CN110348517A - 一种基于大数据的清洁能源供暖系统报警分类预测方法 - Google Patents
一种基于大数据的清洁能源供暖系统报警分类预测方法 Download PDFInfo
- Publication number
- CN110348517A CN110348517A CN201910625237.1A CN201910625237A CN110348517A CN 110348517 A CN110348517 A CN 110348517A CN 201910625237 A CN201910625237 A CN 201910625237A CN 110348517 A CN110348517 A CN 110348517A
- Authority
- CN
- China
- Prior art keywords
- alarm
- energy resource
- clean energy
- feature
- heating system
- 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
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D13/00—Electric heating systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1096—Arrangement or mounting of control or safety devices for electric heating systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Thermal Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的清洁能源供暖系统报警分类预测方法,包括步骤:A.从报警实际工作情况出发,将历史报警数据的报警类型分为两类;B.特征筛选和聚类转换,即从历史报警数据的不同维度出发,依据历史报警数据的分类的占比对特征进行聚类操作,建立基于历史数据的特征向量;C.引入决策树CART分类模型,训练非线性的离散特征向量,调整参数优化模型,并利用模型对上报的报警信息进行实时分类预测,输出预测结果。本发明的方法可实现由系统对上报的实时故障报警的分类进行预测,以此辅助系统运营人员决策,减轻运营压力,提高系统的服务质量。
Description
技术领域
本发明涉及大数据分析和人工智能算法技术领域,特别涉及一种基于大数据的清洁能源供暖系统报警分类预测方法。
背景技术
近年来,随着我国空气质量愈来愈受到广泛关注,减少二氧化碳及有害气体排放逐渐成为各行各业生产和生活的重点,煤改电项目正是在该背景下被极力推动,现有技术中也诞生了多种清洁能源智能系统,如煤改电系统是为煤改电清洁能源项目提供平台服务,具备远程控制、故障上报、统计分析、数据可视化等功能。系统将上报的故障报警信息储存在服务器中,历史报警数据记载了报警的设备名称、报警的故障类型,故障发生的时间,故障结束的时间等信息。从历史报警数据中,可以将报警划分为两类:短时间能自动回复或者工作时间前能自动解除的报警及长时报警。第一类报警不需运营人员立即进行处理,报警在下一个上报周期可自动解除,或在运营一天的工作时间开始前即可自动解除。第二类报警,为持续时间较长的报警,通常持续多个上报周期,需工作人员人为干预、检查设备参数、调整运行策略、甚至现场检修等。在系统运行过程中,存在多个设备同时并行上报故障信息的情况,此时,系统应提供一个基于历史数据的故障报警分类算法,预测上报的报警的分类标签,辅助运营人员决策,提高运营的效率。
发明内容
本发明的目的是结合上述背景技术并克服背景技术中不足,提供一种基于大数据的清洁能源供暖系统报警分类预测方法,可用于清洁能源智能系统的故障报警分类预测模块,结合清洁能源服务平台,对历史报警数据的特征进行筛选,将筛选的每个特征进行降维变换,并在在此基础上训练CART分类预测模型,实现由系统对上报的实时故障报警的分类进行预测,以此辅助系统运营人员决策,减轻运营压力,提高系统的服务质量。
为了达到上述的技术效果,本发明采取以下技术方案:
一种基于大数据的清洁能源供暖系统报警分类预测方法,用于清洁能源供暖系统,所述清洁能源供暖系统包括运营端、供暖设备端、系统平台端,供暖设备端向系统平台端上报报警信息,系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端,运营端根据收到的报警信息进行相应处理,所述基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤:
A.从报警实际工作情况出发,将历史报警数据的报警类型分为两类;
B.特征筛选和聚类转换,即从历史报警数据的不同维度出发,依据历史报警数据的分类的占比对特征进行聚类操作,建立基于历史数据的特征向量;
C.引入决策树CART分类模型,训练非线性的离散特征向量,调整参数优化模型,并利用模型对上报的报警信息进行实时分类预测,输出预测结果。
进一步地,所述历史报警数据包括报警发生的设备、报警上报的时间、报警类型信息。
进一步地,所述步骤A中具体是将历史报警数据分为第一类的自恢复报警和第二类的长时故障数据。
