duts 数据集_IEC61850测试概述
1
IEC61850
测试概述
1
测试环境及要求
1.1
测试环境
测试设备：
DUTs
(被测设备)
，通信设备(网线，
Hub
等)
，客户端模拟器或服务器
模拟器(使用
KEMA
规约测试软件模拟
SAS
系统中客户－服务器的测试场景)
，负荷模
拟器(模拟网络上的背景负荷)
，用于时间同步的主机，一个
HMI
做独立的测试系统监
视。以上模拟器均采用便携机上运行
KEMA
软件实现。
测试配置：最小的测试设置包括对站总线，过程总线和
DUTs
(被测设备)的配置描
述。
测试场景：在一个客户－服务器的标准场景中，测试系统为服务器设备，客户设备
和可作为两者的设备提供连接点。
1.2
制造商应提供以下内容
：
1)
被测设备；
2)
协议实现一致性陈述(
PICS
)
。
3)
测试协议实现之外的信息(
PIXIT
)
；
4)
模型实现一致性陈述(
MICS
)
；
5)
设备安装和操作的详细指导手册；
6)
ICD
(
IED
能力描述)文件。
其中，
PICS
和
MICS
的格式见
IEC61850
－
7
－
2
的附录
A
。
2
测试过程
2.1
测试过程要求
1)
测试用例描述测试什么，测试过程描述一个测试工程师或测试系统如何进行测
试；
2)
测试内容包括引用文件中引用的适当段落；
3)
测试结果能在同一个实验室和在另一实验室重复；
4)
支持最少人为干预的自动测试；
5)
测试应集中在工厂或现场验收测试时不易测试的情况，避免互操作的风险，例
如：
检验设备在延迟、丢失、双重和超出范围的情况；
配置、实现和操作风险；
名字、参数、设置或数据类型等不匹配；
超过一定限值、范围或超时；
强制情况下测试否定响应；
检查所有(控制)状态机制路径；
强制模拟由多个客户进行控制操作。
6)
ACSI
测试集中在应用层(映射)
；
7)
被测设备(
DUT
)做为一个黑盒子考虑，为了测试可以使用
I/O
和通信接口；
8)
测试包括测试变量、数据模型和配置文件以及使用适当的
ISO9646
术语。
duts 数据集_IEC61850测试概述相关推荐
- Software Engineering at Google翻译-III-11-Testing overview（测试概述）
参考: https://github.com/daizhenhong/swe-at-google/blob/main/Part_III_Processes/total/Chapter-11-total ...
- Python计算训练数据集（测试集）中某个分类变量阴性(阳性)标签样本的不同水平（level）或者分类值的统计个数以及比例
Python计算训练数据集(测试集)中某个分类变量阴性(阳性)标签样本的不同水平(level)或者分类值的统计个数以及比例 目录
- Dataset：(公交车、恐龙、大象、花朵、骏马)六类图片数据集(AutoKeras测试)的简介、下载、使用方法之详细攻略
Dataset:(公交车.恐龙.大象.花朵.骏马)六类图片数据集(AutoKeras测试)的简介.下载.使用方法之详细攻略 目录 数据集简介 数据集下载 数据集使用方法 数据集简介 图片数据集简介:其 ...
- MAT之ELM：ELM实现鸢尾花(iris数据集)种类测试集预测识别正确率(better)结果对比
MAT之ELM:ELM实现鸢尾花(iris数据集)种类测试集预测识别正确率(better)结果对比 目录 输出结果 实现代码 输出结果 实现代码 load iris_data.mat P_train ...
- iris数据_MAT之ELM：ELM实现鸢尾花(iris数据集)种类测试集预测识别正确率(better)结果对比...
MAT之ELM:ELM实现鸢尾花(iris数据集)种类测试集预测识别正确率(better)结果对比 目录 输出结果 实现代码 输出结果 实现代码 load iris_data.mat P_trai ...
- MMDetection（三）：公开数据集上测试和训练模型
MMDetection(三):公开数据集上测试和训练模型 1. 准备数据集 2. 测试数据集 2.1 举例 2.2 网络摄像头演示 2.3 测试图像和视频的同步接口 3. 训练模型 3.1 使用单个G ...
- MMdetection3d环境搭建、使用MMdetection3d做3D目标检测训练自己的数据集、测试、可视化，以及常见的错误
MMdetection3d环境搭建.使用MMdetection3d做3D目标检测训练自己的数据集.测试.可视化,以及常见的错误 1 mmdetection3d环境搭建与测试 1.1 从docker开始 ...
- 43-为什么要训练数据集与测试数据集
为什么要训练数据集与测试数据集? 在上一篇博客主要学习了过拟合和欠拟合的概念.在后面的学习中慢慢就会发现机器学习中主要处理的是过拟合问题. 现在我们仔细观察一下在上一篇博客最后得到的过拟合的曲 ...
- ADS-B原理及ADS-B OUT功能验证测试概述
ADS-B原理及ADS-B OUT功能验证测试概述 1.ADS-B技术简介 广播式自动相关监视(ADS-B)是国际民航组织(ICAO)为了未来航空运输发展的需要,以卫星技术.数据通信技术和计算机技术为 ...
- 机器学习——线性回归与决策树实验（附效果以及完整代码）（数据集、测试集开源）
机器学习实验 实验名称:实验一.线性回归与决策树 一.实验目的 (1)掌握线性回归算法和决策树算法 ID3 的原理: (2)学会线性回归算法和决策树算法 ID3 的实现和使用方法. 二.实验内容 本次 ...
最新文章
- 右键新建里面没有word和excel_Windows10系统下如何将Sublime Text3添加到右键快捷菜单？...
- 微服务架构之「 服务注册 」
- Windows 10 UWP开发：如何不让界面卡死
- 打印对象和toString方法
- c语言for循环语句java,C语言三种类型的循环语句
- hdu 1534(差分约束)
- iOS中XML解析汇总
- c语言二叉树的生成,C语言实现二叉树的创建以及遍历（递归）
- L1-015. 跟奥巴马一起画方块-PAT团体程序设计天梯赛GPLT
- 基于python的ROOT-MUSIC算法
- PC蛋蛋 按键精灵手机助手 安装+拉代码(视频)
- python3 [入门基础实战] 爬虫入门之刷博客浏览量
- 经典作品推荐CLANNAD(含下载、汉化、周边和攻略,真正全语音)
- 信号与系统奥本海姆_魏小石 “奥本海姆、电子信息系统与20世纪民间传统音乐”讲座预告...
- SCADS简介及应用
- rabbitmq创建账号
- 通过朋友网信息查找QQ号～
- 期货反向跟单-聊点感悟
- 采用策略分布曲线评估信用风险模型的效果
- 解决 Windows 11和 Manjaro 21.2.5 Linux双系统时间不同步（时间不一致）问题：差8小时的问题