CN112149957A - 基于在线监测数据的风险趋势推演与分级预警方法 - Google Patents
基于在线监测数据的风险趋势推演与分级预警方法 Download PDFInfo
- Publication number
- CN112149957A CN112149957A CN202010846928.7A CN202010846928A CN112149957A CN 112149957 A CN112149957 A CN 112149957A CN 202010846928 A CN202010846928 A CN 202010846928A CN 112149957 A CN112149957 A CN 112149957A
- Authority
- CN
- China
- Prior art keywords
- early warning
- monitoring data
- trend
- grading
- value
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000011161 development Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 claims 1
- 238000012300 Sequence Analysis Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000002542 deteriorative effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种基于在线监测数据的风险趋势推演与分级预警方法,包括以下步骤:当在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n‑1)个波峰值,并与在线监测数据组成参考数集;对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;其中,b为表征发展趋势快慢的参数;将参数b与预设的多个分级预警阈值进行比较,根据比较结果进行分级预警。本发明充分利用在线监测预警系统的历史监测数据,借助时序分析模型,推演该监测点数据在未来一段时间内风险的发展趋势,并结合企业对风险的可接受程度,依据推演结果对风险进行分级预警和信息推送,以便监管人员提前预判,采取针对性的管控措施。
Description
技术领域
本发明涉及安全监测预警领域,具体的说,涉及了一种基于在线监测数据的风险趋势推演与分级预警方法。
背景技术
安全监测预警系统是实现对重大危险源、关键设备、重点区域进行安全风险防范和管理的重要技防手段之一。近年来,国家对安全监测预警系统的安装、使用及预警信息的闭环管理提出了越来越严格的要求。
现阶段,企业安装的在线监测预警系统一般根据现场工况需要设置两级报警阈值。GB/T50493-2019《石油化工可燃和有毒气体检测报警设计》规定,可燃气体的一级报警设定值≤25%LEL,二级报警设定值≤50%LEL。通过现有的两级报警设定值,可以很好地帮助用户了解当前实时监测数据的报警等级,即现场的风险程度,从而采取相应管控措施;但是从一级报警到二级报警的这段时间,由于无法判断风险发展趋势的快慢,导致企业在二级报警触发相应管控措施前,无法提前针对管控措施进行防范或者防范速度过慢,从而导致企业因管控措施而损失严重。
为了解决以上存在的问题,人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足,从而提供了一种基于在线监测数据的风险趋势推演与分级预警方法,充分利用在线监测预警系统的历史监测数据,借助时序分析模型,推演该监测点数据在未来一段时间内风险的发展趋势,并结合企业对风险的可接受程度,依据推演结果对风险进行分级预警和信息推送,以便监管人员提前预判,采取针对性的管控措施。
为了实现上述目的,本发明所采用的技术方案是:一种基于在线监测数据的风险趋势推演与分级预警方法,包括以下步骤:
当在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n-1)个波峰值,并与在线监测数据组成参考数集(t1, y1),(t2,y2),(t3,y3)…(tn,yn);
其中,y1为在线监测数据,t1为在线监测数据对应的监测时刻,y2为距离在线监测数据最近的第一个波峰值,t2为第1个波峰值对应的监测时刻;yi为距离在线监测数据最近的第i-1个波峰值,ti为第i-1个波峰值对应的监测时刻,yn为距离在线监测数据最近的第n-1个波峰值,tn为第n-1个波峰值对应的监测时刻;
对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;其中,为表征发展趋势快慢的参数,为表征最初发展趋势水平的参数;表示t1,t2,…ti,…tn的平均值;表示y1,y2,…yi,…yn的平均值;
将表征发展趋势快慢的参数b与预设的多个分级预警阈值进行比较,根据比较结果进行分级预警。
本发明还提供一种基于在线监测数据的风险趋势推演与分级预警系统,包括在线监测设备、风险趋势推演及分级装置以及预警设备,
所述在线监测设备,用于实时在线获取监测数据;
所述风险趋势推演及分级装置,与所述在线监测设备连接,用于获取在线监测数据,并在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n-1)个波峰值,并与在线监测数据组成参考数集(t1,y1),(t2,y2),(t3,y3)…(tn,yn);对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;将表征发展趋势快慢的参数 b与预设的多个分级预警阈值进行比较,根据比较结果进行分级;
其中,y1为在线监测数据,t1为在线监测数据对应的监测时刻,y2为距离在线监测数据最近的第一个波峰值,t2为第1个波峰值对应的监测时刻;yi为距离在线监测数据最近的第i-1个波峰值,ti为第i-1个波峰值对应的监测时刻,yn为距离在线监测数据最近的第n-1个波峰值,tn为第n-1个波峰值对应的监测时刻;为表征发展趋势快慢的参数,为表征最初发展趋势水平的参数;表示t1,t2,…ti,…tn的平均值;表示 y1,y2,…yi,…yn的平均值;
所述预警设备,与所述风险趋势推演及分级装置连接,根据所述风险趋势推演及分级装置的分级结果进行相应预警。
本发明相对现有技术具有突出的实质性特点和显著的进步,具体的说,本发明可以根据现场在线监测数据的发展变化过程,对未来一段时间内的风险趋势进行推演,并结合企业自身对风险的可接受程度,将推演结果进行分级和推送;企业安全管理人员收到预警信息后,可以根据分级结果,判断现场预警情况及趋势,及时采取针对性的管控措施,“靶向”化解现场风险,提前阻止风险的进一步恶化,实现安全管控关口前移,避免事故发生。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面通过具体实施方式,对本发明的技术方案做进一步的详细描述。
如图1所示,一种基于在线监测数据的风险趋势推演与分级预警方法,包括以下步骤:
当在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n-1)个波峰值,并与在线监测数据组成参考数集(t1, y1),(t2,y2),(t3,y3)…(tn,yn);
其中,y1为在线监测数据,t1为在线监测数据对应的监测时刻,y2为距离在线监测数据最近的第一个波峰值,t2为第1个波峰值对应的监测时刻;yi为距离在线监测数据最近的第i-1个波峰值,ti为第i-1个波峰值对应的监测时刻,yn为距离在线监测数据最近的第n-1个波峰值,tn为第n-1个波峰值对应的监测时刻;
对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;其中,为表征发展趋势快慢的参数,为表征最初发展趋势水平的参数;表示t1,t2,…ti,…tn的平均值;表示y1,y2,…yi,…yn的平均值;
将表征发展趋势快慢的参数b与预设的多个分级预警阈值进行比较,根据比较结果进行分级预警;具体的,以常见的蓝黄橙红4级预警机制为例,其中,蓝色预警对应一般危险,黄色预警对应较重危险,橙色预警对应严重危险,红色预警对应特别严重危险;当b≤α阈1时,意味着发展趋势较慢,危害较小,故为蓝色预警;当α阈1≤b≤α阈2时,意味着发展趋势较快,危害较大,故为黄色预警;当α阈2≤b≤α阈3时,发展趋势很快,危害很大,故为橙色预警;当b≥α阈3时,发展趋势非常快,危害最大,故为红色预警。
在具体实施过程中,当在线监测数据未达到一级报警阈值,即处于正常范围内时,不进行趋势拟合步骤,而是按原有逻辑正常运行,继续进行在线监测。
本发明可以根据现场在线监测数据的发展变化过程,对未来一段时间内的风险趋势进行推演,并结合企业自身对风险的可接受程度,将推演结果进行分级和推送;企业安全管理人员收到预警信息后,可以根据分级结果,判断现场预警情况及趋势,及时采取针对性的管控措施,“靶向”化解现场风险,提前阻止风险的进一步恶化,实现安全管控关口前移,避免事故发生。
其中,多个分级预警阈值需要根据根据企业风险可接受水平进行设定,具体步骤包括:
根据趋势拟合曲线方程y=a+bt,计算监测数据值y等于预设二级报警阈值时对应的时刻t;
令ΔT=t-t1,设定不同分级对应的ΔT取值范围:
设定蓝色预警对应的ΔT取值范围为ΔT≥T1;
设定黄色预警对应的ΔT取值范围为T1≤ΔT≤T2;
设定橙色预警对应的ΔT取值范围为T2≤ΔT≤T3;
设定红色预警对应的ΔT取值范围为T3≤ΔT;
其中,T1、T2、T3均为企业风险可接受时间差阈值;
根据设定不同分级对应的ΔT取值范围计算分级预警阈值:
在具体实施过程中,参考数集(t1,y1),(t2,y2),(t3,y3)…(tn, yn)的获取步骤如下:
根据现场工况条件和历史数据,设定判断时间跨度h,结合在线监测系统的采集频率,可以得出参与趋势推演分析的数组,记为X;
对上述数组进行逆向扫描,用S记录当前的状态:未知0,下坡1,上坡2;
当S=0,如果xi<xi-1,修改状态为下坡1,否则为上坡2;
当S=1,如果xi>xi-1则判断为由下坡变为上坡,此处为一个波峰,如果该波峰比上一个时间跨度内的波峰更高,则修改上一个波峰的值,否则就将该波峰加入波峰列表,令yi=xi;
当S=2,如果xi<xi-1,则判断为由上坡变为下坡,此处为一个波谷,如果该波谷比上一个时间跨度内的波谷更低,则修改上一个波谷的值,否则就将该波谷加入波谷列表,令yi=xi;
最后返回波峰和波谷列表,并和对应的时刻组成参考数集(t1,y1), (t2,y2),(t3,y3)…(tn,yn)。
在具体实施过程中,对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt的具体步骤包括:
设趋势拟合曲线为y=a+bt,将参考数集代入趋势拟合曲线中,计算曲线拟合误差:di=yi-(a+bti),其中,i∈[1,n];
本发明第二方面提供一种基于在线监测数据的风险趋势推演与分级预警系统,包括在线监测设备、风险趋势推演及分级装置以及预警设备,
所述在线监测设备,用于实时在线获取监测数据;
所述风险趋势推演及分级装置,与所述在线监测设备连接,用于获取在线监测数据,并在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n-1)个波峰值,并与在线监测数据组成参考数集(t1,y1),(t2,y2),(t3,y3)…(tn,yn);对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;将表征发展趋势快慢的参数 b与预设的多个分级预警阈值进行比较,根据比较结果进行分级;
其中,y1为在线监测数据,t1为在线监测数据对应的监测时刻,y2为距离在线监测数据最近的第一个波峰值,t2为第1个波峰值对应的监测时刻;yi为距离在线监测数据最近的第i-1个波峰值,ti为第i-1个波峰值对应的监测时刻,yn为距离在线监测数据最近的第n-1个波峰值,tn为第n-1个波峰值对应的监测时刻;为表征发展趋势快慢的参数,为表征最初发展趋势水平的参数;表示t1,t2,…ti,…tn的平均值;表示 y1,y2,…yi,…yn的平均值;
所述预警设备,与所述风险趋势推演及分级装置连接,根据所述风险趋势推演及分级装置的分级结果进行相应预警。
其中,所述风险趋势推演及分级装置采用蓝黄橙红四级分级预警机制,对应的分级预警阈值为α阈1、α阈2和α阈3,当b≤α阈1时,为蓝色预警;当α阈1≤b≤α阈2时,为黄色预警;当α阈2≤b≤α阈3时,为橙色预警;当b ≥α阈3时,为红色预警。
本发明第三方面还提供一种计算机设备,包括存储器、处理器、以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述的风险趋势推演与分级预警方法。
本发明第四方面还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述的风险趋势推演与分级预警方法。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (6)
1.一种基于在线监测数据的风险趋势推演与分级预警方法,其特征在于,包括以下步骤:
当在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n-1)个波峰值,并与在线监测数据组成参考数集(t1,y1),(t2,y2),(t3,y3)…(tn,yn);
其中,y1为在线监测数据,t1为在线监测数据对应的监测时刻,y2为距离在线监测数据最近的第一个波峰值,t2为第1个波峰值对应的监测时刻;yi为距离在线监测数据最近的第i-1个波峰值,ti为第i-1个波峰值对应的监测时刻,yn为距离在线监测数据最近的第n-1个波峰值,tn为第n-1个波峰值对应的监测时刻;
对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;其中,为表征发展趋势快慢的参数,为表征最初发展趋势水平的参数;表示t1,t2,…ti,…tn的平均值;表示y1,y2,…yi,…yn的平均值;
将参数b与预设的多个分级预警阈值进行比较,根据比较结果进行分级预警。
3.一种基于在线监测数据的风险趋势推演与分级预警系统,其特征在于:包括在线监测设备、风险趋势推演及分级装置以及预警设备,
所述在线监测设备,用于实时在线获取监测数据;
所述风险趋势推演及分级装置,与所述在线监测设备连接,用于获取在线监测数据,并在线监测数据大于一级报警阈值时,查询历史监测数据,识别获取距离在线监测数据最近的(n-1)个波峰值,并与在线监测数据组成参考数集(t1,y1),(t2,y2),(t3,y3)…(tn,yn);对所述参考数集进行趋势拟合,获得趋势拟合曲线方程y=a+bt;将参数b与预设的多个分级预警阈值进行比较,根据比较结果进行分级;
其中,y1为在线监测数据,t1为在线监测数据对应的监测时刻,y2为距离在线监测数据最近的第一个波峰值,t2为第1个波峰值对应的监测时刻;yi为距离在线监测数据最近的第i-1个波峰值,ti为第i-1个波峰值对应的监测时刻,yn为距离在线监测数据最近的第n-1个波峰值,tn为第n-1个波峰值对应的监测时刻;为表征发展趋势快慢的参数,为表征最初发展趋势水平的参数;表示t1,t2,…ti,…tn的平均值;表示y1,y2,…yi,…yn的平均值;
所述预警设备,与所述风险趋势推演及分级装置连接,根据所述风险趋势推演及分级装置的分级结果进行相应预警。
4.根据权利要求3所述的基于在线监测数据的风险趋势推演与分级预警系统,其特征在于:所述风险趋势推演及分级装置采用蓝黄橙红四级分级预警机制,对应的分级预警阈值为α阈1、α阈2和α阈3,当b≤α阈1时,为蓝色预警;当α阈1≤b≤α阈2时,为黄色预警;当α阈2≤b≤α阈3时,为橙色预警;当b≥α阈3时,为红色预警。
5.一种计算机设备,包括存储器、处理器、以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1或2所述的风险趋势推演与分级预警方法。
6.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1或2所述的风险趋势推演与分级预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846928.7A CN112149957A (zh) | 2020-08-20 | 2020-08-20 | 基于在线监测数据的风险趋势推演与分级预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846928.7A CN112149957A (zh) | 2020-08-20 | 2020-08-20 | 基于在线监测数据的风险趋势推演与分级预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149957A true CN112149957A (zh) | 2020-12-29 |
Family
ID=73888069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010846928.7A Pending CN112149957A (zh) | 2020-08-20 | 2020-08-20 | 基于在线监测数据的风险趋势推演与分级预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149957A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504423A (zh) * | 2021-07-13 | 2021-10-15 | 许昌许继软件技术有限公司 | 一种一次设备在线监测数据趋势预测方法及装置 |
CN113726559A (zh) * | 2021-08-09 | 2021-11-30 | 国网福建省电力有限公司 | 基于人工智能网络安全分析预警模型 |
CN116990465A (zh) * | 2023-09-25 | 2023-11-03 | 北京金水永利科技有限公司 | 一种空气质量数据异常预警方法及其系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103485825A (zh) * | 2013-10-10 | 2014-01-01 | 重庆邮电大学 | 一种通过时间差进行煤矿井下温度预警的方法 |
JP2015040649A (ja) * | 2013-08-21 | 2015-03-02 | 株式会社Nttファシリティーズ | 水冷式空調システム |
CN107390661A (zh) * | 2017-08-28 | 2017-11-24 | 南京富岛信息工程有限公司 | 一种流程工业过程状态异常的预警方法 |
CN108675465A (zh) * | 2018-07-09 | 2018-10-19 | 上海铱钶环保科技有限公司 | 凝汽器循环水处理阻垢效果的预测性监控系统及监控方法 |
CN110533887A (zh) * | 2019-08-07 | 2019-12-03 | 山东蓝光软件有限公司 | 一种基于实时监测数据的煤与瓦斯突出灾害离散模态预警方法,装置及存储介质 |
-
2020
- 2020-08-20 CN CN202010846928.7A patent/CN112149957A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015040649A (ja) * | 2013-08-21 | 2015-03-02 | 株式会社Nttファシリティーズ | 水冷式空調システム |
CN103485825A (zh) * | 2013-10-10 | 2014-01-01 | 重庆邮电大学 | 一种通过时间差进行煤矿井下温度预警的方法 |
CN107390661A (zh) * | 2017-08-28 | 2017-11-24 | 南京富岛信息工程有限公司 | 一种流程工业过程状态异常的预警方法 |
CN108675465A (zh) * | 2018-07-09 | 2018-10-19 | 上海铱钶环保科技有限公司 | 凝汽器循环水处理阻垢效果的预测性监控系统及监控方法 |
CN110533887A (zh) * | 2019-08-07 | 2019-12-03 | 山东蓝光软件有限公司 | 一种基于实时监测数据的煤与瓦斯突出灾害离散模态预警方法,装置及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504423A (zh) * | 2021-07-13 | 2021-10-15 | 许昌许继软件技术有限公司 | 一种一次设备在线监测数据趋势预测方法及装置 |
CN113726559A (zh) * | 2021-08-09 | 2021-11-30 | 国网福建省电力有限公司 | 基于人工智能网络安全分析预警模型 |
CN113726559B (zh) * | 2021-08-09 | 2023-10-27 | 国网福建省电力有限公司 | 基于人工智能网络安全分析预警系统 |
CN116990465A (zh) * | 2023-09-25 | 2023-11-03 | 北京金水永利科技有限公司 | 一种空气质量数据异常预警方法及其系统 |
CN116990465B (zh) * | 2023-09-25 | 2023-12-19 | 北京金水永利科技有限公司 | 一种空气质量数据异常预警方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149957A (zh) | 基于在线监测数据的风险趋势推演与分级预警方法 | |
CN110895726B (zh) | 一种考虑预报误差降低水库洪水起调水位的预报调度方法 | |
CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
CN116228174B (zh) | 一种具有智能识别功能的印控仪管理方法 | |
CN105675802A (zh) | 一种变压器故障的诊断方法 | |
CN103441982A (zh) | 一种基于相对熵的入侵报警分析方法 | |
CN113298422B (zh) | 一种基于用电数据的污染源企业违规生产监控方法 | |
CN109816252B (zh) | 尾矿库综合风险定量预警方法及装置 | |
CN112434962B (zh) | 基于电力负荷数据的企业用户状态评估方法和系统 | |
CN106529767A (zh) | 一种基于设备健康状态的二次设备风险评估方法 | |
CN111598179A (zh) | 电力监控系统用户异常行为分析方法、存储介质和设备 | |
CN115949890A (zh) | 一种城市燃气管网泄漏监测分级报警和处置方法 | |
CN116579615A (zh) | 一种基于无人机遥感的植被覆盖监测系统 | |
CN110134079B (zh) | 一种基于斜率分析的工艺参数预警方法及系统 | |
CN117411918B (zh) | 一种基于iot物联网的监控报警方法及系统 | |
CN107191666A (zh) | 面向天然气分输站的安全切断阀性能监测方法及系统 | |
CN108429771B (zh) | 基于突变理论的软件定义网络安全状态评估方法及装置 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN115879726A (zh) | 一种企业用电量与排放量数据相互优化筛选方法 | |
CN109981358A (zh) | 一种基于组合模型的自适应网络性能预警方法 | |
CN111130098B (zh) | 一种含分布式电源配电网系统风险评估方法 | |
CN117614991B (zh) | 一种基于远程控制的智能印章柜 | |
CN116610535B (zh) | 一种机房运维监控数据处理方法及系统 | |
CN110738398A (zh) | 一种基于模糊数整体效用的审判风险分析方法 | |
Zhu et al. | High accuracy calculation and data quality evaluation of ship emissions based on the sniffer method |
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: 20201229 |