[发明专利]一种分离式电表及控制方法在审

专利信息
申请号: 202211150980.4 申请日: 2022-09-21
公开(公告)号: CN115512486A 公开(公告)日: 2022-12-23
发明(设计)人: 石峰;李超;李波 申请(专利权)人: 石峰
主分类号: G07F15/00 分类号: G07F15/00;G06K9/62;G06N3/04;G06N3/08;H04L9/08;H04L43/02;H04L43/0823;H04L67/12
代理公司: 北京权智天下知识产权代理事务所(普通合伙) 11638 代理人: 袁满
地址: 221000 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 分离 电表 控制 方法
【权利要求书】:

1.一种分离式电表,其特征在于,包括数据采集模块和功能模块,所述数据采集模块用于采集实时电能数据,所述功能模块内配置有多个功能单元用于多所述实时电能数据进行处理得到目标结果;多个所述功能单元包括故障监测子单元、数据存储子单元和双向通信子单元,所述故障监测子单元基于获取所述数据采集模块的多个电表性能数据进行故障预测,所述数据存储子单元基于数据存储策略对所述实时电能数据和多个所述电表性能数据进行存储,得到历史电能数据和历史电表性能数据;所述双向通信子单元基于数据采集策略对所述历史电能数据和历史电表性能数据发送至对应的数据采集终端。

2.根据权利要求1所述的分离式电表,其特征在于,所述数据存储子单元包括电能数据存储子单元和电表性能数据存储子单元:所述电表性能数据存储子单元包括第一电表性能数据存储子单元和第二电表性能数据存储子单元,所述第一电表性能数据子单元用于存储异常电表性能数据,所述第二电表性能数据子单元用于存储非异常电表性能数据;所述双向通信子单元基于所述数据采集策略对所述第一电表性能数据子单元、所述第二电表性能数据子单元中的电表性能数据发送至对应的数据采集终端。

3.根据权利要求2所述的分离式电表,其特征在于,所述第一电表性能存储子单元对应的采集策略为同步采集,所述第二电表性能存储子单元对应的采集策略为异步采集。

4.根据权利要求1所述的分离式电表,其特征在于,所述双向通信子单元包括收发模块和加密模块,所述加密模块用于对采集到的数据进行加密。

5.一种分离式电表控制方法,其特征在于,基于权利要求1-4任一项所述的分离式电表,所述方法包括:

基于所述故障监测子单元实时获取多个所述电表性能数据;

基于预设置的第一判定条件对多个所述电表性能数据进行故障检测,所述第一判定条件中设置有与多个所述电表性能数据对应的多个判定阈值,当多个所述电表性能数据不满足判定阈值时,将所述电表性能数据通过双向通信终端发送至对应的数据采集终端,当多个所述电表性能数据满足判定阈值时,将所述电表性能数据存储至第二电表性能存储子单元;

基于预设置的故障检测方法基于有一定时间间隔采集所述第二电表性能存储子单元中的多个连续时间段内的多个电表性能数据,并对多个连续时间段内的多个电表性能数据进行故障检测;

当检测结果为异常时,将多个连续时间段内的多个电表性能数据存储并同步发送至第一电表性能存储子单元,并通过第一电表性能存储子单元发送至对应的数据采集终端;当检测结果为正常时,将多个连续时间段内的多个电表性能数据基于预设的发送时间发送至对应的数据采集终端。

6.根据权利要求5所述的分离式电表控制方法,其特征在于,所述方法还包括,所述第一电表性能存储子单元、所述第二电表性能存储子单元将多个连续时间段内的多个电表性能数据发送至对应的数据采集终端中通过所述加密模块对所述多个电表性能数据进行加密处理。

7.根据权利要求6所述的分离式电表控制方法,其特征在于,所述加密处理包括对多个所述电表性能数据通过映射关系进行映射加密。

8.根据权利要求5所述的分离式电表控制方法,其特征在于,基于预设置的故障检测方法基于有一定时间间隔采集所述第二电表性能存储子单元中的多个连续时间段内的多个电表性能数据,并对多个连续时间段内的多个电表性能数据进行故障检测,包括:通过故障检测模型对多个连续时间段内的多个电表性能数据进行故障检测;所述故障检测模型为训练后呈收敛状态的卷积神经网络,所述卷积神经网络包括2个卷积层、2个池化层和1个全连接层。

9.根据权利要求8所述的分离式电表控制方法,其特征在于,通过故障检测模型对多个连续时间段内的多个电表性能数据进行故障检测,包括:

将多个连续时间段内的多个电表性能数据构建以多个时序数据;

将多个时序数据基于滑动窗口进行特征提取构建特征矩阵;

将所述特征矩阵作为输入至所述卷积神经网络中基于损失函数的损失阈值判断是否具有异常。

10.根据权利要求9所述的分离式电表控制方法,其特征在于,所述卷积神经网络的训练方法包括:

获取历史故障数据集作为训练集输入至初始卷积神经网络中;

基于滑动窗口进行输入矩阵构建;

以输入矩阵为输入变量,对应的故障类别为输出变量,通过正向传播和反向传播获取的损失函数满足收敛状态并对所述初始卷积神经网络中的参数进行更新得到训练后的神经网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于石峰,未经石峰许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211150980.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top