CN109978334A - 一种基于电力模型的统计方法及系统 - Google Patents
一种基于电力模型的统计方法及系统 Download PDFInfo
- Publication number
- CN109978334A CN109978334A CN201910139562.7A CN201910139562A CN109978334A CN 109978334 A CN109978334 A CN 109978334A CN 201910139562 A CN201910139562 A CN 201910139562A CN 109978334 A CN109978334 A CN 109978334A
- Authority
- CN
- China
- Prior art keywords
- statistical
- model
- message
- module
- statistics
- 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
- 238000007619 statistical method Methods 0.000 title claims abstract description 14
- 238000013179 statistical model Methods 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 235000000332 black box Nutrition 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于电力模型的统计方法及系统，本发明通过模型化手段，建立指标统计模型，模型可按需增加，不需要针对不同的指标单独开发程序，复用率高，扩展性强；本发明利用流式框架Storm，采用多机分布式并行计算，避免单机计算性能瓶颈，极大提高了统计计算效率，解决了统计时效低，耗时长的问题。
Description
技术领域
本发明涉及一种基于电力模型的统计方法及系统，属于电力生产统计领域。
背景技术
电厂的生产统计指标，可以帮助我们统计企业运行和发展方方面面的数据，这对于火电厂决策层的科学决策是非常具有参考价值的。对于火电厂来说常用的指标包括发电量，供电煤耗，厂用电率，补水率，发电水耗，主汽压力，锅炉效率，汽机效率，管道效率等日月年等时段的统计量。对于风电，则有发电量，上网电量，弃风电量，风机的八种状态以及其对应的发电量，各状态的持续时间等指标日月年等时段的统计量。对于水电则包括：机组发电量，综合厂用电量，发电利用小时，弃水损失电量，水量利用率，水轮机效率等指标的日月年等时段的统计量。
随着电厂发电规模的扩大，业务的增加，会产生各种各样的统计指标。指标算法更加复杂，统计指标的增多，由此带来了一系列问题：已配置好的指标，移植到其他系统，往往需要修改或者重新配置，复用率低；扩展性差：增加计算指标，往往需要单独开发程序，造成计算程序冗余，难以统一管理；指标量的增多，统计引擎的统计计算需要耗费更多时间，难以满足对时效要求较高的的业务。
发明内容
本发明提供了一种基于电力模型的统计方法及系统，解决了现有指标统计计算存在复用率低、扩展性差、耗费长以及难以满足时效性的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种基于电力模型的统计方法，包括，
建立指标的统计模型；
选择设备关联的统计模型和统计时段，并将关联关系存入数据库；
通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文；
从数据库中查找Storm集群统计结果。
统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
一种基于电力模型的统计方法，包括，
通过消息中间件，Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文；
Bolt节点解析统计请求消息报文；
Bolt节点根据设备信息从数据库查找相应的关联关系；其中，关联关系为设备关联的统计模型和统计时段；
Bolt节点根据统计模型和统计时段，进行指标统计并将结果存入数据库。
统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
指标统计的过程为，
将统计时段划分成若干个最小统计时段，从数据库中获取每个最小统计时段对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值。
一种基于电力模型的统计系统，包括客户端和Storm集群；
客户端包括模型建立模块、关联模块、消息报文发送模块和结果查看模块；
模型建立模块：建立指标的统计模型；
关联模块：选择设备关联的统计模型和统计时段，并将关联关系存入数据库；
消息报文发送模块：通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文；
结果查看模块：从数据库中查找Storm集群统计结果；
Storm集群包括Spout节点和若干Bolt节点；
Spout节点：通过消息中间件，Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文；
Bolt节点包括解析模块、查找模块和统计模块；
解析模块：解析统计请求消息报文；
查找模块：根据设备信息从数据库查找相应的关联关系；其中，关联关系为设备关联的统计模型和统计时段；
统计模块：根据统计模型和统计时段，进行指标统计并将结果存入数据库。
统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
统计模块的工作过程为，将统计时段划分成若干个最小统计时段，从数据库中获取每个最小统计时段对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值。
接收到多个设备的统计请求消息报文时，每个Bolt节点对一个设备进行指标统计。
本发明所达到的有益效果：本发明通过模型化手段，建立指标统计模型，模型可按需增加，不需要针对不同的指标单独开发程序，复用率高，扩展性强；本发明利用流式框架Storm，采用多机分布式并行计算，避免单机计算性能瓶颈，极大提高了统计计算效率，解决了统计时效低，耗时长的问题。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
一种基于电力模型的统计方法，其中信息的交互主要在两端，即客户端和Storm集群。
其中客户端的主要处理过程如下：
A1）建立指标的统计模型。
统计模型中的内容为：
a、模型名：该模型的唯一标识；
b、模型输入参数主要有两种：
一种为其他统计模型的输出参数，这种输入参数就需要和别的模型关联，因此这里设置依赖的模型名；
另一种是人为输入的参数，这些输入参数主要包括以下几点：
b1）名称：输入参数的名称；
b2）取值标识：该参数取值方式；
b3）内部标识：该参数在模型内部的名称；
b4）清洗类型：该参数取值的过滤和清洗方式；
c、模型输出参数：表示该模型计算后需要输出哪些参数；
d、计算列表，其中具体有：
d1）计算输出测点名：计算参数名称；
d2）计算类型：每种类型表示每种计算逻辑，计算逻辑的实现和集成；
d3）内容：根据不同的计算类型配置相应的统计公式；
d4）依赖参数：表示该参数计算时所依赖的其他参数。
上述统计模型根据类别可分为白箱模型和黑箱模型，其中白箱模型是将模型输入和输出的映射关系保存在配置文件中，在计算的时候先读取配置文件，然后执行统计公式，将结果输出；黑箱模型主要是引入的第三方计算模块，如上述白箱模型无法配置实现的模型、神经网络训练模型等。不管是白箱模型和黑箱模型，其内容都是一致的，在程序层面都要实现三个接口，即初始化、数据预处理（即对数据进行清洗过滤）和执行统计计算。
A2）选择设备关联的统计模型和统计时段，并将关联关系存入数据库。
A3）通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文；即客户端和Storm集群之间通过发布-订阅的方式进行统计请求消息报文交互。
统计请求消息报文中包含设备信息（一般为设备号）、计算的开始时间和结束时间、是否统计所有指标的标志。
A4）从数据库中查找Storm集群统计结果。
Storm集群包括Spout节点和若干Bolt节点，由于这是公知技术，这里不详细描述了，Storm集群的主要处理过程如下：
B1）通过消息中间件，Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文。
B2）Bolt节点解析统计请求消息报文。
B3）Bolt节点根据设备信息从数据库查找相应的关联关系；其中，关联关系为设备关联的统计模型和统计时段。
B4）Bolt节点根据统计模型和统计时段，进行指标统计并将结果存入数据库。
指标统计的过程为：将统计时段划分成若干个最小统计时段，从数据库中获取每个最小统计时段对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值。
比如：需要对某一指标进行一星期的统计，若数据库中存在该指标1小时的统计公式，那么将一星期这个统计时段划分成168小时，从数据库中获取1小时对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值等；若数据库中存在该指标1天的统计公式，那么将一星期这个统计时段划分成7天，从数据库中获取1天对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值等。
综上，一种基于电力模型的统计方法的整体过程为：
步骤1，客户端建立指标的统计模型。
步骤2，客户端选择设备关联的统计模型和统计时段，并将关联关系存入数据库。
步骤3，客户端通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文。
步骤4，通过消息中间件，Storm集群的Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文。
步骤5，Storm集群的Bolt节点解析统计请求消息报文。
步骤6，Storm集群的Bolt节点根据设备信息从数据库查找相应的关联关系。
步骤7，Storm集群的Bolt节点根据统计模型和统计时段，进行指标统计并将结果存入数据库。
步骤8，客户端从数据库中查找Storm集群统计结果。
上述方法通过模型化手段，建立指标统计模型，模型可按需增加，不需要针对不同的指标单独开发程序，复用率高，扩展性强；本发明利用流式框架Storm，采用多机分布式并行计算，避免单机计算性能瓶颈，极大提高了统计计算效率，解决了统计时效低，耗时长的问题。
一种基于电力模型的统计系统，包括客户端和Storm集群。
客户端包括模型建立模块、关联模块、消息报文发送模块和结果查看模块。
模型建立模块：建立指标的统计模型。统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
关联模块：选择设备关联的统计模型和统计时段，并将关联关系存入数据库。
消息报文发送模块：通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文。
结果查看模块：从数据库中查找Storm集群统计结果。
Storm集群包括Spout节点和若干Bolt节点。
Spout节点：通过消息中间件，Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文。
Bolt节点包括解析模块、查找模块和统计模块。
解析模块：解析统计请求消息报文。
查找模块：根据设备信息从数据库查找相应的关联关系；其中，关联关系为设备关联的统计模型和统计时段。
统计模块：根据统计模型和统计时段，进行指标统计并将结果存入数据库。
统计模块的工作过程为：将统计时段划分成若干个最小统计时段，从数据库中获取每个最小统计时段对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值。
接收到多个设备的统计请求消息报文时，每个Bolt节点对一个设备进行指标统计。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种基于电力模型的统计方法，其特征在于：包括，
建立指标的统计模型；
选择设备关联的统计模型和统计时段，并将关联关系存入数据库；
通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文；
从数据库中查找Storm集群统计结果。
2.根据权利要求1所述的一种基于电力模型的统计方法，其特征在于：统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
3.一种基于电力模型的统计方法，其特征在于：包括，
通过消息中间件，Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文；
Bolt节点解析统计请求消息报文；
Bolt节点根据设备信息从数据库查找相应的关联关系；其中，关联关系为设备关联的统计模型和统计时段；
Bolt节点根据统计模型和统计时段，进行指标统计并将结果存入数据库。
4.根据权利要求3所述的一种基于电力模型的统计方法，其特征在于：统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
5.根据权利要求4所述的一种基于电力模型的统计方法，其特征在于：指标统计的过程为，
将统计时段划分成若干个最小统计时段，从数据库中获取每个最小统计时段对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值。
6.一种基于电力模型的统计系统，其特征在于：包括客户端和Storm集群；
客户端包括模型建立模块、关联模块、消息报文发送模块和结果查看模块；
模型建立模块：建立指标的统计模型；
关联模块：选择设备关联的统计模型和统计时段，并将关联关系存入数据库；
消息报文发送模块：通过消息中间件，向Storm集群发送包含设备信息的统计请求消息报文；
结果查看模块：从数据库中查找Storm集群统计结果；
Storm集群包括Spout节点和若干Bolt节点；
Spout节点：通过消息中间件，Spout节点接收并分发客户端发送的包含设备信息的统计请求消息报文；
Bolt节点包括解析模块、查找模块和统计模块；
解析模块：解析统计请求消息报文；
查找模块：根据设备信息从数据库查找相应的关联关系；其中，关联关系为设备关联的统计模型和统计时段；
统计模块：根据统计模型和统计时段，进行指标统计并将结果存入数据库。
7.根据权利要求6所述的一种基于电力模型的统计系统，其特征在于：统计模型中包括模型名、模型输入参数、模型输出参数和计算列表，其中，计算列表中包括指标的统计公式。
8.根据权利要求6所述的一种基于电力模型的统计系统，其特征在于：统计模块的工作过程为，将统计时段划分成若干个最小统计时段，从数据库中获取每个最小统计时段对应的统计模型输入参数，最后将统计模型获得的所有输出参数累加、求平均、求最大值和求最小值。
9.根据权利要求6所述的一种基于电力模型的统计系统，其特征在于：接收到多个设备的统计请求消息报文时，每个Bolt节点对一个设备进行指标统计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910139562.7A CN109978334A (zh) | 2019-02-26 | 2019-02-26 | 一种基于电力模型的统计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910139562.7A CN109978334A (zh) | 2019-02-26 | 2019-02-26 | 一种基于电力模型的统计方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109978334A true CN109978334A (zh) | 2019-07-05 |
Family
ID=67077383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910139562.7A Pending CN109978334A (zh) | 2019-02-26 | 2019-02-26 | 一种基于电力模型的统计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978334A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390475A (zh) * | 2019-07-10 | 2019-10-29 | 国电南京自动化股份有限公司 | 一种基于集团大数据的预警与决策支持方法 |
| CN110503384A (zh) * | 2019-07-12 | 2019-11-26 | 广州穗能通综合能源有限责任公司 | 电力指标的生成方法、装置、计算机设备和存储介质 |
| CN112016832A (zh) * | 2020-08-28 | 2020-12-01 | 南京华盾电力信息安全测评有限公司 | 一种电厂数据处理方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104378239A (zh) * | 2014-11-26 | 2015-02-25 | 国家电网公司 | 基于集群框架的快速可靠性指标统计系统及方法 |
| CN105808537A (zh) * | 2014-12-29 | 2016-07-27 | Tcl集团股份有限公司 | 一种基于Storm的实时推荐方法及系统 |
| CN106874426A (zh) * | 2017-01-23 | 2017-06-20 | 福州大学 | 基于Storm的RDF流式数据关键词实时搜索方法 |
| CN107103064A (zh) * | 2017-04-17 | 2017-08-29 | 北京五八信息技术有限公司 | 数据统计方法及装置 |
| CN107391672A (zh) * | 2017-07-21 | 2017-11-24 | 中国联合网络通信集团有限公司 | 数据的读写方法及消息化的分布式文件系统 |
| CN109327509A (zh) * | 2018-09-11 | 2019-02-12 | 武汉魅瞳科技有限公司 | 一种主/从架构的低耦合的分布式流式计算框架 |
-
2019
- 2019-02-26 CN CN201910139562.7A patent/CN109978334A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104378239A (zh) * | 2014-11-26 | 2015-02-25 | 国家电网公司 | 基于集群框架的快速可靠性指标统计系统及方法 |
| CN105808537A (zh) * | 2014-12-29 | 2016-07-27 | Tcl集团股份有限公司 | 一种基于Storm的实时推荐方法及系统 |
| CN106874426A (zh) * | 2017-01-23 | 2017-06-20 | 福州大学 | 基于Storm的RDF流式数据关键词实时搜索方法 |
| CN107103064A (zh) * | 2017-04-17 | 2017-08-29 | 北京五八信息技术有限公司 | 数据统计方法及装置 |
| CN107391672A (zh) * | 2017-07-21 | 2017-11-24 | 中国联合网络通信集团有限公司 | 数据的读写方法及消息化的分布式文件系统 |
| CN109327509A (zh) * | 2018-09-11 | 2019-02-12 | 武汉魅瞳科技有限公司 | 一种主/从架构的低耦合的分布式流式计算框架 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390475A (zh) * | 2019-07-10 | 2019-10-29 | 国电南京自动化股份有限公司 | 一种基于集团大数据的预警与决策支持方法 |
| CN110503384A (zh) * | 2019-07-12 | 2019-11-26 | 广州穗能通综合能源有限责任公司 | 电力指标的生成方法、装置、计算机设备和存储介质 |
| CN110503384B (zh) * | 2019-07-12 | 2021-09-28 | 广州穗能通能源科技有限责任公司 | 电力指标的生成方法、装置、计算机设备和存储介质 |
| CN112016832A (zh) * | 2020-08-28 | 2020-12-01 | 南京华盾电力信息安全测评有限公司 | 一种电厂数据处理方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100518079C (zh) | 分布式性能数据采集方法 | |
| Lin et al. | Efficient fault-tolerant routing in IoT wireless sensor networks based on bipartite-flow graph modeling | |
| CN109978334A (zh) | 一种基于电力模型的统计方法及系统 | |
| Harb et al. | K-means based clustering approach for data aggregation in periodic sensor networks | |
| WO2020073301A1 (en) | Systems and methods for monitoring a blockchain-based energy grid | |
| DK2633600T3 (en) | METHOD OF SHORT-CYCLE DATA REGISTRATION, ENERGY MONITORING AND SMART METERING / SMART GRID NETWORK MANAGEMENT USING A DISTRIBUTED, INTELLIGENT MIDDLEWARE | |
| CN102546220B (zh) | 一种基于业务特征的关键质量指标构成方法 | |
| CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
| CN112149967B (zh) | 基于复杂系统理论的电力通信网脆弱性评估方法和系统 | |
| WO2019196427A1 (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
| Liang et al. | Relaxed alternating direction method of multipliers for hedging communication packet loss in integrated electrical and heating system | |
| CN106296315A (zh) | 基于用户用电数据的情境感知系统 | |
| CN108446842B (zh) | 一种电力营配风控管理方法和系统 | |
| CN107454009B (zh) | 面向数据中心的离线场景低带宽开销流量调度方案 | |
| CN113326148A (zh) | 一种基于微服务的数据交互系统 | |
| CN102256226A (zh) | 维护保养信息处理方法和系统 | |
| CN112482488B (zh) | 一种城市错峰供水方法及系统 | |
| CN103337040A (zh) | 一种计及风电波动性的风电发电计划编制系统及编制方法 | |
| CN113344733A (zh) | 一种电气互联综合能源系统优化规划方法及系统 | |
| van Rooij et al. | echidna: Continuous data validation in advanced metering infrastructures | |
| CN114638418B (zh) | 基于双层gert网络的核电建造协同质保价值链优化方法 | |
| US8842563B1 (en) | Communication and processing for power line communication systems | |
| CN116226293A (zh) | 一种电力客户画像生成管理的方法及系统 | |
| CN116910144A (zh) | 算力网络资源中心、算力服务系统以及数据处理方法 | |
| CN108989475A (zh) | 基于区块链的分布式存储传输架构 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |