CN110908985A - 一种气象环境自动监测站异常数据智能筛选方法和系统 - Google Patents
一种气象环境自动监测站异常数据智能筛选方法和系统 Download PDFInfo
- Publication number
- CN110908985A CN110908985A CN201911060063.5A CN201911060063A CN110908985A CN 110908985 A CN110908985 A CN 110908985A CN 201911060063 A CN201911060063 A CN 201911060063A CN 110908985 A CN110908985 A CN 110908985A
- Authority
- CN
- China
- Prior art keywords
- data
- meteorological
- screening
- monitoring station
- automatic monitoring
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 118
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000001360 synchronised effect Effects 0.000 claims abstract description 8
- 230000009897 systematic effect Effects 0.000 claims abstract description 8
- 206010010947 Coordination abnormal Diseases 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 13
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 230000005855 radiation Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种气象环境自动监测站异常数据智能筛选方法,包括以下步骤:步骤一:将各类气象要素的数据中属于系统性错误的数据筛除,得到第一轮筛选后的气象数据;步骤二:将第一轮筛选后的气象数据中不符合现场实际气象条件的数据筛除,得到第二轮筛选后的气象数据;步骤三:将第二轮筛选后的气象数据中异常连续的数据筛除,得到第三轮筛选后的气象数据;步骤四:对每一类气象要素的数据,根据其多次测量的数据计算当前均值,并与对应气象要素的同期统计均值进行比较,若二者的差别超过设定的允许范围,则进行人工判断或修正。本发明能够实现数据实时监控的智能化、自动化,较大程度的简化运维人员工作,减少人工干预。
Description
技术领域
本发明属于数据处理技术领域,由其是一种针对气象环境自动监测站所获得数据进行筛选处理的方法和系统。
背景技术
气象环境监测系统已经广泛应用于全国各地,为人民提供了较为及时、高效、准确的气象数据。并且当今国内对辐射安全监管日益重视,加强了日常监管,加大力度投入辐射环境自动站监测网络建设,仅今年国控点就新增100点,各地省控点及核电厂辐射环境自动站也在不断补充,未来辐射环境自动站监测网络也将密布全国。辐射环境自动站都配备了一整套气象环境传感器,实时不间断采集气象环境数据,用于为辐射事故下的烟羽应急计划制定提供依据。
但是,国内外目前在自动站智能化运维综合管理上还是空白,各个系统的数据分析、诊断、运维均需要大量人工干预,运维技术落后导致各个气象站建设单位、政府环境保护监管部门运维人手不足,加重工作负担。
现有国内外相关研究中,主要关注单个独立系统的自动站数据监控与综合管理,对数据监控分析也功能单一,而对多个独立系统乃至全国范围的相关数据进行监控分析,以及对数据有效性的智能自动筛选的研究较少见诸报端。
目前现有气象环境自动站系统的数据管理采取的措施主要有:专人值守、定期编制报表、人工分析、超阈值报警等。这些措施需要大量的人力,存在误报率高、人工干预量大等缺陷,超阈值报警虽然也是由软件自动去判断,但由于阈值设定单一,功能有限,无法解决较复杂情况下的数据判断,存在智能化低、非专业人员无法对异常数据进行诊断等缺陷。
发明内容
本发明的目的是提供一种可以实现较高的智能化程度、减轻人员工作量的气象环境自动监测站异常数据智能筛选方法。
为达到上述目的,本发明采用的技术方案是:
一种气象环境自动监测站异常数据智能筛选方法,用于对由气象环境自动监测站获得的各类气象要素的数据进行筛选,所述气象环境自动监测站异常数据智能筛选方法包括以下步骤:
步骤一:第一轮筛选:将所述各类气象要素的数据中属于系统性错误的数据筛除,得到第一轮筛选后的气象数据;
步骤二:第二轮筛选:将所述第一轮筛选后的气象数据中不符合现场实际气象条件的数据筛除,得到第二轮筛选后的气象数据;
步骤三:第三轮筛选:将所述第二轮筛选后的气象数据中异常连续的数据筛除,得到第三轮筛选后的气象数据。
优选的,基于所述气象环境自动监测站所在区域内的各类气象要素的极值而为各类所述气象要素设置取值范围,并应用于所述步骤二中,若一项所述第一轮筛选后的气象数据在对应的取值范围之外,则不符合实际气象条件。
优选的,根据各类气象要素的变化规律确定取值范围的设置时间。
优选的,根据各类气象要素的特性为各类所述气象要素设置连续时限,并应用于步骤三中,若一项所述第二轮筛选后的气象数据保持不变的时间达到对应的所述连续时限,则属于异常连续的数据。
优选的,所述气象环境自动监测站异常数据智能筛选方法还包括步骤四:长序列统计值筛选:对每一类气象要素的数据,根据其多次测量的数据计算当前均值,并与所述气象环境自动监测站所在区域内对应气象要素的同期统计均值进行比较,若二者的差别超过设定的允许范围,则进行人工判断或修正。
优选的,若存在高层的所述气象数据,则分别对各层的气象数据分别进行所述步骤四。
本发明还提供一种实现上述气象环境自动监测站异常数据智能筛选方法的系统,该气象环境自动监测站异常数据智能筛选系统包括:
数据读取模块,所述数据读取模块与所述由气象环境自动监测站相连接并读取各类气象要素的数据;
数据筛选模块,所述数据筛选模块与所述数据读取模块相连接并执行前述的气象环境自动监测站异常数据智能筛选方法,并在筛除数据时输出对应提示信号和统计异常数据;
异常数据库,所述异常数据库与所述数据筛选模块相连接并用于存储所述数据筛选模块筛除的数据;
参数设置模块,所述参数设置模块与所述数据筛选模块相连接并用于设置执行所述气象环境自动监测站异常数据智能筛选方法时所需的参数;
提示模块,所述提示模块与所述数据筛选模块相连接并基于所述提示信号发出对应提示信息。
优选的,所述气象环境自动监测站异常数据智能筛选系统还包括数据输出模块,所述数据输出模块与所述数据筛选模块相连接并用于输出数据筛选结果。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:本发明能够实现数据实时监控的智能化、自动化,较大程度的简化运维人员工作,减少人工干预。
附图说明
附图1为本发明的气象环境自动监测站异常数据智能筛选方法的流程图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一:由气象环境自动监测站获得的数据包括各类气象要素的数据,气象要素包括温度、湿度、气压、风速、风向、太阳辐射、雨量等。
如附图1所示,针对上述各类气象要素的数据的筛选,所采用的气象环境自动监测站异常数据智能筛选方法,包括以下步骤:
步骤一:第一轮筛选
本轮筛选用于将各类气象要素的数据中属于系统性错误的数据筛除,从而得到第一轮筛选后的气象数据。
例如,在读入各气象要素数据时,如系统开机重启时会产生初始值读入,该时次的异常数据需剔除,设为缺测,系统可将缺测的要素值设为-999.9。
步骤二:第二轮筛选
本轮筛选用于将第一轮筛选后的气象数据中不符合现场实际气象条件的数据筛除,得到第二轮筛选后的气象数据。
基于气象环境自动监测站所在区域内的各类气象要素的极值而为各类气象要素设置取值范围,并应用于步骤二中,根据各类气象要素的变化规律确定取值范围的设置时间。若一项第一轮筛选后的气象数据在对应的取值范围之外,则不符合实际气象条件。
例如,温度范围应根据各月或各季设置,从而剔除明显不符合该季节特征的温度值;风速、气压等极值若各月相差不大可全年只设置一个数据范围并用于数据筛选。
在设置完各类气象数据对应的取值范围后,若接收的数值到超过设置的取值范围时,给出提醒,将该条数据记为缺测值-999.9,并将该气象要素的异常数据存入异常数据库供后续统计。在错误值积累到一定数量后给出提醒,并统计出现错误值的时次和次数,若经现场确认该值满足现场实际条件,可将相关要素的极值进行调整,该异常值可恢复为正常值。
步骤三:第三轮筛选
本轮筛选用于将第二轮筛选后的气象数据中异常连续的数据筛除,得到第三轮筛选后的气象数据。
根据各类气象要素的特性为各类气象要素设置连续时限,并应用于步骤三中,若一项第二轮筛选后的气象数据保持不变的时间达到对应的连续时限,则属于异常连续的数据。
具体实例如下:
1、风向、风速、温度:若超过8小时数据连续一致,系统即给出提醒(特别需要关注风速为0的连续静风情况,若连续4个小时风速都为0,系统可判断为风速故障)。
2、湿度、气压、太阳辐射:若超过12小时数据连续一致,系统即给出提醒。
3、雨量:若连续为0.0时系统认为无异常,若出现连续4小时雨量相等且不为0,系统即给出提醒。
当发现数据连续异常时,系统给出提醒,并将该段数据设为缺测,并将异常数值存入异常数据库供统计分析。
根据系统的提醒,对异常时间段数据进行排查,若经现场确认该数据满足实际气象条件,可将异常值可恢复为正常值,若数据继续持续不变,可认为相关设备故障,需进行现场维护。
经过上述三轮筛选后,每月或每季度进行数据获取率的统计,最终获取有效数据。
在上述三步骤的基础上,该气象环境自动监测站异常数据智能筛选方法还包括:
步骤四:长序列统计值筛选
对每一类气象要素的数据,根据其多次测量的数据计算当前均值,并与气象环境自动监测站所在区域内对应气象要素的同期统计均值进行比较,若二者的差别超过设定的允许范围,则进行人工判断或修正。
本轮筛选主要针对长序列(月、季、年)的统计平均值,首先需要根据该厂址地区的区域历史气象数据进行长序列(月、季、年)统计平均值的输入。
若某类气象要素逐时数值均没有被上述三轮筛选出,但经过长序列统计分析,该要素的长序列平均值与输入的区域气象同期数据平均值有较大偏差,如温度平均值偏低5℃,风速明显偏大5m/s,则系统在进行完长序列平均值计算后即给出提醒,运维人员查询当时天气情况及相关气象站信息进行综合判断,若该数据确实有异常的偏差,则需要进行现场测试排查原因,若数据确实存在系统性线性偏差,则可对该段数据进行系统线性修正,使其符合实际情况。
同时,一般区域气象站只有地面站数据,若存在气象塔高层的气象数据,则分别对各层的气象数据分别进行步骤四,即对于气象塔高层数据的长序列筛选,需对各层温度、风速、风向统计平均值,若上下层差异较大或明显不符合气象规律(如高层温度平均值高于低层),则也需要给出提醒,运维人员结合现场具体情况进行判断,若数据确实存在系统性线性偏差,则可对该段数据进行系统线性修正,使其符合实际情况,运维人员后续应并对软件及硬件系统进行修正完善。
实现上述气象环境自动监测站异常数据智能筛选方法的系统,包括数据读取模块、数据筛选模块、异常数据库、参数设置模块、提示模块、数据输出模块。
数据读取模块与由气象环境自动监测站相连接,用于读取各类气象要素的数据。数据筛选模块与数据读取模块相连接,用于执行前述气象环境自动监测站异常数据智能筛选方法,并在筛除数据时输出对应提示信号和统计异常数据。异常数据库与数据筛选模块相连接并用于存储数据筛选模块筛除的数据。参数设置模块与数据筛选模块相连接,用于设置执行气象环境自动监测站异常数据智能筛选方法时所需的参数。提示模块与数据筛选模块相连接,用于基于提示信号发出对应提示信息。数据输出模块与数据筛选模块相连接,用于输出数据筛选结果。
采用上述方案后,判断气象环境自动站监测到的数据是否有效、数据是否异常的大部分工作将由自动化系统来处理,实现数据实时监控的智能化、自动化,较大程度的简化运维人员工作,减少人工干预,也降低对运维人员专业能力的要求,即使是非专业人员,也可通过采用该技术的软件来直接分析数据是否异常。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种气象环境自动监测站异常数据智能筛选方法,用于对由气象环境自动监测站获得的各类气象要素的数据进行筛选,其特征在于:所述气象环境自动监测站异常数据智能筛选方法包括以下步骤:
步骤一:第一轮筛选:将所述各类气象要素的数据中属于系统性错误的数据筛除,得到第一轮筛选后的气象数据;
步骤二:第二轮筛选:将所述第一轮筛选后的气象数据中不符合现场实际气象条件的数据筛除,得到第二轮筛选后的气象数据;
步骤三:第三轮筛选:将所述第二轮筛选后的气象数据中异常连续的数据筛除,得到第三轮筛选后的气象数据。
2.根据权利要求1所述的一种气象环境自动监测站异常数据智能筛选方法,其特征在于:基于所述气象环境自动监测站所在区域内的各类气象要素的极值而为各类所述气象要素设置取值范围,并应用于所述步骤二中,若一项所述第一轮筛选后的气象数据在对应的取值范围之外,则不符合实际气象条件。
3.根据权利要求2所述的一种气象环境自动监测站异常数据智能筛选方法,其特征在于:根据各类气象要素的变化规律确定取值范围的设置时间。
4.根据权利要求1所述的一种气象环境自动监测站异常数据智能筛选方法,其特征在于:根据各类气象要素的特性为各类所述气象要素设置连续时限,并应用于步骤三中,若一项所述第二轮筛选后的气象数据保持不变的时间达到对应的所述连续时限,则属于异常连续的数据。
5.根据权利要求1至4中任一项所述的一种气象环境自动监测站异常数据智能筛选方法,其特征在于:所述气象环境自动监测站异常数据智能筛选方法还包括步骤四:长序列统计值筛选:对每一类气象要素的数据,根据其多次测量的数据计算当前均值,并与所述气象环境自动监测站所在区域内对应气象要素的同期统计均值进行比较,若二者的差别超过设定的允许范围,则进行人工判断或修正。
6.根据权利要求4所述的一种气象环境自动监测站异常数据智能筛选方法,其特征在于:若存在高层的所述气象数据,则分别对各层的气象数据分别进行所述步骤四。
7.一种气象环境自动监测站异常数据智能筛选系统,用于对由气象环境自动监测站获得的各类气象要素的数据进行筛选,其特征在于:所述气象环境自动监测站异常数据智能筛选系统包括:
数据读取模块,所述数据读取模块与所述由气象环境自动监测站相连接并读取各类气象要素的数据;
数据筛选模块,所述数据筛选模块与所述数据读取模块相连接并执行如权利要求1至6中任一项所述的气象环境自动监测站异常数据智能筛选方法,并在筛除数据时输出对应提示信号和统计异常数据;
异常数据库,所述异常数据库与所述数据筛选模块相连接并用于存储所述数据筛选模块筛除的数据;
参数设置模块,所述参数设置模块与所述数据筛选模块相连接并用于设置执行所述气象环境自动监测站异常数据智能筛选方法时所需的参数;
提示模块,所述提示模块与所述数据筛选模块相连接并基于所述提示信号发出对应提示信息。
8.根据权利要求6所述的气象环境自动监测站异常数据智能筛选系统,其特征在于:所述气象环境自动监测站异常数据智能筛选系统还包括数据输出模块,所述数据输出模块与所述数据筛选模块相连接并用于输出数据筛选结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911060063.5A CN110908985A (zh) | 2019-11-01 | 2019-11-01 | 一种气象环境自动监测站异常数据智能筛选方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911060063.5A CN110908985A (zh) | 2019-11-01 | 2019-11-01 | 一种气象环境自动监测站异常数据智能筛选方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110908985A true CN110908985A (zh) | 2020-03-24 |
Family
ID=69815891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911060063.5A Pending CN110908985A (zh) | 2019-11-01 | 2019-11-01 | 一种气象环境自动监测站异常数据智能筛选方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110908985A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113100709A (zh) * | 2021-03-26 | 2021-07-13 | 攀枝花市中心医院 | 一种麻醉深度监测系统及麻醉深度监测方法 |
CN113886213A (zh) * | 2020-06-29 | 2022-01-04 | 腾讯科技(深圳)有限公司 | 程序数据处理方法、装置、计算机可读存储介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104280791A (zh) * | 2014-09-26 | 2015-01-14 | 宁波绮耘软件有限公司 | 一种气象数据质量控制处理方法及系统 |
CN107194494A (zh) * | 2017-04-20 | 2017-09-22 | 国网浙江省电力公司电力科学研究院 | 一种电网台风监测站布点方法 |
CN107920111A (zh) * | 2017-10-31 | 2018-04-17 | 厦门市谷玉信息技术有限公司 | 一种基于地面气象观测的一体化智能数据采集方法和平台 |
CN108268646A (zh) * | 2018-01-23 | 2018-07-10 | 南京信息工程大学 | 一种对加密自动气象站实测温度数值进行质量检查的方法 |
CN108710689A (zh) * | 2018-05-22 | 2018-10-26 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电场气象数据管理系统及方法 |
CN109143407A (zh) * | 2018-07-30 | 2019-01-04 | 华云升达(北京)气象科技有限责任公司 | 自动气象站的数据统一收集系统及其方法 |
-
2019
- 2019-11-01 CN CN201911060063.5A patent/CN110908985A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104280791A (zh) * | 2014-09-26 | 2015-01-14 | 宁波绮耘软件有限公司 | 一种气象数据质量控制处理方法及系统 |
CN107194494A (zh) * | 2017-04-20 | 2017-09-22 | 国网浙江省电力公司电力科学研究院 | 一种电网台风监测站布点方法 |
CN107920111A (zh) * | 2017-10-31 | 2018-04-17 | 厦门市谷玉信息技术有限公司 | 一种基于地面气象观测的一体化智能数据采集方法和平台 |
CN108268646A (zh) * | 2018-01-23 | 2018-07-10 | 南京信息工程大学 | 一种对加密自动气象站实测温度数值进行质量检查的方法 |
CN108710689A (zh) * | 2018-05-22 | 2018-10-26 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电场气象数据管理系统及方法 |
CN109143407A (zh) * | 2018-07-30 | 2019-01-04 | 华云升达(北京)气象科技有限责任公司 | 自动气象站的数据统一收集系统及其方法 |
Non-Patent Citations (2)
Title |
---|
姜明等: "区域自动气象站小时雨量数据质量控制方法研究", 《气象水文海洋仪器》 * |
王新华等: "国家级地面自动站A文件质量", 《气象》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113886213A (zh) * | 2020-06-29 | 2022-01-04 | 腾讯科技(深圳)有限公司 | 程序数据处理方法、装置、计算机可读存储介质及设备 |
CN113100709A (zh) * | 2021-03-26 | 2021-07-13 | 攀枝花市中心医院 | 一种麻醉深度监测系统及麻醉深度监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114640173B (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN104819107B (zh) | 一种风电机组功率曲线异常漂移的诊断方法及系统 | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
CN103912448A (zh) | 一种区域风电场机组功率特性监测方法 | |
CN105205569A (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
KR102230548B1 (ko) | Frbfnn 모델을 이용한 태양광 발전설비의 발전예측 및 효율진단 시스템 | |
CN110908985A (zh) | 一种气象环境自动监测站异常数据智能筛选方法和系统 | |
CN108732444B (zh) | 智能变电站保护设备运行状态评估装置和检修决策方法 | |
CN112003564B (zh) | 基于智能终端的分布式光伏系统支路功率异常预警方法 | |
CN114689994A (zh) | 一种输送电线路故障在线定位监测系统和方法 | |
CN108696249B (zh) | 光伏组件故障快速诊断方法 | |
CN111596643A (zh) | 一种基于大数据的可视化动态能耗诊断、分析和预控系统 | |
EP2673503B1 (de) | Verfahren zum bestimmen entgangener energie | |
CN109379042B (zh) | 一种用于分析户用光伏遮挡物的方法及系统 | |
CN114781143A (zh) | 一种风电场发电量监测预警评估方法与系统 | |
CN113011477B (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
CN116613896B (zh) | 一种基于微电网的数据采集监测方法 | |
CN112764130A (zh) | 一种电网气象监测预警装置及监测方法 | |
CN117196120A (zh) | 一种用户用水行为分析算法 | |
CN116736134A (zh) | 一种实时性储能电池数据监测方法及装置 | |
CN116231757A (zh) | 一种水风光电站群的发电能效分析管理系统 | |
CN210222818U (zh) | 一种结合质控的风资源评估系统 | |
CN114002759A (zh) | 一种输电线路气象风险超前期预警系统和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |