-
公开(公告)号：CN112505511B
公开(公告)日：2022-06-07
申请号：CN202011475003.2
申请日：2020-12-14
申请人： 天津求实智源科技有限公司
IPC分类号： G01R31/12
摘要： 本发明公开了一种非侵入式低压故障电弧检测与定位系统，该系统包括8个功能模块，分别为标准电器负荷特征库模块、故障电弧特征指纹库模块、数据采集与预处理模块、非侵入式负荷识别模块、故障电弧检测与识别模块、故障电弧定位模块、数据信息存储模块和对外交互与信息可视化模块；利用上述的8个功能模块，采取从负荷总量数据中提取故障电弧电流特征的方法，并结合由现有非侵入式负荷识别技术获得的电器运行状态实现故障电弧精确定位。在检测到电弧故障的条件下，进行故障定位，通过定位测试效果计算，本发明系统予以实现的定位测试效果即定位支路准确率高达85％以上。
-
公开(公告)号：CN108390369A
公开(公告)日：2018-08-10
申请号：CN201711495678.1
申请日：2017-12-31
申请人： 天津求实智源科技有限公司
IPC分类号： H02J3/00
摘要： 本发明提供一种电力负荷总功率实时分解方法与系统，同时采用有功功率和无功功率特征，适合秒钟级和分钟级采样频率的负荷分解。为了减少负荷建模所需的人工，采用聚类分析方法构建电器设备不同工作状态下的稳态功率特征模板。给出了一种电力负荷背景负荷估计方法，用于“去除”负荷功率中的背景负荷成分。在分解模型的优化目标函数中增加了关于成分电器设备稀疏性及工作状态转换稀疏性的惩罚项，提高了工作状态估计的准确性。给出了工作状态估计结果修正及功率分配优化方法，进一步提高了工作状态估计和功率分解分配的准确性。与新近研究成果在公开数据集上的对比测试表明，本文方法能够有效提高电力负荷实时分解的准确性。
-
公开(公告)号：CN104483575A
公开(公告)日：2015-04-01
申请号：CN201410812176.7
申请日：2014-12-22
申请人： 天津求实智源科技有限公司
IPC分类号： G01R31/00
摘要： 本发明公开了一种用于非侵入式电力监测的自适应负荷事件检测方法，通过跟踪数据窗内负荷总功率信号的斜率的变化来判断负荷运行状态是否发生变化来检测负荷事件。基于总负荷分段，便可根据需要获取用电设备辨识所需的印记特征来最终完成负荷分解(辨识各用电设备的工作状态)。包括数据初始化；计算当前检测数据窗内负荷功率数据的斜率拟合值ki；判断是否有负荷事件发生或结束；标记出总负荷过渡区段和稳态区段的起止点；估算当前功率数据点之前的功率波动量度σp用于表征总负荷波动水平；自适应的更新检测阈值Kth；更新检测数据窗，循环上述过程直至停止检测。本方法解决了现有负荷事件检测技术中存在的不能准确有效完成总负荷分段的问题。
-
公开(公告)号：CN109840691B
公开(公告)日：2023-04-28
申请号：CN201811650998.4
申请日：2018-12-31
申请人： 天津求实智源科技有限公司
IPC分类号： G06Q10/0639 , G06Q50/06 , G06N3/048 , G06N3/044 , G06N3/084
摘要： 本发明公开了一种基于深度神经网络的非侵入式分项电量估计方法，包括：获取总量用电数据序列与目标电器用电数据序列；获得目标电器的背景用电数据序列和工作曲线；合成仿真总量用电数据；构建与训练电量估计神经网络；将现场采集到的总量用电数据按需分段，输入到训练所得的深度神经网络，在线估计目标电器用电量。本发明仅通过分析用电场景的总量用电数据序列，便可单独估计场景内的目标电器用电量；对目标电器仅进行短期单独量测，便可获得充足训练数据样本，用以训练神经网络。本发明技术方案准确度更高、更易推广；通过扩展输入的方式，将目标电器的完整工作过程输入神经网络，充分利用工作过程中尽量多的特征，进一步提升了电量估计准确度。
-
公开(公告)号：CN109752613A
公开(公告)日：2019-05-14
申请号：CN201811651387.1
申请日：2018-12-31
申请人： 天津求实智源科技有限公司
摘要： 本发明公开了一种基于非侵入式负荷监测的违约用电检测系统，其特征在于，包括：数据获取模块与信息交互模块，可疑用户筛查模块，非典型民用电器筛查模块，违约用电判定指标计算模块，违约用电决策模块及数据信息存储模块。其检测方法主要包括：低压单相用户的用户违约可疑指数计算，可疑用户筛查，非典型民用电器辨识，非典型民用电器判定，违约用电判定指标计算，违约用电决策，本发明可以在不惊动可疑用户的情况下，对可疑用户进行监测，通过对非典型民用电器和工商业指示性电器综合分析确定可疑用户是否真正存在即“民电商用”行为，再对用户用电总量按照商业用户用电收费标准收取电费。
-
公开(公告)号：CN106855597B
公开(公告)日：2019-03-29
申请号：CN201611238173.2
申请日：2016-12-28
申请人： 天津求实智源科技有限公司
IPC分类号： G01R31/00
摘要： 本发明于电力负荷监测领域，尤其涉及一种非侵入式电能质量干扰源在线自适应监测系统及方法，利用人工智能领域的先进技术成果，基于模式识别技术思路，从数据挖掘的角度，提出了一种非侵入式电能质量干扰源在线自适应监测系统及方法，旨在解决电能质量干扰源的自动辨识的问题，本发明方法可以自动地监测系统存在的不同类型的电能质量干扰，并辨识电能质量干扰的发生源，即判断检测到的某种类型的电能质量干扰是由哪种或哪几种电气设备在何种工况下产生的。本发明的有益效果：能够切实提高电力系统电能质量管理水平，降低电能质量扰动对电力系统的影响，尤其在配电网级，提高用户用电满意度。
-
公开(公告)号：CN107341736A
公开(公告)日：2017-11-10
申请号：CN201610976310.6
申请日：2016-11-07
申请人： 天津求实智源科技有限公司
IPC分类号： G06Q50/06
CPC分类号： G06Q50/06
摘要： 本发明涉及电力技术领域，提供一种基于电流波形特征的电力负荷分解方法和系统，方法包括：获取受监测电力负荷范围内所含各用电设备稳定运行时各个工作状态下的电气特征参数，并将提取到的电气特征参数保存到预先生成的负荷特征数据库内；在线实时监测电力负荷端口处的电压、电流和功率参数，功率参数包括受监测电力负荷范围内用电设备的有功总功率和无功总功率；根据在线监测到的所述电力负荷端口处的总电流参数，对受监测电力负荷进行分解，计算得到受监测电力负荷范围内用电设备的各个工作状态的存在系数，从而有效实现电力负荷分解，并确定不同用电设备的功率消耗比例，进一步实现能耗管理的精细化。
-
公开(公告)号：CN105005205B
公开(公告)日：2017-07-14
申请号：CN201510540126.2
申请日：2015-08-28
申请人： 天津求实智源科技有限公司
IPC分类号： G05B15/02 , G05B19/418
摘要： 本发明公开了一种基于电力负荷分解与监测的家居安全告警系统，包括电气量采集子系统、电力负荷分解与监测子系统、家居安全分析与态势感知子系统和对外交互子系统。利用电力负荷分解与监测技术在线监测安装点下游每个或每类电气设备的运行状态。能够集成用户已经布置的其他传感设备的输出信息，从而全面判断家居安全态势及确定导致异常状态的原因，及时向用户发出告警信息。既能够增强和完善家居安全告警系统的传统功能，又能满足家居安全告警系统的新需求，从而提高其实用性和普及率。
-
公开(公告)号：CN106855597A
公开(公告)日：2017-06-16
申请号：CN201611238173.2
申请日：2016-12-28
申请人： 天津求实智源科技有限公司
IPC分类号： G01R31/00
CPC分类号： G01R31/00
摘要： 本发明于电力负荷监测领域，尤其涉及一种非侵入式电能质量干扰源在线自适应监测系统及方法，利用人工智能领域的先进技术成果，基于模式识别技术思路，从数据挖掘的角度，提出了一种非侵入式电能质量干扰源在线自适应监测系统及方法，旨在解决电能质量干扰源的自动辨识的问题，本发明方法可以自动地监测系统存在的不同类型的电能质量干扰，并辨识电能质量干扰的发生源，即判断检测到的某种类型的电能质量干扰是由哪种或哪几种电气设备在何种工况下产生的。本发明的有益效果：能够切实提高电力系统电能质量管理水平，降低电能质量扰动对电力系统的影响，尤其在配电网级，提高用户用电满意度。
-
公开(公告)号：CN106093652A
公开(公告)日：2016-11-09
申请号：CN201610530542.9
申请日：2016-07-07
申请人： 天津求实智源科技有限公司
IPC分类号： G01R31/00
CPC分类号： G01R31/00
摘要： 本发明提供了一种具备自学习功能的非侵入式电力负荷监测系统与方法，在不具备电器设备负荷特征数据库自动维护功能的非侵入式电力负荷监测技术系统的基础上，增加了未建模电器设备负荷特征自动生成功能，能够自动检测出受监测电力负荷内部存在的未建模电器设备，并自动提取其负荷特征参数，最终用以更新非侵入式电力负荷监测技术系统的电器设备负荷特征数据库，从而不再需要技术人员通过人工回访用户的方式来维护和更新电器设备负荷特征数据库，既能通过及时更新电器设备负荷特征数据库来保证系统的监测性能在电力负荷内部引入未建模电器设备时不受影响，又能通过节省人力成本来提高非侵入式电力负荷监测技术系统的运行效率。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.039 秒)
