CN111127186A - 一种基于大数据技术的客户信用等级评价体系的使用方法 - Google Patents

一种基于大数据技术的客户信用等级评价体系的使用方法 Download PDF

Info

Publication number
CN111127186A
CN111127186A CN201911254601.4A CN201911254601A CN111127186A CN 111127186 A CN111127186 A CN 111127186A CN 201911254601 A CN201911254601 A CN 201911254601A CN 111127186 A CN111127186 A CN 111127186A
Authority
CN
China
Prior art keywords
credit
data
customer
model
big data
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
CN201911254601.4A
Other languages
English (en)
Inventor
保富
黄祖源
张梅
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.)
Information Center of Yunnan Power Grid Co Ltd
Original Assignee
Information Center of Yunnan 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 Information Center of Yunnan Power Grid Co Ltd filed Critical Information Center of Yunnan Power Grid Co Ltd
Priority to CN201911254601.4A priority Critical patent/CN111127186A/zh
Publication of CN111127186A publication Critical patent/CN111127186A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种基于大数据技术的客户信用等级评价体系的使用方法，具体涉及电力行业客户信用等级评价领域，包括应用层、模型支撑层、基础软件层和基础设施层，所述基础设施层包括数据库服务器和应用服务器，所述具体使用步骤如下：信用评价体系建立、数据集成、数据整理及校验、内外部数据关联、模型计算、模型验证和发布信用评价结果。本发明通过采用AHP分析法建立信用事件细则评分标准，按失信程度划分分值比例，形成更为系统化和层次性的评分体系结构，以解决现有信用评价体系缺乏对失信程度计算以及数据处理缺陷问题。

Description

一种基于大数据技术的客户信用等级评价体系的使用方法
技术领域
本发明涉及电力行业客户信用等级评价技术领域，更具体地说，本发明涉及一种基于大数据技术的客户信用等级评价体系的使用方法。
背景技术
电力企业服务的客户群体具有普遍性、稳定性、多样性的特点，随着电力体制改革的深化，全面掌握客户信用情况，对更好的进行差异化服务和风险管控具有重要意义。
现行客户信用评价采用信用事件分值和信用因子的方式通过数据库存储过程进行计算，主要算法为：∑112[(∑1n信用事件分值t×时间权重t)×信用因子]+性质因子。其中t＝1……12。
由现行客户信用评价算法公式可以看出同一失信事件分值只受到时间权重影响，不受失信程度的影响，使得信用评价体系缺乏层次。比如欠费停电失信事件，在相同时间周期内，不管欠费停电发生多少次，1次和5次，对信用评价分数计算的影响度相同，造成信用评价结果同分居多，对客户的信用评价细致程度不足，风险预估存在一刀切现象。同时信用评价采用数据库存储过程计算方式，整体计算效率低，造成评价的周期长，实时性不高、缺乏数据和效果校验。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于大数据技术的客户信用等级评价体系的使用方法，本发明所要解决的技术问题是：建立直观、细致的风险评估的客户信用等级评价体系。
为实现上述目的，本发明提供如下技术方案：一种基于大数据技术的客户信用等级评价体系的使用方法，包括应用层、模型支撑层、基础软件层和基础设施层；
所述基础设施层包括数据库服务器和应用服务器；
所述具体使用步骤如下：
步骤一、信用评价体系建立：在应用层利用AHP分析法建立客户信用评价等级的结构体系；
步骤二、数据集成：在基础设施层对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集；
步骤三、数据整理及校验：在基础软件层对收集数据在计算建模之前按照要求对数据质量进行核查治理；
步骤四、内外部数据关联：由于不同系统收集到的信息标准不同，根据对应规则，进行相互关联，以避免模型计算时出现遗漏和失误；
步骤五、模型计算：利用步骤一种建立的客户信用评价等级的结构体系在模型支撑成构建计算模型，利用建模结果运用在分布式大数据集群上并行计算，这个过程需要多次迭代，最终产生模型输出；
步骤六、模型验证：将样本客户按时间维度分为观察期与预测期，利用K-S检验模型效果；
步骤七、发布信用评价结果：对模型计算结果，也就是客户的信用评价等级发布。
在一个优选地实施方式中，所述步骤一中首先把客户分为居民客户和非居民客户，分别对两类客户划分信用类型为基本信用、用电缴费信用、特殊事件信用多维度指标作为模型自变量。
在一个优选地实施方式中，所述步骤二中动态收集包括收集客户档案以及用电履约行为数据抽取收集。
在一个优选地实施方式中，所述步骤二中数据的校验采用Grubbs方式进行，并构建函数
Figure BSA0000197007950000021
进行估算，再构建函数
Figure BSA0000197007950000022
计算统计量，其中将Grubbs检验费的临界值表所得的g(a，n)和gi，如果gi于于g(a，n)则认定为异常，把异常值置为缺失处理。
在一个优选地实施方式中，所述包括异常值在内的缺失数据采用拉格朗日插值法对缺失值进行插补。
在一个优选地实施方式中，所述步骤四中需建立多维度的内外部数据关联规则。
在一个优选地实施方式中，所述步骤五中计算前先对数据进行规范化处理，将其处理成适当的格式，将不具有正态分布的数据变换成具有正态分布的数据，或者将非平稳序列转换成平稳序列，以及归一化变换，将数值差别很大的数据按照比例进行缩放，使之融入一个特定的区域。
在一个优选地实施方式中，所述步骤五中需分别对居民基本信用分数、非居民基本信用分数、用电缴费信用分数和特殊事件信用分数制定不同的得分公式。
在一个优选地实施方式中，所述步骤七中发布的信用评价结果以客户信用等级的方式推送给其他系统。
本发明的技术效果和优点：
1、本发明通过采用AHP分析法建立信用事件细则评分标准，按失信程度划分分值比例，形成更为系统化和层次性的评分体系结构，以解决现有信用评价体系缺乏对失信程度计算以及数据处理缺陷问题；
2、本发明通过采用大数据的分布计算和数据处理，使用大数据处理计算数据并对计算结果和模型进行持续校验和优化，保证信用评价的执行效率和结果质量。
附图说明
图1为本发明的整体工作流程示意图。
图2为本发明的模块结构示意图。
附图标记为：1应用层、2模型支撑层、3基础软件层、4基础设施层、41数据库服务器、42应用服务器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了一种基于大数据技术的客户信用等级评价体系的使用方法，包括应用层1、模型支撑层2、基础软件层3和基础设施层4；
所述基础设施层4包括数据库服务器41和应用服务器42，所述数据库服务器41对大数据集群进行数据整理和集中存储，所述应用服务器42可对数据库服务器41中大数据进行筛选可应用；
所述具体使用步骤如下：
步骤一、信用评价体系建立：在应用层1利用AHP分析法建立客户信用评价等级的结构体系，首先把客户分为居民客户和非居民客户，分别对两类客户划分信用类型为基本信用、用电缴费信用、特殊事件信用多维度指标作为模型自变量，基本信用和缴费信用包括手机信息、有效证件信息、拆迁规划、临时用电、当期欠费金额、累计欠费期数、违约金累加日、缴费方式，特殊事件信息作为区分能力太强的变量，或缺失率很大的变量以扣减指标形式在存在，包括违法经营、企业破产、资产转移、官方媒体负面报道，并制定评价体系层次图表，如下：
Figure BSA0000197007950000041
Figure BSA0000197007950000051
Figure BSA0000197007950000061
Figure BSA0000197007950000071
步骤二、数据集成：在基础设施层4对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集，其中收集客户档案以及用电履约行为数据通过电力营销系统、95598应急系统、计量自动化系统、电力客服数据综合分析应用系统自动抽取收集，社会征信系统手动维护；
步骤三、数据整理及校验：在基础软件层3对收集数据在计算建模之前按照要求对数据质量进行核查治理，系统构建之初，进行第一次全量的数据初始化，通过集成管理功能读取配置信息，并提供手工调用和自动调用功能，记录相关执行日志，而后每月进行模型更新之前对变更数据执行增量集成。
利用Grubbs检验，将自变量数据排序并计算平均值，利用平均值和标准差获得估算量
Figure BSA0000197007950000081
再计算统计量
Figure BSA0000197007950000082
将Grubbs检验费的临界值表所得的g(a，n)和gi，如果gi于于g(a，n)则认定为异常，把异常值置为缺失处理；
对缺失数据(包括异常的缺失处理)采用拉格朗日插值法对缺失值进行插补；
