CN110569893A - 一种配电设备缺陷分析管理方法及系统 - Google Patents

一种配电设备缺陷分析管理方法及系统 Download PDF

Info

Publication number
CN110569893A
CN110569893A CN201910811812.7A CN201910811812A CN110569893A CN 110569893 A CN110569893 A CN 110569893A CN 201910811812 A CN201910811812 A CN 201910811812A CN 110569893 A CN110569893 A CN 110569893A
Authority
CN
China
Prior art keywords
power distribution
defect
data
clustering
distribution equipment
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
Application number
CN201910811812.7A
Other languages
English (en)
Inventor
吴天杰
黄雄
黄日瑞
林少佳
岑琼霞
王崇鲁
程范贤
陈锐忠
何远忠
罗杰
庞小莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qionghai Power Supply Bureau of Hainan Power Grid Co Ltd
Original Assignee
Qionghai Power Supply Bureau of Hainan Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qionghai Power Supply Bureau of Hainan Power Grid Co Ltd filed Critical Qionghai Power Supply Bureau of Hainan Power Grid Co Ltd
Priority to CN201910811812.7A priority Critical patent/CN110569893A/zh
Publication of CN110569893A publication Critical patent/CN110569893A/zh
Pending legal-status Critical Current

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种配电设备缺陷分析管理方法，包括：采集配电终端的检测数据，并将所采集的检测数据存入配电数据库中，同时还将配电终端的资产数据以及缺陷应对方案存入配电数据库中；采用聚类算法K‑means对所述配电数据库的所述检测数据进行聚类划分，实现缺陷类型的划分；采用集对分析法在上述缺陷类型的作用下对配电设备安全情况进行分析。本发明实现了对配电设备缺陷数据的收集以及管理的科学性及有效性。

Description

一种配电设备缺陷分析管理方法及系统
技术领域
本发明涉及配电设备缺陷分析技术领域，尤其涉及一种配电设备缺陷分析管理方法及系统。
背景技术
随着电力系统建设的飞速发展，配电设备种类越来越多，生产配电设备的厂家也越来越多。由于厂家的差异、设备的差异、制造工艺以及材料的差异，同种设备不同厂家的设备缺陷存在很大的差别，大量的厂家和设备的良性竞争带来的配电设备缺陷数量以及种类与日俱增。数量庞大、种类繁多的配电设备缺陷已经逐渐影响到电网的安全稳定运行，对配电设备的缺陷管理以及设备的健康运转提出了新的挑战。为了支撑电网的安全稳定运行为，加强配电设备的缺陷管理，提高设备健康水平，对配电设备缺陷数据的收集以及管理变成了电力运行的一个重要环节。
然而，目前配电设备缺陷数据杂乱无章，不能将配电设备缺陷归类处理，缺少统一的配电设备缺陷管理方式，形成了大量的历史杂乱数据，无法依据散乱的历史数据支撑电力设备缺陷管理，造成了对配电设备缺陷数据的收集以及管理的阻碍。
发明内容
本发明的目的在于提供一种基于聚类和集对分析的配电设备缺陷分析管理方法，实现了对配电设备缺陷数据的收集以及管理的科学性及有效性。
本发明是通过以下技术方案实现的：本发明第一方面公开了一种配电设备缺陷分析管理方法，包括：
采集配电终端的检测数据，并将所采集的检测数据存入配电数据库中，同时还将配电终端的资产数据以及缺陷应对方案存入配电数据库中；
采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分，实现缺陷类型的划分；
采用集对分析法在上述缺陷类型的作用下对配电设备安全情况进行分析。
优选的，所述检测数据包括：缺陷部位、缺陷表象、缺陷设备等。
优选的，所述配电终端的资产数据包括：设备型号、厂家等。
优选的，在采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分之前，还基于所述检测数据建立数据分布图，将不在分布区间中的所述检测数据采用灰度预测方法进行修正，得到相对准确和标准的检测数据测量值。
优选的，所述采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分，包括：
设定k个初始的聚类中心{μ1，μ2，μ3，...，μk}，并建立初始的准则函数：
其中k为自然数，x(i)表示n个检测数据集，n也为自然数，表示检测数据的个数，μj为每个检测数据为每个检测数据x(i)对应的聚类中心，j＝1～k，i也为自然数，且i＞j；
依次求取每一个数据集到所有初始的聚类中心{μ1，μ2，μ3，...，μk}的距离的最小值，记为该样本的类别标签c(i)：
c(i)＝argmin||x(i)-μj′||
根据所述类别标签c(i)更新计算聚类中心，得到过程聚类中心μj′：
将过程聚类中心μj′带入准则函数计算，判断准则函数是否收敛，如果不收敛，继续更新计算聚类中心μj′；
若准则函数收敛，则将过程聚类中心μj′确定为最佳聚类中心{μ′1，μ′2，μ′3，...，μ′k}，所述最佳聚类中心即为缺陷类型的划分。
优选的，所述采用集对分析法在上述缺陷种类的作用下对配电设备安全情况进行分析，包括：
确定缺陷类型{μ′1，μ′2，μ′3，...，μ′k}，以及缺陷应对措施集合{H1，H2，H3，...，He}，采用专家打分法确定缺陷类型的权重系数，并建立权重系数W＝(a1，a2，a3，...，am)T，其中m为任一大于等于1的正整数；
建立危险等级体系，将危险等级分为“危险”、“待观察”、“正常”三个等级，设置“危险”对应的区间表达为[0.6，0.8]，“待观察”对应的区间表达为[0.4，0.6]，“正常”对应的区间表达为[0.2，0.4]，依据上述区间表达式，建立缺陷类型关于缺陷应对措施的联系数决策矩阵；
根据联系数决策矩阵以及权重系数集合W，计算联系数决策矩阵的平均联系数，根据平均联系数，分别计算{μ′1，μ′2，μ′3，...，μ′k}的势值{shi(μ′1)，shi(μ′2)，...，shi(μ′k)}，由势值大小，判断缺陷应对措施的合适情况。
本发明第二方面公开了一种配电设备缺陷分析系统，包括聚类模块、数据收集模块、分析模块以及配电数据库，所述数据收集模块用于收集包括检测数据在内的配电设备所有数据；
所述聚类模块用于对检测数据进行分类，划分不同缺陷类型；
所述分析模块用于对缺陷类型进行风险分析；
所述配电数据库用于存储数据收集模块所收集的配电设备数据。
优选的，所述一种配电设备缺陷分析系统用于运行本发明第一方面所述的方法。
与现有技术相比，本发明达到的有益效果如下：
本发明提供的一种配电设备缺陷分析管理方法及系统，通过K-means聚类方法实现配电设备缺陷数据的分类，能够充分聚类各个不同厂家不同设备类型下的缺陷现象以及缺陷分析成果，通过集对分析方法，结合缺陷应对措施以及专家判定的风险等级，形成一套完整的变电设备群集缺陷库，为变电站设备缺陷的分析以及处理提供科学有效的帮助，同时为缺陷故障的预警奠定基础，有利于支撑电网的安全稳定运行。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种配电设备缺陷分析管理方法的流程图。
图2为本发明实施例提供的采用灰度预测方法进行修正后的流程图。
具体实施方式
为了更好理解本发明技术内容，下面提供具体实施例，并结合附图对本发明做进一步的说明。
参见图1与图2，本发明第一方面公开了一种配电设备缺陷分析管理方法，包括：
采集配电终端的检测数据，并将所采集的检测数据存入配电数据库中，同时还将配电终端的资产数据存入配电数据库中；
采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分，实现缺陷类型的划分；
采用集对分析法在上述缺陷类型的作用下对配电设备安全情况进行分析。
其中，所述检测数据包括：缺陷部位、缺陷表象、缺陷设备等。
具体的，在采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分之前，还基于所述检测数据建立数据分布图，将不在分布区间中的所述检测数据采用灰度预测方法进行修正，得到相对准确和标准的检测数据测量值。
具体的，所述采用聚类算法K-means对所述配电数据库的所述检测数据测量值进行聚类划分，包括：
设定k个初始的聚类中心{μ1，μ2，μ3，...，μk}，并建立初始的准则函数：
其中k为自然数，x(i)表示n个检测数据集，n也为自然数，表示检测数据的个数，μj为每个检测数据为每个检测数据x(i)对应的聚类中心，j＝1～k，i也为自然数，且i＞j；
依次求取每一个数据集到所有初始的聚类中心{μ1，μ2，μ3，...，μk}的距离的最小值，记为该样本的类别标签c(i)：
c(i)＝argmin||x(i)-μj′||
根据所述类别标签c(i)更新计算聚类中心，得到过程聚类中心μj′：
将过程聚类中心μj′带入准则函数计算，判断准则函数是否收敛，如果不收敛，继续更新计算聚类中心μj′；
若准则函数收敛，则将过程聚类中心μj′确定为最佳聚类中心{μ′1，μ′2，μ′3，...，μ′k}，所述最佳聚类中心即为缺陷类型的划分。
具体的，采用集对分析法在上述缺陷种类的作用下对配电设备安全情况进行分析，集对分析是在一定的问题背景下对一个集合对子的特性作同异反分析，得到N个特性，其中有S个共有的特性，P个对立的特性和F个既非共有又非对立的差异特性，其中F＝N-S-P。由此建立起两个集合在指定问题背景下的同异反联系度表达式如下：
式中：μ为联系度，反映集对中同异反三者的相互联系、影响和转化；
为两个集合在指定问题背景下的同一度，可用“a”表示；
为两个集合在指定问题背景下的差异度，可用“b”表示；
两个集合在指定问题背景下的对立度，可用“c”表示；
目i为差异度系数，根据具体情况在[-1，1]取值；
在进行集对分析时，先确定缺陷类型集合{μ′1，μ′2，μ′3，...，μ′k}，同时建立缺陷应对措施集合{H1，H2，H3，...，He}，e为第e条措施。并建立等级体系，将危险等级分为“危险”、“待观察”、“正常”三个等级，并分别设置三个等级的区间表达式[ak1，ak2]；
具体的，设置“危险”对应的区间表达为[0.6，0.8]，“待观察”对应的区间表达为[0.4，0.6]，“正常”对应的区间表达为[0.2，0.4]。以K＝5进行举例，所建立的评估列表如表1所示：
表1
μ′<sub>1</sub> μ′<sub>2</sub> μ′<sub>3</sub> μ′<sub>4</sub> μ′<sub>5</sub>
H<sub>1</sub> [0.6，0.8] [0.4，0.6] [0.2，0.4] [0.2，0.4] [0.6，0.8]
H<sub>2</sub> [0.4，0.6] [0.6，0.8] [0.4，0.6] [0.2，0.4] [0.6，0.8]
H<sub>3</sub> [0.6，0.8] [0.4，0.6] [0.6，0.8] [0.4，0.6] [0.2，0.4]
H<sub>4</sub> [0.2，0.4] [0.2，0.4] [0.6，0.8] [0.2，0.4] [0.4，0.6]
根据下式：
可获得如表2所示的三元联系数决策矩阵：
表2
μ′<sub>1</sub> μ′<sub>2</sub> μ′<sub>3</sub> μ′<sub>4</sub> μ′<sub>5</sub>
H<sub>1</sub> 0.6+0.2i+0.2j 0.4+0.2i+0.4j 0.2+0.2i+0.6j 0.2+0.2i+0.6j 0.6+0.2i+0.2j
H<sub>2</sub> 0.4+0.2i+0.4j 0.6+0.2i+0.2j 0.4+0.2i+0.4j 0.2+0.2i+0.6j 0.6+0.2i+0.2j
H<sub>3</sub> 0.6+0.2i+0.2j 0.4+0.2i+0.4j 0.6+0.2i+0.2j 0.4+0.2i+0.4j 0.2+0.2i+0.6j
H<sub>4</sub> 0.2+0.2i+0.6j 0.2+0.2i+0.6j 0.6+0.2i+0.2j] 0.2+0.2i+0.6j 0.4+0.2i+0.4j
具体的，根据三元联系数决策矩阵以及权重系数集合W，计算三元联系数决策矩阵的平均联系数，根据平均联系数，分别计算{μ′1，μ′2，μ′3，...，μ′k}的势值{shi(μ′1)，shi(μ′2)，...，shi(μ′k)}，由势值大小，判断决策的合适程度，当shi(μ′k)＞0.5时，表明决策方案不可行，当shi(μ′k)＜0.5时，表明决策方案可行，shi(μ′k)＝0.5时，表明决策方案一般。
本发明第二方面公开了一种配电设备缺陷分析系统，包括聚类模块、数据收集模块、分析模块以及配电数据库，所述数据收集模块用于收集包括检测数据在内的配电设备所有数据；
所述聚类模块用于对检测数据进行分类，划分不同缺陷类型；
所述分析模块用于对缺陷类型进行风险分析；
所述配电数据库用于存储数据收集模块所收集的配电设备数据。
具体的，所述一种配电设备缺陷分析系统用于运行本发明第一方面所述的方法。
对于装置实施方式而言，由于其与方法实施方式基本相似，所以描述的比较简单，相关之处参见方法实施方式的部分说明即可。
应当注意的是，在本发明的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本发明不受限于此，可以根据需要对各个部件进行重新划分或者组合。
本发明的各个部件实施方式可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本装置中，PC通过实现因特网对设备或者装置远程控制，精准的控制设备或者装置每个操作的步骤。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样实现本发明的程序可以存储在计算机可读介质上，并且程序产生的文件或文档具有可统计性，产生数据报告。
应该注意的是上述实施方式对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施方式。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (8)

