CN112308120B - 对继电保护装置缺陷进行定级的方法、装置及存储介质 - Google Patents
对继电保护装置缺陷进行定级的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112308120B CN112308120B CN202011101410.7A CN202011101410A CN112308120B CN 112308120 B CN112308120 B CN 112308120B CN 202011101410 A CN202011101410 A CN 202011101410A CN 112308120 B CN112308120 B CN 112308120B
- Authority
- CN
- China
- Prior art keywords
- defect
- grading
- decision tree
- defect attribute
- plug
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本方案公开了一种对继电保护装置缺陷进行定级的决策树构建方法,该方法包括:基于装置类别及型号对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征进行初步分类,获得多个不同类的缺陷属性特征集;基于装置型号对同一类内的缺陷属性特征进行再次分类;基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树。方法考虑了继电保护装置缺陷数据各个属性对于缺陷分类的作用,且根据决策树算法需求对缺陷数据进行了分类汇总,基于该方法建立的决策树森林适用于同厂商不同系列装置缺陷定级规则异同对比分析,对缺陷定级工作具有一定指导意义。
Description
技术领域
本发明涉及机器学习技术领域,特别涉及一种对继电保护装置缺陷进行定级的方法、装置,决策树森林构建方法、装置及存储介质。
背景技术
目前,随着经济的发展,电网规模不断扩大。继电保护系统成为保证电网安全的第一道防线,构成该防线的继电保护装置的数量日益增长,总体呈现出种类繁多、型号各异的特征。继电保护装置数量的跨越式增长与继电保护系统运行维护人员增长的不平衡导致了“设备多,人员少”的现象,进一步加大了继电保护装置运维工作负担。因此,有必要引入新兴技术提高继电保护装置运维和管控水平。
外界干扰、部件损坏、设计缺失等因素造成的继电保护装置缺陷在所难免,缺陷进一步发展将会引起装置失效从而影响继电保护系统可靠性,威胁电网安全。因此,装置缺陷定级与消除缺陷工作是运维工作的重要内容与关键环节。近年来,继电保护行业已经积累了大量的继电保护装置缺陷信息数据。伴随着缺陷数据量的增长,传统数据分析方法开始向机器学习算法过渡。在众多机器学习算法中,决策树算法作为一种对高维数据进行分类的数据挖掘方法,可提供由若干节点和分支构成的树状图形,形象直观地描述可能出现的层次及状态,用于缺陷严重程度分类。但是,继电保护装置涉及型号、数目众多,对所有缺陷数据建立单棵决策树难度较大、分支过多且不足以分析缺陷数据特征。
发明内容
本方案的一个目的在于提供一种对继电保护装置缺陷进行定级的决策树构建方法,用于缺陷定级规则异同对比分析。
本方案的另一个目的在于提供一种对继电保护装置缺陷进行定级的决策树森林的构建方法。
本方案的第三个目的在于提供一种执行上述方法的装置。
本方案的第四个目的在于提供一种存储介质。
为达到上述目的,技术方案如下:
第一方面,提供一种对继电保护装置缺陷进行定级的决策树构建方法,该方法包括:
基于装置类别及型号对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征进行初步分类,获得多个不同类的缺陷属性特征集;
基于装置型号对同一类内的缺陷属性特征进行再次分类;
基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树。
在一个优选的实施例中,所述基于装置型号对同一类内的缺陷属性特征进行再次分类包括:
将型号字母、数字前6-7位一致的装置的缺陷属性特征汇总;
将汇总数据按装置的配件及装置使用情况合并为同一系列;
对所述同一系列中的缺陷属性特征再次基于装置的型号进行分类汇总。
在一个优选的实施例中,所述装置的配件及装置使用情况包括插件类型、插件数量、背部插件位置、装置保护类型和装置使用场合;
所述将汇总数据按装置的配件情况合并为同一系列包括:
(1)插件类型一致,插件数量不一致的装置为一个系列;
(2)插件类型一致,背部插件位置不一致的装置为一个系列;
(3)保护类型一致,插件类型一致,使用场合不一致的装置为一个系列。
在一个优选的实施例中,所述对所述同一系列中的缺陷属性特征再次基于装置的型号进行分类汇总包括:
基于装置制造商名称,对所述同一系列的缺陷属性特征进行再次分类汇总。
在一个优选的实施例中,所述基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树包括:
对所述再次分类汇总在一起的缺陷属性特征所对应的装置型号进行定级标记,构建决策树;所述定级标记包括一般、严重和危急。
第二方面,提供一种对继电保护装置缺陷进行定级的决策树森林构建方法,由多个基于上述任一项所述的决策树构建方法构建的决策树组成决策树森林。
第三方面,提供一种对继电保护装置缺陷进行定级的方法,包括以下步骤:利用如上述的方法构建决策树,以及基于所述构建的决策树对继电保护装置缺陷进行定级。
第四方面,提供一种对继电保护装置缺陷进行定级的装置,该装置包括:
预处理单元,用于对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征基于装置类别及型号进行初步分类,获得多个不同类的缺陷属性特征集;
和
基于装置型号对同一类内的缺陷属性特征进行再次分类;
定级单元,用于对再次分类汇总在一起的缺陷属性特征所对应的装置型号进行定级标记。
第五方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任一项所述方法的步骤。
本方案的有益效果如下:
本方案提出的对继电保护装置缺陷进行定级的决策树构建方法,考虑了继电保护装置缺陷数据各个属性对于缺陷分类的作用,且根据决策树算法需求对缺陷数据进行了分类汇总,基于该方法建立的决策树森林适用于同厂商不同系列装置缺陷定级规则异同对比分析,对缺陷定级工作具有一定指导意义。
附图说明
为了更清楚地说明本方案的实施,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方案的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为对继电保护装置缺陷进行定级的决策树构建方法流程图;
图2为实施例A1型号装置缺陷定级决策树示意图;
图3为实施例A3型号装置缺陷定级决策树示意图;
具体实施方式
下面将结合附图对本方案的实施方式作进一步地详细描述。显然,所描述的实施例仅是本方案的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本方案中的实施例及实施例中的特征可以相互组合。
说明书和权利要求书及上述附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备,不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
决策树算法作为一种对高维数据进行分类的数据挖掘方法,可提供由若干节点和分支构成的树状图形,形象直观地描述可能出现的层次及状态,用于缺陷严重程度分类,现实中使用的继电保护装置涉及型号、数目众多,对所有缺陷数据建立单棵决策树难度较大、分支过多且不足以分析缺陷数据特征。因此,本方案提出一种综合考虑缺陷数据分类汇总和用于缺陷定级规则异同对比分析的缺陷定级决策树森林构造方法。该方法能较好地实现对全体缺陷数据划分从而明确单棵决策树建树目标,进一步生成基于所有缺陷数据的多棵决策树森林,并开展缺陷定级规则异同分析工作。本方案的方法包括:
S100,基于装置类别及型号对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征进行初步分类,获得多个不同类的缺陷属性特征集;
S200,基于装置型号对同一类内的缺陷属性特征进行再次分类;
S300,基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树。
在S200中进一步包括:
将型号字母、数字前6-7位一致的装置的缺陷属性特征汇总;
将汇总数据按装置的配件及装置使用情况合并为同一系列;
所述装置的配件情况包括插件类型、插件数量、背部插件位置、装置保护类型和装置使用场合;
所述将汇总数据按装置的配件情况合并为同一系列包括:
(1)插件类型一致,插件数量不一致的装置为一个系列;
(2)插件类型一致,背部插件位置不一致的装置为一个系列;
(3)保护类型一致,插件类型一致,使用场合不一致的装置为一个系列
对所述同一系列中的缺陷属性特征再次基于装置的型号进行分类汇总包括;
基于装置制造商名称,对所述同一系列的缺陷属性特征进行再次分类汇总。
在S300中进一步包括,对所述再次分类汇总在一起的缺陷属性特征所对应的装置型号进行定级标记,构建决策树;
所述定级标记包括一般、严重和危急。
本方案还提供一种对继电保护装置缺陷进行定级的方法,包括以下步骤:利用如上述的方法构建决策树,以及基于所述构建的决策树对对继电保护装置缺陷进行定级。及
一种对继电保护装置缺陷进行定级的装置,该装置包括:
预处理单元,用于对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征基于装置类别及型号进行初步分类,获得多个不同类的缺陷属性特征集;和
基于装置型号对同一类内的缺陷属性特征进行再次分类;
定级单元,用于对再次分类汇总在一起的缺陷属性特征所对应的装置型号进行定级标记。
在上述构建方法实施方式的基础上,本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述选择方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本实施例中的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如JAvA、C++等,还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
下面结合图1对本方案进行详细说明。
S100,基于装置类别对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征进行初步分类,获得多个不同类的缺陷属性特征集;
首先,将装置总体上分为辅助设备缺陷和非辅助设备缺陷两大类。
其次,基于决策树算法选取用于缺陷分类的属性特征。一方面,将对缺陷定级有影响的属性特征统称为有效属性特征,决策树算法通过计算该类属性中各个分支的信息增益进行逐层建树;另一方面,将仅作为装置身份识别的属性特征称为标签属性特征,该类属性特征主要用于装置的身份识别和功能划分。具体的,两类属性特征如下表1所示。
