一种多路电能计量脉冲产生器
    8.
    发明公开

    公开(公告)号:CN117269571A

    公开(公告)日:2023-12-22

    申请号:CN202311012035.2

    申请日:2023-08-11

    IPC分类号: G01R11/02 G01R11/00

    摘要: 本发明提供了一种多路电能计量脉冲产生器,包括数模转换模块、功率计算模块、脉冲发生模块以及电力线配置模块;所述数模转换模块用于对电力线上的电压和电流信号进行采样;所述功率计算模块的输入端连接数模转换模块,得到每一路对应的瞬时功率;所述脉冲发生模块的输入端连接功率计算模块,将功率计算模块得到的瞬时功率序列转换为脉冲信号,并输出电能计量脉冲信号;所述电力线配置模块连接功率计算模块和脉冲发生模块,用于设置输入的电力线和输出的电能脉冲信号之间的对应关系。本发明可以对多个电力线上的电压、电流信号进行测量,并输出多路电能计量脉冲信号,输入的电力线和输出的电能脉冲信号之间的对应关系可灵活调整。

    一种基于ResNet-LSTM的窃电检测方法及系统

    公开(公告)号:CN112098714B

    公开(公告)日:2023-04-18

    申请号:CN202010806282.X

    申请日:2020-08-12

    摘要: 一种基于ResNet‑LSTM的窃电检测方法及系统,收集电力系统正常运行时采集的用户的用电量数据样本和样本的用电类型标签,对用电量数据进行数据预处理,并将数据集分为训练集、测试集、验证集;运用自动编码器处理训练集中标签为窃电的用电数据样本,并获得新的训练集;将原先的训练集的用电量数据分别输入ResNet模型和LSTM模型进行窃电检测测试,通过测试结果选择ResNet和LSTM神经网络组合结构,并以此搭建混合神经网络,通过测试选择合适的混合神经网络结构;运用选择出的ResNet‑LSTM混合神经网络结构进行测试选择出合适的神经网络优化方法,形成窃电检测模型;运用新的训练集来训练窃电检测模型,构建完整的窃电检测方法,本发明提高了窃电检测能力和检测效率。

    一种基于ResNet-LSTM的窃电检测方法及系统

    公开(公告)号:CN112098714A

    公开(公告)日:2020-12-18

    申请号:CN202010806282.X

    申请日:2020-08-12

    IPC分类号: G01R22/06 G06N3/04 G06N3/08

    摘要: 一种基于ResNet‑LSTM的窃电检测方法及系统,收集电力系统正常运行时采集的用户的用电量数据样本和样本的用电类型标签,对用电量数据进行数据预处理,并将数据集分为训练集、测试集、验证集;运用自动编码器处理训练集中标签为窃电的用电数据样本,并获得新的训练集;将原先的训练集的用电量数据分别输入ResNet模型和LSTM模型进行窃电检测测试,通过测试结果选择ResNet和LSTM神经网络组合结构,并以此搭建混合神经网络,通过测试选择合适的混合神经网络结构;运用选择出的ResNet‑LSTM混合神经网络结构进行测试选择出合适的神经网络优化方法,形成窃电检测模型;运用新的训练集来训练窃电检测模型,构建完整的窃电检测方法,本发明提高了窃电检测能力和检测效率。