-
公开(公告)号：CN111190123A
公开(公告)日：2020-05-22
申请号：CN201911406239.8
申请日：2019-12-31
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种用于断路器和电表进行配对的电流编码方法及系统，属于低压用电通信技术领域。本发明方法，包括：以预设编码方式生成一个随机码，使用所述任意一个短路器的功率线进行单次传输，传输至电表侧的任意一个电表；获取电表侧的任一个电表的信息参数，生成与随机码关联的确认码，并将所述确认码反馈至所述断路器侧的任意一个断路器；接收到所述确认码后，以预设编码方式生成一个所述确认码的二次确认码，使用所述断路器侧的任意一个短路器的功率线进行单次传输，传输至所述电表侧的任意一个电表；确定所述断路器侧的任意一个断路器和所述电表侧的任意一个电表配对成功。本发明既节省物料成本又降低现场施工难度。
-
公开(公告)号：CN109767061A
公开(公告)日：2019-05-17
申请号：CN201811487255.X
申请日：2018-12-06
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网黑龙江省电力有限公司
Abstract: 本发明公开了一种电能表失效率的评估方法，包括：获取电能表的失效数据；根据失效数据特性与模型复杂度，选取对应的B样条基函数阶数；根据电能表故障数据的分布选择对应的似然函数，将B样条函数嵌入贝叶斯模型中，建立层次贝叶斯B样条模型；将清理噪声点后的有效数据进行规一化处理后，作为所述模型的输入数据，对所述模型进行训练；根据电能表的失效数据，通过所述模型预估所述电能表的失效率，解决了现有的数据融合可靠性方法存在分析结果不完善，模型不确定，小样本下易欠拟合等问题，难以同时兼顾准确性与全面性的问题。
-
公开(公告)号：CN119051593A
公开(公告)日：2024-11-29
申请号：CN202411168101.X
申请日：2024-08-23
Applicant: 国网北京市电力公司 , 国家电网有限公司 , 中国电力科学研究院有限公司
IPC: H02S50/10
Abstract: 本发明公开了一种光伏漏电流的定位方法以及系统，采集光伏馈入的交流系统，在光伏馈入的交流系统中，基于光伏的多个参数构建漏电流故障模型；基于漏电流故障模型确定第一漏电波形；将第一漏电波形进行傅里叶变换，并输出漏电信号的频域信息；根据漏电信号的频域信息匹配漏电故障发生在单相光伏所在相的第二漏电波形；根据漏电故障发生在单相光伏所在相的第二漏电波形定义光伏相产生的漏电流；基于光伏相产生的漏电流的位置识别而定位光伏漏电流的相位，从而明确了光伏漏电流的相位，以便于保证了光伏漏电流的相位的检测精度，实现了光伏漏电流的精准定位，以便于针对光伏漏电流进行故障处理。
-
公开(公告)号：CN110059357B
公开(公告)日：2024-09-06
申请号：CN201910208116.7
申请日：2019-03-19
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网黑龙江省电力有限公司
IPC: G06F18/2415 , G06F18/213 , G06N3/0455 , G06N3/082 , G06N3/088 , G06N3/09 , G06N3/084 , G06N3/0985 , G01R35/04
Abstract: 本发明公开了一种基于自编码网络的智能电能表故障分类检测方法及系统，包括：对获取的智能电能表的历史检测数据进行归一化处理后分为训练集和测试集；初始化设置自编码网络模型的参数；在训练集中选取样本数据输入到所述自编码网络模型中，以获取信号特征输入到分类器中进行分类，并根据分类结果进行迭代训练；根据测试集的分类结果不断调整所述自编码网络模型参数，以确定自编码网络模型的最优参数；利用所述最优参数对应的自编码网络模型对智能电能表的故障进行分类检测。本发明采用深度降噪自编码网络对采集的信号进行无监督地特征提取，能够实现故障信号的快速准确分类，有助于提升智能电能表的故障识别能力，相比传统方法具有较强的抗噪性。
-
公开(公告)号：CN113466680B
公开(公告)日：2023-12-08
申请号：CN202110579145.1
申请日：2021-05-26
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网河北省电力有限公司 , 浙江天正电气股份有限公司
IPC: G01R31/327 , G01R35/00 , G01R35/02
Abstract: 本发明公开了一种计量模块可拔插互换的断路器的自校准方法及系统，其中方法包括：确定断路器中电流互感器将一次电流进行数学变换为第一输出电流时的第一修正系数；确定计量模块将第一输出电流进行数学变换为实际输出电流时的第二修正系数及偏差值；基于第一修正系数、第二修正系数及偏差值获取经过修正后的实际输出电流值。
-
Patent Agency Ranking
公开(公告)号：CN110728008B
公开(公告)日：2023-09-08
申请号：CN201810680022.5
申请日：2018-06-27
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网重庆市电力公司电力科学研究院
IPC: G06F30/20 , G06F119/04
Abstract: 本申请公开了一种用于确定智能电表的期望寿命的方法，包括：根据智能电表的加速退化的试验数据，确定智能电表的寿命符合威布尔分布，根据所述性能退化敏感参数和预先设置的失效阈值，获得智能电表在多种应力水平的每种应力水平下的伪寿命估计值，根据智能电表在每种应力水平下的伪寿命估计值，建立温度、湿度、以及电流的多应力加速退化模型，通过将所述伪寿命估计值输入加速退化模型来获得智能电表在正常应力水平下的寿命预估值，使用基于威布尔分布的概率图方法对所述寿命预估值进行较正，获得正常应力水平下智能电表的期望寿命。解决了现有技术中用于确定智能电表的期望寿命的方法繁锁或者可靠度低的问题。
-
公开(公告)号：CN114879118A
公开(公告)日：2022-08-09
申请号：CN202111176026.8
申请日：2021-10-09
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司
Inventor： 熊素琴 , 成达 , 邹和平 , 李求洋 , 赵兵 , 彭楚宁 , 林繁涛 , 张保亮 , 李扬 , 陈昊 , 杨巍 , 郭建宁 , 赵越 , 谭琛 , 王雅涛 , 李禹凡 , 孙南南 , 李龙涛 , 秦程林 , 岳云奇
IPC: G01R35/04
Abstract: 本发明公开了一种用于智能电能表应力失效拐点的判别方法和系统，包括：确定智能电能表的典型应力；获取所述典型应力对应的应力条件数据及失效拐点数据；通过所述典型应力、应力条件数据及失效拐点数据，对预先构建的CNN‑LSTM网络失效拐点预测模型进行训练和测试；通过所述模型输出待判别的智能电能表失效拐点的预测值。解决现有技术智能电能表应力失效拐点预测结果与实际情况偏差大的问题。
-
公开(公告)号：CN113466680A
公开(公告)日：2021-10-01
申请号：CN202110579145.1
申请日：2021-05-26
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网河北省电力有限公司 , 浙江天正电气股份有限公司
IPC: G01R31/327 , G01R35/00 , G01R35/02
Abstract: 本发明公开了一种计量模块可拔插互换的断路器的自校准方法及系统，其中方法包括：确定断路器中电流互感器将一次电流进行数学变换为第一输出电流时的第一修正系数；确定计量模块将第一输出电流进行数学变换为实际输出电流时的第二修正系数及偏差值；基于第一修正系数、第二修正系数及偏差值获取经过修正后的实际输出电流值。
-
公开(公告)号：CN112858982A
公开(公告)日：2021-05-28
申请号：CN202110208869.5
申请日：2021-02-24
Applicant: 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
IPC: G01R35/00
Abstract: 本申请公开了一种测试电流传感器可靠性的方法及系统。其中，将待测试电流传感器放置在环境试验箱，调节所述环境试验箱环境至预设温度和预设相对湿度，向所述待测试电流传感器施加预设电压并持续预设时长；当所述待测试电流传感器恢复至常温静态测试环境后，向电流传感器施加待检测电流，测量电流传感器的输出电流或输出电压，获得第一测试结果；根据所述第一测试结果，判断所述待测电流传感器的可靠性状态。
-
公开(公告)号：CN110059357A
公开(公告)日：2019-07-26
申请号：CN201910208116.7
申请日：2019-03-19
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网黑龙江省电力有限公司
Abstract: 本发明公开了一种基于自编码网络的智能电能表故障分类检测方法及系统，包括：对获取的智能电能表的历史检测数据进行归一化处理后分为训练集和测试集；初始化设置自编码网络模型的参数；在训练集中选取样本数据输入到所述自编码网络模型中，以获取信号特征输入到分类器中进行分类，并根据分类结果进行迭代训练；根据测试集的分类结果不断调整所述自编码网络模型参数，以确定自编码网络模型的最优参数；利用所述最优参数对应的自编码网络模型对智能电能表的故障进行分类检测。本发明采用深度降噪自编码网络对采集的信号进行无监督地特征提取，能够实现故障信号的快速准确分类，有助于提升智能电能表的故障识别能力，相比传统方法具有较强的抗噪性。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.089 seconds)