1.一种配电设备缺陷分析管理方法，其特征在于，包括：
采集配电终端的检测数据，并将所采集的检测数据存入配电数据库中，同时还将配电终端的资产数据以及缺陷应对方案存入配电数据库中；
采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分，实现缺陷类型的划分；
采用集对分析法在上述缺陷类型的作用下对配电设备安全情况进行分析。
2.根据权利要求1所述的一种配电设备缺陷分析管理方法，其特征在于，所述检测数据包括：缺陷部位、缺陷表象、缺陷设备等。
3.根据权利要求1所述的一种配电设备缺陷分析管理方法，其特征在于，所述配电终端的资产数据包括：设备型号、厂家等。
4.根据权利要求1所述的一种配电设备缺陷分析管理方法，其特征在于，在采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分之前，还基于所述检测数据建立数据分布图，将不在分布区间中的所述检测数据采用灰度预测方法进行修正，得到相对准确和标准的检测数据测量值。
5.根据权利要求4所述的一种配电设备缺陷分析管理方法，其特征在于，所述采用聚类算法K-means对所述配电数据库的所述检测数据进行聚类划分，包括：
设定k个初始的聚类中心{μ1,μ2,μ3,…,μk}，并建立初始的准则函数：
其中k为自然数，x(i)表示n个检测数据集，n也为自然数，表示检测数据的个数，μj为每个检测数据为每个检测数据x(i)对应的聚类中心，j＝1～k，i也为自然数，且i>j；
依次求取每一个数据集到所有初始的聚类中心{μ1,μ2,μ3,…,μk}的距离的最小值，记为该样本的类别标签c(i)：
c(i)＝argmin||x(i)-μj′||
根据所述类别标签c(i)更新计算聚类中心,得到过程聚类中心μj′：
将过程聚类中心μj′带入准则函数计算，判断准则函数是否收敛，如果不收敛，继续更新计算聚类中心μj′；
若准则函数收敛，则将过程聚类中心μj′确定为最佳聚类中心{μ′1,μ′2,μ′3,…,μ′k}，所述最佳聚类中心即为缺陷类型的划分。
6.根据权利要求5所述的一种配电设备缺陷分析管理方法，其特征在于，所述采用集对分析法在上述缺陷种类的作用下对配电设备安全情况进行分析，包括：
确定缺陷类型{μ′1,μ′2,μ′3,…,μ′k}，以及缺陷应对措施集合{H1,H2,H3,…,He}，采用专家打分法确定缺陷类型的权重系数，并建立权重系数W＝(a1,a2,a3,…,am)T,其中m、e、k均为任一大于等于1的正整数；
建立危险等级体系，将危险等级分为“危险”、“待观察”、“正常”三个等级，设置“危险”对应的区间表达为[0.6,0.8]，“待观察”对应的区间表达为[0.4,0.6]，“正常”对应的区间表达为[0.2,0.4]，依据上述区间表达式，建立缺陷类型关于缺陷应对措施的联系数决策矩阵；
根据联系数决策矩阵以及权重系数集合W，计算联系数决策矩阵的平均联系数，根据平均联系数，分别计算{μ′1,μ′2,μ′3,…,μ′k}的势值{shi(μ′1),shi(μ′2),…,shi(μ′k)}，由势值大小，判断缺陷应对措施的合适情况。
7.一种配电设备缺陷分析系统，其特征在于，包括聚类模块、数据收集模块、分析模块以及配电数据库，所述数据收集模块用于收集包括检测数据在内的配电设备所有数据；
所述聚类模块用于对检测数据进行分类，划分不同缺陷类型；
所述分析模块用于对缺陷类型进行风险分析；
所述配电数据库用于存储数据收集模块所收集的配电设备数据。
8.根据权利要求7所述的一种配电设备缺陷分析系统，其特征在于，所述一种配电设备缺陷分析系统用于运行权利要求1-5任一项所述的方法。
CN201910811812.7A 2019-08-30 2019-08-30 一种配电设备缺陷分析管理方法及系统 Pending CN110569893A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910811812.7A CN110569893A (zh) 2019-08-30 2019-08-30 一种配电设备缺陷分析管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910811812.7A CN110569893A (zh) 2019-08-30 2019-08-30 一种配电设备缺陷分析管理方法及系统

Publications (1)

Publication Number Publication Date
CN110569893A true CN110569893A (zh) 2019-12-13

Family

ID=68776888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910811812.7A Pending CN110569893A (zh) 2019-08-30 2019-08-30 一种配电设备缺陷分析管理方法及系统

Country Status (1)

Country Link
CN (1) CN110569893A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111342990A (zh) * 2020-01-08 2020-06-26 国网内蒙古东部电力有限公司检修分公司 基于区块链的电网设备质量追溯系统
CN112686396A (zh) * 2020-12-15 2021-04-20 中公高科养护科技股份有限公司 基于病害数量的路面养护性质的选取方法、介质及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968671A (zh) * 2012-10-29 2013-03-13 湖州师范学院 基于三角模糊数联系数化的多属性决策方法
CN105631598A (zh) * 2015-12-30 2016-06-01 云南电网有限责任公司电力科学研究院 基于群集类缺陷的电力设备缺陷分析方法
CN108052559A (zh) * 2017-12-01 2018-05-18 国电南瑞科技股份有限公司 基于大数据处理的配电终端缺陷挖掘分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968671A (zh) * 2012-10-29 2013-03-13 湖州师范学院 基于三角模糊数联系数化的多属性决策方法
CN105631598A (zh) * 2015-12-30 2016-06-01 云南电网有限责任公司电力科学研究院 基于群集类缺陷的电力设备缺陷分析方法
CN108052559A (zh) * 2017-12-01 2018-05-18 国电南瑞科技股份有限公司 基于大数据处理的配电终端缺陷挖掘分析方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111342990A (zh) * 2020-01-08 2020-06-26 国网内蒙古东部电力有限公司检修分公司 基于区块链的电网设备质量追溯系统
CN112686396A (zh) * 2020-12-15 2021-04-20 中公高科养护科技股份有限公司 基于病害数量的路面养护性质的选取方法、介质及系统
CN112686396B (zh) * 2020-12-15 2024-02-23 中公高科养护科技股份有限公司 基于病害数量的路面养护性质的选取方法、介质及系统

Similar Documents

Publication Publication Date Title
TWI639824B (zh) 用於自動及手動缺陷分類之整合的方法、設備及非暫態電腦可讀取儲存媒介
TWI585397B (zh) 用於自動缺陷分類之不明缺陷拒絕率之最佳化
Lu et al. An MDL approach to the climate segmentation problem
CN112179691B (zh) 基于对抗学习策略的机械装备运行状态异常检测系统和方法
CN115688018B (zh) 一种多工况下轴承的状态监测与故障诊断方法
CN107563601A (zh) 一种智能电能表运行状态评价方法
CN111610407A (zh) 基于朴素贝叶斯的电缆老化状态评估方法和装置
CN110569893A (zh) 一种配电设备缺陷分析管理方法及系统
CN111177655B (zh) 一种数据处理方法、装置及电子设备
CN112990330A (zh) 用户用能异常数据检测方法及设备
CN111612340A (zh) 基于大数据的网销商品检验抽样方法
CN116862081B (zh) 一种污染治理设备运维方法及系统
CN103957116A (zh) 一种云故障数据的决策方法及系统
CN115691722A (zh) 医疗数据检测的质控方法、装置、设备、介质及程序产品
CN116187838A (zh) 一种电力设备的质量评估方法、系统、装置及存储介质
CN110850358A (zh) 基于逐步回归算法的电能表综合检定方法及系统
CN113283768A (zh) 食品检测项目提取方法、装置、设备及存储介质
CN112906672A (zh) 钢轨缺陷识别方法及系统
CN111091194B (zh) 一种基于cavwnb_kl算法的操作系统识别方法
CN110728315B (zh) 一种实时质量控制方法，系统和设备
CN116187861A (zh) 基于同位素的水质溯源监测方法及相关装置
CN114912739A (zh) 环境与变电站运维费用关联模型的构建及应用方法
CN112148605B (zh) 一种基于谱聚类的半监督学习的软件缺陷预测方法
CN114139408A (zh) 一种电力变压器健康状态评估方法
WO2022134579A1 (zh) 业务交易数据的异常检测方法、装置及计算机设备

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

Application publication date: 20191213

RJ01 Rejection of invention patent application after publication