CN109407039A - 智能电表及其系统、自诊断方法和故障检测方法 - Google Patents
智能电表及其系统、自诊断方法和故障检测方法 Download PDFInfo
- Publication number
- CN109407039A CN109407039A CN201811347034.2A CN201811347034A CN109407039A CN 109407039 A CN109407039 A CN 109407039A CN 201811347034 A CN201811347034 A CN 201811347034A CN 109407039 A CN109407039 A CN 109407039A
- Authority
- CN
- China
- Prior art keywords
- intelligent electric
- electric meter
- voltage change
- change curve
- setting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种智能电表及其系统、自诊断方法和故障检测方法,自诊断方法包括如下步骤:获取本智能电表在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线;计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。本发明所提供的技术方案,用电主站根据各智能电表的异常信息即可下发任务对异常的电表做进一步的状态检测和故障分析,不需要对各智能电表的数据进行分析和运算,所以对用电主站硬件的数量和性能要求不高,能够降低用电主站的成本。
Description
技术领域
本发明属于智能电表故障检测技术领域,具体涉及一种智能电表及其系统、自诊断方法和故障检测方法。
背景技术
智能电表是智能电网的智能终端,它已经不是传统意义上的电能表,智能电表除了具备传统电能表基本用电量的计量功能以外,为了适应智能电网和新能源的使用,它还具有用电信息存储、双向多种费率计量功能、用户端控制功能、多种数据传输模式的双向数据通信功能、防窃电功能等智能化的功能。
随着电力系统智能化的发展,智能电表的使用量也在大规模的增加,为了能够对智能电表的运维和检修,用电主站需要采集各智能电表的运行数据,通过对这些数据进行分析和挖掘,评估智能电表的运行状态,判断智能电表是否出现故障。
然而由于智能电表的数量较多,用电主站接收到的数据量非常大,为了保证对智能电表故障处理的准确性和实效性,需要在用电主站设置数量大、性能高的硬件设备,如此便增加了用电主站的成本。
发明内容
本发明的目的在于提供一种智能电表自诊断方法,用于解决由于智能电表大量接入而使用电主站数据处理量增加,进而导致用电主站成本高的问题。相应的,本发明还提供了一种智能电表、一种智能电表系统和一种智能电表系统故障检测方法,用于解决由于智能电表大量接入而使用电主站数据处理量增加,进而导致用电主站成本高的问题。
为实现上述目的,本发明提供的技术方案是:
一种智能电表自诊断方法,包括如下步骤:
(1)获取本智能电表在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线;
(2)计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
(3)判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。
本发明所提供的技术方案,各智能电表能够根据其自身在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线判断出其自身是否出现异常,用电主站根据各智能电表的异常信息即可下发任务,对异常的电表做进一步的状态检测和故障分析,不需要对各智能电表的数据进行分析和运算,所以对用电主站硬件的数量和性能要求不高,能够降低用电主站的成本。
进一步的,在步骤(1)中,获取设定区域内至少五块其他智能电表在设定时间内的电压变化曲线;在步骤(2)中计算本智能电表在设定时间的电压变化曲线与所获取的设定区域内其他智能电表在设定时间内电压曲线的相关系数后,求取各相关系数的平均值;在步骤(3)中判断计算出的平均值是否大于设定值,如果不大于,则判断为本智能电表异常。
本智能电表通过设定区域内多个其他智能电表进行自诊断,能够提高自诊断的准确性。
进一步的,当判断出本智能电表异常时向用电主站发送异常信息。
将异常信息发送给用电主站,用电主站能够根据异常信息判断出出现异常的智能电表,然后下发定时任务,对异常的智能电表做进一步的状态检测和故障分析。
进一步的,为了不影响智能电表的正常工作,在智能电表处于空闲时间时,执行所述步骤(1)、步骤(2)和步骤(3)。
一种智能电表系统故障检测方法,包括如下步骤:
通过各智能电表的自诊断,判断出异常的智能电表;
下发对异常智能电表进行状态检测或故障分析的任务;
所述各智能电表自诊断包括如下步骤:
获取本智能电表在设定时间内的电压变化曲线和设定区域内他智能电表在设定时间内的电压变化曲线;
计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。
本发明所提供的技术方案,各智能电表能够根据其自身在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线判断出其自身是否出现异常,用电主站根据各智能电表的异常信息即可下发任务,对异常的电表做进一步的状态检测和故障分析,不需要对各智能电表的数据进行分析和运算,所以对用电主站硬件的数量和性能要求不高,能够降低用电主站的成本。
进一步的,所述各智能电表自诊断的步骤中,获取设定区域内至少五块其他智能电表在设定时间内的电压变化曲线;在计算本智能电表在设定时间的电压变化曲线与所获取的设定区域内其他智能电表在设定时间内电压曲线的相关系数后,求取各相关系数的平均值;在计算出的平均值后判断其是否大于设定值,如果不大于,则判断为本智能电表异常。
本智能电表通过设定区域内多个其他智能电表进行自诊断,能够提高自诊断的准确性。
进一步的,为了不影响智能电表的正常工作,在智能电表处于空闲时间时,执行自诊断的步骤。
一种智能电表,包括处理器,处理器上连接有电压检测装置和用于通讯连接设定区域内其他智能电表的通讯模块;所述处理器用于执行如下步骤:
(1)获取本智能电表在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线;
(2)计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
(3)判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。
本发明所提供的技术方案,各智能电表能够根据其自身在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线判断出其自身是否出现异常,用电主站根据各智能电表的异常信息即可下发任务,对异常的电表做进一步的状态检测和故障分析,不需要对各智能电表的数据进行分析和运算,所以对用电主站硬件的数量和性能要求不高,能够降低用电主站的成本。
进一步的,在步骤(1)中,获取设定区域内至少五块其他智能电表在设定时间内的电压变化曲线;在步骤(2)中计算本智能电表在设定时间的电压变化曲线与所获取的设定区域内其他智能电表在设定时间内电压曲线的相关系数后,求取各相关系数的平均值;在步骤(3)中判断计算出的平均值是否大于设定值,如果不大于,则判断为本智能电表异常。
本智能电表通过设定区域内多个其他智能电表进行自诊断,能够提高自诊断的准确性。
进一步的,当判断出本智能电表异常时,向用电主站发送相应的信息。
将异常信息发送给用电主站,用电主站能够根据异常信息对异常的智能电表做进一步的状态检测和故障分析。
进一步的,为了不影响智能电表的正常工作,在智能电表处于空闲时间时,执行所述步骤(1)、步骤(2)和步骤(3)。
一种智能电表系统,包括用电主站和设定数量的智能电表,所述用电主站采用如下智能电表系统故障检测方法对智能电表进行检测:
通过各智能电表的自诊断,判断出异常的智能电表;
下发对异常智能电表进行状态检测或故障分析的任务;
所述各智能电表自诊断包括如下步骤:
获取本智能电表在设定时间内的电压变化曲线和设定区域内他智能电表在设定时间内的电压变化曲线;
计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。
本发明所提供的技术方案,各智能电表能够根据其自身在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线判断出其自身是否出现异常,用电主站根据各智能电表的异常信息即可下发任务,对异常的电表做进一步的状态检测和故障分析,不需要对各智能电表的数据进行分析和运算,所以对用电主站硬件的数量和性能要求不高,能够降低用电主站的成本。
进一步的,所述各智能电表自诊断的步骤中,获取设定区域内至少五块其他智能电表在设定时间内的电压变化曲线;在计算本智能电表在设定时间的电压变化曲线与所获取的设定区域内其他智能电表在设定时间内电压曲线的相关系数后,求取各相关系数的平均值;在计算出的平均值后判断其是否大于设定值,如果不大于,则判断为本智能电表异常。
本智能电表通过设定区域内多个其他智能电表进行自诊断,能够提高自诊断的准确性。
进一步的,为了不影响智能电表的正常工作,在智能电表处于空闲时间时,执行自诊断的步骤。
附图说明
图1为本发明智能电表系统实施例中智能电表自诊断方法的示意图。
具体实施方式
下面结合附图对本发明的实施方式作进一步说明。
智能电表系统实施例:
本实施例提供一种智能电表系统,包括用电主站和n个智能电表,其示意图如图1所示,各智能电表之间相互通信连接,即每个智能电表均能接收设定区域内其他智能电表的信息,也能够向设定区域内其他智能电表发送信息,各智能电表根据从其他智能电表接收到的信息判断自身是否出现异常,从而实现智能电表的自诊断,具体为:
(1)获取本智能电表在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线;
(2)计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
对本智能电表在设定时间内的电压取n个样本,形成的集合为{X0,X1…Xn};对本智能电表设定区域内的其中一个智能电表在相同设定时间内的电压取n个样本,形成的集合为{Y0,Y1…Yn},则本智能电表与上述设定区域内智能电表之间在设定时间内电压变化曲线的相关系数为:
其中Xi表示本智能电表第i电压样本,Yi表示所取智能电表第i个电压样本,i的取值范围为大于0而小于n;
(3)判断计算出的相关系数是否大于设定值,如果大于,则判断为本智能电表正常,否则判断为本智能电表异常。
本实施例中的设定区域不大于智能电表无线信号所能够覆盖的范围。
本实施例所提供的智能电表系统,首先各电表按照上述的自诊断方法判断其自身是否出现异常;当智能电表判断出自身出现异常时,向用电主站发送异常信息;用电主站接收到智能电表的异常信息后判断出出现异常的智能电表,然后下发定时任务,对异常的智能电表做进一步的状态检测和故障分析。
智能电表正常工作时,是用于检测用户的用电信息并发送给用电主站,当智能电表不检测用户的用电信息时,判断为智能电表处于空闲时间;上述智能电表自诊断方法中的步骤(1)、步骤(2)和步骤(3)在智能电表的空闲时间内完成。
本实施例中以智能电表1为例对智能电表自诊断方法进行说明。
首先获取智能电表1在过去一个月内的电压变化曲线;
其次通过智能电表1与智能电表2、智能电表3、智能电表4、智能电表5、智能电表6之间的通信连接关系,获取智能电表2、智能电表3、智能电表4、智能电表5和智能电表6在过去一个月内的电压变化曲线;
然后计算出智能电表1在过去一个月内电压变化曲线与智能电表2、智能电表3、智能电表4、智能电表5以及智能电表6在过去一个月内的电压变化曲线之间的相关系数;设智能电表1在过去一个月内电压变化曲线与智能电表2在过去一个月内电压变化曲线之间的相关系数为a1,与智能电表3在过去一个月内电压变化曲线之间的相关系数为a2,与智能电表4在过去一个月内电压变化曲线之间的相关系数为a3,与智能电表5在过去一个月内电压变化曲线之间的相关系数为a4,与智能电表6在过去一个月内电压变化曲线之间的相关系数为a5,计算a1、a2、a3、a4和a5的平均值a,可得
a=(a1+a2+a3+a4+a5)/5;
最后比较求出的平均值a与设定值之间的关系,本实施例中的设定值为0.7;
如果平均值a大于0.7,则判断为智能电表1本身正常,没有出现异常;
如果平均值a小于0.7,则判断为智能电表1本身异常。
当判断出智能电表1本身异常时,向用电主站发送异常信息;用电主站接收到智能电表1的异常信息后判断出智能电表1出现异常,然后下发定时任务,对异常的智能电表1做进一步的状态检测和故障分析。
本实施例中,为了增加智能电表1自诊断结果的准确性,从设定区域内选取智能电表2、智能电表3、智能电表4、智能电表5、智能电表6共五个智能电表,根据智能电表1与这五个智能电表在设定时间内电压曲线的相关系数进行判断;作为其他实施方式,其中一个智能电表自诊断时,从设定区域内选取的智能电表数量可根据需求进行选择。
自诊断方法实施例:
本实施例提供一种智能电表自诊断方法,与上述智能电表系统实施例中智能电表的自诊断方法相同。
电表实施例:
一种智能电表,包括处理器,处理器上连接有电压检测装置和用于通讯连接设定区域内其他智能电表的通讯模块;处理器用于执行上述自诊断方法实施例所提供的智能电表自诊断方法。
故障检测方法实施例:
本实施例提供一种智能电表系统故障检测方法,与上述智能电表实施例中智能电表的故障检测方法相同。
Claims (9)
1.一种智能电表自诊断方法,其特征在于,包括如下步骤:
(1)获取本智能电表在设定时间内的电压变化曲线和设定区域内其他智能电表在设定时间内的电压变化曲线;
(2)计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
(3)判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。
2.根据权利要求1所述的智能电表自诊断方法,其特征在于,在步骤(1)中,获取设定方位内至少五块其他智能电表在设定时间内的电压变化曲线;在步骤(2)中计算本智能电表在设定时间的电压变化曲线与所获取的设定区域内其他智能电表在设定时间内电压曲线的相关系数后,求取各相关系数的平均值;在步骤(3)中判断计算出的平均值是否大于设定值,如果不大于,则判断为本智能电表异常。
3.根据权利要求1或2所述的智能电表自诊断方法,其特征在于,当判断出本智能电表异常时向用电主站发送异常信息。
4.根据权利要求1所述的智能电表自诊断方法,其特征在于,在智能电表处于空闲时间时,执行所述步骤(1)、步骤(2)和步骤(3)。
5.一种智能电表系统故障检测方法,其特征在于,包括如下步骤:
通过各智能电表的自诊断,判断出异常的智能电表;
