一种时段性智能电表数据采集及分析系统

    公开(公告)号:CN115328900A

    公开(公告)日:2022-11-11

    申请号:CN202211003519.6

    申请日:2022-08-21

    Abstract: 本发明公开了一种时段性智能电表数据采集及分析系统,涉及采集电量准确性技术领域。包括数据收集系统,用于对分散在各个用户处的智能电表中产生的各项数据进行分类收集;数据处理系统,用于处理数据收集系统得到的各项数据;数据分析系统,用于对数据处理系统处理的过的数据进行分析。本发明通过数据处理系统的设置,对在传输过程中失真的数据进行处理和还原,一定程度上确保系统得到数据的质量;其次在数据分析系统中嵌入神经网络,同时让工作人员对上一次数据采集分析得出的结论进行评估,依次为样本对神经网络进行训练,使得系统能够自动得出各个电表机能正常与否,最终拟定对于智能电表的维护、更新计划。

    一种基于FT-Kmeans的智能电表健康度评估方法

    公开(公告)号:CN115293042A

    公开(公告)日:2022-11-04

    申请号:CN202210947690.6

    申请日:2022-08-09

    Abstract: 本发明公开了一种基于FT‑Kmeans的智能电表健康度评估方法,基于Kmeans算法,对算法进行优化改进,利用特征转换,将低维度数据映射到高维空间,实现智能电表健康度评估与评价,构建科学合理的指标评价体系。通过使用改进后的FT‑Kmeans模型进行智能电表健康度的评估,实时掌握智能电表运行状态,为智能电表的检修与维护提供科学、合理的决策依据,降低设备运行成本及故障的发生,同时基于海量运行数据,深度挖掘数据潜在规律,识别智能电表健康状态演变过程,利用FT‑Kmeans模型进行仿真推演,提前做出相应的应对措施,避免故障的发生。

    一种基于SVM-WS的智能电表故障预测方法

    公开(公告)号:CN115034285A

    公开(公告)日:2022-09-09

    申请号:CN202210428936.9

    申请日:2022-04-22

    Abstract: 本发明公开了一种基于SVM‑WS的智能电表故障预测方法,用于智能电表的故障预测,所述的方法包括对数据进行预处理、提取指标特征构建SVM模型、用构建好后的模型进行智能电表的故障预测的步骤,关键是:在提取指标特征构建SVM模型步骤后用熵权法对SVM模型进行权重计算,优化模型权重,得到改进的SVM模型后,再进行智能电表的故障预测。本发明运用SVM‑WS方法,分析智能电表的台账数据、运行数据、故障数据、电量数据等,同时利用大数据技术构建多源异构数据集,计算不同特征间的样本权重,构建合理的设备画像,对智能电表进行合理的状态评估与故障预测,达到从被动抢修到主动运维的效果。

    一种面向电力物联网的AMI轻量级数据隐私保护方法

    公开(公告)号:CN112468445A

    公开(公告)日:2021-03-09

    申请号:CN202011183769.3

    申请日:2020-10-29

    Abstract: 本发明公开了一种面向电力物联网的AMI轻量级数据隐私保护方法,所述方法包括:构建“云‑边‑端”AMI系统架构;在“云‑边‑端”AMI系统架构下实现智能电表等端设备多级匿名接入认证,在相同的安全计算环境下,通过即插即用信息模型动态接入物联代理终端,实现对智能电表动态管理;通过轻量级数据聚合隐私保护方法实现AMI系统内数据的安全传输。本发明实施例基于多级匿名的认证方式,智能电表等端设备接入系统时无需重新认证,以降低端设备接入的复杂性,同时保证接入的安全性。

    一种融合事件检测和神经网络的负荷识别方法

    公开(公告)号:CN110991818B

    公开(公告)日:2020-12-18

    申请号:CN201911115166.7

    申请日:2019-11-14

    Abstract: 本发明公开了一种融合事件检测和神经网络的负荷识别方法,涉及负荷识别技术领域,通过获取用户总负荷历史运行数据,并进行标记时间;对标记后的数据中的有功功率进行事件检测,获取每个用电设备各工作状态的稳态电流波形;将得到稳态电流波形和无电器运行区段电流波形进行随机组合,得到多设备电流随机组合;从多设备电流随机组合中提取组合电流特征作为训练样本,通过训练过的神经网络模型输出各个设备的状态。本发明通过将事件法和神经网络模式识别方法相融合,既不需要提前量测用户每个用电设备的用电数据,又节省了大量的人工标记成本,只需要标记短时间用电信息即可为神经网络模型的训练提供大量的样本,且能保证数据的准确性。

    一种基于支持向量机和V-I曲线特征的负荷识别方法

    公开(公告)号:CN111027408A

    公开(公告)日:2020-04-17

    申请号:CN201911133730.8

    申请日:2019-11-19

    Abstract: 本发明公开了一种基于支持向量机和V-I曲线特征的负荷识别方法,涉及负荷识别系统技术领域,利用V-I曲线与谐波组合作为负荷印记克服了非侵入式负荷识别中可能产生的误辨识的缺点;运用V-I曲线轨迹的形状特征形成多个负荷印记,增加了负荷辨识的正确率,并辅以电气量经傅里叶变换得出的谐波特征辨识,克服了V-I曲线不好识别小型负荷的缺点;通过基于SVM的负荷识别更好地处理非线性分类问题,且不会引起“维数灾难”;它可以处理小样本的机器学习,且不至于陷入局部最小以及过学习、欠学习问题,使得负荷识别的结果更具有准确性,提高辨识度。此外,本发明方法以非侵入式为出发点,具有经济实用、容易实现的特点。

Patent Agency Ranking