摘要：短路、漏电、电动自行车违规充电等易引发跳闸、火灾等安全事故,因此本文设计一种非侵入式智能安全用电监测终端。采用精密电阻分压和高精度零磁通电流传感器实现电压和电流模拟信号的测量,通过10kHz高频采样完整保留高次谐波特征。应用双核Cortex-A9高级精简指令集计算机(ARM)和Xilinx Artix7现场可编程门阵列(FPGA)作为信息处理单元,可同时处理6路高频采样信号。研究短路、漏电、电动自行车违规充电等异常用电特征,开发基于卷积神经网络模型的非侵入式异常用电识别软件。经测试,所设计的智能安全用电监测终端可准确识别上述典型异常用电事件。

摘要：文章旨在介绍构建异常用电识别特征库的方法。首先,对典型用电负荷特征进行设计,包括峰值、谷值、平均值、功率因数等指标,并将其存储到数据库中。接着,对异常用电负荷的特征进行分析,如突变、周期性、持续时间等,并开发相应算法对其进行处理和提取,最终将得到的特征存入异常用电负荷特征库中。在异常用电识别特征库实现方面,利用机器学习技术,对所提取的异常用电负荷特征进行训练,并生成识别模型,以便快速准确地检测和识别异常用电。通过文章,可以更好地了解异常用电的特点和规律,为电力系统的安全运行提供可靠保障。