CN107358297A - 一种状态检测数据的快速索引方法 - Google Patents
一种状态检测数据的快速索引方法 Download PDFInfo
- Publication number
- CN107358297A CN107358297A CN201710328240.8A CN201710328240A CN107358297A CN 107358297 A CN107358297 A CN 107358297A CN 201710328240 A CN201710328240 A CN 201710328240A CN 107358297 A CN107358297 A CN 107358297A
- Authority
- CN
- China
- Prior art keywords
- data
- state
- detection
- detection data
- quality
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011160 research Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 230000002776 aggregation Effects 0.000 claims abstract description 7
- 238000004220 aggregation Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000012372 quality testing Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000013106 supervised machine learning method Methods 0.000 claims description 4
- 241001123248 Arma Species 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000011017 operating method Methods 0.000 claims description 2
- 238000013441 quality evaluation Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011157 data evaluation Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种状态检测数据的快速索引方法，包括以下步骤：S1：研究不同类型电力设备状态检测数据的分类、特征量提取及规范化表达技术；S2：构建状态检测数据质量评价指标及评价模型，研究状态检测数据质量快速动态检测方法；S3：研究不同来源、不同品质的状态检测数据质量提升的手段；S4：针对不同类型状态检测数据，研究高维混合数据标识方法，建立高效多级状态检测数据综合索引模型。本发明提出的快速检索方法，可以对状态检测数据进行快速、准确、有效的检索，状态检测数据的自动化分析水平高，智能化程度高，数据转化为信息的能力强，人工判断状态检测数据的复杂度低。
Description
技术领域
本发明涉及电力设备状态检测技术领域，尤其涉及一种状态检测数据的快速索引方法。
背景技术
国内外的电力设备状态检测数据分析与应用技术的主要理念为状态检修和以可靠性为中心的检修(RCM，Reliability Centered Maintenance)。与状态检修密切相关、能提高状态检修工作质量的理论与技术主要包括四个方面的内容，即设备寿命管理与预测技术、设备可靠性分析技术、设备状态监测与故障诊断技术和信息管理与决策技术。
状态检修的概念开始于1970年，由美国杜邦公司I.D.Ouinn首先倡议。70年代末，美国电力科学研究院(EPRI)就对电力设备的状态检修进行研究和应用，日本是从八十年代开始对电力设备实施以状态分析和在线监测为基础的状态检修。但从上世纪90年代左右，对电力设备的运维检修已从状态检修逐步向以可靠性为中心的检修技术(RCM)发展。
在国外，对RCM有较长的研究和应用历史，取得了较好的社会和经济效益：ASME在核电站推行RCM，提出了一套实施程序Inservice Testing Code，核电站可以根据实际情况修改和扩展这个程序。采用RCM后，核电站的设备可用率由不足80％提高到80％～90％；美国南卡罗尼亚电力燃气公司在V.C.Summer核电站应用了RCM，且采用了RCM的所有常规项目，一年的实践表明其投入和努力是值得的；1994年，美国的三里岛核电站对该站1988年开始推行的RCM工作进行的总结表明，实施RCM后设备故障率明显下降，节约的费用已远超过实施成本。其中，英国EA、瑞士ABB旗下的Ventyx、美国Meridium等公司都采用了基于可靠性的检修理念，并推出了各自的产品，如：EA的CBRM(基于电网状态评估的风险防范管理体系)评估体系、Ventyx企业资产管理方案与设备可靠性解决方案、Meridium的APM(资产绩效管理，Asset Performance Management)软件等，用于提高设备的可靠性和安全性，以减少设备停机、提高资产的利用率。
在国内，在对电力设备状态检测数据的收集、管理与运用上也取得了很多进展。其中，国家电网公司依托生产管理系统PMS建立了统一的输变电设备状态监测主站系统，规范了各类输变电设备状态监测装置的数据处理、接入和控制，提供各种输变电设备状态信息展示、预警、分析、诊断、评估和预测功能，但目前在线监测装置接入率偏低，缺乏对数据的高级应用的分析。此外，国网公司还建立ERP、智能调度系统、统一视频监控平台等多种信息化平台。同时，PM系统也收集了输变电设备的从投运到退役的管理数据，包括在线监测、试验报告、不良工况、缺陷数据等。此外，国网电力科学研究院也在设备状态评估、故障诊断等领域开展了许多前瞻性的工作，并与多家网省公司开展合作研究，在状态评价模型、故障预测算法、风险评估方法以及寿命预测算法等领域取得了一定成效。
目前的设备状态检测数据大多是按照仪器生产厂家的格式输出或按照检测人员经验记录，导致状态检测数据的格式五花八门，规范化程度差，不利于数据的高效利用和后续的分析诊断。状态检测数据的规范化程度差及利用效率低主要体现在：
1)部分状态检测数据的智能化水平不高，有可能由于人员疏忽或专业水平的限制导致数据的格式不规范、准确性低；
2)未对同样检测类型的数据形成规范化的导则，目前同一个检测项目不同的检测仪器，其输出的检测数据还存在较大的差异或者某些检测数据的关键信息被忽视；
3)对图谱和视频等非结构化状态检测数据未形成高效和规范化的处理机制；
4)未建立一套状态检测数据的质量评价导则，导致不能对数据质量进行一个量化的评估，进而影响数据分析结果的可信性；
5)对状态检测数据的检索效率低、速度慢，导致一些很重要的信息在海量的数据中被忽视。
因此，急需开展对电力设备状态检测数据的检索方法的研究，构建一套兼容性好、可扩展性强的状态检测数据的检测方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种状态检测数据的快速索引方法。
一种状态检测数据的快速索引方法，包括以下步骤：
S1：研究不同类型电力设备状态检测数据的分类、特征量提取及规范化表达技术，具体为研究状态检测标准规范以及现有系统的数据，研究针对同一状态检测项目不同检测装置的数据格式、存储方式及处理策略，研究围绕设备状态主题的不同类型状态检测数据的规范化表达技术，研究非结构化数据、半结构化数据的特征量提取技术；
S2：构建状态检测数据质量评价指标及评价模型，研究状态检测数据质量快速动态检测方法，包括考虑数据的正确性、完整性、及时性及稳定性，构建状态检测数据的质量评价指标及评价模型，研究数据特点、电力设备运行状态与数据质量的相关关系及其对数据正确性、完整性、及时性及稳定性的影响，构建状态检测数据质量快速动态检测方法；
S3：研究不同来源、不同品质的状态检测数据质量提升的手段，包括针对需人工录入的状态检测数据和已实现智能上传的状态检测数据进行质量提升；
S4：针对不同类型状态检测数据，研究高维混合数据标识方法，建立高效多级状态检测数据综合索引模型，包括研究非结构化数据的特征描述与提取技术，研究不同类型状态检测数据的高维混合数据标识技术，从电力设备基础数据、电力设备运行数据、检测仪器数据、检测数据、气象信息的维度，建立高效多级状态检测数据综合索引模型，从而实现检测数据的多级多维的快速索引。
优选的，所述S3步骤中针对需人工录入的状态检测数据进行的数据质量提升手段为机器M2M的数据交换方式。
优选的，所述S3步骤中已实现智能上传的状态检测数据进行的数据质量提升手段为复杂数据统计方法的状态检测数据校验技术，具体的操作方法是利用相关设备海量历史数据，应用数据挖掘技术，研究数据校验及无效数据智能识别与剔除技术。
优选的，所述无效数据智能识别与剔除技术是采用时间序列方法、统计性分析方法和人工智能方法，对状态检测数据中的无效数据进行辨识和剔除，具体操作方法为针对在线监测数据，首先采用卡尔曼滤波和ARMA估计方法对实时数据进行判别，及时发现异常数据，针对带电检测数据和停电试验数据，利用同类同型电力设备、同厂家监测装置的状态数据，采用显著性分析方法，识别其中的异常数据。
优选的，所述S4步骤中非结构化数据的特征描述与提取技术具体操作为：首先对训练视频、图片进行标注，然后采用非结构视频数据的特征描述技术实现视频和图片的结构化描述，并与标注内容一一对应，将特征描述后的视频和图像作为半监督或弱监督机器学习方法的输入，可学习获得最优参数，将最优参数下的半监督或弱监督机器学习方法用于对测试视频、图片进行标注，获得相应的视频和图片标签。
优选的，所述S4步骤中建立高效多级状态检测数据综合索引模型的具体操作为：将状态检测数据从电力设备基础数据、电力设备运行数据、检测仪器、检测数据、气象信息的维度进行状态检测数据建模，利用K-prototypes进行聚类分析，研究各个维度之间的关联性，在此基础上建立类型状态检测数据的高维混合数据标识模型。
本发明提出的状态检测数据的快速检索方法，在方法建立过程中提取复杂异构多源数据的特征量，提高状态检测数据的自动化分析水平，从而有利于在海量的状态检测数据中发现可能存在异常的设备，并给出相应的预防措施；通过数据规范化的手段，使得状态检测数据从数字化向智能化推进，增强数据转化为信息的能力；通过对复杂结构数据的高效处理算法，降低了人工判断状态检测数据的复杂度，逐步把状态检修工作从专业驱动转向数据驱动，从而更好的服务于国网公司“大检修”体系，而且根据本发明提出的方法可以对状态检测数据进行快速、准确、有效的检索。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
本发明提出的一种状态检测数据的快速索引方法，包括以下步骤：
S1：研究不同类型电力设备状态检测数据的分类、特征量提取及规范化表达技术，具体为研究状态检测标准规范以及现有系统的数据，研究针对同一状态检测项目不同检测装置的数据格式、存储方式及处理策略，研究围绕设备状态主题的不同类型状态检测数据的规范化表达技术，研究非结构化数据、半结构化数据的特征量提取技术；
S2：构建状态检测数据质量评价指标及评价模型，研究状态检测数据质量快速动态检测方法，包括考虑数据的正确性、完整性、及时性及稳定性，构建状态检测数据的质量评价指标及评价模型，研究数据特点、电力设备运行状态与数据质量的相关关系及其对数据正确性、完整性、及时性及稳定性的影响，构建状态检测数据质量快速动态检测方法；
S3：研究不同来源、不同品质的状态检测数据质量提升的手段，包括针对没有实现智能上传的检测项目，研究基于机器M2M的数据交换方式，实现设备对信息系统的无缝数据接入，针对已实现智能上传的数据，开展基于复杂数据统计方法的状态检测数据校验技术，利用相关设备海量历史数据，应用数据挖掘技术，研究数据校验及无效数据智能识别与剔除技术，提高数据的有效利用率，所述无效数据识别与剔除技术是采用时间序列方法、统计性分析方法和人工智能方法，对状态检测数据中的无效数据进行辨识和剔除，具体操作方法为：针对在线监测数据，首先采用卡尔曼滤波和ARMA估计方法对实时数据进行判别，及时发现异常数据，针对带电检测数据和停电试验数据，利用同类同型电力设备、同厂家监测装置的状态数据，采用显著性分析方法，识别其中的异常数据，以此构建层进式无效数据识别与剔除处理模型；
S4：针对不同类型状态检测数据，研究高维混合数据标识方法，建立高效多级状态检测数据综合索引模型，包括研究非结构化数据的特征描述与提取技术，具体操作为：首先对训练视频、图片进行标注，然后采用非结构视频数据的特征描述技术实现视频和图片的结构化描述，并与标注内容一一对应，将特征描述后的视频和图像作为半监督或弱监督机器学习方法的输入，可学习获得最优参数，将最优参数下的半监督或弱监督机器学习方法用于对测试视频、图片进行标注，获得相应的视频和图片标签；研究不同类型状态检测数据的高维混合数据标识技术，从电力设备基础数据、电力设备运行数据、检测仪器数据、检测数据、气象信息的维度，建立高效多级状态检测数据综合索引模型，所述建立高效多级状态检测数据综合索引模型的具体操作为：将状态检测数据从电力设备基础数据、电力设备运行数据、检测仪器、检测数据、气象信息的维度进行状态检测数据建模，利用K-prototypes进行聚类分析，研究各个维度之间的关联性，在此基础上建立类型状态检测数据的高维混合数据标识模型，从而实现检测数据的多级多维的快速索引。
本发明提出的状态检测数据的快速检索方法，在方法建立过程中提取复杂异构多源数据的特征量，提高状态检测数据的自动化分析水平，从而有利于在海量的状态检测数据中发现可能存在异常的设备，并给出相应的预防措施；通过数据规范化的手段，使得状态检测数据从数字化向智能化推进，增强数据转化为信息的能力；通过对复杂结构数据的高效处理算法，降低了人工判断状态检测数据的复杂度，逐步把状态检修工作从专业驱动转向数据驱动，从而更好的服务于国网公司“大检修”体系，而且根据本发明提出的方法可以对状态检测数据进行快速、准确、有效的检索。
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揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种状态检测数据的快速索引方法，其特征在于，包括以下步骤：
S1：研究不同类型电力设备状态检测数据的分类、特征量提取及规范化表达技术，具体为研究状态检测标准规范以及现有系统的数据，研究针对同一状态检测项目不同检测装置的数据格式、存储方式及处理策略，研究围绕设备状态主题的不同类型状态检测数据的规范化表达技术，研究非结构化数据、半结构化数据的特征量提取技术；
S2：构建状态检测数据质量评价指标及评价模型，研究状态检测数据质量快速动态检测方法，包括考虑数据的正确性、完整性、及时性及稳定性，构建状态检测数据的质量评价指标及评价模型，研究数据特点、电力设备运行状态与数据质量的相关关系及其对数据正确性、完整性、及时性及稳定性的影响，构建状态检测数据质量快速动态检测方法；
S3：研究不同来源、不同品质的状态检测数据质量提升的手段，包括针对需人工录入的状态检测数据和已实现智能上传的状态检测数据进行质量提升；
S4：针对不同类型状态检测数据，研究高维混合数据标识方法，建立高效多级状态检测数据综合索引模型，包括研究非结构化数据的特征描述与提取技术，研究不同类型状态检测数据的高维混合数据标识技术，从电力设备基础数据、电力设备运行数据、检测仪器数据、检测数据、气象信息的维度，建立高效多级状态检测数据综合索引模型，从而实现检测数据的多级多维的快速索引。
2.根据权利要求1所述的一种状态检测数据的快速索引方法，其特征在于，所述S3步骤中针对需人工录入的状态检测数据进行的数据质量提升手段为机器M2M的数据交换方式。
3.根据权利要求1所述的一种状态检测数据的快速索引方法，其特征在于，所述S3步骤中已实现智能上传的状态检测数据进行的数据质量提升手段为复杂数据统计方法的状态检测数据校验技术，具体的操作方法是利用相关设备海量历史数据，应用数据挖掘技术，研究数据校验及无效数据智能识别与剔除技术。
4.根据权利要求3所述的一种状态检测数据的快速索引方法，其特征在于，所述无效数据智能识别与剔除技术是采用时间序列方法、统计性分析方法和人工智能方法，对状态检测数据中的无效数据进行辨识和剔除，具体操作方法为针对在线监测数据，首先采用卡尔曼滤波和ARMA估计方法对实时数据进行判别，及时发现异常数据，针对带电检测数据和停电试验数据，利用同类同型电力设备、同厂家监测装置的状态数据，采用显著性分析方法，识别其中的异常数据。
5.根据权利要求1所述的一种状态检测数据的快速索引方法，其特征在于，所述S4步骤中非结构化数据的特征描述与提取技术具体操作为：首先对训练视频、图片进行标注，然后采用非结构视频数据的特征描述技术实现视频和图片的结构化描述，并与标注内容一一对应，将特征描述后的视频和图像作为半监督或弱监督机器学习方法的输入，可学习获得最优参数，将最优参数下的半监督或弱监督机器学习方法用于对测试视频、图片进行标注，获得相应的视频和图片标签。
6.根据权利要求1所述的一种状态检测数据的快速索引方法，其特征在于，所述S4步骤中建立高效多级状态检测数据综合索引模型的具体操作为：将状态检测数据从电力设备基础数据、电力设备运行数据、检测仪器、检测数据、气象信息的维度进行状态检测数据建模，利用K-prototypes进行聚类分析，研究各个维度之间的关联性，在此基础上建立类型状态检测数据的高维混合数据标识模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710328240.8A CN107358297A (zh) | 2017-05-11 | 2017-05-11 | 一种状态检测数据的快速索引方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710328240.8A CN107358297A (zh) | 2017-05-11 | 2017-05-11 | 一种状态检测数据的快速索引方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107358297A true CN107358297A (zh) | 2017-11-17 |
Family
ID=60271668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710328240.8A Pending CN107358297A (zh) | 2017-05-11 | 2017-05-11 | 一种状态检测数据的快速索引方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107358297A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145936A (zh) * | 2018-06-20 | 2019-01-04 | 北京达佳互联信息技术有限公司 | 一种模型优化方法及装置 |
| CN109597901A (zh) * | 2018-11-15 | 2019-04-09 | 韶关学院 | 一种基于生物数据的数据分析方法 |
| CN111353911A (zh) * | 2020-04-28 | 2020-06-30 | 深圳力维智联技术有限公司 | 电力设备运维方法、系统、设备和存储介质 |
| CN113553358A (zh) * | 2021-07-27 | 2021-10-26 | 国网天津市电力公司电力科学研究院 | 一种基于数据挖掘的电网设备无效数据辨识方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104090939A (zh) * | 2014-06-30 | 2014-10-08 | 国家电网公司 | 智能变电站海量数据存储及快速索引方法 |
| CN106651188A (zh) * | 2016-12-27 | 2017-05-10 | 贵州电网有限责任公司贵阳供电局 | 一种输变电设备多源状态评估数据处理方法及其应用 |
-
2017
- 2017-05-11 CN CN201710328240.8A patent/CN107358297A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104090939A (zh) * | 2014-06-30 | 2014-10-08 | 国家电网公司 | 智能变电站海量数据存储及快速索引方法 |
| CN106651188A (zh) * | 2016-12-27 | 2017-05-10 | 贵州电网有限责任公司贵阳供电局 | 一种输变电设备多源状态评估数据处理方法及其应用 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145936A (zh) * | 2018-06-20 | 2019-01-04 | 北京达佳互联信息技术有限公司 | 一种模型优化方法及装置 |
| CN109597901A (zh) * | 2018-11-15 | 2019-04-09 | 韶关学院 | 一种基于生物数据的数据分析方法 |
| CN109597901B (zh) * | 2018-11-15 | 2021-11-16 | 韶关学院 | 一种基于生物数据的数据分析方法 |
| CN111353911A (zh) * | 2020-04-28 | 2020-06-30 | 深圳力维智联技术有限公司 | 电力设备运维方法、系统、设备和存储介质 |
| CN113553358A (zh) * | 2021-07-27 | 2021-10-26 | 国网天津市电力公司电力科学研究院 | 一种基于数据挖掘的电网设备无效数据辨识方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107358297A (zh) | 一种状态检测数据的快速索引方法 | |
| CN104020754B (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
| CN109101906A (zh) | 一种变电站电力设备红外图像异常实时检测方法及装置 | |
| CN103337043B (zh) | 电力通信设备运行状态的预警方法和系统 | |
| CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
| CN106327062A (zh) | 一种配电网设备的状态评估方法 | |
| CN106655522A (zh) | 一种适用于电网二次设备运维管理的主站系统 | |
| CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
| CN103699698A (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 | |
| CN103218695A (zh) | 二次设备智能状态评估诊断系统及其方法 | |
| CN106780115A (zh) | 异常用电监测与定位系统及方法 | |
| CN112990656B (zh) | 一种it设备监测数据的健康评价系统及健康评价方法 | |
| CN109800697A (zh) | 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法 | |
| CN106779095B (zh) | 基于kmp算法的智能变电站设备软压板校核的方法 | |
| CN105044497A (zh) | 一种牵引变流器故障智能分析方法 | |
| CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
| CN116933197B (zh) | 一种基于大数据的用电信息采集系统故障判别方法及系统 | |
| CN108093210A (zh) | 一种变压器油位告警系统及其告警方法 | |
| CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
| CN110596490A (zh) | 铁路道岔故障的智能检测方法 | |
| CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
| CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
| CN117150418A (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 | |
| CN106405271A (zh) | 基于监测数据的变压器状态专家诊断方法 | |
| CN104865959A (zh) | 一种消防电源控制系统的故障自诊断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100031 Xicheng District, Chang'an Avenue, No. 86, Applicant after: State Grid Corporation of China Applicant after: STATE GRID FUJIAN ELECTRIC POWER Co. Applicant after: STATE GRID GANSU ELECTRIC POWER Co. Applicant after: Wuhan Nari Limited Liability Company of State Grid Electric Power Research Institute Address before: 100031 Xicheng District, Chang'an Avenue, No. 86, Applicant before: State Grid Corporation of China Applicant before: STATE GRID FUJIAN ELECTRIC POWER Co. Applicant before: STATE GRID GANSU ELECTRIC POWER Co. Applicant before: STATE GRID ELECTRIC POWER RESEARCH INSTITUTE, WUHAN NARI Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171117 |