-
公开(公告)号：CN112162144A
公开(公告)日：2021-01-01
申请号：CN202010834997.6
申请日：2020-08-19
Applicant: 国网江西省电力有限公司供电服务管理中心 , 湖南大学
IPC: G01R23/02 , G01R23/165
Abstract: 本发明提供了一种基于卷积增益的电网频率快速测量方法及装置，用采样频率fs对电网信号进行采样，得到长度为N的离散采样序列x(n)；用带通滤波器对x(n)进行滤波后得到新序列s(n)；构造p阶I型线性相位滤波器hp(n)，求出s(n)与hp(n)的卷积序列并截取与s(n)等长的序列y(n)；若是s(n)含有零值，用理想平均滤波器hRA(n)分别对s(n)和y(n)校正得到As(n)和Ay(n)；若是s(n)不含有零值，则令As(n)和Ay(n)分别等于s(n)和y(n)；用Ay(n)与As(n)的比值求出p阶I型线性相位滤波器hp(n)增益值G(ω)，从而利用G(ω)的反函数计算出电网频率。本发明可在保证频率测量高精度的前提下减少算法的计算量，本发明可在单周期内实现频率测量，具有实现简单、实时性好、精度高的特点。
-
公开(公告)号：CN112162144B
公开(公告)日：2023-07-21
申请号：CN202010834997.6
申请日：2020-08-19
Applicant: 国网江西省电力有限公司供电服务管理中心 , 湖南大学
IPC: G01R23/02 , G01R23/165
Abstract: 本发明提供了一种基于卷积增益的电网频率快速测量方法及装置，用采样频率fs对电网信号进行采样，得到长度为N的离散采样序列x(n)；用带通滤波器对x(n)进行滤波后得到新序列s(n)；构造p阶I型线性相位滤波器hp(n)，求出s(n)与hp(n)的卷积序列并截取与s(n)等长的序列y(n)；若是s(n)含有零值，用理想平均滤波器hRA(n)分别对s(n)和y(n)校正得到As(n)和Ay(n)；若是s(n)不含有零值，则令As(n)和Ay(n)分别等于s(n)和y(n)；用Ay(n)与As(n)的比值求出p阶I型线性相位滤波器hp(n)增益值G(ω)，从而利用G(ω)的反函数计算出电网频率。本发明可在保证频率测量高精度的前提下减少算法的计算量，本发明可在单周期内实现频率测量，具有实现简单、实时性好、精度高的特点。
-
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：CN115409427A
公开(公告)日：2022-11-29
申请号：CN202211332374.4
申请日：2022-10-28
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明公开了一种居民负荷可用调节容量多状态的评估方法及装置，本发明通过综合考虑居民负荷侧的雷暴天气情况，可提高居民负荷可用调节容量量化精度，同时以居民负荷在雷暴天气对应多状态概率刻画居民负荷的可用调节容量，提高居民负荷的可用调节容量量化精度，避免传统两状态模型的不足，从而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
-
公开(公告)号：CN113256349A
公开(公告)日：2021-08-13
申请号：CN202110707497.0
申请日：2021-06-25
Applicant: 国网江西省电力有限公司供电服务管理中心 , 北京理工大学 , 国家电网有限公司
Abstract: 本发明公开了一种提供电力产品套餐的标签库构建方法，标签库包括典型家庭智慧用能数据、参与需求响应试点反馈数据、气候关键因素数据和周边地理环境数据。本发明通过属于典型用能家庭用户进行市场调研和问卷调查获取典型家庭智慧用能数据和参与需求响应试点反馈数据，进而对气候因素和地理环境因素通过SEM构建家庭智慧用能与影响因素的结构化模型，推断不同家庭对于异质性刺激因素响应参数，根据获得的异质性刺激因素响应参数，在标签库中建立响应标签与特征对应关系，进而可以为不同标签家庭提供系统化、智能化、个性化套餐推荐方案，精准、有效引导居民智慧用能和合理用电。
-
Patent Agency Ranking
公开(公告)号：CN112730984A
公开(公告)日：2021-04-30
申请号：CN202110344697.4
申请日：2021-03-31
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