步骤四、内外部数据关联：由于不同系统收集到的不同，根据对应规则，进行相互关联，以避免模型计算时出现遗漏和失误，建立多维度的内外部数据关联规则：营销系统里的客户编号和电力客服数据综合分析应用系统的网厅、掌厅、微信建立对应账户关系，保证数据一致；
步骤五、模型计算：利用前面的建模结果，在分布式大数据集群上并行计算，这个过程需要多次迭代，最终产生模型输出；
计算前先对数据进行规范化处理，将其处理成适当的格式，以适用于建模任务和算法需要，利用函数变换，即原始数据进行某些数学函数操作，除了简单的取对数、差分运算，将不具有正态分布的数据变换成具有正态分布的数据，或者将非平稳序列转换成平稳序列，以及归一化变换，将数值差别大的数据按照比例进行缩放，使之融入一个特定的区域，以便于综合分析；
以数据变换后的建模数据为基础，针对前边的信用体系结构，调用分布式大数据集群进行计算：
客户信用评级得分＝基本分指标得分*权重+计分类指标得分*权重+特殊事件类指标得分；
(1)居民基本信用分数＝∑n【基本信用指标】各项指标得分*指标权重；
非居民基本信用分数＝∑n【行业基本信用指标】各项指标得分*指标权重+∑n【企业基本信用指标】各项指标得分*指标权重；
(2)用电缴费信用分数＝∑n【用户缴费信用指标】各项指标得分*指标权重；
(3)特殊事件信用分数＝∑n【特殊事件信用指标】各项指标得分；
计算过程中需要对全过程记录日志，包括计算任务的开始和结束时间，任务执行状态，关键环节的执行时间，结果保存路径；
步骤六、模型验证：将样本客户按时间维度分为观察期与预测期，利用K-S检验模型效果，在观察期对客户应用上述方法建模得出信用评分，在预测期对客户进行人工定义，若模型效果较好，则好客户占比应随信用评分的增加而增加，即信用评分越低的客户中好客户的比例越低，信用评分越高的客户中好客户比例越高，通过图形化的形式对此过程进行展示，协助用户对模型效果做出决策；
同时通过权向量计算和一致性检验，即对模型涉及的属性指标进行两两对比，按其相对信用结果影响程度进行赋值，利用成对比较法生成比较矩阵，决策者能够认真地考量指标的相对重要性，以便进一步对模型优化。
步骤七、发布信用评价结果：对模型计算结果，也就是客户的信用评价等级进行发布，根据模型计算得分，评价客户信用等级(星级)并推送最终结果给其他系统，比便更好的进行差异化服务和风险管控，客户信用等级(星级)表格如下所示：
Figure BSA0000197007950000091
Figure BSA0000197007950000101
综上所述：构建了基于大数据技术的客户信用等级评价体系，采用AHP分析法建立信用事件细则评分标准，按失信程度划分分值比例，形成更为系统化和层次性的评分体系结构，使用大数据处理计算数据并对计算结果和模型进行持续校验和优化，保证信用评价的执行效率和结果质量，可以直观、全面的解决现有信用评价体系缺乏对失信程度计算以及数据处理缺陷问题。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：包括应用层(1)、模型支撑层(2)、基础软件层(3)和基础设施层(4)；
所述基础设施层(4)包括数据库服务器(41)和应用服务器(42)；
所述具体使用步骤如下：
步骤一、信用评价体系建立：在应用层(1)利用AHP分析法建立客户信用评价等级的结构体系；
步骤二、数据集成：在基础设施层(4)对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集；
步骤三、数据整理及校验：在基础软件层(3)对收集数据在计算建模之前按照要求对数据质量进行核查治理；
步骤四、内外部数据关联：由于不同系统收集到的信息标准不同，根据对应规则，进行相互关联，以避免模型计算时出现遗漏和失误；
步骤五、模型计算：利用步骤一种建立的客户信用评价等级的结构体系在模型支撑成构建计算模型，利用建模结果运用在分布式大数据集群上并行计算，这个过程需要多次迭代，最终产生模型输出；
步骤六、模型验证：将样本客户按时间维度分为观察期与预测期，利用K-S检验模型效果；
步骤七、发布信用评价结果：对模型计算结果，也就是客户的信用评价等级发布。
2.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤一中首先把客户分为居民客户和非居民客户，分别对两类客户划分信用类型为基本信用、用电缴费信用、特殊事件信用多维度指标作为模型自变量。
3.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤二中动态收集包括收集客户档案以及用电履约行为数据抽取收集。
4.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤二中数据的校验采用Grubbs方式进行，并构建函数
Figure FSA0000197007940000021
进行估算，再构建函数
Figure FSA0000197007940000022
计算统计量，其中将Grubbs检验费的临界值表所得的g(a，n)和gi，如果gi于于g(a，n)则认定为异常，把异常值置为缺失处理。
5.根据权利要求4所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述包括异常值在内的缺失数据采用拉格朗日插值法对缺失值进行插补。
6.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤四中需建立多维度的内外部数据关联规则。
7.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤五中计算前先对数据进行规范化处理，将其处理成适当的格式，将不具有正态分布的数据变换成具有正态分布的数据，或者将非平稳序列转换成平稳序列，以及归一化变换，将数值差别很大的数据按照比例进行缩放，使之融入一个特定的区域。
8.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤五中需分别对居民基本信用分数、非居民基本信用分数、用电缴费信用分数和特殊事件信用分数制定不同的得分公式。
9.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤七中发布的信用评价结果以客户信用等级的方式推送给其他系统。
CN201911254601.4A 2019-12-10 2019-12-10 一种基于大数据技术的客户信用等级评价体系的使用方法 Pending CN111127186A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911254601.4A CN111127186A (zh) 2019-12-10 2019-12-10 一种基于大数据技术的客户信用等级评价体系的使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911254601.4A CN111127186A (zh) 2019-12-10 2019-12-10 一种基于大数据技术的客户信用等级评价体系的使用方法

Publications (1)

Publication Number Publication Date
CN111127186A true CN111127186A (zh) 2020-05-08

Family

ID=70497971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911254601.4A Pending CN111127186A (zh) 2019-12-10 2019-12-10 一种基于大数据技术的客户信用等级评价体系的使用方法

Country Status (1)

Country Link
CN (1) CN111127186A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114139883A (zh) * 2021-11-10 2022-03-04 云南电网有限责任公司信息中心 一种电力企业物资域评价指标的计算方法
CN115037603A (zh) * 2022-05-31 2022-09-09 国网湖南省电力有限公司 用电信息采集设备的诊断评估方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005134938A (ja) * 2002-10-15 2005-05-26 Kagoshima Bank Ltd 企業信用格付システム及び企業信用格付プログラム
CN106780140A (zh) * 2016-12-15 2017-05-31 国网浙江省电力公司 基于大数据的电力信用评价方法
CN108665184A (zh) * 2018-05-21 2018-10-16 国网陕西省电力公司咸阳供电公司 一种基于大数据征信的电力客户信誉评估方法
CN109003127A (zh) * 2018-07-06 2018-12-14 国网福建省电力有限公司 一种基于用电客户数据的信用评级方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005134938A (ja) * 2002-10-15 2005-05-26 Kagoshima Bank Ltd 企業信用格付システム及び企業信用格付プログラム
CN106780140A (zh) * 2016-12-15 2017-05-31 国网浙江省电力公司 基于大数据的电力信用评价方法
CN108665184A (zh) * 2018-05-21 2018-10-16 国网陕西省电力公司咸阳供电公司 一种基于大数据征信的电力客户信誉评估方法
CN109003127A (zh) * 2018-07-06 2018-12-14 国网福建省电力有限公司 一种基于用电客户数据的信用评级方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王小凯: "计量检定中3种判别和剔除异常值的统计方法", 中国测试 *
王蕾: "电力用户信用评估及其应对措施研究", 2017年"电子技术应用"智能电网会议论文集 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114139883A (zh) * 2021-11-10 2022-03-04 云南电网有限责任公司信息中心 一种电力企业物资域评价指标的计算方法
CN114139883B (zh) * 2021-11-10 2024-03-29 云南电网有限责任公司信息中心 一种电力企业物资域评价指标的计算方法
CN115037603A (zh) * 2022-05-31 2022-09-09 国网湖南省电力有限公司 用电信息采集设备的诊断评估方法、装置及系统

Similar Documents

Publication Publication Date Title
CN110362894B (zh) 配电线路、变压器综合降损及节能计算分析方法及系统
WO2021135177A1 (zh) 一种能源数据仓库系统构建方法及装置
CN106557991B (zh) 电压监测数据平台
CN105574652B (zh) 一种智能配电网规划大数据管控系统及方法
CN111291076B (zh) 基于大数据的异常用水监测报警系统及其构建方法
CN108846691A (zh) 区域性粮油市场价格监测分析预测系统及监测方法
CN110503570A (zh) 一种异常用电数据检测方法、系统、设备、存储介质
CN111507013A (zh) 一种面向电力系统线损故障定位实现方法
CN111552686B (zh) 一种电力数据质量评估方法及其装置
CN113822547B (zh) 一种精细化需求侧管理综合信息平台系统及管理方法
CN108898248B (zh) 电力负荷影响因素量化分析方法、装置、设备及介质
CN115905319B (zh) 一种海量用户电费异常的自动识别方法及系统
WO2021135727A1 (zh) 一种能源数据仓库系统
CN111127186A (zh) 一种基于大数据技术的客户信用等级评价体系的使用方法
CN113590607A (zh) 一种基于报表因子的电力营销报表实现方法和系统
CN114519514A (zh) 一种低压台区合理线损值测算方法、系统及计算机设备
CN111178676A (zh) 一种配电网项目投资评估方法及系统
CN114169802A (zh) 电网用户需求响应潜力分析方法、系统及存储介质
CN113450004A (zh) 电力信用报告生成方法、装置、电子设备及可读存储介质
CN107093018A (zh) 基于健康模型的电信工程项目信息可视化方法及装置
CN112614005B (zh) 企业复工状态的处理方法和装置
CN112001551A (zh) 一种基于大用户电量信息的地市电网售电量预测方法
CN112003369A (zh) 基于云平台的电网自动化设备运行监视及统计分析方法
Huang An Analysis of Artificial Intelligence Engineering Cost Information Management Platform
CN118539432B (zh) 一种基于电网结构图的电网优化方法及装置

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