CN110503111A - 一种基于rgb色彩模式的用电异常行为可视化监控方法 - Google Patents
一种基于rgb色彩模式的用电异常行为可视化监控方法 Download PDFInfo
- Publication number
- CN110503111A CN110503111A CN201910784414.0A CN201910784414A CN110503111A CN 110503111 A CN110503111 A CN 110503111A CN 201910784414 A CN201910784414 A CN 201910784414A CN 110503111 A CN110503111 A CN 110503111A
- Authority
- CN
- China
- Prior art keywords
- phase current
- moment
- characteristic value
- channel
- rgb
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 230000005611 electricity Effects 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000003542 behavioural effect Effects 0.000 abstract description 7
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 6
- 230000006399 behavior Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：计算用户电表三相电流特征值；计算三相电流偏特征值；优化系数调整，计算三相电流调整偏特征值；计算调整偏特征值对应的RGB数值；将RGB序列分割，并提取分割后序列的颜色矩特征；利用K‑Means分类算法进行分析。本发明不仅能判断出用户的用电行为是否属于异常，并能分析出用户用电异常行为轨迹，极大地提高了用电异常行为监控的准确率，为用电异常行为分析提供更加清晰的信息支撑，是分析用户用电行为的重要手段。
Description
技术领域
本发明涉及一种基于RGB色彩模式的用电异常行为可视化监控方法，属于电力计量技术领域。
背景技术
随着科技进步和能源格局的变化，经济社会发展对电能的依赖程度日益增强。用户用电影响到电力运营的稳定性和可靠性，传统的用户用电异常行为分析仅仅是单纯添加阀值来设定监控区间，而忽视了用电异常行为分析的过程变化，使对用电异常行为的监控不直观明了，很容易忽视用电异常行为变化过程中的细节。
发明内容
为了解决上述技术问题，本发明从用户用电异常行为分析切入，引入了RGB色彩绘图的方式，建立了一种基于RGB色彩模式的用电异常行为可视化监控方法，提供了一种基于RGB色彩模式的用电异常行为可视化监控方法。
为了达到上述目的，本发明所采用的技术方案是：
在一方面，本发明提供一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：
S1、根据采集的用户电表的三相电流值计算用户电表三相电流特征值；
S2、基于用户电表三相电流特征值计算三相电流偏特征值；
S3、引入优化系数，计算三相电流调整偏特征值；
S4、计算调整偏特征值对应的RGB数值；
S5、将RGB序列分割，并提取分割后序列的颜色矩特征；
S6、利用K-Means分类算法进行分析。
进一步地，步骤S1所述的具体为：每隔15分钟采集一次用户电表的三相电流，并计算用户电表三相电流特征值I(i)：
其中，N为统计时间区间，IA(i)、IB(i)、IC(i)分别代表i时刻的A相电流、B相电流和C相电流。
进一步地，步骤S2所述的具体为：计算三相电流偏特征值：
σA(i)＝|IA(i)-I(i)|,I∈N
同理可计算σB(i)与σC(i)
进一步地，步骤S3所述的具体为：通过引入优化系数p，计算三相电流调整偏特征值：
同理，可计算出和
其中p是一个大于等于0的系数，通过引入优化系数可以扩大差异，增加离散度。
进一步地，步骤S4所述的具体为：计算三相电流调整偏特征值对应的RGB数值：
进一步地，步骤S5包括以下分步骤所述的具体为：
S51、将RGB序列按照每8个小时分割成序列组；
S52、提取分割后序列的颜色矩特征，每组序列提取9个特征信息包括：R通道一阶矩、G通道一阶矩、B通道一阶矩、R通道二阶矩、G通道二阶矩、B通道二阶矩、R通道三阶矩、G通道三阶矩、B通道三阶矩。一阶颜色矩反映图像的整体明暗程度，二阶颜色矩反映图像颜色的分布范围，三阶颜色矩反映图像颜色分布的对称性。
其中i＝1,2,3，Ei表示第i个通道上的一阶颜色矩，pij表示第j个像素的第i个通道上的颜色值，σi表示第i个颜色通道上的二阶颜色矩，si表示第i个通道上的三阶颜色矩。
本发明所达到的有益效果：
本发明提供一种基于RGB色彩模式的用电异常行为可视化监控方法，从用电用户用电异常行为分析切入，引入了RGB色彩绘图的方式，建立了一种基于RGB色彩模式的用电异常行为可视化监控方法，极大地提高了用电异常行为分析的准确率，为用电异常行为分析提供更加清晰的信息支撑，是建设高标准、高质量的用电异常行为分析体系一个重要手段。
附图说明
图1为本发明具体实施例的流程图。
图2为样本颜色矩特征聚类示例图。
图3为样本某时间段用电异常行为RGB可视化示例图。
具体实施方式
下面结合附图对本发明作进一步描述。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。
如图1所示，一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：
S1、每隔15分钟采集一次用户电表的三相电流，并计算用户电表三相电流特征值I(i)，采用以下公式：
其中，N为统计区间，IA(i)、IB(i)、IC(i)分别代表i时刻的A相电流、B相电流和C相电流。
例：本文使用某用电异常行为厂家日期为2017年3月1日至2017年7月21日的三相电流数据作为说明数据进行客观评价，详见表一(因篇幅有限，以2017年3月1日为例)。
