-
公开(公告)号:CN114282444A
公开(公告)日:2022-04-05
申请号:CN202111624204.9
申请日:2021-12-28
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 本申请涉及智能电网配电物联网技术领域,尤其涉及一种基于智能融合终端的分布式负荷预测方法及系统,该方法包括:获取不同台区的负荷预测模型样本数据;根据负荷预测模型样本数据对若干待用负荷预测模型进行训练,并对其进行评估,确定最优负荷预测模型,再将最优负荷预测模型部署至各个台区进行负荷预测,得到负荷预测结果。该系统包括用于采集信息的台区智能融合终端单元;用于确定最优负荷预测模型的负荷预测模型迭代单元。该方法及系统使用负荷预测模型样本数据,采用分布式部署的负荷预测模型,对台区内的用电负荷进行预测,使得各个台区负荷预测达到专区专测的目的,可以进行实时性更强、准确性更高的电网负荷预测及负荷控制。
-
公开(公告)号:CN112444669A
公开(公告)日:2021-03-05
申请号:CN202011286230.0
申请日:2020-11-17
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 本发明涉及一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法,包括以下步骤:采集多个家用电器启停时的有功功率、无功功率、电流二次谐波、电流三次谐波的变化量,作为特征库中的样本特征;依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、初始概率分布,计算多参量隐马尔科夫模型的隐含状态链,即各电器启停事件序列,从而达到负荷辨识的目的。本发明将隐马尔科夫模型应用于非侵入式负荷辨识领域,本发明为隐马尔科夫模型应用于非侵入式负荷辨识的一种实现,克服了负荷特征库过大、电网供电存在波动、相近特征量家用电器负荷难以区分的问题,取得了较高的识别精度。
-
公开(公告)号:CN111970722A
公开(公告)日:2020-11-20
申请号:CN202010848022.9
申请日:2020-08-21
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 一种基于NB通讯的智能仪表通讯方式优化方法,包括:记录每个仪表端的上报数据、数据上报时间;统计各个时间点每个仪表的数据上报状况;对每个仪表数据上报状况进行相关性分析,得到每个仪表数据相关性结果;对所有仪表端的上报数据、数据上报时间、信号参数数据和环境因素数据进行区域性的划分和时间段的划分并统计各个时间段内、各个区域段内所有仪表端的数据上报状况、信号参数数据和环境因素数据;分别对各个区域段内和各个时间段内所有仪表的数据上报状况、信号参数数据和环境因素数据进行相关性分析,得到各个区域段内和各个时间段内所有仪表数据相关性结果;根据相关性结果,重新配置仪表表端参数,使得仪表数据通讯成功率最大。
-
公开(公告)号:CN111970722B
公开(公告)日:2024-03-19
申请号:CN202010848022.9
申请日:2020-08-21
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 一种基于NB通讯的智能仪表通讯方式优化方法,包括:记录每个仪表端的上报数据、数据上报时间;统计各个时间点每个仪表的数据上报状况;对每个仪表数据上报状况进行相关性分析,得到每个仪表数据相关性结果;对所有仪表端的上报数据、数据上报时间、信号参数数据和环境因素数据进行区域性的划分和时间段的划分并统计各个时间段内、各个区域段内所有仪表端的数据上报状况、信号参数数据和环境因素数据;分别对各个区域段内和各个时间段内所有仪表的数据上报状况、信号参数数据和环境因素数据进行相关性分析,得到各个区域段内和各个时间段内所有仪表数据相关性结果;根据相关性结果,重新配置仪表表端参数,使得仪表数据通讯成功率最大。
-
公开(公告)号:CN111898068B
公开(公告)日:2023-01-20
申请号:CN202010724518.5
申请日:2020-07-24
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 一种基于PERT算法及仪表用量分析的异常检测方法,所述方法包括:收集每个仪表对应用户的用量数据值历史记录作为训练样本;将所述训练样本按照从小到大进行排序后得到训练样本数据集;取所述训练样本数据集中的中位数;通过PERT算法计算基准值和标准差;计算所述基准值与所述中位数之间差值的绝对值作为偏差量;设置标准差倍数;比较每个用户的标准差倍数乘以其标准差得到的数值与偏差量的大小,迭代获取模型基准值和模型标准差;根据所述模型基准值、所述模型标准差和所述标准差倍数,建立仪表用量异常检测模型;通过所述仪表用量异常检测模型对仪表显示的用户用量进行异常检测。
