中,所述系统包括:数据分类模块、数据处理模块、模型建立模块、效率监测模块、分析影响因素模块和可视化模块;其中,数据分类模块用于对在各数据平台中采集的数据按照类型和标识进行分类,并将获得各类型数据传输至所述数据处理模块;数据处理模块用于对所述各类型数据依次进行处理,并将经过处理的数据分别输出至模型建立模块、效率监测模块、分析影响因素模块和可视化模块。在本发明实施例中,解决传统配电监测系统的弊端,支持数据分类、数据融合、数据修正、数据监测、数据分析、数据可视化,分析影响配电设备运行效率的关键因素,加强配网运行安全与设备利用效率。

    一种基于配电网运行效率监测及分析的数据接口

    公开(公告)号:CN110727725A

    公开(公告)日:2020-01-24

    申请号:CN201910915026.1

    申请日:2019-09-26

    摘要: 本发明涉及数据交互技术领域,具体涉及一种基于配电网运行效率监测及分析的数据接口,包括数据分类模块、指令响应模块、数据源重定义模块、数据源加载模块和数据检测模块;本发明与不同的业务系统对接,例如电网生产管理一体化系统、电力营销管理信息系统、计量自动化系统、电网调度scada系统、配网GIS系统和海量准实时平台等,本发明与不同业务系统进行数据传输,能够合理对数据进行分类,判断指令的权限和请求内容,并进行准确采集数据、检测数据,对不同类型的数据不同对待,采用不同的方法统一数据格式、分类封装,使得传输数据的格式和内容满足请求对象的需求,且在数据交互过程中不需过多的人为参与。

    基于多源数据融合的配电网故障智能搜索定位方法

    公开(公告)号:CN110687398A

    公开(公告)日:2020-01-14

    申请号:CN201910967969.9

    申请日:2019-10-12

    IPC分类号: G01R31/08

    摘要: 本发明公开了一种基于多源数据融合的配电网故障智能搜索定位方法,涉及配电网故障诊断领域,通过确定故障发生高概率区域,根据配电网的多源数据建立故障发生高概率区域与网络拓扑节点相关联的故障数据矩阵,进行故障区域定位。故障数据矩阵利用上传的故障时刻的断路器、分段开关和联络开关监测终端的信息构建故障描述矩阵进行故障区段区域层定位,确定的故障区段范围内;再进行线路层定位,利用故障区段两端节点电气量信息进行计算,得到精确的故障位置。能够在区域层级的判断结果支持下,快速实现故障的精确定位。所采用故障定位原理简单可靠,具有较强抗过渡电阻能力;采样频率要求不高,同时可以通过提高采样频率来提高故障定位精度。

    一种基于随机矩阵与深度学习的配电网故障诊断方法

    公开(公告)号:CN110045227B

    公开(公告)日:2019-12-17

    申请号:CN201910224664.9

    申请日:2019-03-23

    IPC分类号: G01R31/08 G06N3/08

    摘要: 本发明公开了一种基于随机矩阵与深度学习的配电网故障诊断方法,涉及配电网故障诊断技术领域,通过引入随机矩阵理论与深度学习技术两种基本工具处理故障高维数据集,随机矩阵理论在高维空间具备严格、灵活的数学分析能力,而深度学习则具备优越的高维数据建模能力,通过两者提炼出故障的高维特征,依据所提取的故障高维特征采用多特征融合技术形成故障判据;根据上述过程构建故障诊断模型,通过故障诊断模型能够从配电网实时数据中得到有效的故障诊断信息,根据效的故障诊断信息进行故障实时诊断,从而提升了配电网故障诊断的准确性和智能化程度。