-
公开(公告)号：CN119291600A
公开(公告)日：2025-01-10
申请号：CN202411713722.1
申请日：2024-11-26
Applicant: 国网新疆电力有限公司营销服务中心
IPC: G01R35/04
Abstract: 本发明公开了一种基于Lomax分布的电能表加速验证方案，包括以下几个步骤：首先，根据概率密度函数，解算出电能表Lomax分布尺度参数与可靠度以及尺度参数与失效率间的关系；其次，收集历史数据，解算出电能表寿命Lomax分布参数a和b，并根据失效的概率P(r)确定电能表不同可靠性指标的抽样特性函数L(.)；最后，求算出基于加速效应正常条件下电能表可靠寿命指标，失效率指标，平均寿命指标的抽样特性函数；并在考虑使用方风险的基础上，依据GJB899配合以往经验，构建针对可靠寿命指标的可靠寿命验证测试方案。本发明旨在综合利用电能表的相似或历史可靠性信息，通过扩充信息量并在不同使用方风险的情境下提供电能表可靠性验证方案，为小样本高可靠长寿命型产品可靠性加速验证提供了新的研究思路。
-
公开(公告)号：CN116703355A
公开(公告)日：2023-09-05
申请号：CN202310547244.0
申请日：2023-05-15
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心)
Abstract: 本发明提供一种电能表运行状态评价预测方法，包括如下步骤：S1、基于Bayes方法估计异常事件发生是由电能表故障触发的概率；S2、基于异常事件发生是由电能表故障触发的概率，结合负二项分布以及专家经验分析异常事件发生次数的概率分布，得到异常事件发生次数值；S3、基于结合异常事件发生次数值，利用齐次泊松过程描述异常事件发生次数与时间的关系，预测电能表的故障时间及剩余寿命。本方法可以有效预测电能表异常事件发生的次数和发生的时间，掌握电能表剩余寿命，关注电能表运行态势，合理安排电能表的检修、更换。
-
公开(公告)号：CN111355552B
公开(公告)日：2022-05-17
申请号：CN202010092846.8
申请日：2020-02-14
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国家电网有限公司
IPC: H04J3/06 , H04L43/0852 , H04L43/16 , H04L12/18
Abstract: 本发明涉及一种电能表远程校对技术领域，是一种电能表时钟远程对时管理方法及系统。前者包括以下步骤：主站统计台区内每个电能表的时钟超差；将每个电能表的时钟超差与设定阈值进行比较，筛选出时钟超差超过设定阈值的待校时电能表集合；主站通过集中器定向下发广播校时命令至待校时电能表集合中的每个电能表，完成电能表时钟校时。本发明利用集中器下行通信协议可指定通信目的地址的特点，实现广播校时命令只下发给指定电能表的目标，从而保证在不影响台区内正常电能表时钟的前提下，实现对时钟超差超过设定阈值的电能表时钟进行有效校准管理。
-
公开(公告)号：CN113359037A
公开(公告)日：2021-09-07
申请号：CN202110652603.X
申请日：2021-06-11
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G01R31/367 , G01R31/378 , G06N3/04 , G06N3/08
Abstract: 一种基于BP神经网络的燃料电池故障诊断方法，首先对传感器采集的数据进行归一化处理，使其分布在[0,1]区间内；考虑到故障数据并不一定服从正态分布，引入Box‑Cox变换对数据进行正态化处理，采用线性判别分析对正态化数据进行特征提取以筛选故障特征，实现对故障数据的降维；将经过提取后的特征向量作为BP神经网络的输入层变量，燃料电池的故障类型作为输出层变量，引入“试探法”确定隐含层的最佳节点数，得到以故障类型为输出变量的诊断结果。
-
公开(公告)号：CN119269880A
公开(公告)日：2025-01-07
申请号：CN202411298315.9
申请日：2024-09-18
Applicant: 国网新疆电力有限公司营销服务中心
Abstract: 本申请提供一种反向注入电流信号延时抑制方法、系统、设备及介质，涉及电气测量技术领域，包括：根据获取到的所采集的线路中当前时刻的实时电流信号的实际采集时间和理论采集时间计算信号延时，并且根据所述实时电流信号和预设电流信号预测模型，获取所述线路下一时刻的预测电流信号，再根据所述信号延时、所述实时电流信号、所述预测电流信号获取预测延时补偿参数，并且基于所述实时系统状态参数信息、预测延时补偿参数和状态空间模型获取延时补偿控制参数，根据预测延时补偿控制参数控制反向注入电流的大小和相，可实现精确控制注入电流的大小和相位，有效抑制信号延时，实现与线路电流的高精度叠加，有助于提高电力系统测试的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119125651A
公开(公告)日：2024-12-13
申请号：CN202411366541.6
申请日：2024-09-29
Applicant: 国网新疆电力有限公司营销服务中心
Abstract: 本发明公开了一种导轨式电能表电压电流采样器，包括左箍板和右箍板，左箍板的一端与右箍板铰接，另一端与右箍板之间设有锁定机构，左箍板和右箍板上设有电流采样机构，电流采样机构在锁定机构处设有能够连接在一起的第一接头和第二接头，左箍板或右箍板上设有电压采样机构，电压采样机构设有按压式的电压采样片，所述锁定机构包括铰接在右箍板上带有第一棘齿的锁定板，所述左箍板上设有与锁定板相配合的卡孔，所述卡孔上设有与第一棘齿相配合的第二棘齿。与现有技术相比，本发明结构简单，方便在狭窄的空间内单手操作。铰接设置的锁定板利于在卡孔内调节角度，卡孔的设置加上棘齿的设置使使导线被夹紧的效果好，利于后续电压采样。
-
公开(公告)号：CN113920375B
公开(公告)日：2024-06-25
申请号：CN202111284397.8
申请日：2021-11-01
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统，其方法包括：S1：采集电器设备的负荷，构建信号数据样本，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；S2：对小波系数进行软阈值函数处理，得到估计小波系数；S3：利用估计小波系数对小波进行重构，得到去噪后的重构信号；S4：对重构信号进行归一化处理，得到归一化的重构信号；S5：基于归一化的重构信号，构建负荷特征曲线图像，使用Faster R‑CNN网络对负荷曲线图像进行特征提取，利用SVM进行分类，得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率，对节能做出指导，降低用户的用电成本并提高电能的利用率。
-
公开(公告)号：CN118074333A
公开(公告)日：2024-05-24
申请号：CN202410204189.X
申请日：2024-02-23
Applicant: 国网新疆电力有限公司营销服务中心
Abstract: 本发明为一种双模通信系统的停电事件上报检测方法，属于双模通信检测技术领域，能够实现对通信单元停电事件上报针对性测试。停电事件上报检测方法包括组成不同的通信网络环境，通信单元的超级电容充电完毕，对网络中不同角色的通信单元进行停电事件上报检测和复电事件上报检测。通信网络环境有纯载波组网、纯无线组网和混合组网环境，通信网络中通信单元的角色有末端节点和中继节点。分析不同的组网环境下，通信单元作为中继节点对停电节点停电上报事件的转发与自身停电事件的上报情况及效率，检测模块质量。
-
公开(公告)号：CN113011530B
公开(公告)日：2023-04-07
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G06F18/2411 , G06N3/04 , G06N3/084 , G06Q10/04 , G06Q50/06 , G06F18/241
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN113920375A
公开(公告)日：2022-01-11
申请号：CN202111284397.8
申请日：2021-11-01
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06N3/04
Abstract: 本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统，其方法包括：S1：采集电器设备的负荷，构建信号数据样本，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；S2：对小波系数进行软阈值函数处理，得到估计小波系数；S3：利用估计小波系数对小波进行重构，得到去噪后的重构信号；S4：对重构信号进行归一化处理，得到归一化的重构信号；S5：基于归一化的重构信号，构建负荷特征曲线图像，使用Faster R‑CNN网络对负荷曲线图像进行特征提取，利用SVM进行分类，得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率，对节能做出指导，降低用户的用电成本并提高电能的利用率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.053 seconds)
