一种基于中继节点的蓝牙Mesh网络远程抄表系统

    公开(公告)号:CN114040372A

    公开(公告)日:2022-02-11

    申请号:CN202111352658.5

    申请日:2021-11-16

    Abstract: 本发明涉及一种基于中继节点的蓝牙Mesh网络远程抄表系统,该系统包括:采集节点:固定在对应的电表上并与电表对应接口连接,用以采集用户用电数据,包括第一电源模块和第一蓝牙模块;汇聚节点:安装在室外且信号好的位置处,包括第三电源模块、第三蓝牙模块以及与主站通信的4G模块;中继节点:用于对在汇聚节点第三蓝牙模块无线电范围之外的采集节点数据进行转发,保证每个采集节点与汇聚节点间至少有一条通信链路,包括第二电源模块和第二蓝牙模块;各节点通过第一蓝牙模块、第二蓝牙模块和第三蓝牙模块组建Mesh网络。与现有技术相比,本发明具有降低网络资费、适用范围广、适用于无线数据传输环境恶劣环境、通用性好等优点。

    基于奇异值分解和改进小波包局部放电信号时间估计方法

    公开(公告)号:CN113283297A

    公开(公告)日:2021-08-20

    申请号:CN202110426724.2

    申请日:2021-04-20

    Abstract: 本发明涉及一种基于奇异值分解和改进小波包局部放电信号时间估计方法。包括:1)使用特高频传感器获得含有混合噪声的GIS实际局放特高频信号,并构建相应的数学模型;2)将获得的局放信号构造为Hankel矩阵,并对该矩阵进行奇异值分解;3)通过支持向量机选取合理的奇异值阈值,实现对实测局放信号中的窄带干扰的滤除,得到只含有白噪声的局放信号;4)使用基于改进小波包阈值去噪方法,设置合理的分解层数和阈值函数,将步骤3)得到的局放信号中的白噪声滤除,得到较为纯净的GIS局放信号;5)根据去噪后的GIS信号的短时能量变化,得出局部放电的起始时间。本发明方法能够准确地得出局部放电起始时间,满足后续对GIS局放信号的定位和模式识别的要求。

    基于多时间尺度的多交直流混合微电网优化调度方法

    公开(公告)号:CN110739684B

    公开(公告)日:2023-04-07

    申请号:CN201910977028.3

    申请日:2019-10-15

    Abstract: 本发明涉及一种基于多时间尺度的多交直流混合微电网优化调度方法,分别对微电网进行日前调度与日内调度,尽可能减少由于可再生能源出力具有波动性、间歇性特点带来的不确定性功率波动影响。此外,光伏发电设备与大量的直流负荷需要通过换流设备与大电网连接,不仅会产生大量谐波的污染,也大大增加了换流的损耗,建设交直流混合微电网能够很好地解决这些问题。在此基础上,考虑到微电网的数量正在稳步增长,将地理位置较为接近的若干个微电网形成互联系统,能够进一步增强微电网应对可再生能源出力波动影响的能力,提高可再生能源的渗透率与供电可靠性。这将有助于推动分布式能源与智能电网的有序发展。

    基于时频域分析变压器局部放电信号接收器位置设计方法

    公开(公告)号:CN113283129A

    公开(公告)日:2021-08-20

    申请号:CN202110392410.5

    申请日:2021-04-13

    Abstract: 本发明涉及一种基于时频域分析变压器局部放电信号接收器位置设计方法,包括:首先依据变压器的内部结构,构建模型,进行自适应网格划分;然后设置放电源,在两两处置的三个方向上设置积分线,应用频域求解法,得到变压器箱体内部电磁场分布;根据频域结果分析,在变压器箱体上对可以放置信号接收端的位置进行第一步的选择,之后设置仿真时间,应用时域求解法,经预设时间后分析各个信号接收端得到的电磁波波形图;最后对比各个信号接收端对信号的灵敏度以及接收信号的幅值来对其位置进行第二步优化。本发明可以通过研究变压器内部放电源的电磁波传播路径,提高对变压器内局部放电源的定位精度,对现实中局部放电源监测系统具有一定的实际意义。

    一种基于XGBoost算法的光伏短期出力预测系统及方法

    公开(公告)号:CN110543988A

    公开(公告)日:2019-12-06

    申请号:CN201910804739.0

    申请日:2019-08-28

    Abstract: 本发明涉及一种基于XGBoost算法的光伏短期出力预测系统及方法,系统包括数据挖掘单元和二次深度挖掘单元,数据挖掘单元包括:数据预处理模块,用于对输入特征数据进行预处理;数据集划分模块,用于将数据预处理模块中预处理完成的输入特征数据划分为多个数据集;二次深度挖掘单元包括:预测模块,用于利用特征数据对预测模型进行模型训练,得到训练完成的预测模型;训练模块,用于利用训练完成的预测模型,进行光伏短期出力预测,输出包括光伏输出功率在内的预测结果;预测模型采用XGBoost算法,并采用CART树作为基学习器。与现有技术相比,本发明具有预测算法高效和预测结果精准等优点。

Patent Agency Ranking