-
公开(公告)号：CN103259754B
公开(公告)日：2017-06-23
申请号：CN201310091035.6
申请日：2013-03-21
Applicant: 国家电网公司 , 中国电力科学研究院 , 全球能源互联网研究院
CPC classification number: H04B3/542 , H04B2203/5433
Abstract: 本发明涉及支撑智能电网的电力通信领域，具体涉及一种用于电力线载波通信的数字前端系统及其实现方法；所述数字前端系统包括依次进行通信的发射机和接收机；发射机包括依次进行通信的逆傅立叶变换模块、加窗模块I、插值滤波器、混频器I和数模转换器；所述接收机包括依次进行通信的模数转换器、混频器II、抽取滤波器、加窗模块II和傅立叶变换模块。所述实现方法包括下述步骤：（1）将调制符号输入到发射机上转换为模拟信号；（2）将所述模拟信号输入的到接收机上转换为调制符号。本发明将等效复数基带形式的数字前端与奈奎斯特窗的方法结合，具有支持频带选择、支持带宽配置、抑制带外干扰、降低发送信号带外能量并抑制带内窄带干扰的特点。
-
公开(公告)号：CN103457636B
公开(公告)日：2015-05-27
申请号：CN201310347251.2
申请日：2013-08-09
Abstract: 本发明提供了一种基于频率认知技术的跨频带电力线载波通信方法及系统；所述方法包括步骤：1、对高频信号进行认知分析得到高频信号的信道模型；实时检测电力线载波通道的无线电信号；2、依据信道模型、无线电干扰避免机制和信道质量参数确定电力线载波通信信号的频率；对电力线载波通信信号的频率进行跨频带频谱聚合后得到跨频带载波通信信号；3、设置载波通信设备的配置参数；4、将跨频带载波通信信号传输至电力线载波通道；所述系统包括载波通信设备和电力线载波通道。和现有技术相比，本发明提供的一种基于频率认知技术的跨频带电力线载波通信方法及系统能够实现跨频带自适应选择、配置灵活、与无线共存、宽带高速，适用于各种中低压电力线路环境。
-
公开(公告)号：CN104144002A
公开(公告)日：2014-11-12
申请号：CN201410406659.7
申请日：2014-08-18
CPC classification number: H04B3/54
Abstract: 本发明提供一种多频洪泛电力线载波通信方法，该方法包括以下步骤：电力线载波通信系统初始化；主站实现从站的工作频率认知；主站与从站进行多频数据通信。该方法基于频率认知和洪泛技术，针对不同从站/链路的情况为其选择不同的频率，适应电力线载波网络信道特性，增加从站的接入概率，改善网络覆盖范围。
-
公开(公告)号：CN103607224A
公开(公告)日：2014-02-26
申请号：CN201310632592.4
申请日：2013-12-02
IPC: H04B3/54
Abstract: 本发明提供一种建立电力线载波通信系统双向链路的方法，该方法包括以下步骤：I、确定PLC设备的传输信息；II、时间同步建立；III、候选频率估计；IV、双向链路建立。该方法基于频率认知技术建立双向链路，将PLC系统的工作频率选择范围扩展到从三十千赫兹到三十兆赫兹，使参与通信的双方能够根据各自的信道状况，自适应地选择最佳的通信频率，从而增强用于智能电网的PLC技术的可靠性。
-
公开(公告)号：CN103259754A
公开(公告)日：2013-08-21
申请号：CN201310091035.6
申请日：2013-03-21
CPC classification number: H04B3/542 , H04B2203/5433
Abstract: 本发明涉及支撑智能电网的电力通信领域，具体涉及一种用于电力线载波通信的数字前端系统及其实现方法；所述数字前端系统包括依次进行通信的发射机和接收机；发射机包括依次进行通信的逆傅立叶变换模块、加窗模块I、插值滤波器、混频器I和数模转换器；所述接收机包括依次进行通信的模数转换器、混频器II、抽取滤波器、加窗模块II和傅立叶变换模块。所述实现方法包括下述步骤：（1）将调制符号输入到发射机上转换为模拟信号；（2）将所述模拟信号输入的到接收机上转换为调制符号。本发明将等效复数基带形式的数字前端与奈奎斯特窗的方法结合，具有支持频带选择、支持带宽配置、抑制带外干扰、降低发送信号带外能量并抑制带内窄带干扰的特点。
-
Patent Agency Ranking
公开(公告)号：CN203166913U
公开(公告)日：2013-08-28
申请号：CN201320154295.9
申请日：2013-03-29
IPC: H04B3/56
Abstract: 本实用新型涉及包括支撑智能电网的电力线通信领域，具体涉及一种电力线载波发射机数字前端，包括依次连接的数模转换器和现场可编程门阵列FPGA，所述现场可编程门阵列FPGA包括依次连接的混频器、滤波器、加窗器和逆傅立叶变换器，所述现场可编程门阵列FPGA的参数寄存器分别与混频器和级联滤波器连接。本实用新型将等效复数基带形式的数字前端与奈奎斯特窗的方法结合，通过现场可编程门阵列FPGA实现了一种具有支持频带选择、支持带宽配置、降低发射信号带外能量的电力线载波发射机数字前端。
-
公开(公告)号：CN203166890U
公开(公告)日：2013-08-28
申请号：CN201320154403.2
申请日：2013-03-29
Abstract: 本实用新型涉及包括支撑智能电网的电力线通信领域，具体涉及一种电力线载波接收机数字前端，包括依次连接的数模转换器和现场可编程门阵列FPGA，所述现场可编程门阵列FPGA包括依次连接的混频器、滤波器、加窗器和傅立叶变换器，所述现场可编程门阵列FPGA的参数寄存器分别与混频器和滤波器连接。本实用新型将等效复数基带形式的数字前端与奈奎斯特窗的方法结合，通过现场可编程门阵列FPGA实现了一种具有支持频带选择、支持带宽配置、抑制带外干扰和带内窄带干扰的电力线载波接收机数字前端。
-
公开(公告)号：CN119696076A
公开(公告)日：2025-03-25
申请号：CN202510192617.6
申请日：2025-02-21
Applicant: 电科新能科技有限公司 , 中国电力科学研究院有限公司 , 国网北京市电力公司
IPC: H02J3/48 , H02J3/38 , H02J3/24 , G06Q10/04 , G06Q50/06 , G06N3/0499 , G06N3/0464
Abstract: 本发明公开了基于频率调节的风电机组主动支撑控制方法及系统，属于风力发电技术领域，解决了现有方法无法有效地抽取与频率缺额相关的关键特征，导致风机线性化模型有效性、实时性、响应速度较差的问题，方法包括获取电力系统日前风电机组出力数据、电网功率参数，基于频率态势预测模型对日内风电机组出力数据、电网功率参数识别分析，计及能量转换效率和一次调频为约束计算功率波动点处基于超速控制的备用容量；本发明通过构建频率态势预测模型实现预测周期内的频率态势预测，基于频率预测集确定预测周期内功率波动点及功率波动点处功率波动值，有效地抽取与频率缺额相关的关键特征，保证了风电机组主动支撑控制的一次调频能力和响应速度。
-
公开(公告)号：CN119442187B
公开(公告)日：2025-04-01
申请号：CN202510039315.5
申请日：2025-01-10
Applicant: 电科新能科技有限公司 , 国网北京市电力公司 , 中国电力科学研究院有限公司
IPC: G06Q10/20 , G06F18/27 , G06F18/213 , G06F18/25 , G06F18/2431 , G06F18/241 , G06N20/20 , G06F18/2411 , G01R31/08
Abstract: 本申请实施例公开了一种用于风电机组的电网故障判别方法，涉及电网故障检测技术领域。该方法包括：获取目标风电机组所处电网在目标时间序列中的状态度量参数；确定原始回归系数和原始基础值；基于原始回归系数和原始基础值，确定状态度量参数误差；以该状态度量参数误差最小化为优化目标得到第一基础值和第一回归系数；根据第一回归系数、第一基础值以及对应的状态度量参数误差得到第一判别数据；对子序列中的目标采样时刻进行特征映射转换，得到对应的局部特征数据；对多个子序列对应的局部特征数据进行融合，得到融合数据；对该融合数据进行回归分析，得到整体特征数据；基于该整体特征数据进行故障判别处理，得到对应的预测故障类型及概率。
-
公开(公告)号：CN119442187A
公开(公告)日：2025-02-14
申请号：CN202510039315.5
申请日：2025-01-10
Applicant: 电科新能科技有限公司 , 国网北京市电力公司 , 中国电力科学研究院有限公司
IPC: G06F18/27 , G06F18/213 , G06F18/25 , G06F18/2431 , G06F18/241 , G06N20/20 , G06F18/2411 , G01R31/08
Abstract: 本申请实施例公开了一种用于风电机组的电网故障判别方法，涉及电网故障检测技术领域。该方法包括：获取目标风电机组所处电网在目标时间序列中的状态度量参数；确定原始回归系数和原始基础值；基于原始回归系数和原始基础值，确定状态度量参数误差；以该状态度量参数误差最小化为优化目标得到第一基础值和第一回归系数；根据第一回归系数、第一基础值以及对应的状态度量参数误差得到第一判别数据；对子序列中的目标采样时刻进行特征映射转换，得到对应的局部特征数据；对多个子序列对应的局部特征数据进行融合，得到融合数据；对该融合数据进行回归分析，得到整体特征数据；基于该整体特征数据进行故障判别处理，得到对应的预测故障类型及概率。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.103 seconds)