表一 某用电异常行为用户2017年3月1日三相电流数据
通过公式计算结果如表二所示。
表二 计算结果
S2、计算三相电流偏特征值，
σA(i)＝|IA(i)-I(i)|,i∈N同理可计算σB(i)与σC(i)
电流偏特征值如表三所示。
表三 电流偏特征值
S3、引入优化系数p(此例中p＝1.1)，计算三相电流调整偏特征值，
同理，可计算出和
例(接上述数据)：
计算出三相电流调整偏特征值如表四所示。
表四 三相电流调整偏特征值
S4、计算三相电流调整偏特征值对应的RGB数值：
例(接上述数据)：
通过计算三相电流调整偏特征值对应的RGB数值如表五所示。
表五 三相电流调整偏特征值对应的RGB数值
S5、将RGB序列分割，并提取分割后序列的颜色矩特征：
将表五中的序列按照每8个小时，分割成3个序列，并计算每个序列的颜色矩。
其中i＝1,2,3，Ei表示第i个通道上的一阶颜色矩，pij表示第j个像素的第i个通道上的颜色值，σi表示第i个颜色通道上的二阶颜色矩，si表示第i个通道上的三阶颜色矩。
表六 某用户2017年3月1日3个时间段颜色矩特征值
S5、利用K-Means分类算法进行分析：
将样例中某用户143天的数据分割成了429组序列，根据S5步中的方法提取颜色矩特征值后，对这429组进行聚类分析，如图2所示浅色的点是识别出的92个用电异常行为。其中4月11号和4月12号发生异常用电行为的RGB色块如图3所示。
综上所述，上述模型实现了对用户用电异常行为分析，极大地提高了用户用电异常行为分析的准确率，为计量监控提供更加清晰的信息支撑，是建设高标准、高质量的用电异常行为分析状态一个重要手段。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (6)
1.一种基于RGB色彩模式的用电异常行为可视化监控方法，
其特征在于，包括以下步骤：
S1、根据采集的用户电表的三相电流值计算用户电表三相电流特征值；
S2、基于用户电表三相电流特征值计算三相电流偏特征值；
S3、引入优化系数，计算三相电流调整偏特征值；
S4、计算调整偏特征值对应的RGB数值；
S5、将RGB序列分割，并提取分割后序列的颜色矩特征；
S6、利用K-Means分类算法进行分析。
2.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S1具体如下：
根据采集的用户电表的三相电流值计算用户电表三相电流特征值I(i)：
其中，N为统计时间区间，IA(i)、IB(i)、IC(i)分别代表i时刻的A相电流、B相电流和C相电流。
3.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S2具体如下：
计算用户电表三相电流偏特征值。
σA(i)＝|IA(i)-I(i)|，i∈N，
σB(i)＝|IB(i)-I(i)|，i∈N，
σC(i)＝|IC(i)-I(i)|，i∈N，
其中N为统计时间区间，IA(i)、IB(i)、IC(i)分别代表i时刻的A相电流、B相电流和C相电流。
4.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S3具体如下：
通过引入优化系数p，计算三相电流调整偏特征值 和的表达式如下：
其中p是一个大于等于0的系数，其中N为统计时间区间，IA(i)、IB(i)、IC(i)分别代表i时刻的A相电流、B相电流和C相电流。
5.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S4具体如下：
计算三相电流调整偏特征值对应的RGB数值：
其中为A相电流调整偏特征值，
为B相电流调整偏特征值，为C相电流调整偏特征值。
6.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S5包括以下步骤：
S51：将RGB序列按照每8个小时分割成序列组；
S52：提取分割后序列的颜色矩特征，每组序列提取9个特征信息包括：R通道一阶矩、G通道一阶矩、B通道一阶矩、R通道二阶矩、G通道二阶矩、B通道二阶矩、R通道三阶矩、G通道三阶矩、B通道三阶矩；
其中i＝1，2，3，Ei表示第i个通道上的一阶颜色矩，pij表示第j个像素的第i个通道上的颜色值，σi表示第i个颜色通道上的二阶颜色矩，si表示第i个通道上的三阶颜色矩。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910784414.0A CN110503111B (zh) | 2019-08-23 | 2019-08-23 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910784414.0A CN110503111B (zh) | 2019-08-23 | 2019-08-23 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110503111A true CN110503111A (zh) | 2019-11-26 |
| CN110503111B CN110503111B (zh) | 2022-04-15 |
Family
ID=68589249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910784414.0A Active CN110503111B (zh) | 2019-08-23 | 2019-08-23 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110503111B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111020100A (zh) * | 2019-12-30 | 2020-04-17 | 中冶南方工程技术有限公司 | 一种双炉壳炼钢生产方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050084154A1 (en) * | 2003-10-20 | 2005-04-21 | Mingjing Li | Integrated solution to digital image similarity searching |
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| CN106682811A (zh) * | 2016-11-23 | 2017-05-17 | 广西中烟工业有限责任公司 | 一种基于密度聚类与力引导算法的市场网络可视化方法 |
| CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
| CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
| CN107230013A (zh) * | 2017-05-11 | 2017-10-03 | 华北电力大学 | 一种无监督学习下配网用户异常用电辨识与时间定位方法 |
| CN108022043A (zh) * | 2017-11-30 | 2018-05-11 | 北京汇通金财信息科技有限公司 | 一种异常用电行为的识别方法、装置及中央服务器 |
-
2019
- 2019-08-23 CN CN201910784414.0A patent/CN110503111B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050084154A1 (en) * | 2003-10-20 | 2005-04-21 | Mingjing Li | Integrated solution to digital image similarity searching |
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| CN106682811A (zh) * | 2016-11-23 | 2017-05-17 | 广西中烟工业有限责任公司 | 一种基于密度聚类与力引导算法的市场网络可视化方法 |
| CN107230013A (zh) * | 2017-05-11 | 2017-10-03 | 华北电力大学 | 一种无监督学习下配网用户异常用电辨识与时间定位方法 |
| CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
| CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
| CN108022043A (zh) * | 2017-11-30 | 2018-05-11 | 北京汇通金财信息科技有限公司 | 一种异常用电行为的识别方法、装置及中央服务器 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111020100A (zh) * | 2019-12-30 | 2020-04-17 | 中冶南方工程技术有限公司 | 一种双炉壳炼钢生产方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110503111B (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104573359B (zh) | 一种基于任务难度与标注者能力的众包标注数据整合方法 | |
| CN108062302B (zh) | 一种文本信息的识别方法及装置 | |
| CN110231528A (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
| CN108804577B (zh) | 一种资讯标签兴趣度的预估方法 | |
| CN115878958B (zh) | 一种变压器油温预测方法、装置、设备及存储介质 | |
| CN108363902A (zh) | 一种致病遗传变异的精确预测方法 | |
| CN111079937A (zh) | 一种快速建模的方法 | |
| CN110503111A (zh) | 一种基于rgb色彩模式的用电异常行为可视化监控方法 | |
| CN103853939A (zh) | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 | |
| CN106709028A (zh) | 高通量测序数据统计方法和统计装置 | |
| CN110348540B (zh) | 基于聚类的电力系统暂态功角稳定故障筛选方法及装置 | |
| CN111612149A (zh) | 一种基于决策树的主网线路状态检测方法、系统及介质 | |
| CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
| CN112767038B (zh) | 基于美学特征的海报ctr预测方法及装置 | |
| CN105116323B (zh) | 一种基于rbf的电机故障检测方法 | |
| Chauvet | Stratified balanced sampling | |
| CN116304936A (zh) | 基于分数阶差分时序数据单点异常检测方法、装置及设备 | |
| CN105446959A (zh) | 日志内容审核优化方法及装置 | |
| CN114330527B (zh) | 楼栋电表分布识别方法、系统、装置及存储介质 | |
| CN105405068A (zh) | 电力数据的检测方法及装置 | |
| CN116796213B (zh) | 一种基于聚类算法的配电网线变关系辨识方法 | |
| WO2021167257A1 (ko) | Ppt 추천방법 및 그 장치 | |
| CN118037138B (zh) | 一种基于计算机视觉的饮料车间生产精细化管理系统 | |
| CN114266953B (zh) | 一种基于深度学习的目标检测流程自优化方法 | |
| CN109726461A (zh) | 一种基于用户用电数据的用电异常判断方法 |
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 |