-
公开(公告)号:CN118118409A
公开(公告)日:2024-05-31
申请号:CN202410533203.0
申请日:2024-04-30
申请人: 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
IPC分类号: H04L45/121 , H04L45/125 , H04L41/0893 , H04L41/0896 , H04L67/52 , H04J3/16
摘要: 本申请公开了一种城域光传送网节点位置及用户分配规划方法、系统及设备,本方案通过城域光传送网中各用户的平面坐标信息以及带宽需求信息,合理规划城域光传送网内节点位置和用户分配,确定出各城域光传送网节点的用户对应的最优的目标光线路终端端口,保障城域网内用户的端到端时延性能;另外,还可以将该方法应用于电力光传送网中,将电力光传送网的业务站点视为本方法中的用户,从而可保障电力光传送网业务站点间的端到端时延性能。
-
公开(公告)号:CN110212979B
公开(公告)日:2020-09-11
申请号:CN201910613041.0
申请日:2019-07-09
申请人: 国网浙江省电力有限公司信息通信分公司
IPC分类号: H04B10/079
摘要: 本发明涉及一种光传输网络故障定位方法,将传输光信号采样后与检测光信号混合解调后,进行数据分析来确定网络中的故障节点。提高了光传输系统中故障定位的自动化和故障评价方法的客观准确性,提高了故障定位工作的工作效率。
-
公开(公告)号:CN118138926B
公开(公告)日:2024-07-02
申请号:CN202410572820.1
申请日:2024-05-10
申请人: 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
摘要: 本申请公开一种电力光传送网的接入层系统,涉及电力光传送网技术领域,能够提高电力光传送网接入层系统的配置灵活性和生存性。方案包括:第一变电站节点和第二变电站节点,第一变电站节点与上级网络直接相连,第二变电站节点不与上级网络直接相连;第一变电站节点通过一个树形网络结构与第二变电站节点连接,多个变电站节点之间通过环形网络结构连接,树形网络结构为时分复用无源光网络,若树形网络结构出现通信故障,则利用环形网络结构进行通信;第一变电站节点中的光链路终端用于轮询各变电站节点中的各光网络单元,并为各光网络单元分配带宽和睡眠时间;各光网络单元用于根据被分配的带宽进行数据传输,并根据被分配的睡眠时间进行睡眠节能。
-
公开(公告)号:CN111585686A
公开(公告)日:2020-08-25
申请号:CN202010386380.2
申请日:2020-05-09
申请人: 国网浙江省电力有限公司信息通信分公司
摘要: 本申请提供的数据的传输方法及装置、设备,发送重复的数据单元,数据单元中包括差动继电保护业务数据和校验码,接收到重复的数据单元后,从校验码正确的数据单元中,获取差动继电保护业务数据,因为数据单元重复的次数,依据传输信道的带宽确定,可见,能够充分利用高带宽,增加数据单元的冗余量,使得接收方可以通过校验码获取到正确的差动继电保护业务数据,所以通过利用冗余带宽可以提高业务可靠性。
-
公开(公告)号:CN110535526A
公开(公告)日:2019-12-03
申请号:CN201910857861.4
申请日:2019-09-09
申请人: 国网浙江省电力有限公司信息通信分公司
IPC分类号: H04B10/079 , G02B6/25
摘要: 本发明公开了一种光纤通信传输损耗测试方法,所述方法包括:在水平台面搭建光纤传输损耗测试系统或在水平台面固定衰减谱测量仪,对待测光纤进行预处理,包括:切除待测光纤两端预设部分的保护层和被覆层,露出用于连接的纤芯;将露出的纤芯端面进行平整处理;将预处理后的待测光纤除露出的纤芯部分放入光纤夹具中,对待测光纤进行夹持固定,夹持后的待测光纤呈直线状;然后进行两次测试;本方法基于传统的截断法进行测试,并对传统的截断法进行了改进,对光纤端面平整进行了检测,在测试时保障光纤处于直线状态,实现了改进后测试方法精度得到提高,测量结果更加准确的技术效果。
-
公开(公告)号:CN109782123A
公开(公告)日:2019-05-21
申请号:CN201811543527.3
申请日:2018-12-17
申请人: 国网浙江省电力有限公司
发明人: 叶卫 , 孙嘉赛 , 潘伟 , 邱兰馨 , 孟奇 , 尚天婷 , 蔡晴 , 赵海涛 , 包迅格 , 王臻 , 陈婉珂 , 段玉帅 , 方子璐 , 冯珺 , 冯烛明 , 胡强新 , 赖晓翰 , 林晓亮 , 卢杉 , 陆燕 , 吴一轩
IPC分类号: G01R31/08
摘要: 本发明公开了一种基于大数据的电力故障监测方法、系统及可读存储介质,通过将故障的症状的数据作为第一随机变量,对于所述对应的非故障数据作为第二随机变量,对于所述故障的原因作为第三随机变量,对于所述故障相关的三种随机变量进行分散处理,形成对应的多组取值作为训练样本数据,训练人工智能模型,由于还引入了非故障数据作为第二随机变量来训练人工智能模型,使得故障产生的原因和故障的症状的对应性更好,提高了预测的准确性。
-
-
-
-
-