进一步地,所述自恢复报警指报警时间在运营工作时间且持续时间不超过2个上报周期,或报警时间在非工作时间,但在工作时间开始前能解除的报警。
进一步地,所述长时故障指必要是需进行远程控制、参数调整或现场检修的报警,此类报警数据需要引起系统运营人员重视。
进一步地,所述步骤B中所述特征是指将历史报警数据中,故障发生的设备、上报的星期数、上报的小时、及故障类型作为模型的特征,且所述筛选的特征均为离散变量,且特征向量的维数较大。
进一步地,所述步骤B具体为对每个特征采用聚类算法进行变换,将特征分为报警类型倾向第一类的族群、倾向第二类的族群以及中间无倾向的族群,以达到降维的目的。
进一步地,所述步骤B中对每个特征采用聚类算法进行变换时,具体的变换的方法为:一个特征中的某个值对应的历史数据样本中,若样本数量大于设定的最小样本容量,且样本中报警分类占该样本的总量超过80%,则定义为倾向该分类的族群;否则定义为无倾向的族群。
进一步地,所述步骤C中还包括定时更新特征的聚类族群信息及分类模型。
进一步地,所述系统平台端包括系统平台单元、报警分类单元及平台数据库,所述平台数据库用于存储收到的报警信息,报警分类单元用于提取平台数据库存储的报警信息并进行分类处理,及将分类结果传递至系统平台单元,系统平台单元用于将分类后的报警信息传递至运营端。
本发明与现有技术相比,具有以下的有益效果:
本发明的基于大数据的清洁能源供暖系统报警分类预测方法,可用于清洁能源智能系统的故障报警分类预测模块,结合清洁能源服务平台,通过对历史报警数据的特征进行筛选,将筛选的每个特征进行降维变换,并在在此基础上训练CART分类预测模型,从而实现由系统对上报的实时故障报警的分类进行预测,以此辅助系统运营人员决策,减轻运营压力,提高系统的服务质量。
附图说明
图1是本发明的基于大数据的清洁能源供暖系统报警分类预测方法的流程示意图。
图2是本发明的一个实施例中的清洁能源供暖系统的示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例:
实施例一:
如图1所示,一种基于大数据的清洁能源供暖系统报警分类预测方法,用于清洁能源供暖系统,如图2所示,本实施例中的清洁能源供暖系统包括运营端、供暖设备端、系统平台端,供暖设备端向系统平台端上报报警信息,系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端,运营端根据收到的报警信息进行相应处理。其中,系统平台端包括系统平台单元、报警分类单元及平台数据库,平台数据库用于存储收到的报警信息,报警分类单元用于提取平台数据库存储的报警信息并进行分类处理,及将分类结果传递至系统平台单元,系统平台单元用于将分类后的报警信息传递至运营端。
具体的,本实施例中,基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤:
步骤一:从报警实际工作情况出发,将历史报警数据的报警类型分为两类;
具体的,历史报警数据信息记录了报警发生的设备、报警上报的时间、报警类型等信息,本实施例中对历史报警数据的报警类型进行分类时具体为:第一类为自恢复报警,指报警时间在运营工作时间且持续时间不超过2个上报周期,或报警时间在非工作时间,但在工作时间开始前能解除的报警;第二类为长时故障,需引起系统运营人员重视,必要是需进行远程控制、参数调整、甚至现场检修等的报警。
如本实施例中,系统历史数据中共计4400条报警信息,且其中60%的样本为一类报警,40%的样本为第二类报警。
步骤二:特征筛选和聚类转换,即从历史报警数据的不同维度出发,依据历史报警数据的分类的占比对特征进行聚类操作,建立基于历史数据的特征向量。
具体为,选择历史数据中,故障发生的设备、上报的星期数、上报的小时、及故障类型为模型的特征,其中,筛选的特征均为离散变量,且特征向量的维数较大,然后对每个特征采用聚类算法进行变换,将特征分为报警类型倾向第一类的族群、倾向第二类的族群以及中间无倾向的族群,以达到降维的目的。
其中,本实施例中对每个特征采用聚类算法进行变换时变换的形式为:一个特征中的某个值对应的历史数据样本中,若样本数量大于设定的最小样本容量,且样本中报警分类占该样本的总量超过80%,则定义为倾向该分类的族群;否则定义为无倾向的族群。
如本实施例中,选择的特征为上报报警的设备,上报的星期数,上报的小时数,及上报的故障类型。且经过聚类的特征变换后,所有特征均变为三个相同的离散值,本实施例中采用数值编码的形式保存特征变换结果。
步骤三:引入决策树CART分类模型,训练非线性的离散特征向量,调整参数优化模型,并利用模型对上报的报警信息进行实时分类预测,输出预测结果,并定时更新特征的聚类族群信息及分类模型。
CART分类树模型是决策树模型的一个分支,以特征的基尼系数为标准,度量每个特征的所有值对特征对应总体分类的纯净度,选择合适的特征,自上而下的构造二叉决策树模型,是一种贪心算法。
本方法采用CART分类树构造决策分类预测模型,利用大量的历史报警数据进行训练,得到最优模型;然后针对实时上报的报警数据,利用训练完成的模型进行分类预测,并在系统推送的报警信息中输出预测的分类结果,达到辅助决策的目的,其中,上报的报警继续存在服务器端,且需定时更新特征的聚类族群信息及分类模型。
如本实施例中,先对保存的历史数据和特征变换结果,离线进行模型训练,将训练完成的模型的参数存储于服务器端,并针对实时上报的数据,服务器端提取模型参数在线运算,输出分类预测结果给用户,同时服务器端定时更新特征数据和模型参数。
本本实施例中为检测预测的精确度,将样本分为了训练集和测试集,历史数据样本为60天的报警数据,将前30天数据作为训练集,后30天数据作为测试集,采用上述实施过程对测试集进行验证,设定特征和模型的更新频率为每日,输出测试集的预测分类集合,再与实际的分类结果进行对比,且经计算,测试集分类预测的准确度达到90%。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于大数据的清洁能源供暖系统报警分类预测方法,用于清洁能源供暖系统,其特征在于,所述清洁能源供暖系统包括运营端、供暖设备端、系统平台端,供暖设备端向系统平台端上报报警信息,系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端,运营端根据收到的报警信息进行相应处理,所述基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤:
A.从报警实际工作情况出发,将历史报警数据的报警类型分为两类;
B.特征筛选和聚类转换,即从历史报警数据的不同维度出发,依据历史报警数据的分类的占比对特征进行聚类操作,建立基于历史数据的特征向量;
C.引入决策树CART分类模型,训练非线性的离散特征向量,调整参数优化模型,并利用模型对上报的报警信息进行实时分类预测,输出预测结果。
2.根据权利要求1所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述历史报警数据包括报警发生的设备、报警上报的时间、报警类型信息。
3.根据权利要求2所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述步骤A中具体是将历史报警数据分为第一类的自恢复报警和第二类的长时故障数据。
4.根据权利要求3所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述自恢复报警指报警时间在运营工作时间且持续时间不超过2个上报周期,或报警时间在非工作时间,但在工作时间开始前能解除的报警。
5.根据权利要求3所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述长时故障指必要是需进行远程控制、参数调整或现场检修的报警。
6.根据权利要求3所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述步骤B中所述特征是指将历史报警数据中,故障发生的设备、上报的星期数、上报的小时、及故障类型作为模型的特征,且所述筛选的特征均为离散变量。
7.根据权利要求6所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述步骤B具体为对每个特征采用聚类算法进行变换,将特征分为报警类型倾向第一类的族群、倾向第二类的族群以及中间无倾向的族群。
8.根据权利要求7所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述步骤B中对每个特征采用聚类算法进行变换时,具体的变换的方法为:一个特征中的某个值对应的历史数据样本中,若样本数量大于设定的最小样本容量,且样本中报警分类占该样本的总量超过80%,则定义为倾向该分类的族群;否则定义为无倾向的族群。
9.根据权利要求7所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述步骤C中还包括定时更新特征的聚类族群信息及分类模型。
10.根据权利要求1至9中任一所述的一种基于大数据的清洁能源供暖系统报警分类预测方法,其特征在于,所述系统平台端包括系统平台单元、报警分类单元及平台数据库,所述平台数据库用于存储收到的报警信息,报警分类单元用于提取平台数据库存储的报警信息并进行分类处理,及将分类结果传递至系统平台单元,系统平台单元用于将分类后的报警信息传递至运营端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625237.1A CN110348517B (zh) | 2019-07-11 | 2019-07-11 | 一种基于大数据的清洁能源供暖系统报警分类预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625237.1A CN110348517B (zh) | 2019-07-11 | 2019-07-11 | 一种基于大数据的清洁能源供暖系统报警分类预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348517A true CN110348517A (zh) | 2019-10-18 |
CN110348517B CN110348517B (zh) | 2022-08-19 |
Family
ID=68175881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910625237.1A Active CN110348517B (zh) | 2019-07-11 | 2019-07-11 | 一种基于大数据的清洁能源供暖系统报警分类预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348517B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125194A (zh) * | 2019-12-25 | 2020-05-08 | 中国建筑科学研究院有限公司 | 应用于城市级清洁取暖的数据构造方法及装置 |
CN112418533A (zh) * | 2020-11-25 | 2021-02-26 | 江苏电力交易中心有限公司 | 一种清洁能源电量分解预测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2083689U (zh) * | 1990-11-19 | 1991-08-28 | 李福祚 | 锅炉系列全自动安全保护警控装置 |
CN101964985A (zh) * | 2010-09-29 | 2011-02-02 | 中国科学院声学研究所 | 一种lte/lte-a中自组织网络的覆盖与容量自优化装置及其方法 |
CN102042909A (zh) * | 2009-10-14 | 2011-05-04 | 中国北车集团大同电力机车有限责任公司 | 机车故障诊断方法和系统 |
US20130058623A1 (en) * | 2011-09-07 | 2013-03-07 | Vesstech, Inc. | Video warning systems for devices, products, containers and other items |
US20130116834A1 (en) * | 2011-11-09 | 2013-05-09 | Honeywell International Inc. | Actuator with diagnostics |
CN105184084A (zh) * | 2015-09-14 | 2015-12-23 | 深圳供电局有限公司 | 一种电力计量自动化终端故障类型预测方法和系统 |
CN107016507A (zh) * | 2017-04-07 | 2017-08-04 | 国网技术学院 | 基于数据挖掘技术的电网故障追踪方法 |
CN107038453A (zh) * | 2017-03-06 | 2017-08-11 | 辽宁大唐国际新能源有限公司 | 一种风电机组的故障预警系统及判断方法 |
CN107835220A (zh) * | 2017-09-20 | 2018-03-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的热量表故障推送方法及物联网系统 |
CN108386903A (zh) * | 2018-04-17 | 2018-08-10 | 四川斐讯信息技术有限公司 | 一种电炉的自动报警方法及装置 |
CN109633335A (zh) * | 2018-12-30 | 2019-04-16 | 国网北京市电力公司 | 故障识别方法和装置 |
CN109887122A (zh) * | 2019-02-19 | 2019-06-14 | 南京洛普股份有限公司 | 一种船闸机电故障远程智能诊断方法及系统 |
CN109978052A (zh) * | 2019-03-25 | 2019-07-05 | 北京快电科技有限公司 | 一种用户侧能源设备智慧检修方法 |
-
2019
- 2019-07-11 CN CN201910625237.1A patent/CN110348517B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2083689U (zh) * | 1990-11-19 | 1991-08-28 | 李福祚 | 锅炉系列全自动安全保护警控装置 |
CN102042909A (zh) * | 2009-10-14 | 2011-05-04 | 中国北车集团大同电力机车有限责任公司 | 机车故障诊断方法和系统 |
CN101964985A (zh) * | 2010-09-29 | 2011-02-02 | 中国科学院声学研究所 | 一种lte/lte-a中自组织网络的覆盖与容量自优化装置及其方法 |
US20130058623A1 (en) * | 2011-09-07 | 2013-03-07 | Vesstech, Inc. | Video warning systems for devices, products, containers and other items |
US20130116834A1 (en) * | 2011-11-09 | 2013-05-09 | Honeywell International Inc. | Actuator with diagnostics |
CN105184084A (zh) * | 2015-09-14 | 2015-12-23 | 深圳供电局有限公司 | 一种电力计量自动化终端故障类型预测方法和系统 |
CN107038453A (zh) * | 2017-03-06 | 2017-08-11 | 辽宁大唐国际新能源有限公司 | 一种风电机组的故障预警系统及判断方法 |
CN107016507A (zh) * | 2017-04-07 | 2017-08-04 | 国网技术学院 | 基于数据挖掘技术的电网故障追踪方法 |
CN107835220A (zh) * | 2017-09-20 | 2018-03-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的热量表故障推送方法及物联网系统 |
CN108386903A (zh) * | 2018-04-17 | 2018-08-10 | 四川斐讯信息技术有限公司 | 一种电炉的自动报警方法及装置 |
CN109633335A (zh) * | 2018-12-30 | 2019-04-16 | 国网北京市电力公司 | 故障识别方法和装置 |
CN109887122A (zh) * | 2019-02-19 | 2019-06-14 | 南京洛普股份有限公司 | 一种船闸机电故障远程智能诊断方法及系统 |
CN109978052A (zh) * | 2019-03-25 | 2019-07-05 | 北京快电科技有限公司 | 一种用户侧能源设备智慧检修方法 |
Non-Patent Citations (2)
Title |
---|
HIROMASA KAIBE 等: "Recovery of Plant Waste Heat by a Thermoelectric Generating System", 《TECHNICAL PAPER》 * |
谢维: "节能型无人值守换热站的智能控制系统", 《计算机测量与控制》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125194A (zh) * | 2019-12-25 | 2020-05-08 | 中国建筑科学研究院有限公司 | 应用于城市级清洁取暖的数据构造方法及装置 |
CN112418533A (zh) * | 2020-11-25 | 2021-02-26 | 江苏电力交易中心有限公司 | 一种清洁能源电量分解预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110348517B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111061620B (zh) | 一种混合策略的服务器异常智能检测方法及检测系统 | |
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN102765643B (zh) | 基于数据驱动的电梯故障诊断与预警方法 | |
US8868985B2 (en) | Supervised fault learning using rule-generated samples for machine condition monitoring | |
CN109800875A (zh) | 基于粒子群优化和降噪稀疏编码机的化工故障检测方法 | |
CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
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 | |
CN113298422B (zh) | 一种基于用电数据的污染源企业违规生产监控方法 | |
CN110348517A (zh) | 一种基于大数据的清洁能源供暖系统报警分类预测方法 | |
CN110138786A (zh) | 基于SMOTETomek和LightGBM的Web异常检测方法及系统 | |
CN110519382A (zh) | 一种汽车智能监控系统 | |
CN116308304A (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN114036998A (zh) | 一种基于机器学习对工业硬件进行故障检测的方法及系统 | |
CN115438190B (zh) | 一种配电网故障辅助决策知识抽取方法及系统 | |
CN116859842A (zh) | 一种化工生产线安全评估系统 | |
CN116340830A (zh) | 一种基于深层记忆模型的高速公路机电系统故障分类方法 | |
CN115047313B (zh) | 基于oc-svm和dnn的zpw-2000r轨道电路故障诊断方法及装置 | |
CN116136897A (zh) | 信息处理方法以及装置 | |
CN116308679A (zh) | 供应链异常订单处理方法、装置、设备及存储介质 | |
CN109658284A (zh) | 设备状态的评估方法和系统 | |
US11954955B2 (en) | Method and system for collecting and monitoring vehicle status information | |
CN114626433A (zh) | 一种智能电能表故障预测并分类方法、装置及系统 | |
CN110083508B (zh) | 一种数据监控方法及装置 | |
CN113807704A (zh) | 一种城市轨道交通数据的智能算法平台构建方法 | |
Doboszewski et al. | Data driven detection of railway point machines failures |
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 |