表1设备缺陷属性特征分类总览
最后,将所有缺陷属性特征数据按照标签属性特征中型号属性特征进行分类汇总,初步得到适用于决策树森林分析的数据。
S200,基于装置型号对同一类内的缺陷属性特征进行再次分类;
将初步分类的缺陷属性特征按照装置型号特征进行数据分堆,合并为单系列装置数据。
同制造商同保护类型的继电保护装置型号命名往往差异很小,不同型号命名的关键因素主要集中在插件数量、插件位置和运用场景上。然而,单棵缺陷定级决策树关注的问题在于引起装置缺陷的部位和原因,而对不同型号装置的插件数量、位置和运用场景等区别可以忽略。因此,可将型号众多的装置缺陷属性特征进行合并。
首先,将型号字母、数字前几位(一般为6-7位)一致的装置缺陷属性特征汇总;
其次,将汇总数据中有以下特征的不同型号装置合并为同一系列:
(1)插件类型一致,插件数量不一致的不同型号装置合并为同一系列;
(2)插件类型一致,背部插件位置不一致的不同型号装置合并为同一系列;
(3)保护类型一致,插件类型一致,使用场合不一致的不同型号装置合并为同一系列。
将无法合并的装置型号单独归为一类,若该型号装置缺陷属性特征数据少于20条则不适用于决策树算法。
以同一系列中装置的制造商名称为依据,将各个单一系列的出现缺陷的装置的缺陷属性特征按照相同制造商进行汇总,因而在每个单一系列中存在多个缺陷属性特征的汇总,每个汇总对应一个装置制造商。
S300,基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树。
上述形成每个单一系列中的缺陷属性特征的汇总用于生成单棵决策树,同一制造商所包含的多个决策树用于生成该制造商的缺陷定级决策树森林,并基于此开展缺陷定级规则分析。
从单棵决策树到决策树森林再到共性缺陷分析的具体过程为:
首先,建立同系列装置的缺陷定级单棵决策树。
单棵决策树建立的依据主要包含以下步骤:
获取度量样本集合纯度指标“信息熵”:
式中,D为样本集合,pk为第k类样本所占的比例,Ent(D)的值越小,则D的纯度越高。
在此基础上,计算用属性a对样本集D进行划分所获得的“信息增益”:
式中,假定离散属性a有V个可能的取值{a1,a2,a3,…,av},若使用a来对样本集D进行划分,则会产生V个分支结点,其中第v个分支结点包含了D中所有在属性a上取值为av的样本,记为Dv。根据式(1)计算出Dv的信息熵,再考虑到不同分支结点所包含的样本数不同,给分支结点赋予权重|Dv|/|D|,即样本数越多的分支结点的影响越大。
信息增益越大,意味着使用属性a来进行划分所获得的“纯度越大”。因此,可用信息增益来进行缺陷属性特征选择。以划分纯度越大越优先为依据进行缺陷定级的各层属性与分支选取,最终得到单棵决策树。
其次,遍历所有缺陷属性特征汇总,得到同一制造商下不同系列装置缺陷定级决策树,将所有决策树汇总形成该制造商缺陷定级决策树森林。
最后,通过比较同一制造商不同系列装置的缺陷定级决策树结构,选取第一属性一致的树进行自上而下的分类规则对比,寻找共性缺陷的同时分析不同定级规则的差异性,从而为实际运维提供参考意见。
下面结合图2和图3,以具体的实例对本方案进行论证与说明:
实施例以某地区2009-2018年缺陷属性特征为基础,从总数据中汇总各个型号装置,经过上述方法建立缺陷定级决策树森林,并对比分析各缺陷定级规则的异同。
生成的缺陷定级决策树森林在第一层属性特征选择上存在差异。由决策树算法划分依据可知,各层属性自上而下对缺陷定级判定的影响逐渐减小,因此,选取第一层属性特征相同的决策树进一步展开分析。各个决策树的第一层属性特征分布如下表2所示:
表2各个决策树第一层属性特征分布
从上述决策树森林中选取A1、A3作为对比分析对象。图2、图3分别是A1和A3装置的缺陷定级决策树,在他们的缺陷定级决策树中,第一属性特征均为保护是否退出。若判断为是,A1继续判断缺陷部位,A3则需继续判断具体缺陷原因;若判断为否,两个型号均继续判断具体缺陷原因,其中包括设备老化、插件损坏、装置死机,其缺陷定级规则整理如表3所示:
表3 A1、A3装置缺陷定级规则
由上表对比可得到A1、A3系列装置的缺陷定级规则异同有:
(1)具体缺陷原因为设备老化时,二者直接判为危急;
(2)具体缺陷原因为装置死机时,二者均判为一般。
(3)具体缺陷原因为插件损坏时,A1判为一般,A3须继续判断缺陷部位;
综上,本发明所述的缺陷定级方法决策树森林构造方法可行,且具有工程应用价值。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (7)
1.一种对继电保护装置缺陷进行定级的决策树构建方法,其特征在于,该方法包括:
基于装置类别及型号对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征进行初步分类,获得多个不同类的缺陷属性特征集;
基于装置型号对同一类内的缺陷属性特征进行再次分类;
基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树;
所述基于装置型号对同一类内的缺陷属性特征进行再次分类包括:
将型号字母、数字前6-7位一致的装置的缺陷属性特征汇总;
将汇总数据按装置的配件及装置使用情况合并为同一系列;
对所述同一系列中的缺陷属性特征再次基于装置的型号进行分类汇总;
所述装置的配件及装置使用情况包括插件类型、插件数量、背部插件位置、装置保护类型和装置使用场合;
所述将汇总数据按装置的配件情况合并为同一系列包括:
(1)插件类型一致,插件数量不一致的装置为一个系列;
