-
公开(公告)号:CN117543592B
公开(公告)日:2024-11-26
申请号:CN202311478500.1
申请日:2023-11-08
Applicant: 国网江西省电力有限公司供电服务管理中心
IPC: H02J3/14 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/08 , H02J3/48 , H02J3/50
Abstract: 本发明公开了一种工业设备负荷识别方法、装置、存储介质及计算机设备,涉及负荷识别技术领域。其中方法包括:获取待测用户的总电力负荷数据,所述总电力负荷数据包括有功功率、无功功率和电流数据;然后对总电力负荷数据进行负荷事件检测,其中,负荷事件的类型包括设备启动和设备停止;若检测到总电力负荷数据中存在负荷事件,则在总电力负荷数据中提取负荷事件对应的有功功率、无功功率和电流数据,得到待测事件序列;最终根据所述待测事件序列,基于预训练的负荷识别模型,得到负荷识别结果,其中,所述负荷识别结果包括所述负荷事件对应的设备类型和负荷事件类型。上述方法可以提高对稳态功率接近的工业设备负荷的识别准确率。
-
公开(公告)号:CN118280697B
公开(公告)日:2024-08-20
申请号:CN202410651799.4
申请日:2024-05-24
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明涉及宽频电流互感器技术领域,且公开了一种宽频标准电流互感器设备,包括固定底座和外接线,所述固定底座的上方设有活动弧盖,所述固定底座的右侧固定安装有外连接扣,所述活动弧盖的右侧固定安装有内连接扣,所述内连接扣与外连接扣转动连接。通过本装置来测量导线的宽频互感电流时,无需截断导线,只需打开活动弧盖并将导线卷绕在该活动弧盖上,就可以直接对通电的导线进行宽频互感电流测量,这种设计可以提高对作业的安全性,避免在截断导线过程中出现漏电的可能,并且该宽频电流互感器能够测量高达数千安培的电流,即使是电流波形复杂的情况下仍能精确测量。
-
公开(公告)号:CN112285637B
公开(公告)日:2024-04-30
申请号:CN202011296422.X
申请日:2020-11-18
Applicant: 国家电网有限公司 , 国网江西省电力有限公司供电服务管理中心
IPC: G01R35/04
Abstract: 本发明提供了一种考核尖顶波对电能计量影响的实验方法,标准功率源输出端输出正弦电压信号和正弦电流信号;用被检电能表输出的脉冲控制标准表计数来确定被检表的相对误差;标准功率源停止输出正弦电压信号和正弦电流信号;标准功率源输出尖顶波电压信号和尖顶波电流信号;得到被检表在尖顶波影响下的相对误差γq;得到相对误差改变值Δγq=γq‑γbase;标准功率源停止输出尖顶波电压信号和尖顶波电流信号;将Δγq与设置的误差改变限γmax比较,确定被检表是否满足要求。标准功率源输出的测试信号符合现场实际运行工况,提供的计算方法确保了标准表在正弦信号及尖顶波下的相对误差满足与准确度等级相对应的要求,通过标准表法实现了尖顶波对电能表计量性能影响的考核。
-
公开(公告)号:CN117890849A
公开(公告)日:2024-04-16
申请号:CN202311661400.2
申请日:2023-12-06
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国网重庆市电力公司营销服务中心 , 国网四川省电力公司天府新区供电公司
Inventor: 胡琛 , 朱亮 , 刘见 , 余萌 , 祝君剑 , 李敏 , 杨爱超 , 刘型志 , 要文波 , 程瑛颖 , 李建立 , 张凌 , 罗玛 , 金鑫 , 黄拥 , 谭万峰 , 刘禄沛
IPC: G01R35/04
Abstract: 本申请公开了一种电能表计量补偿方法、装置、存储介质以及电子设备,方法包括:采用待校电能表对实时获取的初始电压信号以及初始电流信号进行校正处理,获得校正参数值;基于校正角度参数值及各预设角度区间确定目标二次函数;基于校正角度参数值采用目标二次函数进行计算得到目标校正角度参数值;基于校正电压参数值、校正电流参数值及目标校正角度参数值进行计算得到初始校正功率参数值;基于初始校正功率参数值以及初始标准功率参数值进行计算得到剩余误差值;基于校正参数值以及剩余误差值采用预设补偿算法进行计算获得补偿值;基于初始校正功率参数值以及补偿值进行计算得到补偿后的目标功率参数值。本申请的方法可以提高电能表的计量精度。
-
公开(公告)号:CN117349639B
公开(公告)日:2024-03-08
申请号:CN202311640877.2
申请日:2023-12-04
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国网江西省电力有限公司
IPC: G06F18/21 , G06F18/213 , G06F18/214 , G06F18/23213
-
公开(公告)号:CN117543592A
公开(公告)日:2024-02-09
申请号:CN202311478500.1
申请日:2023-11-08
Applicant: 国网江西省电力有限公司供电服务管理中心
IPC: H02J3/14 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/08 , H02J3/48 , H02J3/50
Abstract: 本发明公开了一种工业设备负荷识别方法、装置、存储介质及计算机设备,涉及负荷识别技术领域。其中方法包括:获取待测用户的总电力负荷数据,所述总电力负荷数据包括有功功率、无功功率和电流数据;然后对总电力负荷数据进行负荷事件检测,其中,负荷事件的类型包括设备启动和设备停止;若检测到总电力负荷数据中存在负荷事件,则在总电力负荷数据中提取负荷事件对应的有功功率、无功功率和电流数据,得到待测事件序列;最终根据所述待测事件序列,基于预训练的负荷识别模型,得到负荷识别结果,其中,所述负荷识别结果包括所述负荷事件对应的设备类型和负荷事件类型。上述方法可以提高对稳态功率接近的工业设备负荷的识别准确率。
-
公开(公告)号:CN117349639A
公开(公告)日:2024-01-05
申请号:CN202311640877.2
申请日:2023-12-04
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国网江西省电力有限公司
IPC: G06F18/21 , G06F18/213 , G06F18/214 , G06F18/23213
Abstract: 本申请涉及非介入式负荷辨识技术领域,公开了一种电动自行车充电行为的辨识方法及装置;其方法包括:获取用户室内的实时负荷数据,所述实时负荷数据包括有功功率、无功功率、偶次电流谐波、奇次电流谐波;基于所述实时负荷数据,提取负荷事件的事件特征;所述负荷事件包括暂态事件和稳态事件,所述暂态事件表示所述用户室内存在电动自行车处于开始充电状态,所述稳态事件表示所述用户室内存在电动自行车处于结束充电状态;将所述负荷事件的事件特征加入特征模型库;基于所述特征模型库,进行电动自行车充电行为的在线辨识。本申请提供的方法只需要获取用户的负荷数据就可以实现电动自行车的在线辨识,无需用户配合,操作简单,节省成本。
-
公开(公告)号:CN113377041B
公开(公告)日:2023-07-04
申请号:CN202110579483.5
申请日:2021-05-26
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国网江西省电力有限公司 , 国家电网有限公司
IPC: G05B19/042 , G01R31/00
Abstract: 本发明提供了一种复杂电流波形的模拟回放电路及动态控制方法,所述方法首先由DSP控制单元对数字信号进行波形预处理;然后判断出暂态电流特征和稳态电流特征并作出对应标识;并根据判断结果实施动态控制策略确定,如果满足稳态电流特征条件,开启反馈通道;如果满足为暂态电流特征条件,关闭反馈通道;最后功率放大电路根据输出控制模块的交流触发信号进行功率放大,并通过电流模拟量输出接口实现测试信号的准确输出。实现了复杂电流波形的动态控制,满足居民家用电器实际运行工况的电压和电流波形的回放输出,用于考核具备负荷辨识能力设备的辨识性能。
-
公开(公告)号:CN114866867A
公开(公告)日:2022-08-05
申请号:CN202210246460.7
申请日:2022-03-14
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国家电网有限公司 , 重庆大学
Abstract: 本发明提供了一种基于SAW无源无线温度传感器的地下电缆温度测量系统及方法,系统包括:地下电缆连接头、地下电缆、延迟线型SAW无源无线温度传感器、标签天线、收发天线、射频收发模块、lora无线通信模块、RS485有线通信模块、后台终端;将延迟线型SAW无源无线温度传感器标签融入到地下电缆的绝缘层里感知电缆接头处的温度,无需使用电池提供能量,依靠射频收发模块发射的射频能量即可驱动延迟线型SAW无源无线温度传感器完成温度的测量、节点识别以及无线通信。采用延迟线型SAW无源无线温度传感器融入到地下电缆绝缘层的方法可检测电缆接头处温度的微弱变化,可精确定位到发生温度变化的节点位置,具有使用寿命长、灵敏度高、精确定位等优点。
-
公开(公告)号:CN114021830A
公开(公告)日:2022-02-08
申请号:CN202111337361.1
申请日:2021-11-12
Applicant: 天津大学 , 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明涉及一种基于CNN‑LSTM的多时间范围风速预测方法,包括如下步骤:首先获取并清晰传感器记录的历史气象数据与天气预报记录的历史气象数据,然后构建基于CNN‑LSTM的混合神经网络模型,并利用历史气象数据对其进行训练。最后利用模型对未来不同时间段的风速差值进行预测,并对数据进行反向标准化得到真实风速值。该预测算法能够对未来风速进行较准确的预测,无论是对于有效地平衡能源网的供需,还是提高全网数据质量,都至关重要。
-
-
-
-
-
-
-
-
-