摘要
本发明公开了基于导轨式电能表的智能监测方法,涉及电能表监测技术领域,包括以下步骤:通过导轨式电能表内置的高精度电流传感器实时采集负载回路中的电流波形数据;基于过零检测逻辑确定零交越点的位置,记录每个检测到的零交越点对应的时间戳,围绕每一个检测到的零交越点,提取一个固定长度的小窗口波形数据段,形成一个零交越邻域波形子集。本发明通过机器学习模型对电流波形畸变进行智能预测,并且根据畸变程度自适应调整零交越点的判定灵敏度,减少由电流波形畸变引发的误判,避免因极性误判导致继电器误动作和负载切换错误等问题,有效提升了导轨式电能表的智能化水平和可靠性,确保设备在复杂电网环境下的高效稳定运行。
技术关键词
电流波形畸变
导轨式电能表
智能监测方法
机器学习模型
特征工程技术
邻域
高精度电流传感器
过零检测
非线性
电能表监测技术
采样点
幅值
表达式
智能监测系统
电流值
风险
因子
指数
系统为您推荐了相关专利信息
车道
车流量数据
大数据
车辆快速通行
路径规划技术
智能监测方法
径向基神经网络
智能电网
电气设备运行状态
数据画像
多模型
机器学习模型
深度学习模型
能量分布特征
多维特征向量
商品定价方法
Stackelberg博弈模型
机器学习模型
统计特征
商品销售数据