Abstract: 本发明提供了一种基于智能电表的低压配电网相位识别方法，该方法首先基于小波系数过滤原始电压波形高频分量，得到重构电压波形；然后基于重构电压波形时空特性提取配变变压器侧三相电压和用户侧单相电压的特征，根据不同特征形态，将特征分为四类并计算四类特征的显著性指标；最后基于特征序列计算用户特征与所在变压器特征的相似度并判断所属相位。该方法基于智能电表的量测电压数据，可以通过高频采样数据特征进行分析，提高了算法的准确率和鲁棒性。
-
公开(公告)号：CN111797899B
公开(公告)日：2023-11-07
申请号：CN202010502448.9
申请日：2020-06-04
Applicant: 国网江西省电力有限公司电力科学研究院 , 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
IPC: G06F18/23213 , G06N3/006
Abstract: 本发明提出了一种低压台区kmeans聚类方法及系统。包括以下步骤：首先，依托用电信息采集系统，采集若干台区的相关电气特征参数，建立样本数据集；其次，采用主成分分析法对所述样本数据集进行特征提取，将高维数据集降维到低维数据集；然后，基于改进布谷鸟搜索的kmeans聚类算法对所述低维数据集进行聚类；最后，运用t‑SNE方法对聚类结果进行降维三维分类结果显示。本发明相较于传统的kmeans聚类算法，减少了对于初始值的依赖，提高了低压台区聚类的准确性，为下一步进行典型台区的线损计算分析提供了技术支撑。
-
公开(公告)号：CN114914922A
公开(公告)日：2022-08-16
申请号：CN202210501072.9
申请日：2022-05-10
Applicant: 国网江西省电力有限公司供电服务管理中心 , 西南交通大学
Abstract: 本申请公开了一种基于多源能量的供电方法及装置、存储介质、电子设备，主要目的在于改善现有供电系统无法保证可靠供电的问题。包括：实时监测第一储能设备中的能量数据；若所述能量数据大于预设能量阈值，则控制所述第一储能设备进入供电状态；若所述能量数据小于所述预设能量阈值，则控制第二储能设备进入供电状态，所述第一储能设备中储存的能量以及所述第二储能设备中储存的能量分别来源于不同的能量来源。
-
公开(公告)号：CN113688960A
公开(公告)日：2021-11-23
申请号：CN202111251938.7
申请日：2021-10-27
Applicant: 南昌工程学院 , 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明公开了一种基于灰狼优化GHFCM的居民电力数据聚类方法及装置，该方法包括：步骤1：根据居民用户的用电特性，利用相关特性指标对用户的电量数据进行降维处理；步骤2：首先采用灰狼优化算法（GWO）选择初始聚类点，然后利用广义层次模糊C均值算法（GHFCM）对居民电力数据进行聚类。本发明采用考虑层次距离函数和空间约束的模糊目标函数，有助于提高聚类算法的质量。并将聚合理论方法用于参与需求响应的居民用户分类中，为电网侧针对不同用户定制异质性电力套餐的过程提供科学的依据。
-
公开(公告)号：CN111865845A
公开(公告)日：2020-10-30
申请号：CN202010502203.6
申请日：2020-06-04
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电力科学研究院 , 国家电网有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明提供了一种MIMO用户检测与信道估计装置及方法，包括导频序列生成模块，信道估计模块，用户检测模块；所述导频序列生成模块使用单层复数全连接神经网络产生用户的导频序列，将导频序列分配并发送给基站所服务的用户，所述信道估计模块内置一个基于AMP算法形式的神经网络模型，以基站接收信号和已知导频序列为输入，以信道矩阵为输出，所述信道估计模块的输出端连接用户检测模块，所述用户检测模块以信道矩阵为输入，以用户活跃度向量为输出，得到用户检测的结果；本发明采用了基于AMP形式的神经网络进行信道估计，比普通的神经网络使用更少的参数，进而更易训练，比AMP拥有更高的准确度，收敛性，更低的计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.055 seconds)
