CN107730037A - 一种基于关联规则算法的avc影响因子分析方法 - Google Patents
一种基于关联规则算法的avc影响因子分析方法 Download PDFInfo
- Publication number
- CN107730037A CN107730037A CN201710922676.XA CN201710922676A CN107730037A CN 107730037 A CN107730037 A CN 107730037A CN 201710922676 A CN201710922676 A CN 201710922676A CN 107730037 A CN107730037 A CN 107730037A
- Authority
- CN
- China
- Prior art keywords
- data
- avc
- remote
- regulation
- remote signalling
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004321 preservation Methods 0.000 claims abstract description 4
- 230000011664 signaling Effects 0.000 claims description 60
- 238000005259 measurement Methods 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000012141 concentrate Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- 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
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Selective Calling Equipment (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于关联规则算法的AVC影响因子分析方法,包括以下步骤:(1)数据保存;(2)数据预处理:去掉无效数据;(3)关联规则算法分析:采用关联规则算法对所有保存的数据进行分析,最终求得影响AVC调节策略的影响因子。将电网数据抽象成简单的影响因子,这样只需对单个因子和AVC调节结果进行关联规则算法分析,就可以求得该因子与AVC调节结果是否有关联。本发明模型简单,计算准确,摆脱了纯理论分析或者经验判断带来的弊端;另外,本方法可以根据需要,修改相关指标,从而在不同层次,不同程度上对影响因子进行归类,方便灵活,实用性强。
Description
技术领域
本发明涉及电网电压无功综合控制优化系统领域技术,特别涉及一种基于关联规则算法的AVC影响因子分析方法。
背景技术
目前没有对AVC调节策略影响因子的类似分析方法。在传统理论中,二级电压控制系统和变电站电压控制系统中,AVC调节策略常采用基于专家规则的九区图或者十七区图法。其理论是基于传统的电压无功控制理论,只考虑其中的电压和无功影响,不够精细和完善。如果能够引入大数据分析技术,对AVC调节策略的影响因子进行分析,就可以摆脱了长期依赖人工经验的缺点,找出电网中所有影响AVC调节的因素,为后续有针对性的优化改进提供量化数据。
发明内容
有鉴于此,本发明的目的是提供一种基于关联规则算法的AVC影响因子分析方法,其简单易用、可靠性高、计算准确,能够完全依赖历史记录数据而不是人为经验或者主观判断。
本发明的目的是通过以下技术方案实现的:
该种基于关联规则算法的AVC影响因子分析方法,包括以下步骤:
(1)数据保存:先保存三个月及以上的AVC调节前后的数据断面和AVC调节结果,数据断面中包含所有实时遥信遥测数据、天气数据、调节时;调节结果包括是否成功,电压无功是否合格;
(2)数据预处理:去掉无效数据;
(3)关联规则算法分析:采用关联规则算法对所有保存的数据进行分析,最终求得影响 AVC调节策略的影响因子。
进一步,所述步骤(1)包括以下步骤:
(1.1)定时检测AVC系统中是否有新的调节策略生成;
(1.2)检测到有新的调节策略,记录当前所有的遥信遥测数据,启动结果判断过程。如果无新调节策略,则返回1;
(1.3)检查是否收到调节完成信号,根据调节完成结果,设置本次调节结果为成功或者失败,记录新的数据断面,同时获取天气数据、记录操作时间,和2中记录的数据保存为一次调节记录,返回1;
(1.4)检查是否超时,如果超时,修改操作结果为失败、保存新的数据断面,并结束本次调节记录过程,返回1;未超时,则回到3等待下个周期判断。
进一步,所述步骤(2)包括以下步骤:
(2.1)读取一条记录,读取该记录操作结果为成功或者失败;
(2.2)对于成功的记录,检测操作前后的数据断面,如果操作前后的所有数据都无变化,则该条记录为无效记录,进行过滤处理;
(2.3)对于失败的记录,检测操作前后的数据断面,如果操作前后的相关数据的变化大于2%,则判断该记录为无效数据,进行过滤处理;
(2.4)过滤处理的数据将从数据记录集中删除,不进行下一环节。
进一步,所述步骤(3)包括如下步骤:
(3.1)读取所有经过预处理的数据集合,按存盘顺序对任一记录中的除操作结果项外的所有数据项集合进行编号1、2、……、N,数据项个数为N个;
(3.2)对任一记录中的数据项按遥信、遥测进行分类,得到遥信集(YX)、遥测集(YC) 和操作结果项,对YX集进行编号,编号为1、2、……、L,遥信个数为L,同样依次对YC 集中的数据项进行编号,编号为1、2、……、M,显然有M+L=N;
(3.3)根据遥信或者遥测支持度的计算公式求取第i项遥信与操作结果的支持度;
(3.4)判断该遥信是否为影响因子,判断方法如下:如果该遥信状态为1的支持度等于该遥信状态0的支持度,或者二者的差别小于10%,则认为该遥信状态与AVC调节结果无关联,将i项遥信编号从YX集中删除;否则该遥信为AVC调节关联因子,保留该项;
(3.5)对YX集中所有的遥信进行同样的分析处理,最终得到关联因子遥信集YX1;
(3.6)计算集合数据断面中h项遥测的支持度;
(3.7)对所有的遥测进行同样的分析处理,最终得到影响因子遥测集YC1;
(3.8)得到的YX1和YC1为该电网中AVC影响因子集。
进一步,所述步骤(3.3)中,求取方法如下:
分别计算集合数据断面中每一个遥信的两种状态(0和1)的支持度,其中遥信状态为1 支持度定义为:该遥信值为1时,调节结果为成功的次数除以该遥信值为1时的调节记录总次数;该遥信值为0支持度定义为:该遥信值为0时,调节结果为成功的次数除以该遥信值为0时的调节记录次数。
进一步,所述步骤(3.6)的计算方法如下:遥测根据所有数据集合中从Ymax到Ymin分为三段,即遥测高段、遥测中段和遥测低段,其中,遥测高段值区间为(Ymax-(Ymax-Ymin)/3, Ymax),遥测中段为(Ymax-2*(Ymax-Ymin)/3,Ymax-(Ymax-Ymin)/3),遥测低段为(Ymin, Ymax-2*(Ymax-Ymin)/3),遥测高段的支持度为遥测处于高估区域操作结果为成功的次数除以遥测处于高段区域时的操作记录个数,分别计算该遥测高段、中段和低段的支持度,如果任意二者的支持度相等或者差别小于10%,则认为该遥测值与AVC调节结果无关联,不构成关联项集;如h项遥测与AVC调节结果不关联,则将h项从YC集中剔除。
进一步,步骤(1.1)中,定时检测的周期为30秒。
本发明的有益效果是:
本发明基于关联规则算法的AVC影响因子分析方法,将电网数据抽象成简单的影响因子,这样只需对单个因子和AVC调节结果进行关联规则算法分析,就可以求得该因子与AVC调节结果是否有关联。其优点很明显,模型简单,计算准确,从而摆脱纯理论分析或者经验判断;本方法可以根据需要,修改相关指标,从而在不同层次,不同程度上对影响因子进行归类,方便灵活,实用性强。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
附图1为本发明结构示意图;
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
如图1所示,本发明的基于关联规则算法的AVC影响因子分析方法,包括以下步骤:
步骤(1)数据保存:先保存三个月及以上的AVC调节前后的数据断面和AVC调节结果,数据断面中包含所有实时遥信遥测数据、天气数据、调节时;调节结果包括是否成功,电压无功是否合格;
具体而言,步骤(1)包括以下步骤:
(1.1)定时检测AVC系统中是否有新的调节策略生成,本实施例中,定时检测的周期为 30秒;
(1.2)检测到有新的调节策略,记录当前所有的遥信遥测数据,启动结果判断过程。如果无新调节策略,则返回1;
(1.3)检查是否收到调节完成信号,根据调节完成结果,设置本次调节结果为成功或者失败,记录新的数据断面,同时获取天气数据、记录操作时间,和2中记录的数据保存为一次调节记录,返回1;
(1.4)检查是否超时,如果超时,修改操作结果为失败、保存新的数据断面,并结束本次调节记录过程,返回1;未超时,则回到3等待下个周期判断;
步骤(2):数据预处理:去掉无效数据;
具体包括以下步骤:
(2.1)读取一条记录,读取该记录操作结果为成功或者失败;
(2.2)对于成功的记录,检测操作前后的数据断面,如果操作前后的所有数据都无变化,则该条记录为无效记录,进行过滤处理;
(2.3)对于失败的记录,检测操作前后的数据断面,如果操作前后的相关数据的变化大于2%,则判断该记录为无效数据,进行过滤处理;
(2.4)过滤处理的数据将从数据记录集中删除,不进行下一环节。
步骤(3)关联规则算法分析:采用关联规则算法对所有保存的数据进行分析,最终求得影响AVC调节策略的影响因子。
具体而言,包括如下步骤:
(3.1)读取所有经过预处理的数据集合,按存盘顺序对任一记录中的除操作结果项外的所有数据项集合进行编号1、2、……、N,数据项个数为N个;
(3.2)对任一记录中的数据项按遥信、遥测进行分类,得到遥信集(YX)、遥测集(YC) 和操作结果项,对YX集进行编号,编号为1、2、……、L,遥信个数为L,同样依次对YC 集中的数据项进行编号,编号为1、2、……、M,显然有M+L=N;
(3.3)根据遥信或者遥测支持度的计算公式求取第i项遥信与操作结果的支持度,求取方法如下:
分别计算集合数据断面中每一个遥信的两种状态(0和1)的支持度,其中遥信状态为1 支持度定义为:该遥信值为1时,调节结果为成功的次数除以该遥信值为1时的调节记录总次数;该遥信值为0支持度定义为:该遥信值为0时,调节结果为成功的次数除以该遥信值为0时的调节记录次数。
(3.4)判断该遥信是否为影响因子,判断方法如下:如果该遥信状态为1的支持度等于该遥信状态0的支持度,或者二者的差别小于10%,则认为该遥信状态与AVC调节结果无关联,将i项遥信编号从YX集中删除;否则该遥信为AVC调节关联因子,保留该项;
(3.5)对YX集中所有的遥信进行同样的分析处理,最终得到关联因子遥信集YX1;
(3.6)计算集合数据断面中h项遥测的支持度;计算方法如下:遥测根据所有数据集合中从Ymax到Ymin分为三段,即遥测高段、遥测中段和遥测低段,其中,遥测高段值区间为(Ymax-(Ymax-Ymin)/3,Ymax),遥测中段为(Ymax-2*(Ymax-Ymin)/3, Ymax-(Ymax-Ymin)/3),遥测低段为(Ymin,Ymax-2*(Ymax-Ymin)/3),遥测高段的支持度为遥测处于高估区域操作结果为成功的次数除以遥测处于高段区域时的操作记录个数,分别计算该遥测高段、中段和低段的支持度,如果任意二者的支持度相等或者差别小于10%,则认为该遥测值与AVC调节结果无关联,不构成关联项集;如h项遥测与AVC调节结果不关联,则将h项从YC集中剔除。
(3.7)对所有的遥测进行同样的分析处理,最终得到影响因子遥测集YC1;
(3.8)得到的YX1和YC1为该电网中AVC影响因子集。
本发明引入大数据分析技术,对AVC调节策略的影响因子进行分析,摆脱了长期依赖人工经验的缺点,可以找出电网中所有影响AVC调节的因素,为后续有针对性的优化改进提供量化数据。本方法可以根据需要,修改相关指标,从而在不同层次,不同程度上对影响因子进行归类,方便灵活,实用性强。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.基于关联规则算法的AVC影响因子分析方法,其特征在于:所述方法包括以下步骤:
(1)数据保存:先保存三个月及以上的AVC调节前后的数据断面和AVC调节结果,数据断面中包含所有实时遥信遥测数据、天气数据、调节时;调节结果包括是否成功,电压无功是否合格;
(2)数据预处理:去掉无效数据;
(3)关联规则算法分析:采用关联规则算法对所有保存的数据进行分析,最终求得影响AVC调节策略的影响因子。
2.根据权利要求1所述的基于关联规则算法的AVC影响因子分析方法,其特征在于:所述步骤(1)包括以下步骤:
(1.1)定时检测AVC系统中是否有新的调节策略生成;
(1.2)检测到有新的调节策略,记录当前所有的遥信遥测数据,启动结果判断过程。如果无新调节策略,则返回1;
(1.3)检查是否收到调节完成信号,根据调节完成结果,设置本次调节结果为成功或者失败,记录新的数据断面,同时获取天气数据、记录操作时间,和2中记录的数据保存为一次调节记录,返回1;
(1.4)检查是否超时,如果超时,修改操作结果为失败、保存新的数据断面,并结束本次调节记录过程,返回1;未超时,则回到3等待下个周期判断。
3.根据权利要求1所述的基于关联规则算法的AVC影响因子分析方法,其特征在于:所述步骤(2)包括以下步骤:
(2.1)读取一条记录,读取该记录操作结果为成功或者失败;
(2.2)对于成功的记录,检测操作前后的数据断面,如果操作前后的所有数据都无变化,则该条记录为无效记录,进行过滤处理;
(2.3)对于失败的记录,检测操作前后的数据断面,如果操作前后的相关数据的变化大于2%,则判断该记录为无效数据,进行过滤处理;
(2.4)过滤处理的数据将从数据记录集中删除,不进行下一环节。
4.根据权利要求1所述的基于关联规则算法的AVC影响因子分析方法,其特征在于:所述步骤(3)包括如下步骤:
(3.1)读取所有经过预处理的数据集合,按存盘顺序对任一记录中的除操作结果项外的所有数据项集合进行编号1、2、……、N,数据项个数为N个;
(3.2)对任一记录中的数据项按遥信、遥测进行分类,得到遥信集(YX)、遥测集(YC)和操作结果项,对YX集进行编号,编号为1、2、……、L,遥信个数为L,同样依次对YC集中的数据项进行编号,编号为1、2、……、M,显然有M+L=N;
(3.3)根据遥信或者遥测支持度的计算公式求取第i项遥信与操作结果的支持度;
(3.4)判断该遥信是否为影响因子,判断方法如下:如果该遥信状态为1的支持度等于该遥信状态0的支持度,或者二者的差别小于10%,则认为该遥信状态与AVC调节结果无关联,将i项遥信编号从YX集中删除;否则该遥信为AVC调节关联因子,保留该项;
(3.5)对YX集中所有的遥信进行同样的分析处理,最终得到关联因子遥信集YX1;
(3.6)计算集合数据断面中h项遥测的支持度;
(3.7)对所有的遥测进行同样的分析处理,最终得到影响因子遥测集YC1;
(3.8)得到的YX1和YC1为该电网中AVC影响因子集。
5.根据权利要求4所述的基于关联规则算法的AVC影响因子分析方法,其特征在于:所述步骤(3.3)中,求取方法如下:
分别计算集合数据断面中每一个遥信的两种状态的支持度,其中遥信状态为1支持度定义为:该遥信值为1时,调节结果为成功的次数除以该遥信值为1时的调节记录总次数;该遥信值为0支持度定义为:该遥信值为0时,调节结果为成功的次数除以该遥信值为0时的调节记录次数。
6.根据权利要求1或2或3所述的基于关联规则算法的AVC影响因子分析方法,其特征在于:所述步骤(3.6)的计算方法如下:遥测根据所有数据集合中从Ymax到Ymin分为三段,即遥测高段、遥测中段和遥测低段,其中,遥测高段值区间为(Ymax-(Ymax-Ymin)/3,Ymax),遥测中段为(Ymax-2*(Ymax-Ymin)/3,Ymax-(Ymax-Ymin)/3),遥测低段为(Ymin,Ymax-2*(Ymax-Ymin)/3),遥测高段的支持度为遥测处于高估区域操作结果为成功的次数除以遥测处于高段区域时的操作记录个数,分别计算该遥测高段、中段和低段的支持度,如果任意二者的支持度相等或者差别小于10%,则认为该遥测值与AVC调节结果无关联,不构成关联项集;如h项遥测与AVC调节结果不关联,则将h项从YC集中剔除。
7.根据权利要求2所述的基于关联规则算法的AVC影响因子分析方法,其特征在于:所述步骤(1.1)中,定时检测的周期为30秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710922676.XA CN107730037B (zh) | 2017-09-30 | 2017-09-30 | 一种基于关联规则算法的avc影响因子分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710922676.XA CN107730037B (zh) | 2017-09-30 | 2017-09-30 | 一种基于关联规则算法的avc影响因子分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107730037A true CN107730037A (zh) | 2018-02-23 |
CN107730037B CN107730037B (zh) | 2021-08-03 |
Family
ID=61209363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710922676.XA Active CN107730037B (zh) | 2017-09-30 | 2017-09-30 | 一种基于关联规则算法的avc影响因子分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730037B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105306475A (zh) * | 2015-11-05 | 2016-02-03 | 天津理工大学 | 一种基于关联规则分类的网络入侵检测方法 |
-
2017
- 2017-09-30 CN CN201710922676.XA patent/CN107730037B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105306475A (zh) * | 2015-11-05 | 2016-02-03 | 天津理工大学 | 一种基于关联规则分类的网络入侵检测方法 |
Non-Patent Citations (4)
Title |
---|
MOHAMAD FARHAN MOHAMAD MOHSIM ET AL: "《An Investigation into Influence Factor of Student Programming Grade Using Association Rule Mining》", 《ADVANCES IN INFORMATION SCIENCES AND SYSTEM AND SERVICE SCIENCES》 * |
徐劲松: "《基于数据挖掘的变电站无功优化算法设计》", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
曹静雯: "《南昌电网配电自动化主站系统设计》", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
蓝鹏昊: "《基于变电站运行信息的智能数据挖掘》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN107730037B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503742B (zh) | 一种可见光图像绝缘子识别方法 | |
CN103743486B (zh) | 一种基于海量烟叶数据的自动定级系统和方法 | |
CN106093707B (zh) | 智能防窃电分析系统的数据处理方法 | |
CN108520219A (zh) | 一种卷积神经网络特征融合的多尺度快速人脸检测方法 | |
CN103530659B (zh) | 结合原始和对称脸人脸图像的人脸识别方法及考勤系统 | |
CN110516788A (zh) | 一种基于Bi-LSTM算法的非侵入式负荷检测方法及系统 | |
CN109447949A (zh) | 基于巡检机器人的绝缘端子缺陷识别方法 | |
CN107945210A (zh) | 基于深度学习和环境自适应的目标跟踪算法 | |
CN108319672A (zh) | 基于云计算的移动终端不良信息过滤方法及系统 | |
CN107624176A (zh) | 触摸检测方法、装置、触摸屏及电子终端 | |
CN113598759B (zh) | 一种基于肌电特征优化的下肢动作识别方法及系统 | |
CN103700118B (zh) | 基于脉冲耦合神经网络的动目标检测方法 | |
CN107730037A (zh) | 一种基于关联规则算法的avc影响因子分析方法 | |
CN107168250B (zh) | 一种包装检测任务的自动分配方法及服务器 | |
CN108717522A (zh) | 一种基于深度学习和相关滤波的人体目标跟踪方法 | |
CN106073800A (zh) | 基于绝对差值和提取的动态光谱数据处理方法及其装置 | |
CN107219494A (zh) | 一种电能表运行测试系统 | |
CN116883717A (zh) | 压板校核方法、装置、计算机可读存储介质及计算机设备 | |
CN114664074B (zh) | 一种蓝牙遥控器的测试方法及系统 | |
CN106127602A (zh) | 一种基于约简离群点算法的窃电辨识方法及装置 | |
CN109788365A (zh) | 一种页面弹幕的过滤方法及系统 | |
CN110702982B (zh) | 一种电能计量装置智能回收管理系统 | |
CN107644189A (zh) | 一种生物特征识别的方法及装置 | |
CN103064940A (zh) | 一种基于感知知识库的视频内容审查系统及方法 | |
CN111273131A (zh) | 基于能量特性与随机森林的光伏并网发电孤岛检测方法 |
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 |