一种电缆接头结构
    71.
    发明授权

    公开(公告)号:CN105680406B

    公开(公告)日:2017-11-14

    申请号:CN201610132265.6

    申请日:2016-03-09

    IPC分类号: H02G15/18 H01R4/18

    摘要: 本发明所提供一种电缆接头结构,包括分别具有接线段的至少两根电缆,所有电缆的接线段分别具有按照相序对应导电连接的裸露导体,所有电缆的接线段的裸露导体导电连接的导电连接处浇注固化有完全包裹所述导电连接处的固体绝缘护套。一方面保证有效的导电连接,另一方面也保证有效的绝缘保护。这种电缆接头结构可在现场进行制作,不仅可保证主回路电缆及分支回路电路的有效连接,而且,灵活方便,可以根据实际需要调整导电连接处的位置及固体绝缘护套的大小,有效解决了以往采用分支箱实现分支接线时存在的分支箱占地面积大、接头容易松动、运行维护量大的问题。

    一种电缆终端杆及其电气支撑装置

    公开(公告)号:CN105680390A

    公开(公告)日:2016-06-15

    申请号:CN201610132267.5

    申请日:2016-03-09

    IPC分类号: H02G7/00 H02G7/20

    CPC分类号: H02G7/00 H02G7/20

    摘要: 本发明公开了一种电缆终端杆及其电气支撑装置。电气支撑装置包括横担,横担上固定有沿纵向延伸的分支支架,分支支架上设有避雷器安装位和终端安装位,避雷器安装位、终端安装位及横担两两之间的距离均不小于漏电距离。本发明中避雷器和电缆终端被固定在电气支撑装置的分支支架上,以使得避雷器和电缆终端被布置在同一高度位置处,这样在进行避雷器和电缆终端的位置布置时,电气支撑装置和电线杆之间的支撑部件不会影响避雷器和电缆终端之间的布置位置,也就使得避雷器和电缆终端之间的间距可严格按照漏电距离进行布置,从而缩短了避雷器和电缆终端之间的相对距离,也就使得电缆终端和避雷器之间的引接线长度缩短。

    一种电缆现场接线方法
    73.
    发明公开

    公开(公告)号:CN105680379A

    公开(公告)日:2016-06-15

    申请号:CN201610132266.0

    申请日:2016-03-09

    IPC分类号: H02G1/14

    CPC分类号: H02G1/14

    摘要: 本发明涉及一种电缆现场接线方法,包括如下步骤:(1)将至少两根电缆的裸露导体按照相序对应导电连接;(2)在各电缆的裸露导体的导电连接处套装浇注模具,向浇注模具中注入液态绝缘物质,固化后形成包裹所述导电连接处的固体绝缘套,完成对应电缆的现场接线。实现电缆接头的现场制作,不仅可保证对接电缆的有效连接,而且,灵活方便,可以根据实际需要调整导电连接处的位置及固体绝缘套的大小,有效解决了以往采用分支箱时存在的占地面积大、接头容易松动、运行维护量大的问题。

    一种余缆架及使用该余缆架的架空光缆接续结构

    公开(公告)号:CN105676381A

    公开(公告)日:2016-06-15

    申请号:CN201610132270.7

    申请日:2016-03-09

    IPC分类号: G02B6/44

    CPC分类号: G02B6/444

    摘要: 本发明公开了一种余缆架及使用该余缆架的架空光缆接续结构。余缆架包括主架体,主架体具有进入部和引出部,主架体上设有悬挂结构,并在进入部和引出部上设有支撑臂。本发明的余缆架在主架体的进入部和引出部上分别设置有支撑臂,该支撑臂可将余缆的进段和出段相对撑开,以对余缆的进段和出段进行支撑,使得进段和出段不会相对闭合缠绕,也就避免了进段和出段变形对余缆缠绕部分所施加的翻转扭矩,从而保证了余缆架可在悬挂结构的连接下悬挂在主缆上,使得余缆架无需固定在杆塔的塔身上,同时也省去了从主缆的接续部分向杆塔引出的余缆,减少了光缆的浪费,因此本发明中余缆架具有节约光缆和便于运行维护的作用。

    面向MIMO OFDM的电力物联网室内定位方法

    公开(公告)号:CN117560764A

    公开(公告)日:2024-02-13

    申请号:CN202311508485.0

    申请日:2023-11-13

    摘要: 本发明属于无线通信技术领域,具体涉及一种面向MIMO OFDM的电力物联网室内定位方法,包括离线指纹库构建、模型训练和在线定位;所述的离线指纹库构建是将每个CSI采样位置生成极坐标图用于构建CSI样本指纹库;所述的模型训练是利用上述步骤构建的指纹库对卷积神经网络进行训练;所述在线定位是针对接收到的CSI样本,首先利用训练好的卷积神经网络对其进行分类并输出该CSI在每个采样点的概率,然后对高于概率阈值的采样点进行基于密度的聚类,最后选择总概率最高的那一类中采样点的均值,作为最终定位结果输出。该方法并通过卷积神经网络提取多径信息特征,另外通过聚类的方法确保准确、健壮的室内定位。