(2)插件类型一致,背部插件位置不一致的装置为一个系列;
(3)保护类型一致,插件类型一致,使用场合不一致的装置为一个系列。
2.根据权利要求1所述的构建方法,其特征在于,所述对所述同一系列中的缺陷属性特征再次基于装置的型号进行分类汇总包括:
基于装置制造商名称,对所述同一系列的缺陷属性特征进行再次分类汇总。
3.根据权利要求1所述的构建方法,其特征在于,所述基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树包括:
对所述再次分类汇总在一起的缺陷属性特征所对应的装置型号进行定级标记,构建决策树;
所述定级标记包括一般、严重和危急。
4.一种对继电保护装置缺陷进行定级的决策树森林构建方法,其特征在于,由多个基于权利要求1至3任一项所述的决策树构建方法构建的决策树组成决策树森林。
5.一种对继电保护装置缺陷进行定级的方法,其特征在于,包括以下步骤:利用如权利要求1-4所述的方法构建决策树,以及基于所述构建的决策树对继电保护装置缺陷进行定级。
6.一种对继电保护装置缺陷进行定级的装置,其特征在于,该装置包括:
预处理单元,用于对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征基于装置类别及型号进行初步分类,获得多个不同类的缺陷属性特征集;
和
基于装置型号对同一类内的缺陷属性特征进行再次分类,包括:
将型号字母、数字前6-7位一致的装置的缺陷属性特征汇总;
将汇总数据按装置的配件及装置使用情况合并为同一系列;
对所述同一系列中的缺陷属性特征再次基于装置的型号进行分类汇总;
所述装置的配件及装置使用情况包括插件类型、插件数量、背部插件位置、装置保护类型和装置使用场合;
所述将汇总数据按装置的配件情况合并为同一系列包括:
(1)插件类型一致,插件数量不一致的装置为一个系列;
(2)插件类型一致,背部插件位置不一致的装置为一个系列;
(3)保护类型一致,插件类型一致,使用场合不一致的装置为一个系列;
定级单元,用于对再次分类汇总在一起的缺陷属性特征所对应的装置型号进行定级标记。
7.一种计算机可读存储介质,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如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011101410.7A CN112308120B (zh) | 2020-10-15 | 2020-10-15 | 对继电保护装置缺陷进行定级的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011101410.7A CN112308120B (zh) | 2020-10-15 | 2020-10-15 | 对继电保护装置缺陷进行定级的方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308120A CN112308120A (zh) | 2021-02-02 |
CN112308120B true CN112308120B (zh) | 2023-09-29 |
Family
ID=74327392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011101410.7A Active CN112308120B (zh) | 2020-10-15 | 2020-10-15 | 对继电保护装置缺陷进行定级的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308120B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267124A (zh) * | 2021-12-22 | 2022-04-01 | 深圳供电局有限公司 | 一种计费信息处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011254084A (ja) * | 2011-06-27 | 2011-12-15 | Hitachi High-Technologies Corp | 欠陥分類方法及びその装置 |
CN104111920A (zh) * | 2013-04-16 | 2014-10-22 | 华为技术有限公司 | 一种基于决策树的预测方法及装置 |
CN109308411A (zh) * | 2018-08-20 | 2019-02-05 | 中国电力科学研究院有限公司 | 基于人工智能决策树的分层检测软件行为缺陷的方法和系统 |
CN109669030A (zh) * | 2018-12-28 | 2019-04-23 | 佛山科学技术学院 | 一种基于决策树的工业注塑产品缺陷诊断方法 |
CN110956447A (zh) * | 2019-11-27 | 2020-04-03 | 云南电网有限责任公司电力科学研究院 | 确定疑似家族性缺陷的方法及其系统 |
CN111125078A (zh) * | 2019-12-19 | 2020-05-08 | 华北电力大学 | 一种继电保护装置缺陷数据修正方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10204290B2 (en) * | 2016-10-14 | 2019-02-12 | Kla-Tencor Corporation | Defect review sampling and normalization based on defect and design attributes |
-
2020
- 2020-10-15 CN CN202011101410.7A patent/CN112308120B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011254084A (ja) * | 2011-06-27 | 2011-12-15 | Hitachi High-Technologies Corp | 欠陥分類方法及びその装置 |
CN104111920A (zh) * | 2013-04-16 | 2014-10-22 | 华为技术有限公司 | 一种基于决策树的预测方法及装置 |
CN109308411A (zh) * | 2018-08-20 | 2019-02-05 | 中国电力科学研究院有限公司 | 基于人工智能决策树的分层检测软件行为缺陷的方法和系统 |
CN109669030A (zh) * | 2018-12-28 | 2019-04-23 | 佛山科学技术学院 | 一种基于决策树的工业注塑产品缺陷诊断方法 |
CN110956447A (zh) * | 2019-11-27 | 2020-04-03 | 云南电网有限责任公司电力科学研究院 | 确定疑似家族性缺陷的方法及其系统 |
CN111125078A (zh) * | 2019-12-19 | 2020-05-08 | 华北电力大学 | 一种继电保护装置缺陷数据修正方法 |
Non-Patent Citations (1)
Title |
---|
冀占强. 巴彦淖尔电网继电保护状态检修实施方案.2015,1-35. * |
Also Published As
Publication number | Publication date |
---|---|
CN112308120A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9397910B2 (en) | Marking program files as belonging to an application | |
US7370039B2 (en) | Method and system for optimizing configuration classification of software | |
US20080097937A1 (en) | Distributed method for integrating data mining and text categorization techniques | |
CN111694615B (zh) | 数据配置的方法、装置、设备及存储介质 | |
CN108154244A (zh) | 地产电力设备的运维方法、装置和系统 | |
US20180268081A1 (en) | Data extraction | |
CN110990403A (zh) | 业务数据的存储方法、系统、计算机设备及存储介质 | |
CN112308120B (zh) | 对继电保护装置缺陷进行定级的方法、装置及存储介质 | |
WO2020126733A1 (en) | Method and system for providing a service for a complex industrial system | |
CN112288397A (zh) | 流程模板配置方法、流程执行方法、装置和电子设备 | |
CN109558887A (zh) | 一种预测行为的方法和装置 | |
CN104376397A (zh) | 一种数据实时分析方法及装置 | |
Zhao et al. | Lovis: Local pattern visualization for model refinement | |
CN112329432B (zh) | 一种基于改进Apriori的配电网电压越限问题关联分析方法 | |
Smojver et al. | Determining the life cycle phase of a technology based on patent data | |
CN115408236A (zh) | 一种日志数据审计系统、方法、设备及介质 | |
CN116304726A (zh) | 一种基于语义库和知识图谱的物资相似性分析方法 | |
CN113379212A (zh) | 基于区块链的物流信息平台违约风险评估方法、装置、设备及介质 | |
Yang et al. | Improving safety-critical systems by visual analysis | |
CN111125078A (zh) | 一种继电保护装置缺陷数据修正方法 | |
US20130325365A1 (en) | Buildable part pairs in an unconfigured product structure | |
CN115438036B (zh) | 电网统一指标库数据冗余处理系统及方法 | |
CN114386767B (zh) | 一种配电运维管理系统的故障预警方法及系统 | |
Kumar et al. | Requirements Engineering Process Model Add-On For Software Development | |
JP2023538244A (ja) | データ処理システムにおけるアラート管理 |
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 |