CN106503439A - 一种基于数据挖掘的采集故障预警系统的方法 - Google Patents
一种基于数据挖掘的采集故障预警系统的方法 Download PDFInfo
- Publication number
- CN106503439A CN106503439A CN201610916299.4A CN201610916299A CN106503439A CN 106503439 A CN106503439 A CN 106503439A CN 201610916299 A CN201610916299 A CN 201610916299A CN 106503439 A CN106503439 A CN 106503439A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- failure
- grader
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000007418 data mining Methods 0.000 title claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000009825 accumulation Methods 0.000 claims abstract description 4
- 230000008713 feedback mechanism Effects 0.000 claims abstract description 4
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000013450 outlier detection Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000001939 inductive effect Effects 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于数据挖掘的采集故障预警系统的方法。根据积累的故障数据进行数据处理，建立分类器；利用分类器对实时数据流进行处理，分析出故障类型；建立专家知识库；根据故障类型和专家知识库的比对得到结果，结合维护人员的反馈，建立一套反馈机制，把反馈结果和本次故障数据应用在分类器的建立上。本发明智能快速，能够准确地排给出运行故障类型，为采集故障的维护提供技术保障，提高了解决故障的效率。
Description
技术领域
本发明涉及工程实践领域、数据处理技术领域，尤其是一种基于数据挖掘的采集故障预警系统的方法。
背景技术
电力用户用电信息采集系统的全覆盖使得每天生成大量的系统运行日志与故障日志，但由于缺乏相应的数据挖掘算法和工具，导致该部分数据未能得到充分、有效地利用。通过利用数据挖掘技术对用电信息采集系统所存储的海量运行日志与故障日志数据进行分析，设计一个采集系统故障智能预警系统，该系统包括核心数据挖掘算法、技术架构以及业务流程。该系统通过对数据的智能分析，确定故障类型，指导系统维护人员进行针对性故障排查，提高故障定位的精确性，有效提高系统维护的工作效率。该系统为保障用电信息采集系统的稳定运行，建设坚强智能电网提供有力支撑。
发明内容
本发明的目的在于提供一种基于数据挖掘的采集系统故障预警方法，将数据挖掘算法巧妙的应用在采集系统故障处理和预警中，从而达到及时高效地排查采集系统故障的作用。
为实现上述目的，本发明的技术方案是：一种基于数据挖掘的采集故障预警系统的方法，包括如下步骤，
S1：根据积累的故障数据进行数据处理，建立分类器；
S2：利用分类器对实时数据流进行处理，分析出故障类型；
S3：建立专家知识库；
S4：根据故障类型和专家知识库的比对得到结果，结合维护人员的反馈，建立一套反馈机制，把反馈结果和本次故障数据应用在分类器的建立上。
在本发明一实施例中，所述步骤S1具体实现如下，
S11：对历史故障数据进行整理，建立故障数据库用来保存故障数据，对数据进行预处理，除去噪音数据，为下一步做准备；
S12：对数据进行异常点检测，利用利群检测算法、统计学方法、基于距离的方法、基于密度的局部离群点方法或基于偏差的方法进行检测；
S13：利用步骤S12处理后的数据进行分类器的建立，应用决策树归纳算法，采用增益率作为分裂准则，对采集系统最近5年的数据采取交叉验证的策略，随机选择2/3用于训练决策树，剩余部分用于测试。
在本发明一实施例中，所述步骤S2具体实现如下，
S21：用电信息采集系统捕捉系统故障的实时数据；
S22：对实时数据进行实时监测，主要进行故障数据的筛选，接着利用分类器对故障数据进行分类，得到故障的类型，发出带有故障类型的警报，若诊断不出故障类型，则发出不确定故障类型的警报；
S23：根据故障类型的分类结果进行专家知识库的匹配，找到故障原因以及相应的故障处理建议，提供给维护人员参考；
S24：维护人员进行现场维护，根据维护现场的结果对故障信息进行一个反馈，最终将此次故障转入故障数据库并把维修经验总结到专家知识库。
在本发明一实施例中，所述步骤S22中，故障的类型包括：互感器故障、电能表故障、电能量采集终端故障、网络通信故障、主站故障、其他故障。
相较于现有技术，本发明具有以下有益效果：
本发明基于数据挖掘的采集故障预警的方法通过利用异常点检测以及决策树分类技术设计数据挖掘模块，提出建立专家知识数据库以及自适应的学习系统的模块，不断地优化和更新系统，从而提供一个高效、完善的故障预警处理系统。该系统智能快速，能够准确地排给出运行故障类型，为采集故障的维护提供技术保障，提高了解决故障的效率。
附图说明
图1为本发明实施例提供的一种基于数据挖掘采集故障系统方法分类器构建的流程图。
图2为本发明实施例提供的一种基于数据挖掘采集故障系统方法整体系统用例图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
如图1所示，本发明的一种基于数据挖掘的采集故障预警系统的方法，包括如下步骤，
S1：根据积累的故障数据进行数据处理，建立分类器；
S2：利用分类器对实时数据流进行处理，分析出故障类型；
S3：建立专家知识库（根据系统运行维护专家和一线运行维护人员先验经验建立）；
S4：根据故障类型和专家知识库的比对得到结果，结合维护人员的反馈，建立一套反馈机制，把反馈结果和本次故障数据应用在分类器的建立上。
所述步骤S1具体实现如下，
S11：对历史故障数据进行整理，建立故障数据库用来保存故障数据，对数据进行预处理，除去噪音数据，为下一步做准备；
S12：对数据进行异常点检测，利用利群检测算法、统计学方法、基于距离的方法、基于密度的局部离群点方法或基于偏差的方法进行检测；
S13：利用步骤S12处理后的数据进行分类器的建立，应用决策树归纳算法，采用增益率作为分裂准则，对采集系统最近5年的数据采取交叉验证的策略，随机选择2/3用于训练决策树，剩余部分用于测试。
所述步骤S2具体实现如下，
S21：用电信息采集系统捕捉系统故障的实时数据；
S22：对实时数据进行实时监测，主要进行故障数据的筛选，接着利用分类器对故障数据进行分类，得到故障的类型，发出带有故障类型的警报，若诊断不出故障类型，则发出不确定故障类型的警报；
S23：根据故障类型的分类结果进行专家知识库的匹配，找到故障原因以及相应的故障处理建议，提供给维护人员参考；
S24：维护人员进行现场维护，根据维护现场的结果对故障信息进行一个反馈，最终将此次故障转入故障数据库并把维修经验总结到专家知识库。
所述步骤S22中，故障的类型包括：互感器故障、电能表故障、电能量采集终端故障、网络通信故障、主站故障、其他故障。
以下为本发明的具体实施过程。
本发明实施例提供一种基于数据挖掘采集故障系统方法。如图2所示，该方法主要包括如下步骤：
步骤1、故障类型分类器的建立。
本步骤具体通过如下三个步骤来实现：
1）对历史故障数据进行整理，建立故障数据库用来保存这些故障数据，对数据进行预处理，除去噪音数据，为下一步做准备；
2)对数据进行异常点检测，可以利用利群检测算法（统计学方法、基于距离的方法、基于密度的局部离群点方法、基于偏差的方法）进行检测。
3）利用上述清洁的数据进行分类器的建立，应用决策树归纳算法，采用增益率作为分裂准则，对采集系统最近5年的数据采取交叉验证的策略，随机选择2/3用于训练决策树，剩余部分用于测试。
步骤2、对实时数据进行处理，利用分类器进行分类，得到分类结果并查询专家知识库，分析此分类结果给出故障原因和处理建议，接着维护人员进行故障的维护，把维护结果和出现的问题进行反馈，把此次故障转入故障数据库以及知识数据库。
本步骤具体通过如下三个步骤来实现：
1）用电信息采集系统捕捉系统故障的实时数据。
2）对实时数据进行实时监测，主要进行故障数据的筛选，接着利用分类器对故障数据进行分类，得到故障的类型，发出带有故障类型的警报，如果诊断不出故障类型，则发出不确定故障类型的警报；
3）根据故障类型的分类结果进行专家知识库的匹配，找到故障原因以及相应的故障处理建议，提供给维护人员参考。
4）维护人员进行现场维护，根据维护现场的结果对故障信息进行一个反馈，最终把这次故障转入故障数据库并把维修经验总结到专家知识数据库。
本发明实施例的上述方案，通过将温度作为电力负荷数据的刻画指标，将电力负荷数据的预测与温度有效的联系了起来，同时，在处理过程中，没有破坏数据的原始性；另外，针对数据集不充分的缺陷，设置边际增量加以补充；而对于传统的将负荷转化为时间序列处理中，无法进行中长期预测的问题，本方案得到了很好的解决。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件以及必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种基于数据挖掘的采集故障预警系统的方法，其特征在于：包括如下步骤，
