• 浪潮孙丕恕从信息时代到智能时代 人工智能价值将爆发式释放 2019-12-21
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
    • / 37
    • 下载费用:30 金币  

    正规重庆时时彩赚钱: 电能表异常诊断方法.pdf

    关 键 词:
    电能表 异常 诊断 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201610794324.6

    申请日:

    2016.08.31

    公开号:

    CN106405475A

    公开日:

    2017.02.15

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01R 35/04申请日:20160831|||公开
    IPC分类号: G01R35/04 主分类号: G01R35/04
    申请人: 国网江苏省电力公司常州供电公司; 国网江苏省电力公司; 国家电网公司
    发明人: 李铭; 王立白; 李芷筠; 张明
    地址: 213001 江苏省常州市天宁区局前街27号
    优先权:
    专利代理机构: 常州市江海阳光知识产权代理有限公司 32214 代理人: 陈晓君
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610794324.6

    授权公告号:

    |||

    法律状态公告日:

    2017.03.15|||2017.02.15

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明涉及一种电能表异常诊断方法,包括如下几个步骤:①通过现场检测和电能信息采集系统获取电表数据和事件数据;②通过步骤①获得的电表数据和事件数据进行单一异常分析,单一异常分析包括6类智能诊断分析模型,每个智能诊断分析模型包括若干个智能诊断主题;③将步骤②得到的智能诊断主题的单一异常分析诊断结果输出给现场检测人员,辅助现场检测人员进行电能表检测和诊断。本发明通过数据比对、统计分析和数据挖掘等技术手段,对电能表的运行工况进行诊断和分析,有效确定电能表是否处于正常运行状态。

    权利要求书

    1.一种电能表异常诊断方法,其特征在于包括如下几个步骤:
    ①通过现场检测和电能信息采集系统获取电表数据和事件数据;
    ②通过步骤①获得的电表数据和事件数据进行单一异常分析,单一异常分析包括电量
    异常诊断、电压电流异常诊断、异常用电诊断、负荷异常诊断、时钟异常诊断、接线异常诊断
    共计6类智能诊断分析模型,每个智能诊断分析模型包括若干个智能诊断主题;
    ③将步骤②得到的智能诊断主题的单一异常分析诊断结果输出给现场检测人员,辅助
    现场检测人员进行电能表检测和诊断。
    2.根据权利要求1所述的电能表异常诊断方法,其特征在于:步骤②中,6类智能诊断分
    析模型包括共27个智能诊断主题,如下所示,每个智能诊断主题包括定义、数据源、诊断方
    法、计算模型、阈值及分级5个项目,其中K和N为各个诊断主题中对应设置的阈值参数,K的
    定义在各个诊断主题中独立、主题间互不干扰,N的定义在各个诊断主题中独立、主题间互
    不干扰:
    1、电量异常诊断模型:包括电能表示值不平、电能表飞走、电能表倒走、电能表停走、电
    能表费率设置异常5个智能诊断主题,如下表:


    2、电压电流异常诊断模型:包括电压断相、电压越限、电压不平衡、高供高计B相异常、
    电流失流、电流不平衡6个智能诊断主题,如下表:



    3、异常用电诊断模型:包括电能表开盖、计量门开闭、恒定磁场干扰、电量差动异常、功
    率差动异常、用户停电6个智能诊断主题,如下表:


    4、负荷异常诊断模型:包括需量超容、负荷超容、电流过流、负荷持续超下限、功率因数
    异常5个智能诊断主题,如下表:


    5、时钟异常诊断模型:包括终端时钟异常、电能表时钟异常2个智能诊断主题,如下表:


    6、接线异常诊断模型:包括反向电量异常、相序异常、潮流反向3个智能诊断主题,如下
    表:


    3.根据权利要求1或2所述的电能表异常诊断方法,其特征在于:步骤①中,事件数据包
    括电能表断相、终端电压回路异常、电能表过压、电能表欠压、终端电压越限;
    电表数据包括三相电压曲线、三相电流曲线、计量回路正向有功总电能示值、比对回路
    正向有功总电能示值。
    4.根据权利要求1至3之一所述的电能表异常诊断方法,其特征在于:步骤①中,对于电
    表数据和事件数据进行筛选,其中事件筛选规则如下:对于采集终端和电能表生成的事件,
    按以下规则筛选:
    (1)同1条事件重复上报,事件内容包括时间均完全相同,只保留第1条;
    (2)同1类事件重复上报,事件名称相同但内容不同,每8h只保留第1条;
    (3)剔除内容不符合通信协议格式要求的事件,包括数据乱码及应填数据为空的情况;
    (4)剔除内容明显有误的事件,包括事件时间早于设备安装时间及事件时间晚于当前
    时间h天后的情况;
    (5)对于应成对出现的事件,若事件不成对则通过曲线数据和终端心跳、登录报文等数
    据进行辅助判断。
    5.根据权利要求4所述的电能表异常诊断方法,其特征在于:h建议值为5。
    6.根据权利要求1至4之一所述的电能表异常诊断方法,其特征在于:步骤①中,对于电
    表数据和事件数据进行筛选,其中数据筛选规则如下:对于采集终端和电能表的数据,按以
    下规则筛?。?br />
    (1)正/反向有功总功率乘倍率的数值大于用户合同容量的a倍,属于异常数据;
    (2)日冻结正/反向电能示值计算得到的电量,大于用户日最大用电量即合同容量×
    24h的b倍,属于异常数据;
    (3)月冻结正/反向电能示值计算得到的电量,大于用户月最大用电量即合同容量×
    24h×30天的c倍,属于异常数据;
    (4)日/月冻结最大需量乘倍率的数值大于用户合同容量的d倍,属于异常数据;
    (5)总加组电能量曲线计算得到的时段电量,大于用户时段最大用电量即合同容量×
    时段长度的e倍,属于异常数据;
    (6)二次侧电压值大于二次侧额定电压值的f倍,属于异常数据;
    (7)二次侧电流值乘倍率大于电流互感器一次侧额定电流值的g倍,属于异常数据。
    7.根据权利要求6所述的电能表异常诊断方法,其特征在于:a建议值为50,b建议值为
    50,c建议值为50,d建议值为50,e建议值为50,f建议值为2,g建议值为2。

    说明书

    电能表异常诊断方法

    技术领域

    本发明属于电能质量检测技术领域,特别涉及一种电能表异常诊断方法。

    背景技术

    近些年来,随着国内电力需求和电网规模的扩大,电压等级不断提升,大容量、高
    电压等级用户不断增多,同时随着分时电价和阶梯电价的实行,电能计量的准确性和可靠
    性已成为社会关注的焦点,检测过程中对于电能表诊断的准确性要求更高,现有的检测过
    程中电能表诊断主要是通过人工的方式在电能表现场进行,现场缺乏数据支持,也非法通
    过程序化的方法进行量化准确判断,都是依靠人工经验数据来判断,容易造成诊断不准确
    或者误诊断的情况,难以满足计量精益化管理需求。

    发明内容

    本发明要解决的技术问题是提供一种通过现场检测数据和电能信息采集系统采
    集数据实现自动对电能表的运行状态进行判断的电能表异常诊断方法。

    实现本发明目的的技术方案是提供一种电能表异常诊断方法,包括如下几个步
    骤:

    ①通过现场检测和电能信息采集系统获取电表数据和事件数据;

    ②通过步骤①获得的电表数据和事件数据进行单一异常分析,单一异常分析包括
    电量异常诊断、电压电流异常诊断、异常用电诊断、负荷异常诊断、时钟异常诊断、接线异常
    诊断共计6类智能诊断分析模型,每个智能诊断分析模型包括若干个智能诊断主题;

    ③将步骤②得到的智能诊断主题的单一异常分析诊断结果输出给现场检测人员,
    辅助现场检测人员进行电能表检测和诊断。

    进一步的,步骤②中,6类智能诊断分析模型包括共27个智能诊断主题,如下所示,
    每个智能诊断主题包括定义、数据源、诊断方法、计算模型、阈值及分级5个项目,其中K和N
    为各个诊断主题中对应设置的阈值参数,K的定义在各个诊断主题中独立、主题间互不干
    扰,N的定义在各个诊断主题中独立、主题间互不干扰:

    1、电量异常诊断模型:包括电能表示值不平、电能表飞走、电能表倒走、电能表停
    走、电能表费率设置异常5个智能诊断主题,如下表:


    2、电压电流异常诊断模型:包括电压断相、电压越限、电压不平衡、高供高计B相异
    常、电流失流、电流不平衡6个智能诊断主题,如下表:




    3、异常用电诊断模型:包括电能表开盖、计量门开闭、恒定磁场干扰、电量差动异
    常、功率差动异常、用户停电6个智能诊断主题,如下表:



    4、负荷异常诊断模型:包括需量超容、负荷超容、电流过流、负荷持续超下限、功率
    因数异常5个智能诊断主题,如下表:



    5、时钟异常诊断模型:包括终端时钟异常、电能表时钟异常2个智能诊断主题,如
    下表:



    6、接线异常诊断模型:包括反向电量异常、相序异常、潮流反向3个智能诊断主题,
    如下表:



    进一步的,所述电能表异常诊断方法还包括如下步骤:根据步骤②得到的智能诊
    断主题的单一异常分析诊断结果,对不同的智能诊断主题间的关联关系进行异常关联分析
    并建立关联度模型从而得到进一步智能诊断结果;异常关联分析的方法是对任意2个智能
    诊断主题同时发生时建立关联度模型,关联度模型的进一步智能诊断结果包括疑似窃电、
    设备故障、错接线、配变需扩容、现场维护、电池失效、回路异常、用电异常8类,任2个智能诊
    断主题同时发生时归类到8类进一步智能诊断结果之一或无进一步智能诊断结果,当归类
    到8类进一步智能诊断结果之一时,通过分析得到关联度模型的关联度;关联度用以表示某
    2个智能诊断主题同时发生时,进一步智能诊断结果发生的可能程度,用百分比表示;并将
    得到的进一步智能诊断结果输出给现场检测人员,辅助现场检测人员进行电能表检测和诊
    断。

    关联度模型包括归类到8类进一步智能诊断结果的共108个模型,如下所示:

    疑似窃电:



    设备故障:



    错接线: 序号
    关联主题1
    关联主题2
    关联度
    1
    潮流反向
    高供高计B相异常
    0.6
    2
    潮流反向
    电量差动异常
    1.0
    3
    潮流反向
    功率因数异常
    0.3
    4
    潮流反向
    反向电量异常
    1.0
    5
    相序异常
    高供高计B相异常
    0.6
    6
    相序异常
    电流失流
    0.6
    7
    相序异常
    电流不平衡
    0.6
    8
    相序异常
    电量差动异常
    1.0
    9
    相序异常
    功率差动异常
    1.0
    10
    相序异常
    负荷持续超下限
    0.3
    11
    相序异常
    功率因数异常
    0.3
    12
    相序异常
    反向电量异常
    0.3
    13
    反向电量异常
    电流不平衡
    0.6
    14
    反向电量异常
    电量差动异常
    1.0
    15
    反向电量异常
    功率因数异常
    0.3
    16
    电压不平衡
    功率差动异常
    0.6

    配变需扩容: 序号
    关联主题1
    关联主题2
    关联度
    1
    需量超容
    电流过流
    1.0
    2
    需量超容
    负荷超容
    1.0
    3
    负荷超容
    电流过流
    1.0

    现场维护: 序号
    关联主题1
    关联主题2
    关联度
    1
    计量门开闭
    电能表时钟异常
    0.3
    2
    计量门开闭
    终端时钟异常
    0.3
    3
    计量门开闭
    用户停电
    0.6
    4
    计量门开闭
    电能表飞走
    1.0

    电池失效: 序号
    关联主题1
    关联主题2
    关联度
    1
    用户停电
    电能表时钟异常
    0.6
    2
    用户停电
    终端时钟异常
    0.6

    回路异常: 序号
    关联主题1
    关联主题2
    关联度
    1
    电流不平衡
    电压越限
    0.6
    2
    电流不平衡
    电流过流
    1.0
    3
    电流不平衡
    功率因数异常
    1.0
    4
    电压断相
    电流失流
    1.0
    5
    电压越限
    电压不平衡
    1.0

    用电异常: 序号
    关联主题1
    关联主题2
    关联度
    1
    负荷持续超下限
    功率因数异常
    0.3
    2
    电压不平衡
    电流不平衡
    0.6

    进一步的,步骤①中,事件数据包括电能表断相、终端电压回路异常、电能表 过
    压、电能表欠压、终端电压越限;

    电表数据包括三相电压曲线、三相电流曲线、计量回路正向有功总电能示值、比对
    回路正向有功总电能示值。

    进一步的,步骤①中,对于电表数据和事件数据进行筛选,其中事件筛选规则如
    下:对于采集终端和电能表生成的事件,按以下规则筛选:

    (1)同1条事件重复上报,事件内容包括时间均完全相同,只保留第1条;

    (2)同1类事件重复上报,事件名称相同但内容不同,每8h只保留第1条;

    (3)剔除内容不符合通信协议格式要求的事件,包括数据乱码及应填数据为空的
    情况;

    (4)剔除内容明显有误的事件,包括事件时间早于设备安装时间及事件时间晚于
    当前时间h天后的情况(h建议值为5);

    (5)对于应成对出现的事件,若事件不成对则通过曲线数据和终端心跳、登录报文
    等数据进行辅助判断。

    进一步的,步骤①中,对于电表数据和事件数据进行筛选,其中数据筛选规则如
    下:对于采集终端和电能表的数据,按以下规则筛?。?br />

    (1)正/反向有功总功率乘倍率的数值大于用户合同容量的a倍(a建议值为50),属
    于异常数据;

    (2)日冻结正/反向电能示值计算得到的电量,大于用户日最大用电量(合同容量
    ×24h)的b倍(b建议值为50),属于异常数据;

    (3)月冻结正/反向电能示值计算得到的电量,大于用户月最大用电量(合同容量
    ×24h×30天)的c倍(c建议值为50),属于异常数据;

    (4)日/月冻结最大需量乘倍率的数值大于用户合同容量的d倍(d建议值为50),属
    于异常数据;

    (5)总加组电能量曲线计算得到的时段电量,大于用户时段最大用电量(合同容量
    ×时段长度)的e倍(e建议值为50),属于异常数据;

    (6)二次侧电压值大于二次侧额定电压值的f倍(f建议值为2),属于异常数据;

    (7)二次侧电流值乘倍率大于电流互感器一次侧额定电流值的g倍(g建议值为2),
    属于异常数据。

    本发明具有积极的效果:(1)本发明的电能表异常诊断方法通过用现场检测数据
    和电能信息采集系统的采集数据实现对电能表数据的采集与处理,并在通过数据比 对、统
    计分析和数据挖掘等技术手段,对电能表的运行工况进行诊断和分析,确定电能表是否处
    于正常运行状态。

    (2)本发明的电能表异常诊断方法通过量化建立诊断模型的方法来判断故障提高
    了现场诊断的准确性,避免了人工诊断的误判断或者判断不准确的情况。

    (3)本发明的电能表异常诊断方法提高了现场检测的效率,缩短了现场检测的时
    间。

    (4)本发明的电能表异常诊断方法能快速准确的解答用电客户的对于诊断结果的
    疑惑,提高了现场检测的服务质量。

    (5)本发明的电能表异常诊断方法的现场诊断数据更加全面,解决了原先现场诊
    断缺乏数据支持的情况。

    具体实施方式

    (实施例1)

    本实施例的电能表异常诊断方法是通过现场检测和电能信息采集系统(也称用电
    信息采集系统)实现对电能表数据的采集与处理,并在采集系统主站通过数据比对、统计分
    析和数据挖掘等技术手段,对电能表的运行工况进行诊断和分析,确定电能表是否处于正
    常运行状态。

    智能诊断的数据来源包括电能表和采集终端中的电能计量数据、运行工况数据和
    事件记录等各类数据。通过对电能表、采集终端各类数据的产生条件、关联关系的分析,结
    合相关业务应用需求,研究确定了单一设备分析、期间分析和群分析等智能诊断模型。

    本实施例的电能表异常诊断方法通过以下步骤实现现场智能诊断:

    ①通过现场检测和电能信息采集系统获取电表数据和事件数据。

    其中,事件数据包括电能表断相、终端电压回路异常、电能表过压、电能表欠压、终
    端电压越限等;

    电表数据包括三相电压曲线、三相电流曲线、计量回路正向有功总电能示值、比对
    回路正向有功总电能示值等。

    对于电表数据和事件数据进行筛选,其中事件筛选规则如下:对于采集终端和电
    能表生成的事件,按以下规则筛选:

    (1)同1条事件重复上报,事件内容包括时间均完全相同,只保留第1条。

    (2)同1类事件重复上报,事件名称相同但内容不同,每8h只保留第1条。

    (3)剔除内容不符合通信协议格式要求的事件,包括数据乱码及应填数据为空 的
    情况。

    (4)剔除内容明显有误的事件,包括事件时间早于设备安装时间及事件时间晚于
    当前时间h天后的情况(h建议值为5)。

    (5)对于应成对出现的事件,若事件不成对则通过曲线数据和终端心跳、登录报文
    等数据进行辅助判断。

    数据筛选规则如下:对于采集终端和电能表的数据,按以下规则筛?。?br />

    (1)正/反向有功总功率乘倍率的数值大于用户合同容量的a倍(a建议值为50),属
    于异常数据。

    (2)日冻结正/反向电能示值计算得到的电量,大于用户日最大用电量(合同容量
    ×24h)的b倍(b建议值为50),属于异常数据。

    (3)月冻结正/反向电能示值计算得到的电量,大于用户月最大用电量(合同容量
    ×24h×30天)的c倍(c建议值为50),属于异常数据。

    (4)日/月冻结最大需量乘倍率的数值大于用户合同容量的d倍(d建议值为50),属
    于异常数据。

    (5)总加组电能量曲线计算得到的时段电量,大于用户时段最大用电量(合同容量
    ×时段长度)的e倍(e建议值为50),属于异常数据。

    (6)二次侧电压值大于二次侧额定电压值的f倍(f建议值为2),属于异常数据。

    (7)二次侧电流值乘倍率大于电流互感器一次侧额定电流值的g倍(g建议值为2),
    属于异常数据。

    ②通过步骤①获得的电表数据和事件数据进行单一异常分析,单一异常分析包括
    电量异常诊断、电压电流异常诊断、异常用电诊断、负荷异常诊断、时钟异常诊断、接线异常
    诊断6类智能诊断分析模型共27个智能诊断主题,如下所示,每个智能诊断主题包括定义、
    数据源、诊断方法、计算模型、阈值即分级5个项目,其中K和N为各个诊断主题中对应设置的
    阈值参数,K的定义在各个诊断主题中独立、主题间互不干扰,N的定义在各个诊断主题中独
    立、主题间互不干扰:

    1、电量异常诊断模型:包括电能表示值不平、电能表飞走、电能表倒走、电能表停
    走、电能表费率设置异常5个智能诊断主题,如下表:


    2、电压电流异常诊断模型:包括电压断相、电压越限、电压不平衡、高供高计B相异
    常、电流失流、电流不平衡6个智能诊断主题,如下表:




    3、异常用电诊断模型:包括电能表开盖、计量门开闭、恒定磁场干扰、电量差动异
    常、功率差动异常、用户停电6个智能诊断主题,如下表:



    4、负荷异常诊断模型:包括需量超容、负荷超容、电流过流、负荷持续超下限、功率
    因数异常5个智能诊断主题,如下表:



    5、时钟异常诊断模型:包括终端时钟异常、电能表时钟异常2个智能诊断主题,如
    下表:



    6、接线异常诊断模型:包括反向电量异常、相序异常、潮流反向3个智能诊断主题,
    如下表:



    将步骤②得到的智能诊断主题的单一异常分析诊断结果输出给现场检测人员,辅
    助现场检测人员进行电能表检测和诊断,从而实现通过智能分析和现场维护的方式完成电
    能表设备故障的排查、处理。

    进一步的,本实施例的电能表异常诊断方法还可以根据步骤②得到的智能诊断主
    题的单一异常分析诊断结果,对不同的智能诊断主题间的关联关系进行异常关联分析并建
    立关联度模型从而得到进一步智能诊断结果,进一步提高对异常信息、故障信息诊断的准
    确度。异常关联分析的方法是对任意2个诊断主题同时发生时建立关联度模型,关联度模型
    的进一步智能诊断结果包括疑似窃电、设备故障、错接线、配变需扩容、现场维护、电池失
    效、回路异常、用电异常8类,任2个诊断主题同时发生时归类到8类进一步智能诊断结果之
    一或无进一步智能诊断结果,当归类到8类进一步智能诊断结果之一时,通过分析得到关联
    度模型的关联度;关联度用以表示某2个诊断主题同时发生时,进一步智能诊断结果发生的
    可能程度,用百分比表示,例如当关联主题1“潮流反向”和关联主题2“高供高计B相异?!蓖?br />时发生时,归类到“错接线”的进一步智能诊断结果,关联度为0.6,即当关联主题1“潮流反
    向”和关联主题2“高供高计B相异?!蓖狈⑸?,“错接线”的发生可能程度为60%。关联度
    模型包括归类到8类进一步智能诊断结果的共108个模型:

    (一)疑似窃电:



    (二)设备故障:



    (三)错接线: 序号
    关联主题1
    关联主题2
    关联度
    17
    潮流反向
    高供高计B相异常
    0.6
    18
    潮流反向
    电量差动异常
    1.0
    19
    潮流反向
    功率因数异常
    0.3
    20
    潮流反向
    反向电量异常
    1.0
    21
    相序异常
    高供高计B相异常
    0.6
    22
    相序异常
    电流失流
    0.6
    23
    相序异常
    电流不平衡
    0.6
    24
    相序异常
    电量差动异常
    1.0
    25
    相序异常
    功率差动异常
    1.0
    26
    相序异常
    负荷持续超下限
    0.3
    27
    相序异常
    功率因数异常
    0.3
    28
    相序异常
    反向电量异常
    0.3
    29
    反向电量异常
    电流不平衡
    0.6
    30
    反向电量异常
    电量差动异常
    1.0
    31
    反向电量异常
    功率因数异常
    0.3
    32
    电压不平衡
    功率差动异常
    0.6

    (四)配变需扩容: 序号
    关联主题1
    关联主题2
    关联度
    4
    需量超容
    电流过流
    1.0
    5
    需量超容
    负荷超容
    1.0
    6
    负荷超容
    电流过流
    1.0

    (五)现场维护: 序号
    关联主题1
    关联主题2
    关联度
    5
    计量门开闭
    电能表时钟异常
    0.3
    6
    计量门开闭
    终端时钟异常
    0.3
    7
    计量门开闭
    用户停电
    0.6
    8
    计量门开闭
    电能表飞走
    1.0

    (六)电池失效: 序号
    关联主题1
    关联主题2
    关联度
    3
    用户停电
    电能表时钟异常
    0.6
    4
    用户停电
    终端时钟异常
    0.6

    (七)回路异常:



    (八)用电异常: 序号
    关联主题1
    关联主题2
    关联度
    3
    负荷持续超下限
    功率因数异常
    0.3
    4
    电压不平衡
    电流不平衡
    0.6

    将得到的进一步智能诊断结果输出给现场检测人员,辅助现场检测人员进行电能
    表检测和诊断,从而实现通过智能分析和现场维护的方式完成电能表设备故障的排查、处
    理。

    显然,上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的
    实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其
    它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发
    明的精神所引伸出的显而易见的变化或变动仍处于本发明的?;し段е?。

       内容来自专利网重庆时时彩单双窍门 www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:电能表异常诊断方法.pdf
    链接地址://www.4mum.com.cn/p-6014244.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 浪潮孙丕恕从信息时代到智能时代 人工智能价值将爆发式释放 2019-12-21
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 012彩票网首页 秒速飞艇开奖结果官网 快速时时彩能玩吗 湖南红中麻将怎么玩 打麻将单机版小游戏 广州快乐十分现场开奖 本期福彩中奖号是什么意思 山东省彩票开奖时间表 天津时时彩 易发棋牌游戏二维码 时时彩技巧 新时时彩走势分析 青海快3 赚钱其实很简单txt 风采好运彩3 河南11选5开奖查询