CN106570653B - 配网抢修工单派发支持系统及优化方法 - Google Patents
配网抢修工单派发支持系统及优化方法 Download PDFInfo
- Publication number
- CN106570653B CN106570653B CN201610992846.7A CN201610992846A CN106570653B CN 106570653 B CN106570653 B CN 106570653B CN 201610992846 A CN201610992846 A CN 201610992846A CN 106570653 B CN106570653 B CN 106570653B
- Authority
- CN
- China
- Prior art keywords
- work order
- data
- repairing
- information
- individual
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 230000008439 repair process Effects 0.000 claims abstract description 11
- 238000009412 basement excavation Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 241000282813 Aepyceros melampus Species 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 19
- 230000006870 function Effects 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
Abstract
本发明的配网抢修工单派发支持系统及优化方法，系统包括数据库、Hadoop系统、Mahout系统、数据采集系统，数据库存储整个系统采集和处理后的数据，Hadoop系统用于数据的计算和存储，Mahout系统用于对工单数据的挖掘和评分，数据采集系统用于采集工单派发的实时关联数据信息；方法包括以下步骤：数据采集系统获取工单派发关联数据信息；Mahout系统整合数据采集系统和数据库的数据，计算每个工单与每个抢修个体之间关联度评分；Hadoop系统复核评分并生成推荐列表；从推荐列表中选择抢修个体并发送工单。该发明通过计算出最优选择，将工单指派给到达抢修点最快的人员或车辆，实现整体抢修效率的最大提升。
Description
技术领域
本发明属于电网运维，具体是一种配网抢修工单派发支持系统及优化方法。
背景技术
目前在配电网故障抢修工作中，事先按照固定区域设置抢修站，抢修人员和车辆等资源按经验分配，配置较为平均。用户报修后，抢修工单由抢修指挥中心按地址向所在抢修站点对点、单向固定派发，再由抢修站安排人员赴现场抢修。因技术手段的限制，工单派发时，未考虑实时路况、抢修资源、抢修点已承担工作量对抢修效率的影响，导致了诸多问题的发生：
1、抢修任务分配不合理。由于各区域电网状况、负荷状况等客观因素的不同，各区域的报修数量有明显差别。在报修高峰期，部分抢修班组工作量过于饱满，车辆和人员虽然处于满负荷状态，但工单仍不断，容易造成工单积压，影响抢修效率；而某些抢修班组任务量又较少，造成抢修资源的浪费。
2、工单不能根据交通状况动态派发。各区域的实时交通状况对抢修效率影响很大，某些情况下，虽然报修地址虽然距离该片区的固定抢修点相对较近，但由于交通堵塞，实际上不如派发给相邻区域的抢修点到达现场更快，抢修效率受到很大影响。
发明内容
为了解决上述问题，本发明提供了配网抢修工单派发支持系统及优化方法，可以对电网状况、实时交通状况、客户报修数据、抢修资源情况等抢修相关数据的统一整合挖掘，利用优化算法计算最优派发选择，将工单指派给到达抢修点最快的人员或车辆，实现整体抢修效率的最大提升。
本发明采用以下技术方案：配网抢修工单派发支持系统，其特征在于，包括数据库、Hadoop系统、Mahout系统、数据采集系统，数据库存储整个系统采集和处理后的数据，Hadoop系统包括HDFS和MapReduce，用于数据的计算和运算过程中数据的存储，Mahout系统用于对工单数据的挖掘和评分，数据采集系统和工单派发的关联数据库对接，用于采集工单派发的实时关联数据信息。
进一步的，配网抢修工单派发支持系统还包括查询系统，专门用于数据的提取查询，提升数据查询的速度，满足工单实时分析的要求。
进一步的，所述的查询系统采用Impala查询系统。
进一步的，所述的Mahout系统采用协同过滤推荐算法作为核心算法。
进一步的，所述的协同过滤推荐算法为ALS-WR算法。
进一步的，所述的数据库包括
公共数据库，用于存储地图、环境等更新频率不高的数据；
活动数据库，存储当前或一定短时间内的数据，包括气象、客户报修等，主要提供查询服务，一定时间后，活动数据库中的数据移入历史数据库；
历史数据库，存储一段时间之前的数据；
知识库，存储相关领域知识，知识部分来源于专家，部分来源于机器学习，提供分析模型的服务；
用户数据库，用来存储用户的基本信息，以及通过数据挖掘后获得的用户特征。
进一步的，数据库内设置基于工作任务的数据表，用来存储对应数据。
进一步的，工单派发关联数据信息至少包括以下数据：工单数量、工单投诉信息、报修点位置和故障信息、抢修车辆和人员位置信息、实时道路状况信息、已处理工单完成时长信息。
基于上述的配网抢修工单派发支持系统，提供了一种可实现最优工单分配效果的配网抢修工单派发优化方法，所述的方法包括以下步骤：
步骤1：数据采集系统获取工单派发关联数据信息；
步骤2：Mahout系统整合数据采集系统和数据库的数据，计算每个工单与每个抢修个体之间关联度评分；
步骤3：Hadoop系统复核评分并生成推荐列表；
步骤4：从推荐列表中选择抢修个体并发送工单。
进一步的，抢修个体为具有独立抢修能力的个人或抢修车辆。
本发明的有益效果是：
1、设置了Impala查询系统，从而解放了Mahout系统和Hadoop系统，Mahout系统和Hadoop系统计算过程中需要从数据库中提取的数据，可以直接将要求发送给Impala查询系统，一方面使得Mahout系统和Hadoop系统仅仅承担计算功能，实现功能处理的单一性，另一方面借助Impala查询系统本身快速的查询速度，提高整个系统的处理工单的效率，满足整个电网工单派发的实时性。
2、由于每个工单的派发过程遇到的状况不同，因此工单之间不具备统一模式，利用协同过滤推荐算法作为Mahout系统的核心算法，以抢修个体到达报修点的时间作为最终考核标准，结合道路状况、故障严重程度、投诉情况、工单数量、抢修个体工作能力等关联信息，可以将工单与抢修个体之间的关联性进行打分，获得最优推荐。
3、数据库采用多个单独分隔的数据库，通过数据的分类存储，可以避免数据混杂，减少获取目标数据的过程，实现数据管理的高效。
4、数据库中的数据存储借助基于工作任务的数据表，提高了数据的针对性，借助工作任务的关联，可以以最快速度找到并利用有效数据。
附图说明
图1是本发明系统的结构框图；
图2是本发明方法的流程图。
具体实施方式
如图1所示的配网抢修工单派发支持系统，包括数据库、Hadoop系统、Mahout系统、数据采集系统、查询系统。
数据库存储整个系统采集和处理后的数据，所述的数据库包括公共数据库，用于存储地图、环境等更新频率不高的数据；活动数据库，存储当前或一定短时间内的数据，包括气象、客户报修等，主要提供查询服务，一定时间后，活动数据库中的数据移入历史数据库；历史数据库，存储一段时间之前的数据；知识库，储相关领域知识，知识部分来源于专家，部分来源于机器学习，提供分析模型的服务；用户数据库，用来存储用户的基本信息，以及通过数据挖掘后获得的用户特征。
建立数据库后，我们可以在对应的数据库中建立数据表，以此存储信息。对于工单户号和基础档案的关联，班组/人员工作量分析等从数据直接出发的工作任务，我们选择对每一个任务建立一张表，然后可以每次从相应的表里很容易查询到我们需要的数据。
Hadoop系统包括HDFS和MapReduce，用于数据的计算和运算过程中数据的存储，其中，HDFS为海量的数据提供了存储，MapReduce为海量的数据提供了计算。
Mahout系统用于对工单数据的挖掘和评分，所述的Mahout系统采用协同过滤推荐算法中的ALS-WR算法作为核心算法。ALS-WR算法的实现原理如下：ALS是alternatingleast squares的缩写,意为交替最小二乘法；而ALS-WR是alternating-least-squareswith weighted-λ-regularization的缩写，意为加权正则化交替最小二乘法。该方法常用于基于矩阵分解的推荐系统中。例如：将用户(user)对商品(item)的评分矩阵分解为两个矩阵：一个是用户对商品隐含特征的偏好矩阵，另一个是商品所包含的隐含特征的矩阵。在这个矩阵分解的过程中，评分缺失项得到了填充，也就是说我们可以基于这个填充的评分来给用户最商品推荐了。
由于评分数据中有大量的缺失项，传统的矩阵分解SVD(奇异值分解)不方便处理这个问题，而ALS能够很好的解决这个问题。对于R(m×n)的矩阵，ALS旨在找到两个低维矩阵X(m×k)和矩阵Y(n×k)，来近似逼近R(m×n)，即：其中R(m×n)代表用户对商品的评分矩阵，X(m×k)代表用户对隐含特征的偏好矩阵，Y(n×k)表示商品所包含隐含特征的矩阵，T表示矩阵Y的转置。
实际中，一般取k<<min(m,n),也就是相当于降维了。这里的低维矩阵，有的地方也叫低秩矩阵。
为了找到使低秩矩阵X和Y尽可能地逼近R，需要最小化下面的平方误差损失函数：其中xu(1×k)表示示用户u的偏好的隐含特征向量，yi(1×k)表示商品i包含的隐含特征向量,rui表示用户u对商品i的评分,向量xu和yi的内积xuTyi是用户u对商品i评分的近似。
损失函数一般需要加入正则化项来避免过拟合等问题，我们使用L2正则化，所以上面的公式改造为：
其中λ是正则化项的系数。
到这里，协同过滤就成功转化成了一个优化问题。由于变量xu和yi耦合到一起，这个问题并不好求解，所以我们引入了ALS，也就是说我们可以先固定Y(例如随机初始化X)，然后利用公式(2)先求解X，然后固定X，再求解Y，如此交替往复直至收敛，即所谓的交替最小二乘法求解法。
具体求解方法说明如下：
先固定Y,将损失函数L(X,Y)对xu求偏导，并令导数＝0，得到：
xu＝(YTY+λI)-1YTru......(3)
同理固定X，可得：
yi＝(XTX+λI)-1XTri......(4)其中ru(1×n)是R的第u行,ri(1×m)是R的第i列，I是k×k的单位矩阵。
迭代步骤：首先随机初始化Y，利用公式(3)更新得到X,然后利用公式(4)更新Y,直到均方根误差变RMSE化很小或者到达最大迭代次数。
上文提到的模型适用于解决有明确评分矩阵的应用场景，然而很多情况下，用户没有明确反馈对商品的偏好，也就是没有直接打分，我们只能通过用户的某些行为来推断他对商品的偏好。比如，在电视节目推荐的问题中，对电视节目收看的次数或者时长，这时我们可以推测次数越多，看得时间越长，用户的偏好程度越高，但是对于没有收看的节目，可能是由于用户不知道有该节目，或者没有途径获取该节目，我们不能确定的推测用户不喜欢该节目。ALS-WR通过置信度权重来解决这些问题：对于更确信用户偏好的项赋以较大的权重，对于没有反馈的项，赋以较小的权重。ALS-WR模型的形式化说明如下：
ALS-WR的目标函数：
cui＝1+αrui
其中α是置信度系数。
求解方式还是最小二乘法：
xu＝(YTCuY+λI)-1YTCuru......(6)
yi＝(XTCiX+λI)-1XTCiri......(7)
其中Cu是n×n的对角矩阵，Ci是m×m的对角矩阵；Cuii＝cui,Ciii＝cii。
数据采集系统和工单派发的关联数据库对接，用于采集工单派发的实时关联数据信息，工单派发关联数据信息至少包括以下数据：工单数量、工单投诉信息、报修点位置和故障信息、抢修车辆和人员位置信息、实时道路状况信息、已处理工单完成时长信息。
查询系统，专门用于数据的提取查询，提升数据查询的速度，满足工单实时分析的要求。所述的查询系统采用Impala查询系统。
基于上述的配网抢修工单派发支持系统，提供了一种可实现最优工单分配效果的配网抢修工单派发优化方法，如图2所示，所述的方法包括以下步骤：
步骤1：数据采集系统获取实时的工单派发关联数据信息，工单派发关联数据信息至少包括以下数据：工单数量、工单投诉信息、报修点位置和故障信息、抢修车辆和人员位置信息、实时道路状况信息、已处理工单完成时长信息。
步骤2：Mahout系统整合数据采集系统和数据库的数据，计算每个工单与每个抢修个体之间关联度评分，其评判的最终核心是抢修个体到达报修点的时间，涉及到的关联信息包括道路状况、故障严重程度、投诉情况、工单数量、抢修个体工作能力等，比如道路状况是根据抢修个体到达报修点的路径来确定道路上用到的时间，故障严重程度和投诉情况都是确定工单派发的优先级，抢修个体的工作能力是在统计抢修个体之前解决各种故障的平均时间，计算正在维修中的抢修个体完成已接工单的时间。
步骤3：Hadoop系统复核评分并生成推荐列表，一般的推荐列表提供评分排名前三的抢修个体；
步骤4：从推荐列表中选择抢修个体并发送工单，整个过程既可以是系统自动发送，也可以是人工发送，系统自动发送时，默认发给排名第一的抢修个体。
上文中的抢修个体为具有独立抢修能力的个人或抢修车辆。
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明的具体结构，但不以任何方式限制本发明创造。因此，尽管说明书及附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换；而一切不脱离本发明创造的精神和范围的技术方案及其改进，其均涵盖在本发明创造专利的保护范围当中。
Claims (5)
1.一种配网抢修工单派发支持系统，其特征在于，包括数据库、Hadoop 系统、Mahout系统、数据采集系统，数据库存储整个系统采集和处理后的数据，所述的数据库包括公共数据库，用于存储更新频率不高的数据；活动数据库，存储当前或一定短时间内的数据，提供查询服务，一定时间后，活动数据库中的数据移入历史数据库；历史数据库，存储一段时间之前的数据；知识库，存储相关领域知识，知识部分来源于专家，部分来源于机器学习，提供分析模型的服务；用户数据库，用来存储用户的基本信息，以及通过数据挖掘后获得的用户特征；Hadoop 系统包括HDFS 和MapReduce，用于数据的计算和运算过程中数据的存储，Mahout 系统用于对工单数据的挖掘和评分，所述Mahout 系统采用协同过滤推荐算法作为核心算法，所述的协同过滤推荐算法为ALS-WR 算法；数据采集系统和工单派发的关联数据库对接，用于采集工单派发的实时关联数据信息，工单派发关联数据信息至少包括以下数据：工单数量、工单投诉信息、报修点位置和故障信息、抢修车辆和人员位置信息、实时道路状况信息、已处理工单完成时长信息；
配网抢修工单派发支持系统还包括查询系统，用于数据的提取查询。
2.根据权利要求1 所述的配网抢修工单派发支持系统，其特征在于，所述的查询系统采用Impala 查询系统。
3.根据权利要求2 所述的配网抢修工单派发支持系统，其特征在于，数据库内设置基于工作任务的数据表，用来存储对应数据。
4.基于权利要求1-3任意一项所述的配网抢修工单派发支持系统，提供了一种可实现最优工单分配效果的配网抢修工单派发优化方法，其特征在于，所述的方法包括以下步骤：
步骤1：数据采集系统获取工单派发关联数据信息，工单派发关联数据信息至少包括以下数据：工单数量、工单投诉信息、报修点位置和故障信息、抢修车辆和人员位置信息、实时道路状况信息、已处理工单完成时长信息；
步骤2：Mahout 系统整合数据采集系统和数据库的数据，计算每个工单与每个抢修个体之间关联度评分，其评判的最终核心是抢修个体到达报修点的时间，涉及到的关联信息包括道路状况、故障严重程度、投诉情况、工单数量、抢修个体工作能力，其中，道路状况是根据抢修个体到达报修点的路径来确定道路上用到的时间，故障严重程度和投诉情况都是用来确定工单派发的优先级，抢修个体的工作能力是在统计抢修个体之前解决各种故障的平均时间，计算正在维修中的抢修个体完成已接工单的时间；
步骤3：Hadoop 系统复核评分并生成推荐列表；
步骤4：从推荐列表中选择抢修个体并发送工单。
5.根据权利要求4 所述的配网抢修工单派发优化方法，其特征在于，抢修个体为具有独立抢修能力的个人或抢修车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610992846.7A CN106570653B (zh) | 2016-11-10 | 2016-11-10 | 配网抢修工单派发支持系统及优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610992846.7A CN106570653B (zh) | 2016-11-10 | 2016-11-10 | 配网抢修工单派发支持系统及优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106570653A CN106570653A (zh) | 2017-04-19 |
| CN106570653B true CN106570653B (zh) | 2018-08-07 |
Family
ID=58541335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610992846.7A Active CN106570653B (zh) | 2016-11-10 | 2016-11-10 | 配网抢修工单派发支持系统及优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106570653B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107527150A (zh) * | 2017-08-29 | 2017-12-29 | 国网天津市电力公司 | 一种基于大数据分析的新型班组任务分配方法 |
| CN107992981A (zh) * | 2017-12-22 | 2018-05-04 | 江苏新智合电力技术有限公司 | 一种电力故障信息的处理反馈方法和装置 |
| CN109993377A (zh) * | 2018-01-02 | 2019-07-09 | 上海比户环保科技有限公司 | 一种智能派工方法 |
| CN109255488A (zh) * | 2018-09-27 | 2019-01-22 | 南京塑维网络科技有限公司 | 一种注塑工单优化系统及方法 |
| CN109657812A (zh) * | 2018-12-07 | 2019-04-19 | 天津津航计算技术研究所 | 一种基于专家知识库的机车维护方法 |
| CN109360413B (zh) * | 2018-12-11 | 2020-09-04 | 北京首汽智行科技有限公司 | 一种车辆调度方法及系统 |
| CN109711616A (zh) * | 2018-12-25 | 2019-05-03 | 国网河北省电力有限公司衡水市冀州区供电分公司 | 一种基于大数据的全能型供电所人员优化配置的系统 |
| CN109784508A (zh) * | 2019-01-07 | 2019-05-21 | 北京云基数技术有限公司 | 一种基于云平台的电网全景监测运维管理方法及系统 |
| CN110020803A (zh) * | 2019-04-09 | 2019-07-16 | 北京吉旗咨询服务有限公司 | 人员调度方法、装置及系统 |
| CN110097196A (zh) * | 2019-04-28 | 2019-08-06 | 深圳供电局有限公司 | 一种智能化运维管理方法及系统 |
| CN110289682A (zh) * | 2019-06-11 | 2019-09-27 | 广西电网有限责任公司南宁供电局 | 一种配网抢修辅助决策及智能管控系统 |
| CN110929161B (zh) * | 2019-12-02 | 2023-04-07 | 南京莱斯网信技术研究院有限公司 | 一种面向大规模用户的个性化教学资源推荐方法 |
| CN115619382B (zh) * | 2022-12-16 | 2023-08-08 | 速度科技股份有限公司 | 一种电力调度可视化管理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091231A (zh) * | 2014-06-30 | 2014-10-08 | 国家电网公司 | 配网故障抢修指挥处理系统及方法 |
| CN105305393A (zh) * | 2015-10-21 | 2016-02-03 | 珠海许继芝电网自动化有限公司 | 基于营配贯通的配网抢修指挥系统及方法 |
| CN105701596A (zh) * | 2015-12-24 | 2016-06-22 | 国家电网公司 | 一种基于大数据技术的配网抢修精益化方法以及管理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105741043B (zh) * | 2016-02-03 | 2019-08-13 | 国家电网公司 | 一种结合电网图形的配网抢修系统及方法 |
-
2016
- 2016-11-10 CN CN201610992846.7A patent/CN106570653B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091231A (zh) * | 2014-06-30 | 2014-10-08 | 国家电网公司 | 配网故障抢修指挥处理系统及方法 |
| CN105305393A (zh) * | 2015-10-21 | 2016-02-03 | 珠海许继芝电网自动化有限公司 | 基于营配贯通的配网抢修指挥系统及方法 |
| CN105701596A (zh) * | 2015-12-24 | 2016-06-22 | 国家电网公司 | 一种基于大数据技术的配网抢修精益化方法以及管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106570653A (zh) | 2017-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106570653B (zh) | 配网抢修工单派发支持系统及优化方法 | |
| CN106339829B (zh) | 基于大云物移技术的配电网主动抢修全景监控系统 | |
| Shen et al. | Prediction of household electricity consumption and effectiveness of concerted intervention strategies based on occupant behaviour and personality traits | |
| Goli et al. | A multi-objective invasive weed optimization algorithm for robust aggregate production planning under uncertain seasonal demand | |
| Rakhra et al. | Metaheuristic and machine learning-based smart engine for renting and sharing of agriculture equipment | |
| CN106570654A (zh) | 配电网故障抢修实时态势监控与事件交互处理系统 | |
| Wardhana et al. | Agro-clusters and rural poverty: a spatial perspective for West Java | |
| Tran | Agent-behaviour and network influence on energy innovation diffusion | |
| CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理系统和方法 | |
| Comber et al. | A modified grouping genetic algorithm to select ambulance site locations | |
| CN102567391A (zh) | 一种分类预测混合模型的建立方法及装置 | |
| CN107464043A (zh) | 一种空间众包中多类型任务的分配方法 | |
| Araujo et al. | An evolutionary algorithm for the one‐dimensional cutting stock problem | |
| Teixeira et al. | Data mining approach to support the generation of Realistic Scenarios for multi-agent simulation of electricity markets | |
| Abedinia et al. | A new reconfigured electricity market bidding strategy in view of players' concerns | |
| CN109768540A (zh) | 基于大数据分析的配电网停电优化排期方法 | |
| Louviere et al. | A review of recent advances in decompositional preference and choice models | |
| Hermann et al. | A complementarity model for electric power transmission-distribution coordination under uncertainty | |
| Xavier et al. | Solving the continuous multiple allocation p-hub median problem by the hyperbolic smoothing approach | |
| CN111784308A (zh) | 一种基于工作平台的人力资源成本评估及定价模型训练方法 | |
| Chmielarz et al. | A hybrid method of assessing individual electronic banking services in 2019. The case of Poland | |
| Hassan et al. | A decision support system for subjective forecasting of new product sales | |
| CN115860694A (zh) | 一种基于即时消息技术的业扩流程管控方法及系统 | |
| Shirouyehzad et al. | Evaluating projects based on safety criteria; using TOPSIS | |
| Stevenson et al. | Creating predictive social impact models of engineered products using synthetic populations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Xiao Inventor after: Zhang Wenyang Inventor after: Shi Yalin Inventor after: Zhang Tongqiao Inventor after: Liu Liping Inventor after: Zhang Ruobing Inventor after: Yin Xiaojing Inventor after: Hao Xiaodong Inventor after: Li Zongpeng Inventor after: Liu Guorui Inventor before: Liu Xiao Inventor before: Zhang Wenyang Inventor before: Shi Yalin Inventor before: Zhang Jiwei Inventor before: Zhang Ruobing Inventor before: Zhang Tongqiao Inventor before: Liu Liping Inventor before: Hao Xiaodong Inventor before: Yin Xiaojing Inventor before: Liu Guorui |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |