-
公开(公告)号：CN118465365A
公开(公告)日：2024-08-09
申请号：CN202410469860.3
申请日：2024-04-18
Applicant: 华北电力大学 , 国网福建省电力有限公司电力科学研究院 , 国网智能电网研究院有限公司
Abstract: 本发明公开了一种宽频谐波振荡频率检测方法、装置、介质及产品，涉及谐波检测技术领域。方法包括：根据三相检测信号，基于Clark变换原理和瞬时功率理论确定电力系统的功率信号；功率信号为有功功率信号或无功功率信号；根据频率阈值提取功率信号中的低频谐波信号和高频谐波信号；采用SDFT方法确定低频谐波信号的实际频率；采用改进SDFT方法确定高频谐波信号的实际频率；将谐波信号的实际频率作为锁相环的前馈频率，利用锁相环确定谐波信号的宽频振荡频率。本发明基于功率信号所在频段采用不同方法对谐波信号进行宽频振荡频率检测，能够提高宽频谐波振荡频率检测的精度和效率。
-
公开(公告)号：CN111242276A
公开(公告)日：2020-06-05
申请号：CN201911377565.0
申请日：2019-12-27
Applicant: 国网山西省电力公司大同供电公司 , 华北电力大学
Abstract: 本发明提出一种用于负荷电流信号识别的一维卷积神经网络构建方法，包括以下步骤：步骤S1：采集用户负荷数据作为训练集和测试集；步骤S2：搭建一维卷积神经网络模型；步骤S3：通过训练集训练搭建好的一维卷积神经网络辨识模型；步骤S4：将测试集输入经过训练的一维卷积神经网络中进行识别，获得负荷识别结果。本发明在传统卷积神经网络模型进行改进，采用一维卷积神经网络通过降低算法复杂度使负荷辨识效率得到提高；利用卷积核作为观察窗在信号上滑动保证了信号的时变性和频带的相关性。通过卷积核自动的提取时序特征，提高了负荷识别的准确率。
-
公开(公告)号：CN117561904A
公开(公告)日：2024-02-20
申请号：CN202311733127.X
申请日：2023-12-18
Applicant: 华北电力大学
IPC: A01G9/24
Abstract: 本发明提出一种日光温室相变材料长/短期蓄能协同释能系统及方法，在夏季：将蓄热单元置于日光温室内部架高倾斜45°放置，过冷水合盐相变材料吸收太阳辐射熔化，然后将蓄热单元取下平放于温室地面静置以过冷液态储存相变潜热经秋季至冬季；在冬季：白天，相变墙板内的无过冷相变材料吸收太阳辐射热能熔化，热量以潜热形式储存起来，降低日光温室内温度；夜间，相变墙板内无过冷相变材料凝固释放潜热，提高日光温室内温度；当相变墙板内的无过冷相变材料无法提供日光温室夜间所需热量时，通过触发过冷水合盐凝固并释放热量，提高日光温室内温度。该系统能够调节日光温室内热环境，使得室温波动更加平缓，满足夜间整体室温要求，提高了太阳能利用率。
-
公开(公告)号：CN110298765B
公开(公告)日：2024-02-02
申请号：CN201910472376.5
申请日：2019-05-31
IPC: G06Q50/06 , G06F18/2433
Abstract: 本发明涉及一种基于客观关联因素的配电网用电功率异常检测方法，该方法包括以下步骤：步骤1：针对用电用户建立结合综合用电特征信息的理论用电量模型；步骤2：实时收集用电用户的实际用电量；步骤3：获取实际用电量与理论用电量模型之间的偏差；步骤4：利用LOF算法对偏差进行离群检测并得出异常嫌疑用户检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN111242276B
公开(公告)日：2023-08-25
申请号：CN201911377565.0
申请日：2019-12-27
Applicant: 国网山西省电力公司大同供电公司 , 华北电力大学
IPC: G06N3/0464 , G06N3/063 , G06N3/08 , G06Q50/06
Abstract: 本发明提出一种用于负荷电流信号识别的一维卷积神经网络构建方法，包括以下步骤：步骤S1：采集用户负荷数据作为训练集和测试集；步骤S2：搭建一维卷积神经网络模型；步骤S3：通过训练集训练搭建好的一维卷积神经网络辨识模型；步骤S4：将测试集输入经过训练的一维卷积神经网络中进行识别，获得负荷识别结果。本发明在传统卷积神经网络模型进行改进，采用一维卷积神经网络通过降低算法复杂度使负荷辨识效率得到提高；利用卷积核作为观察窗在信号上滑动保证了信号的时变性和频带的相关性。通过卷积核自动的提取时序特征，提高了负荷识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110309134A
公开(公告)日：2019-10-08
申请号：CN201910473298.0
申请日：2019-05-31
IPC: G06F16/215 , G06F16/2455 , G06F16/2458 , G06K9/62 , G06N3/00 , G06Q50/06
Abstract: 本发明涉及一种基于用电行为迁移与社群演化的配电网用电异常检测方法，该检测方法包括以下步骤：步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测精度高，针对性强等优点。
-
公开(公告)号：CN110298765A
公开(公告)日：2019-10-01
申请号：CN201910472376.5
申请日：2019-05-31
Abstract: 本发明涉及一种基于客观关联因素的配电网用电功率异常检测方法，该方法包括以下步骤：步骤1：针对用电用户建立结合综合用电特征信息的理论用电量模型；步骤2：实时收集用电用户的实际用电量；步骤3：获取实际用电量与理论用电量模型之间的偏差；步骤4：利用LOF算法对偏差进行离群检测并得出异常嫌疑用户检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110298552A
公开(公告)日：2019-10-01
申请号：CN201910473325.4
申请日：2019-05-31
Abstract: 本发明涉及一种结合历史用电特征的配电网个体功率异常检测方法，该方法包括以下步骤：步骤1：提取特征向量；步骤2：分别计算用电低谷时段和平段用电量各自占总用电的百分比；步骤3：根据用电低谷时段和平段用电量各自占总用电的百分比的计算结果构造特征矩阵；步骤4：利用局部离群算法得出局部得去得分；步骤5：循环执行步骤1～步骤4得出所有用户的局部得去得分；步骤6：根据所有用户的局部得去得分进一步得出对应的个体异常矩阵，计算个体异常矩阵中个体每个周期的异常度并将个体每个周期的异常度与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110288383A
公开(公告)日：2019-09-27
申请号：CN201910473316.5
申请日：2019-05-31
Abstract: 本发明涉及一种基于用户属性标签的群体行为配电网用电异常检测方法，包括以下步骤：步骤1：建立用电量序列；步骤2：采用随机前沿模型计算用户负载效率系数；步骤3：建立用电趋势序列；步骤4：提取其台账信息数据并进行标签标记；步骤5：循环执行步骤1至步骤4得到针对区域内的所有用电用户的单位周期内的特征矩阵；步骤6：针对所有用电用户的单位周期内的特征矩阵利用局部离群因子算法得出局部离群得分；步骤7：将局部离群得分组成个体异常矩阵后与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110288383B
公开(公告)日：2024-02-02
申请号：CN201910473316.5
申请日：2019-05-31
IPC: G06Q30/0201 , G06Q50/06 , G06F18/2433
Abstract: 本发明涉及一种基于用户属性标签的群体行为配电网用电异常检测方法，包括以下步骤：步骤1：建立用电量序列；步骤2：采用随机前沿模型计算用户负载效率系数；步骤3：建立用电趋势序列；步骤4：提取其台账信息数据并进行标签标记；步骤5：循环执行步骤1至步骤4得到针对区域内的所有用电用户的单位周期内的特征矩阵；步骤6：针对所有用电用户的单位周期内的特征矩阵利用局部离群因子算法得出局部离群得分；步骤7：将局部离群得分组成个体异常矩阵后与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.038 seconds)