S1：根据积累的故障数据进行数据处理，建立分类器；
S2：利用分类器对实时数据流进行处理，分析出故障类型；
S3：建立专家知识库；
S4：根据故障类型和专家知识库的比对得到结果，结合维护人员的反馈，建立一套反馈机制，把反馈结果和本次故障数据应用在分类器的建立上。
2.根据权利要求1所述的一种基于数据挖掘的采集故障预警系统的方法，其特征在于：所述步骤S1具体实现如下，
S11：对历史故障数据进行整理，建立故障数据库用来保存故障数据，对数据进行预处理，除去噪音数据，为下一步做准备；
S12：对数据进行异常点检测，利用利群检测算法、统计学方法、基于距离的方法、基于密度的局部离群点方法或基于偏差的方法进行检测；
S13：利用步骤S12处理后的数据进行分类器的建立，应用决策树归纳算法，采用增益率作为分裂准则，对采集系统最近5年的数据采取交叉验证的策略，随机选择2/3用于训练决策树，剩余部分用于测试。
3.根据权利要求1所述的一种基于数据挖掘的采集故障预警系统的方法，其特征在于：所述步骤S2具体实现如下，
S21：用电信息采集系统捕捉系统故障的实时数据；
S22：对实时数据进行实时监测，主要进行故障数据的筛选，接着利用分类器对故障数据进行分类，得到故障的类型，发出带有故障类型的警报，若诊断不出故障类型，则发出不确定故障类型的警报；
S23：根据故障类型的分类结果进行专家知识库的匹配，找到故障原因以及相应的故障处理建议，提供给维护人员参考；
S24：维护人员进行现场维护，根据维护现场的结果对故障信息进行一个反馈，最终将此次故障转入故障数据库并把维修经验总结到专家知识库。
4.根据权利要求3所述的一种基于数据挖掘的采集故障预警系统的方法，其特征在于：所述步骤S22中，故障的类型包括：互感器故障、电能表故障、电能量采集终端故障、网络通信故障、主站故障、其他故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610916299.4A CN106503439A (zh) | 2016-10-21 | 2016-10-21 | 一种基于数据挖掘的采集故障预警系统的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610916299.4A CN106503439A (zh) | 2016-10-21 | 2016-10-21 | 一种基于数据挖掘的采集故障预警系统的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106503439A true CN106503439A (zh) | 2017-03-15 |
Family
ID=58318144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610916299.4A Pending CN106503439A (zh) | 2016-10-21 | 2016-10-21 | 一种基于数据挖掘的采集故障预警系统的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106503439A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107026451A (zh) * | 2017-05-27 | 2017-08-08 | 国网福建省电力有限公司 | 一种基于分类技术的配电网台区低电压突发故障判断方法 |
| CN107341550A (zh) * | 2017-05-03 | 2017-11-10 | 北京海顿中科技术有限公司 | 故障/隐患知识库系统和建立方法 |
| CN107563721A (zh) * | 2017-08-09 | 2018-01-09 | 国网上海市电力公司 | 电能计量装置现场检验一体化信息管理系统及管理方法 |
| CN107748940A (zh) * | 2017-11-16 | 2018-03-02 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
| CN108121796A (zh) * | 2017-12-20 | 2018-06-05 | 国网湖南省电力有限公司 | 基于可信度的电能计量装置故障分析方法及装置 |
| CN108537344A (zh) * | 2018-02-01 | 2018-09-14 | 贵州电网有限责任公司 | 基于闭环知识管理的二次设备智能运维方法 |
| CN109474483A (zh) * | 2019-01-08 | 2019-03-15 | Oppo广东移动通信有限公司 | 一种设备异常情况的检测方法、检测装置及终端设备 |
| CN110572435A (zh) * | 2019-08-05 | 2019-12-13 | 慧镕电子系统工程股份有限公司 | 一种云计算系统的数据处理方法 |
| CN110718022A (zh) * | 2018-07-13 | 2020-01-21 | 中兴通讯股份有限公司 | 智能电表的告警方法、服务器及计算机可读存储介质 |
| CN110955550A (zh) * | 2019-11-24 | 2020-04-03 | 济南浪潮数据技术有限公司 | 一种云平台故障定位方法、装置、设备及存储介质 |
| CN111259947A (zh) * | 2020-01-13 | 2020-06-09 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多模态学习的电力系统故障预警方法和系统 |
| CN114265930A (zh) * | 2021-11-19 | 2022-04-01 | 国电南京自动化股份有限公司 | 一种基于事件抽取的低压用户故障报修合并处理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101043152A (zh) * | 2006-03-24 | 2007-09-26 | 上海市电力公司 | 城市电网事故智能决策支持系统 |
| CN101917297A (zh) * | 2010-08-30 | 2010-12-15 | 烽火通信科技股份有限公司 | 基于贝叶斯网络的核心网故障诊断方法及系统 |
| CN102567783A (zh) * | 2012-02-10 | 2012-07-11 | 广西电网公司电力科学研究院 | 并联混合型电能质量调节器专家故障分析与诊断方法 |
| WO2016004774A1 (zh) * | 2014-07-07 | 2016-01-14 | 北京泰乐德信息技术有限公司 | 一种基于时间序列分析的轨道交通故障诊断方法和系统 |
-
2016
- 2016-10-21 CN CN201610916299.4A patent/CN106503439A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101043152A (zh) * | 2006-03-24 | 2007-09-26 | 上海市电力公司 | 城市电网事故智能决策支持系统 |
| CN101917297A (zh) * | 2010-08-30 | 2010-12-15 | 烽火通信科技股份有限公司 | 基于贝叶斯网络的核心网故障诊断方法及系统 |
| CN102567783A (zh) * | 2012-02-10 | 2012-07-11 | 广西电网公司电力科学研究院 | 并联混合型电能质量调节器专家故障分析与诊断方法 |
| WO2016004774A1 (zh) * | 2014-07-07 | 2016-01-14 | 北京泰乐德信息技术有限公司 | 一种基于时间序列分析的轨道交通故障诊断方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张连育: "《基于数据挖掘的电力故障分析及预警系统研究与实现》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
| 许元斌 等；: "《基于MapReduce模型的电力数据并行化的异常检测》", 《情报探索》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107341550A (zh) * | 2017-05-03 | 2017-11-10 | 北京海顿中科技术有限公司 | 故障/隐患知识库系统和建立方法 |
| CN107026451A (zh) * | 2017-05-27 | 2017-08-08 | 国网福建省电力有限公司 | 一种基于分类技术的配电网台区低电压突发故障判断方法 |
| CN107563721A (zh) * | 2017-08-09 | 2018-01-09 | 国网上海市电力公司 | 电能计量装置现场检验一体化信息管理系统及管理方法 |
| CN107748940B (zh) * | 2017-11-16 | 2021-10-12 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
| CN107748940A (zh) * | 2017-11-16 | 2018-03-02 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
| CN108121796A (zh) * | 2017-12-20 | 2018-06-05 | 国网湖南省电力有限公司 | 基于可信度的电能计量装置故障分析方法及装置 |
| CN108537344B (zh) * | 2018-02-01 | 2021-09-14 | 贵州电网有限责任公司 | 基于闭环知识管理的二次设备智能运维方法 |
| CN108537344A (zh) * | 2018-02-01 | 2018-09-14 | 贵州电网有限责任公司 | 基于闭环知识管理的二次设备智能运维方法 |
| CN110718022A (zh) * | 2018-07-13 | 2020-01-21 | 中兴通讯股份有限公司 | 智能电表的告警方法、服务器及计算机可读存储介质 |
| CN109474483A (zh) * | 2019-01-08 | 2019-03-15 | Oppo广东移动通信有限公司 | 一种设备异常情况的检测方法、检测装置及终端设备 |
| CN110572435A (zh) * | 2019-08-05 | 2019-12-13 | 慧镕电子系统工程股份有限公司 | 一种云计算系统的数据处理方法 |
| CN110572435B (zh) * | 2019-08-05 | 2022-02-11 | 慧镕电子系统工程股份有限公司 | 一种云计算系统的数据处理方法 |
| CN110955550A (zh) * | 2019-11-24 | 2020-04-03 | 济南浪潮数据技术有限公司 | 一种云平台故障定位方法、装置、设备及存储介质 |
| CN110955550B (zh) * | 2019-11-24 | 2022-07-08 | 济南浪潮数据技术有限公司 | 一种云平台故障定位方法、装置、设备及存储介质 |
| CN111259947A (zh) * | 2020-01-13 | 2020-06-09 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多模态学习的电力系统故障预警方法和系统 |
| CN114265930A (zh) * | 2021-11-19 | 2022-04-01 | 国电南京自动化股份有限公司 | 一种基于事件抽取的低压用户故障报修合并处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106503439A (zh) | 一种基于数据挖掘的采集故障预警系统的方法 | |
| CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
| CN106054104B (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
| CN110674189B (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
| CN108154244A (zh) | 地产电力设备的运维方法、装置和系统 | |
| CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
| CN105160483A (zh) | 一种基于数据挖掘的二次设备故障诊断方法 | |
| CN107054410A (zh) | 道岔转辙机的智能诊断系统及诊断方法 | |
| CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
| CN113450065A (zh) | 一种用于风电场的生产运营管理系统及方法 | |
| CN102509178A (zh) | 配网设备状态评估系统 | |
| CN202167018U (zh) | 适用于电力系统的供电可靠性数据统计处理装置 | |
| CN104616092A (zh) | 一种基于分布式日志分析的行为模式处理方法 | |
| CN109633321A (zh) | 一种台区户变关系区分系统、方法及台区高损监测方法 | |
| CN105548744A (zh) | 一种基于运检大数据的变电设备故障识别方法及其系统 | |
| CN109444667A (zh) | 基于卷积神经网络的配电网早期故障分类方法及装置 | |
| CN105631598A (zh) | 基于群集类缺陷的电力设备缺陷分析方法 | |
| CN111860940A (zh) | 一种基于逻辑回归算法的煤矿配电网络停电事故预测方法 | |
| CN111666978B (zh) | 一种it系统运维大数据的智能故障预警系统 | |
| CN105187239A (zh) | 基于数据挖掘的通信告警分析系统及其处理方法 | |
| CN116304928A (zh) | 供电设备故障预测方法、装置、设备及存储介质 | |
| CN112327098A (zh) | 基于低压配网综合监测单元的配电网故障区段定位方法 | |
| CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
| CN113471864A (zh) | 一种变电站二次设备现场检修装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |