我最近在做关于非入侵设备的项目。 在那期间，我读了比较多的论文。 电气设备的识别非常重要。 这个项目是为了更大地调节负荷以应对电网的控制。
电识别的内容实际上进行了很长时间，但网上也有很多资料。 这里是重要的相位差
电压相位差也称为功率角。 虽然我们在很多论文中看到了利用负载电流高次谐波进行识别的内容，但是高次谐波依赖于机器的收集精度。 因为我们实验室的机器每50us收集一次，所以精度很好，但在数据分析上还欠缺。 负载的种类也是特征之一。 负载包括电阻性负载、电阻性负载、电阻性负载、电容性负载等，因此其特征再好不过了。
相位差如上图所示。
够了，别说太多了，打上代码！
volta=recordrow [ (alarmtimerecord [结实铃-ran1[0]] ) 40020002:(alarmtimerecord[结实铃-ran1[0] ) ) 40022220000000655200 . a将矩阵转换为阵列型ampb=recordrow [ (Alarmtimerecord[结实铃- ran1[0] ] ] * 400200023360 ) alarmtimerecord [结实铃- ran 打印(type (volta ) print (size ) volta ) (打印(type ) ampb ) ) # voltA -=voltA.mean ) # volta/(volta ) )。 # fig， ax1=PLT.subplots (# PLT.rcparams [ ' font.sans-serif ' ]=[ ' microsoftyahei ' ] # ax1.set _ xlabel ) '采样点数ax2=ax1.twinx ) ) # ax2.set_ylabel )电流/A label='电流波形') #PLT.legend(loc='upperright ' ) fig.tight _ label 绘图xcorr=correlate (vout ) ) PLT.show ) )图xcorr=core 0) ) print (volta [ :0 ] ) period=1 # )周期为1tmax=5)小时Tolta ) )。结束点=false (dt=Lin spaces (-t[-1]，t [-1 ]， 2 * nsamples-1 (recor erd _ time _ shift=dt [ xcorr.arg max (] recoverd _ phase _ shift=2* pi * ) recorerd_tift ) ) recor erd _ tift 3360 phaseshiftmat=recoverd _ phase _ shiftelse : phaseshiftmat=row _ stack () 这是对相互关系概念的阐述，很多信号分析都需要这个函数，相关概念我并不普及。 博客上有很多鲜艳的斑马。 [电压电流波形图] 65https://img-blog.csdn img.cn/20210207100320677.png？ x-oss-process=image/watermark，type_ZmFuZ3poZW5naGVpdGk，shadow_10，text _ a hr0 CHM6ly9ibg9nlmnzzg 4u bmv0L3 dlara x-oss-process=image/watermark，type_ZmFuZ3poZW5naGVpdGk，shadow_10，text _ a hr0 CHM6ly9ibg9nlmnzzg 4u bmv0L3 dlara