下发对异常智能电表进行状态检测或故障分析的任务;
所述各智能电表自诊断包括如下步骤:
获取本智能电表在设定时间内的电压变化曲线和设定区域内他智能电表在设定时间内的电压变化曲线;
计算本智能电表在设定时间内电压变化曲线与设定区域内其他智能电表在设定时间内电压变化曲线的相关系数;
判断计算出的相关系数是否大于设定值,如果不大于,则判断为本智能电表异常。
6.根据权利要求5所述的智能电表系统故障检测方法,其特征在于,所述各智能电表自诊断的步骤中,获取设定区域内至少五块其他智能电表在设定时间内的电压变化曲线;在计算本智能电表在设定时间的、电压变化曲线与所获取的设定区域内其他智能电表在设定时间内电压曲线的相关系数后,求取各相关系数的平均值;在计算出的平均值后判断其是否大于设定值,如果不大于,则判断为本智能电表异常。
7.根据权利要求5或6所述的智能电表系统故障检测方法,其特征在于,在智能电表处于空闲时间时,执行自诊断的步骤。
8.一种智能电表,包括处理器,处理器上连接有电压检测装置和用于通讯连接设定区域内其他智能电表的通讯模块;其特征在于,所述处理器用于执行权利要求1至权利要求4任意一项所述的智能电表自诊断方法。
9.一种智能电表系统,包括用电主站和设定数量的智能电表,其特征在于,所述用电主站采用权利要求5至权利要求7任意一项所述的智能电表系统故障检测方法对智能电表进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811347034.2A CN109407039B (zh) | 2018-11-13 | 2018-11-13 | 智能电表及其系统、自诊断方法和故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811347034.2A CN109407039B (zh) | 2018-11-13 | 2018-11-13 | 智能电表及其系统、自诊断方法和故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407039A true CN109407039A (zh) | 2019-03-01 |
CN109407039B CN109407039B (zh) | 2021-09-14 |
Family
ID=65472759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811347034.2A Active CN109407039B (zh) | 2018-11-13 | 2018-11-13 | 智能电表及其系统、自诊断方法和故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109407039B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112684403A (zh) * | 2020-12-08 | 2021-04-20 | 国网四川省电力公司 | 一种基于数据检测的智能电表的故障检测方法 |
CN113655259A (zh) * | 2021-09-01 | 2021-11-16 | 北京京仪北方仪器仪表有限公司 | 一种智能电能表故障报警系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266273A (zh) * | 2008-05-12 | 2008-09-17 | 徐立军 | 一种多传感器系统故障自诊断方法 |
CN103744047A (zh) * | 2013-12-23 | 2014-04-23 | 国家电网公司 | 一种定位运行中超差电能表的方法 |
CN103809147A (zh) * | 2012-11-12 | 2014-05-21 | 苏州工业园区新宏博通讯科技有限公司 | 一种交流电表故障自诊断方法 |
CN104076319A (zh) * | 2014-05-04 | 2014-10-01 | 贵州电力试验研究院 | 一种数字化电能计量装置的在线误差分析系统 |
CN104597426A (zh) * | 2014-12-17 | 2015-05-06 | 浙江涵普电力科技有限公司 | 电能计量装置远程在线监测方法 |
US20150241488A1 (en) * | 2014-02-25 | 2015-08-27 | Itron, Inc | Detection of Electric Power Diversion |
CN106154209A (zh) * | 2016-07-29 | 2016-11-23 | 国电南瑞科技股份有限公司 | 基于决策树算法的电能表故障预测方法 |
CN106199494A (zh) * | 2016-07-25 | 2016-12-07 | 国网上海市电力公司 | 一种基于计量装置故障的智能诊断系统 |
CN106405475A (zh) * | 2016-08-31 | 2017-02-15 | 国网江苏省电力公司常州供电公司 | 电能表异常诊断方法 |
CN106443556A (zh) * | 2016-08-31 | 2017-02-22 | 国网江苏省电力公司常州供电公司 | 电能表智能诊断方法 |
CN106526425A (zh) * | 2016-11-23 | 2017-03-22 | 衢州学院 | 基于智能电表实采数据的低电压诊断方法 |
CN106646038A (zh) * | 2016-11-30 | 2017-05-10 | 衢州学院 | 基于智能电表实采数据的低电压诊断系统 |
CN206505124U (zh) * | 2017-01-25 | 2017-09-19 | 宁夏金润昌科技有限公司 | 智能监测电表 |
CN107229031A (zh) * | 2017-05-23 | 2017-10-03 | 国家电网公司 | 一种基于谷电分析的电表动态评估系统及方法 |
CN107340492A (zh) * | 2017-05-31 | 2017-11-10 | 国网上海市电力公司 | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 |
CN107529652A (zh) * | 2017-09-11 | 2018-01-02 | 国网天津市电力公司电力科学研究院 | 一种拆回电能表的故障现象相关性分析方法 |
CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
CN108132417A (zh) * | 2017-11-24 | 2018-06-08 | 国网北京市电力公司 | 单相接地故障定位方法和装置 |
CN108257372A (zh) * | 2017-12-05 | 2018-07-06 | 国网浙江省电力公司杭州供电公司 | 自诊断故障采集系统 |
-
2018
- 2018-11-13 CN CN201811347034.2A patent/CN109407039B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266273A (zh) * | 2008-05-12 | 2008-09-17 | 徐立军 | 一种多传感器系统故障自诊断方法 |
CN103809147A (zh) * | 2012-11-12 | 2014-05-21 | 苏州工业园区新宏博通讯科技有限公司 | 一种交流电表故障自诊断方法 |
CN103744047A (zh) * | 2013-12-23 | 2014-04-23 | 国家电网公司 | 一种定位运行中超差电能表的方法 |
US20150241488A1 (en) * | 2014-02-25 | 2015-08-27 | Itron, Inc | Detection of Electric Power Diversion |
CN104076319A (zh) * | 2014-05-04 | 2014-10-01 | 贵州电力试验研究院 | 一种数字化电能计量装置的在线误差分析系统 |
CN104597426A (zh) * | 2014-12-17 | 2015-05-06 | 浙江涵普电力科技有限公司 | 电能计量装置远程在线监测方法 |
CN106199494A (zh) * | 2016-07-25 | 2016-12-07 | 国网上海市电力公司 | 一种基于计量装置故障的智能诊断系统 |
CN106154209A (zh) * | 2016-07-29 | 2016-11-23 | 国电南瑞科技股份有限公司 | 基于决策树算法的电能表故障预测方法 |
CN106405475A (zh) * | 2016-08-31 | 2017-02-15 | 国网江苏省电力公司常州供电公司 | 电能表异常诊断方法 |
CN106443556A (zh) * | 2016-08-31 | 2017-02-22 | 国网江苏省电力公司常州供电公司 | 电能表智能诊断方法 |
CN106526425A (zh) * | 2016-11-23 | 2017-03-22 | 衢州学院 | 基于智能电表实采数据的低电压诊断方法 |
CN106646038A (zh) * | 2016-11-30 | 2017-05-10 | 衢州学院 | 基于智能电表实采数据的低电压诊断系统 |
CN206505124U (zh) * | 2017-01-25 | 2017-09-19 | 宁夏金润昌科技有限公司 | 智能监测电表 |
CN107229031A (zh) * | 2017-05-23 | 2017-10-03 | 国家电网公司 | 一种基于谷电分析的电表动态评估系统及方法 |
CN107340492A (zh) * | 2017-05-31 | 2017-11-10 | 国网上海市电力公司 | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 |
CN107529652A (zh) * | 2017-09-11 | 2018-01-02 | 国网天津市电力公司电力科学研究院 | 一种拆回电能表的故障现象相关性分析方法 |
CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
CN108132417A (zh) * | 2017-11-24 | 2018-06-08 | 国网北京市电力公司 | 单相接地故障定位方法和装置 |
CN108257372A (zh) * | 2017-12-05 | 2018-07-06 | 国网浙江省电力公司杭州供电公司 | 自诊断故障采集系统 |
Non-Patent Citations (2)
Title |
---|
JIANGANG HU 等: "Flux Linkage Detection Based Ground Fault Identification and System Diagnosis in High-Resistance Grounding Systems", 《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》 * |
刘卫兵 等: "基于物联网的智能电表实时监测系统", 《仪表技术与传感器》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112684403A (zh) * | 2020-12-08 | 2021-04-20 | 国网四川省电力公司 | 一种基于数据检测的智能电表的故障检测方法 |
CN113655259A (zh) * | 2021-09-01 | 2021-11-16 | 北京京仪北方仪器仪表有限公司 | 一种智能电能表故障报警系统 |
CN113655259B (zh) * | 2021-09-01 | 2025-01-10 | 北京京仪北方仪器仪表有限公司 | 一种智能电能表故障报警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109407039B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106338706B (zh) | 一种电能计量装置整体误差检测的方法、装置和系统 | |
CN106338705B (zh) | 一种用于三相电能计量装置的校验误差的方法和装置 | |
CN105588995B (zh) | 一种电力计量自动化系统线损异常检测方法 | |
CN104965147B (zh) | 低压用户电能表串户检测系统及检测方法 | |
CN102156265A (zh) | 一种电池健康状态测试装置及其方法 | |
CN103472400B (zh) | 一种移动终端电池电量的获取方法和系统 | |
CN106569164A (zh) | 一种双芯电能表电量的同步测试方法及系统 | |
CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和系统 | |
CN102411090A (zh) | 一种自检式电子电能表及其自检方法 | |
CN109407039A (zh) | 智能电表及其系统、自诊断方法和故障检测方法 | |
KR102269887B1 (ko) | 전력량계 검침 장치 및 그것의 검침 방법 | |
CN204989367U (zh) | 低压用户输电线路串户检测系统 | |
CN110826859A (zh) | 一种基于日电量远程识别用户用电性质的方法及系统 | |
CN103529337A (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN103399185A (zh) | 一种基于智能电表反窃电的计算机系统 | |
CN111722173B (zh) | 一种电能表计量故障自检方法及系统 | |
CN104655926A (zh) | 一种能监测用电信息和电费数据的嵌入式终端及其监测方法 | |
CN115060966B (zh) | 一种电量的计量方法、装置及电能表 | |
CN202421328U (zh) | 一种自检式电子电能表 | |
CN109450044A (zh) | 充电桩电能管理方法及系统 | |
CN214011489U (zh) | 一种电动汽车交流充电桩计量装置远程监测系统 | |
CN113269478B (zh) | 一种基于多模型的集中器异常数据提醒方法及系统 | |
CN113792256B (zh) | 低压电流互感器计量性能评估方法、装置以及电子设备 | |
CN114966475A (zh) | 一种电能计量装置送电前异常接线智能检测系统及方法 | |
US11061056B2 (en) | Voltage rating validator for advanced metering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |