CN107092654B - 基于均值变化检测的报警正常与异常数据检测方法和装置 - Google Patents
基于均值变化检测的报警正常与异常数据检测方法和装置 Download PDFInfo
- Publication number
- CN107092654B CN107092654B CN201710165542.8A CN201710165542A CN107092654B CN 107092654 B CN107092654 B CN 107092654B CN 201710165542 A CN201710165542 A CN 201710165542A CN 107092654 B CN107092654 B CN 107092654B
- Authority
- CN
- China
- Prior art keywords
- process signal
- mean
- change
- test statistics
- signal
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于均值变化检测的报警系统正常与异常数据检测方法和装置,其中方法包括以下步骤:获取过程信号,计算该信号的连续单调变化累积样本数的检验统计量;获取检验统计量的最大值所对应的时刻,通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;采用二分法鉴定所有过程信号是否为均值变化信号,并记录全部均值变化信号;将所述过程信号分为按照时间顺序的、以均值变化信号为首尾的多个子段,采用T检验法确定各个子段为正常数据段或异常数据段;针对单一模拟量与报警延迟器的报警系统,获得正常数据和异常数据,从而为报警系统的性能指标计算和优化提供依据,完善报警系统性能,保障了燃煤发电机组的安全生产与高效运行。
Description
技术领域
本发明涉及一种基于均值变化检测的报警正常与异常数据检测方法和装置。
背景技术
在针对模拟量与报警延迟器的报警系统中,报警系统对保障燃煤发电机组的安全生产与高效运行发挥着至关重要的作用,然而,目前普遍存在的问题是报警信号的数量过多,有时会在短短几十分钟内会产生几百个报警,导致操作人员无法及时处理这些报警。因此,获取报警系统的正常数据与异常数据对报警系统的性能指标进行计算和优化十分重要,而且获取报警系统的正常数据与异常数据对于计算报警概率密度函数也具有重要作用,从而可以进行报警系统的性能指标计算和优化。
发明内容
本发明为了解决上述问题,提出了一种基于均值变化检测的报警正常与异常数据检测方法和装置,可检验出过程变量的正常历史数据和异常历史数据,为之后的报警系统性能指标计算和优化提供依据。
为了实现上述目的,本发明采用如下方案:
一种基于均值变化检测的报警正常与异常数据检测方法,包括以下步骤:
(1)获取过程信号,所述过程信号为一系列以时间为坐标的报警过程信号;
(2)计算所述过程信号的检验统计量;所述检验统计量以时间为坐标,并与所述报警过程信号对应;
所述检验统计量是与该信号的连续单调变化累积样本数相关的统计量;
(3)获取使得(2)中检验统计量最大的时刻,设定第一阈值,并通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;
(4)采用二分法利用(3)中获取的过程信号均值变化时刻,将(1)中所述的过程信号进行划分;
(5)重复所述步骤(2)至(4),直至找到所有的过程信号均值变化时刻,并划分(1)中所述过程信号;设定报警阈值,计算每一个子段的过程信号均值,采用T检验法将各个均值与报警阈值比较,确定各个子段为正常数据段或异常数据段。
所述检验统计量为Ut,T:
Ut,T=Ut-1,T+Vt,T
其中且为过程信号。
获取使得|Ut,T|最大的时刻对应的tmax,所述第一阈值为检验统计量最大时对应的概率定义原假设为x(tmax)不是均值变化点。设定犯第一类错误的概率为α,若(3)中的最大统计检验量对应的概率小于α,则x(tmax)是过程信号均值变化点,否则不是均值变化点,其有益效果是采用采用假设检验更具客观性,可以真实得反映出某点是否为过程信号均值突变点。所述第一阈值为T为时间,max|Ut,T|为最大统计量。
步骤(5)中所述T检验法为根据所述子段的平均值和数据离散度计算得到子段的t分布检验统计量,计算某一个分段的t分布检验统计量,设定第二阈值,如果检验统计量大于第二阈值,认为该段的均值大于报警阈值,该段数据为异常状态,如果检验统计量小于第二阈值,认为该段的均值小于报警阈值,则该数据段为正常状态,除此以外的数据既非正常数据段,也非异常数据段。
分布检验统计量是一种常用的用来决定是否可以拒绝原假设的证据。检验统计量的值是利用样本数据计算得到的,它代表了样本中的信息。分布检验统计量的绝对值越大,拒绝原假设的理由越充分,反之,不拒绝原假设的理由越充分。
本发明采用分布检验统计量函数,并根据分布检验统计量函数得出报警信息的正常或异常数据是一种可靠的计算方法,具有可重复性,结果准确的有益效果。
所述分布检验统计量函数为t分布检验统计量:
其中是该数据段的平均值,即xtp是报警阈值,s是该数据段的标准差,即
所述第二阈值是通过设定检验水准β,根据自由度和检验水准β确定的t临界值,如果检验统计量大于第二阈值,该段数据为异常状态,如果检验统计量小于第二阈值,则该数据为正常状态,除此以外的数据既非正常数据段,也非异常数据段,其有益效果是采用概率函数作为第二阈值更具客观性,可以得出报警信号的正常与异常数据段,且所得结果是可靠真实的,符合客观规则,所述自由度为过程信号个数减1。
设定报警阈值xtp,当所述t分布检验统计量小于第二阈值,则所述子段的平均值小于报警阈值xtp,所述子段为正常数据段;当所述t分布检验统计量大于第二阈值,则所述子段的平均值大于报警阈值xtp,所述子段为异常数据段;当所述t分布检验统计量等于第二阈值,则所述子段既非正常数据段,也非异常数据段,其有益效果是可以直观得得到子段的均值在统计意义上大于或小于报警阈值xtp,具有直观性。
所述数据离散度包括标准差、方差或均方差,所述概率函数为指数函数,其有益效果是可以根据报警信息的特点选择相应的离散度表达方式和概率函数的组合表达方式,在不同的报警系统中具有可扩展性。进一步的,所述二分法具体为将过程信号分为以最大检验统计量所映射的均值变化点为节点的两段数据,计算上述每一段过程信号的最大检验统计量,并采用(3)的方法验证每一个分段是否存在过程信号均值变化点,并循环操作,其有益效果是可以方便、有效得得到所有的均值变化信号,该方法简单易行,可操作性强。
本发明还提出了一种基于均值变化检测的报警正常与异常数据检测装置,包括:
获取单元,用于获取过程信号,所述过程信号为一系列以时间为坐标的报警过程信号;
计算统计量单元,用于计算所述过程信号的检验统计量;所述检验统计量以时间为坐标,并与所述报警过程信号对应;
确定单元,用于获取检验统计量最大的时刻,并通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;
过程信号划分单元,用于采用二分法对获取单元中所述的过程信号按照确定单元获取的均值变化点进行划分;
报警数据鉴定单元,用于将所述过程信号分为按照时间顺序的,以过程信号划分单元中均值变化点为首尾的多个子段,设定报警阈值,计算每一个子段的过程信号均值,采用T检验法将各个均值与报警阈值比较,确定各个子段为正常数据段或异常数据段。
与现有技术相比,本发明的有益效果是:
采用本发明的技术方案可以针对单一模拟量与报警延迟器的报警系统,获得正常数据和异常数据,从而为报警系统的性能指标计算和优化提供依据,完善报警系统性能,保障了燃煤发电机组的安全生产与高效运行。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明的方法流程图;
图2为本发明具体实施例中整体数据段的检验统计量;
图3为本发明具体实施例中子数据段的检验统计量;
图4为本发明具体实施例中均值变化点检测结果及相应的概率;
图5为本发明具体实施例中数据检测结果。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1:
如图1所示:一种基于均值变化检测的报警系统正常与异常数据检测方法,包括以下步骤:
(1)获取过程信号,所述过程信号为一系列以时间为坐标的报警过程信号;
(2)计算所述过程信号的检验统计量;所述检验统计量以时间为坐标,并与所述报警过程信号对应;
所述检验统计量是与该信号的连续单调变化累积样本数相关的统计量;
(3)获取使得(2)中检验统计量最大的时刻,设定第一阈值,并通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;
(4)采用二分法利用(3)中获取的过程信号均值变化时刻,将(1)中所述的过程信号进行划分;
(5)重复所述步骤(2),(3),(4),直至找到所有的过程信号均值变化时刻,并划分(1)中所述过程信号。设定报警阈值,计算每一个子段的过程信号均值,设定第二阈值,采用T检验法将各个均值与报警阈值比较,确定各个子段为正常数据段或异常数据段。
检验统计量是Ut,T,为过程信号:
Ut,T=Ut-1,T+Vt,T
其中且U1,T=V1,T。
找到|Ut,T|最大时对应的时刻tmax,此时其对应的概率设定犯第一类错误的概率为α,此时其对应的概率。,定义原假设为:x(tmax)不是均值变化时刻。当P<α时,拒绝原假设,即x(tmax)是的均值变化点。当P>α时,接收原假设,即x(tmax)不是的均值变化时刻,此时不存在均值变化点
所述二分法具体为将过程信号分为以最大检验统计量所映射的过程信号为节点的两段数据,计算上述每一段过程信号的最大检验统计量,并采用(3)的方法获取过程信号均值变化点。
根据上述的tmax,将划分成和两段,对于每一段数据,使用所述步骤(1)中的公式,求得每一个子段的均值变化点,并利用均值变化点进行分段,直到所有的子段都不存在均值变化点为止。
找出所有的均值变化点以后,基于这些变化点把数据分成多个子数据段。对于每个数据段,分别计算它的采样均值,采用T检验法检测子数据段是否为正常数据段。对于每个数据段计算t分布检验统计量:
其中是该数据段的平均值,即xtp是报警阈值,s是该数据段的标准差,即如果t大于临界值tβ,t1-t0,则采样均值在统计意义上大于报警阈值xtp,此时数据段处于异常状态,如果t小于临界值-tβ,t1-t0,则采样均值在统计意义上小于报警阈值xtp,此时数据段处于正常状态。除此以外都认为采样均值在统计意义上等于报警阈值xtp,此时该数据段既不属于正常数据,也不属于异常数据。最后,将检验得到的正常数据和异常数据分别归为一组。
实施例2:本发明还提出了一种基于均值变化检测的报警正常与异常数据检测装置,包括:
获取单元,用于获取过程信号,所述过程信号为一系列以时间为坐标的报警过程信号;
计算统计量单元,用于计算所述过程信号的检验统计量;所述检验统计量以时间为坐标,并与所述报警过程信号对应;
确定单元,用于获取检验统计量最大的时刻,并通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;
过程信号划分单元,用于采用二分法对获取单元中所述的过程信号按照确定单元获取的均值变化点进行划分;
报警数据鉴定单元,用于将所述过程信号分为按照时间顺序的,以过程信号划分单元中均值变化点为首尾的多个子段,设定报警阈值,计算每一个子段的过程信号均值,采用T检验法将各个均值与报警阈值比较,确定各个子段为正常数据段或异常数据段。
该装置可用于各种领域的报警系统中,例如在发电领域的报警系统,煤气报警系统,异常天气导致的公路出行安全系统等中。
实施例3:
下述为过程信号x的数据:
首先,对于整个数据段x(1:3100),检验统计量Ut,T的计算结果如图2所示,使得|Ut,T|最大的时刻t=2600,此时P=1.03×10-55,选择犯第一类错误的概率α=0.01,由于P<α,可知t=2600是被检测出的均值变化点。因此将整个数据段可划分为x(1:2599)和x(2600:3100),重复之前的步骤,求取各自的检验统计量,如图3所示,对于数据段x(1:2599),使得|Ut,T|最大的时刻,此时,选择犯第一类错误的概率,可知最大的时刻t=502,对应的P=1.25×10-172,对于数据段x(2600:3100),使得Ut,T|最大的时刻t=2954,对应的P=0.9457。比较可知,前者的P值小于α,后者的P值大于α。,因此t=502时刻的采样点是数据段x(1:2599)的均值变化点,而t=2954时刻的采样点不是数据段x(2600∶3100)的均值变化点。
重复上述步骤,直到再也找不到新的均值变化点为止。所有被检测出来的变化点及相应的P值如图4所示。均值变化点将数据段划分为多个子段,采用T检验法进行正常数据和异常数据的检测。设定犯第二类错误的概率β=0.01,基于被检测出的均值变化点和报警阈值xtp,可区分出正常数据段及异常数据段。结果如图5所示。对比实际结果可以看出,均值变化检测法可以准确地检测出正常数据段和异常数据段。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种基于均值变化检测的报警系统正常与异常数据检测方法,其特征在于,包括以下步骤:
(1)获取过程信号,所述过程信号为一系列以时间为坐标的报警过程信号;
(2)计算所述过程信号的检验统计量;所述检验统计量以时间为坐标,是与该信号的连续单调变化累积样本数相关的统计量;
(3)获取使得(2)中检验统计量最大的时刻,设定第一阈值,并通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;所述假设检验方法为假设最大检验统计量对应的时刻不是均值变化点,设定犯第一类错误的概率为α,检验统计量最大时对应的概率为P,T为时间,max|Ut,T|为最大检验统计量;若最大检验统计量对应的概率P小于α,则拒绝原假设,最大检验统计量对应的时刻为过程信号均值变化点,否则不为均值变化点;
(4)采用二分法利用(3)中获取的过程信号均值变化时刻,将(1)中所述的过程信号进行划分;
(5)重复所述步骤(2)至(4),直至找到所有的过程信号均值变化时刻,并划分(1)中所述过程信号;设定报警阈值,计算每一个子段的过程信号均值,根据所述子段的平均值和数据离散度计算得到子段的t分布检验统计量,计算某一个分段的t分布检验统计量,通过设定检验水准β,根据自由度和检验水准β确定第二阈值,如果t分布检验统计量大于第二阈值,认为该段的均值大于报警阈值,该段数据为异常状态,如果t分布检验统计量小于第二阈值,认为该段的均值小于报警阈值,则该数据段为正常状态,除此以外的数据既非正常数据段,也非异常数据段。
2.根据权利要求1所述的方法,其特征在于:所述第一阈值为检验统计量最大时对应的概率。
3.根据权利要求1所述的方法,其特征在于:设定检验水准β,所述第二阈值是根据自由度和检验水准β确定的t分布检验临界值,所述自由度为过程信号个数减1。
4.根据权利要求1所述的方法,其特征在于:所述数据离散度包括标准差、方差或均方差。
5.根据权利要求1所述的方法,其特征在于:所述二分法具体为将过程信号分为以最大检验统计量所映射的过程信号为节点的两段数据,计算上述每一段过程信号的最大检验统计量,并采用(3)的方法验证每一个分段是否存在过程信号均值变化点,并循环操作。
6.根据权利要求1所述的方法,其特征在于:所述检验统计量为Ut,T:
Ut,T=Ut-1,T+Vt,T
其中且U1,T=V1,T,为过程信号。
7.根据权利要求1所述的方法,其特征在于:所述t分布检验统计量为:
其中是该数据段的平均值,即xtp是报警阈值,s是该数据段的标准差,即
8.一种实现权利要求1所述的基于均值变化均值检测的报警系统正常与异常数据检测方法的装置,其特征在于,包括:
获取单元,用于获取过程信号,所述过程信号为一系列以时间为坐标的报警过程信号;
计算统计量单元,用于计算所述过程信号的检验统计量;所述检验统计量以时间为坐标,并与所述报警过程信号对应;
确定单元,用于获取检验统计量最大的时刻,并通过假设检验的方法验证该时刻是否为过程信号均值变化时刻;
过程信号划分单元,用于采用二分法对获取单元中所述的过程信号按照确定单元获取的均值变化点进行划分;
报警数据鉴定单元,用于将所述过程信号分为按照时间顺序的,以过程信号划分单元中均值变化点为首尾的多个子段,设定报警阈值,计算每一个子段的过程信号均值,采用T检验法将各个均值与报警阈值比较,确定各个子段为正常数据段或异常数据段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710165542.8A CN107092654B (zh) | 2017-03-20 | 2017-03-20 | 基于均值变化检测的报警正常与异常数据检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710165542.8A CN107092654B (zh) | 2017-03-20 | 2017-03-20 | 基于均值变化检测的报警正常与异常数据检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107092654A CN107092654A (zh) | 2017-08-25 |
CN107092654B true CN107092654B (zh) | 2019-02-15 |
Family
ID=59646215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710165542.8A Active CN107092654B (zh) | 2017-03-20 | 2017-03-20 | 基于均值变化检测的报警正常与异常数据检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092654B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947714A (zh) * | 2017-09-30 | 2019-06-28 | 杭州真气科技有限公司 | 一种数据报警系统及方法 |
CN108089938B (zh) * | 2018-01-08 | 2021-04-09 | 湖南盈峰国创智能科技有限公司 | 异常数据处理方法及装置 |
CN108960306B (zh) * | 2018-06-22 | 2022-03-04 | 西安电子科技大学 | 基于smt大数据的锡膏检测阈值优化方法 |
CN109087490B (zh) * | 2018-09-03 | 2019-09-03 | 山东科技大学 | 一种基于报警持续时间特征的干扰报警识别方法 |
CN109616191A (zh) * | 2018-11-13 | 2019-04-12 | 福州金域医学检验所有限公司 | 检测系统的稳态能力评估方法及装置 |
CN109599173A (zh) * | 2018-11-13 | 2019-04-09 | 福州金域医学检验所有限公司 | 检测系统的单侧能力评估方法及装置 |
CN110598180B (zh) * | 2019-08-30 | 2022-09-09 | 国家电网有限公司 | 一种基于统计分析的事件检测方法、装置及系统 |
CN111915858B (zh) * | 2020-08-04 | 2022-03-29 | 山东科技大学 | 一种融合模拟量与数字量相关信息的报警方法及系统 |
CN112597144B (zh) * | 2020-12-29 | 2022-11-08 | 农业农村部环境保护科研监测所 | 一种产地环境监测数据的自动化清洗方法 |
CN112948770B (zh) * | 2021-03-16 | 2024-05-14 | 哈尔滨工业大学(深圳) | 海上风机的信号平稳性检验方法、装置、终端设备和系统 |
CN113065764A (zh) * | 2021-04-01 | 2021-07-02 | 国家电网有限公司 | 一种电网技改项目造价异常数据筛选方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793601A (zh) * | 2014-01-20 | 2014-05-14 | 广东电网公司电力科学研究院 | 基于异常搜索和组合预测的汽轮机组在线故障预警方法 |
CN106368813A (zh) * | 2016-08-30 | 2017-02-01 | 北京协同创新智能电网技术有限公司 | 一种基于多元时间序列的异常报警数据检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101304384B (zh) * | 2008-06-06 | 2011-02-16 | 南京邮电大学 | 安全性增强的蜂窝网与自组织网融合网络的安全路由方法 |
-
2017
- 2017-03-20 CN CN201710165542.8A patent/CN107092654B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793601A (zh) * | 2014-01-20 | 2014-05-14 | 广东电网公司电力科学研究院 | 基于异常搜索和组合预测的汽轮机组在线故障预警方法 |
CN106368813A (zh) * | 2016-08-30 | 2017-02-01 | 北京协同创新智能电网技术有限公司 | 一种基于多元时间序列的异常报警数据检测方法 |
Non-Patent Citations (1)
Title |
---|
网络安全异常报警系统的设计与实现;张亚利 等;《科技创新导报》;20160331(第3期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN107092654A (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107092654B (zh) | 基于均值变化检测的报警正常与异常数据检测方法和装置 | |
CN110046453B (zh) | 一种激光雷达的寿命预测方法 | |
CN113344134B (zh) | 一种低压配电监控终端数据采集异常检测方法及系统 | |
CN101718634A (zh) | 基于多元概率模型的设备状态综合动态报警方法 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN110414154A (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
KR101793625B1 (ko) | 기후변화를 고려한 비정상성 지역빈도해석에서의 확률강우량 산출방법 및 그 시스템 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
US7552035B2 (en) | Method to use a receiver operator characteristics curve for model comparison in machine condition monitoring | |
CN111611146A (zh) | 一种微服务故障预测方法和装置 | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN111414703A (zh) | 一种滚动轴承剩余寿命预测方法及装置 | |
CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
CN116910677A (zh) | 一种工业仪表故障诊断方法及系统 | |
CN106855990B (zh) | 核电机组仪表通道测量误差论证方法 | |
CN103066572A (zh) | 基于保信系统的继电保护在线监测方法与装置 | |
CN110764043B (zh) | 一种适用于连续型测量结果的设备质量状况评价方法 | |
CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN113128482B (zh) | 一种多因素影响的输电线路异常放电风险等级评估方法 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
CN111980900B (zh) | 一种基于多源数据融合分析的水泵故障诊断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |