华能交流采样变送器校验装置试验流程 交流变送器校验仪
HN8002A三相多功能交流采样变送器检定装置!
可半自动或手动检验电力系统中工频电表(电压表、电流表、功率表、频率表、功率因数表、相位表)的基本误差,电压、电流、波形、功率因数等影响量引起的改变量等。可自动检验交流采样装置和电测量变送器(电压变送器、电流变送器、功率变送器、频率变送器、功率因数变送器、电能变送器)的基本误差,电压、电流、波形、功率因数等影响量引起的改变量等
注意事项:
进行电表检定前,通电预热至少20分钟。关机后至少30秒再开机。
电压输出不要短路,电流输出不要开路。
对于装置的交流电流输出端和钳型电表电流输出端,彼此必须有一个是处在开路状态,不能同时处在接负载或短路状态。
由于交直流大小电压、电流分不同的输出端,因此校表时请注意接线。
若要改变电压或电流量程,先降电压或电流为零。
校验交直流mV表必须使用五芯头测试线(装置送上级部门检测时,此线必须携带)。
校验交直流uA、mA和电阻表必须使用两芯测试线(装置送上级部门检测时,此线必须携带)。校验交流mA表时,为增抗能力,请将交流mA输出低端与装置外壳相连。
三、 主要技术指标
3.1 交流电压量程 200mV、400mV、2000mV、4000mV、20V、100V、200V、500V、1000V
输出容量 20VA;
3.2 交流电流量程 2mA、4mA、20mA、40mA、0.2A、0.5A、2A、5A、10A、20A
输出容量 20VA;
3.3 交流电压、电流调节范围 0~120% FS(1000V量程除外) 调节细度 5×10-5;
3.4 工频交流电压20V~1000V量程 准确度±(0.03%RD+0.02%FS); 稳定度≤0.01% FS /60s;
200mV~4000mV量程 准确度±(0.3%RD+0.2%FS); 稳定度≤0.04% FS /60s;
工频交流电流0.2A~20A量程 准确度±(0.03%RD+0.02%FS); 稳定度≤0.01% FS /60s;
2mA~40mA量程 准确度±(0.3%RD+0.2%FS); 稳定度≤0.04% FS /60s;
3.5 频 率 调节范围 45~65Hz, 调节细度 0.001Hz, 调定值准确度 0.01Hz;
3.6 交流电压、电流输出波形失真度 ≤0.3%;
3.7 谐波2~31次,幅度0~20%,各次谐波相位细度0.010·N(N为谐波次数);
3.8 钳形表200A线圈准确度±0.2%;600A线圈准确度±0.5%;1000A线圈准确度±1%;
指示仪表参数输入框
该输入框中包括了表的所有铭牌信息,其中:
计量编号:在了“添加数据”或“修改数据”按钮的情况下,可在此处自行输入表的计量编号,否则只能显示表的计量编号。在显示表的计量编号时,可通过“|◄”、“◄”、“►”、“►|”改变表的计量编号,以选择查看其它表的信息。
出厂编号:表的出厂编号,可在此处自行输入表的出厂编号。
仪表类型:选择或显示表的类型。该信息只能在系统内置的类型(交流电压表、交流电流表、频率表、直流电压表、直流电流表、mV输出电流表、钳形交流电流表、万用表)中选择,不能自行输入。“mV输出电流表”是指输入为mV直流电压,显示值为电流的直流电流表。当仪表类型为钳形交流电流表时,其电流变比的二次值必须输入为“10A”,并使用“钳形表校验线圈”进行校验。
仪表型号:表的型号。该信息可在系统预置的型号(预置方法见6. 4“预置信息输入”)中选择,也可自行输入。在“仪表型号”栏中输入完型号后,若想保存该型号到系统预置的型号中方便以后直接选择,则在输入栏中鼠标的右键后,会弹出“存储该数据”、“删除该数据”的按钮,
“存储该数据”按钮可以保存到系统预置的型号中了。同样,若想删除系统预置型号中某个型号时,可在“仪表型号”栏中选出该型号后,鼠标的右键,弹出“存储该数据”、“删除该数据”的选择按钮后,“删除该数据”按钮可以删除系统预置型号中的该型号。
准确度等级:表的准确度等级。该信息只能在系统预置的等级(预置方法见6.4“预置信息输入”)中选择,不能自行输入。
出厂日期:表的出厂日期。该信息只能在该栏目的下拉框中设置,不能自行输入。
检定周期:表的检定周期,以年为单位输入数字即可。
送检单位:表的送检单位。该信息可以在系统预置的送检单位(预置方法见6.4“预置信息输入”)中选择,也可以自行输入。与“仪表型号”输入方法相似,可参照“仪表型号”的输入方法。
制造厂:表的制造厂。该信息可以在系统预置的制造厂(预置方法见6.4“预置信息输入”)中选择,也可以自行输入。与“仪表型号”输入方法相似,可参照“仪表型号”的输入方法。
室内多径产生的检测点群目标跟踪算法主要用于对室内环境下多个运动目标进行和稳定跟踪。此算法会对原始检测点进行有效聚类,得到不同目标类簇,然后借助扩展卡尔曼滤波算法对不同簇进行跟踪滤波处理,后得到稳定的运动目标航迹。分类人与非人物体算法主要用于人与带有微动的物体(如转动的电风扇、飘动的窗帘等)的区分。微动的物体具有一定的多普勒速度,容易引起毫米波雷达传感器的误判,对其进行跟踪输出。分类人与非人物体算法会统计人与微动物体的特性,提取有效特征,进行目标分类,后只输出人员的跟踪结果。