Dynamic Lissajous patterns for real time identification and localization of power quality disturbance
5.0
来源：
Nature
关键字：
neural coding
发布时间：
2025-09-05 19:38
摘要：
本研究提出了一种基于动态Lissajous图案的电力质量扰动实时识别和定位方法，能够有效区分电压下陷、上升、谐波和瞬态等扰动。该方法通过提取Lissajous图案的几何特征，结合自适应阈值，确保在动态和复杂的微电网环境中实现高精度的监测。与传统方法相比，该技术在速度、准确性和抗干扰能力上具有显著优势，适用于现代智能电网和可再生能源集成的应用场景。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0
business_impact
0.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
0.0
team_institution_background
0.0
technical_barrier_competition
0.5
关键证据
提出了一种新颖且计算效率高的方法用于实时识别和定位电力质量扰动
研究表明该方法在动态和复杂环境中表现出高精度
通过几何特征提取和自适应阈值实现了准确的事件检测
真实性检查
否
AI评分总结
本研究提出了一种基于动态Lissajous图案的电力质量扰动实时识别和定位方法，能够有效区分电压下陷、上升、谐波和瞬态等扰动。该方法通过提取Lissajous图案的几何特征，结合自适应阈值，确保在动态和复杂的微电网环境中实现高精度的监测。与传统方法相比，该技术在速度、准确性和抗干扰能力上具有显著优势，适用于现代智能电网和可再生能源集成的应用场景。