-
公开(公告)号:CN111258809A
公开(公告)日:2020-06-09
申请号:CN202010018750.7
申请日:2020-01-08
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 本发明的电信息数据备份的方法,涉及电网数据传输的技术领域,解决现有技术的方法在电信息数据传送过程中数据可靠性较低的技术问题。该方法在每个所述集中器所连接的每个所述电能表获取不同用电实体的第一电信息数据;每个所述电能表获取第二电信息数据且进行分布式存储,确定每个所述集中器所连接的每个所述电能表的第一字符串,确定所述第二电信息数据的接收;确定每个所述集中器的储存的第三电信息数据,确定每个所述集中器的第二字符串,确定所述第三电信息数据的接收;确定每个所述区域服务器获取的第四电信息数据,确定每个所述区域服务器的第三字符串,确定所述第四电信息数据的备份。本发明用以完善电信息数据备份的功能。
-
公开(公告)号:CN111258809B
公开(公告)日:2022-04-15
申请号:CN202010018750.7
申请日:2020-01-08
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 本发明的电信息数据备份的方法,涉及电网数据传输的技术领域,解决现有技术的方法在电信息数据传送过程中数据可靠性较低的技术问题。该方法在每个所述集中器所连接的每个所述电能表获取不同用电实体的第一电信息数据;每个所述电能表获取第二电信息数据且进行分布式存储,确定每个所述集中器所连接的每个所述电能表的第一字符串,确定所述第二电信息数据的接收;确定每个所述集中器的储存的第三电信息数据,确定每个所述集中器的第二字符串,确定所述第三电信息数据的接收;确定每个所述区域服务器获取的第四电信息数据,确定每个所述区域服务器的第三字符串,确定所述第四电信息数据的备份。本发明用以完善电信息数据备份的功能。
-
公开(公告)号:CN112883069A
公开(公告)日:2021-06-01
申请号:CN202110045731.8
申请日:2021-01-14
Applicant: 宁夏隆基宁光仪表股份有限公司
IPC: G06F16/2457 , G06F16/248 , G06F16/25 , G06F16/29 , G06Q50/06 , G08C17/02
Abstract: 本申请提供一种基于Raft算法的智能仪表和集中器自动匹配方法,包括:S101,根据档案坐标或直接调用地图API接口,获取集中器和智能仪表位置;S102,根据一定的查询范围获取候选集中器位置;S103,智能仪表根据Raft算法,对候选集中器位置进行排序,并对排序结果进行加权评分;S104,根据加权评分后的排序结果,云端系统应用层面自动分析选取与当前智能仪表位置匹配的集中器位置。本申请的集中器和智能仪表可在云端系统应用层面根据Raft算法的选举思想自动进行分配建档,操作更简单,避免了因为操作失误原因导致集中器和智能仪表匹配失败,匹配效率更高。
-
公开(公告)号:CN112669586A
公开(公告)日:2021-04-16
申请号:CN202011483858.X
申请日:2020-12-16
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 本申请提供一种基于Android系统的智能仪表远程监控系统及方法,包括后台服务层、移动APP层和终端智能仪表层;其中,后台服务层用于处理后台服务接口模块接收的移动APP层发送的指令信息,移动APP层与后台服务层通信连接,移动APP层通过与后台服务层进行数据交互,实现对智能仪表的远程操控,终端智能仪表层与后台服务层通信连接,用于执行后台服务层发送的指令信息并完成数据信息的交互处理,后台服务层和移动APP层以及终端智能仪表层相互配合,实现对智能仪表的远程监控。本申请对智能仪表的监控更加全面,可以实时获取智能仪表运行数据,实时推送异常消息,还可建立图表进行分析其运行情况,更加直观准确。
-
公开(公告)号:CN111898068A
公开(公告)日:2020-11-06
申请号:CN202010724518.5
申请日:2020-07-24
Applicant: 宁夏隆基宁光仪表股份有限公司
Abstract: 一种基于PERT算法及仪表用量分析的异常检测方法,所述方法包括:收集每个仪表对应用户的用量数据值历史记录作为训练样本;将所述训练样本按照从小到大进行排序后得到训练样本数据集;取所述训练样本数据集中的中位数;通过PERT算法计算基准值和标准差;计算所述基准值与所述中位数之间差值的绝对值作为偏差量;设置标准差倍数;比较每个用户的标准差倍数乘以其标准差得到的数值与偏差量的大小,迭代获取模型基准值和模型标准差;根据所述模型基准值、所述模型标准差和所述标准差倍数,建立仪表用量异常检测模型;通过所述仪表用量异常检测模型对仪表显示的用户用量进行异常检测。
-
-
-
-
-
-
-
-
-