CN112598023B - 一种电网监控告警信息智能识别和自动映射方法和装置 - Google Patents

一种电网监控告警信息智能识别和自动映射方法和装置 Download PDF

Info

Publication number
CN112598023B
CN112598023B CN202011387768.0A CN202011387768A CN112598023B CN 112598023 B CN112598023 B CN 112598023B CN 202011387768 A CN202011387768 A CN 202011387768A CN 112598023 B CN112598023 B CN 112598023B
Authority
CN
China
Prior art keywords
monitoring
information
monitoring alarm
alarm information
electric
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
Application number
CN202011387768.0A
Other languages
English (en)
Other versions
CN112598023A (zh
Inventor
杨铭
潘全芳
李永胜
朵向阳
贺桂琴
秦雁
赵首明
段成斌
马军
赵红雨
张永科
郑洪飞
代当周
程浩
戴慧
马美君
马永珍
申文娟
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.)
Haidong Power Supply Company State Grid Qinghai Electric Power Co ltd
Original Assignee
Haidong Power Supply Company State Grid Qinghai Electric Power 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 Haidong Power Supply Company State Grid Qinghai Electric Power Co ltd filed Critical Haidong Power Supply Company State Grid Qinghai Electric Power Co ltd
Priority to CN202011387768.0A priority Critical patent/CN112598023B/zh
Publication of CN112598023A publication Critical patent/CN112598023A/zh
Application granted granted Critical
Publication of CN112598023B publication Critical patent/CN112598023B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/374—Thesaurus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明公开了一种电网监控告警信息智能识别和自动映射方法和装置，将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，输入预先构建的监控告警信息智能识别模型，实现告警信号的自动识别映射至预先构建的监控信息标准化典表，完成电网监控告警信息智能识别和自动映射。本发明实现基于神经网络算法的监控信息智能分词识别和标准化自动映射，提升监控信息映射效率和数据质量。

Description

一种电网监控告警信息智能识别和自动映射方法和装置
技术领域
本发明涉及一种电网监控告警信息智能识别和自动映射方法和装置，属于电力系统监控技术领域。
背景技术
电网监控告警信息是监控人员进行监控事件识别的重要数据基础，现有的电网运行集中监控业务依赖监控人员对告警信号的每一条信息逐一进行判别、分析并做出反馈。随着电网规模不断扩大，电网智能化水平持续提升，接入调控机构实现集中监控的变电站、电网设备及告警信息数量持续增加，监控人员容易出现设备故障或异常漏判误判的情况。目前电网告警信号文本挖掘准确度低，无法准确匹配映射至监控信息标准化知识库。
发明内容
为了克服上述不足，本发明提供了一种电网监控告警信息智能识别和自动映射方法和装置，将涉及电网运行监控的所有实际告警信息匹配映射为标准化典型信息，实现全部告警信息对象化，解决了目前电网告警信号文本挖掘准确度低，无法准确匹配映射至监控信息标准化知识库的问题。
本发明采用的技术方案为：一种电网监控告警信息智能识别和自动映射方法，包括：
将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，输入预先构建的监控告警信息智能识别模型，实现告警信号的自动识别映射至预先构建的监控信息标准化典表，完成电网监控告警信息智能识别和自动映射。
进一步的，所述监控信息标准化典表构建方法为：
基于变电站设备监控典型信息规范对监控告警信息进行归类，形成监控信息标准化典表，监控信息标准化典表中的数据属性包括：设备类型、典型间隔、典型设备和基础对象。
进一步的，所述电力词库构建方法为：基于监控信息标准化典表数据，对监控告警信号进行分析，构建电力词库标签，形成电力词库。
进一步的，：电力词库标签包括：电压等级、一次设备一、一次设备二、二次设备、动作一、动作二和属性值；
电力词库属性包括：标签类型、标准词和近义词。
进一步的，监控告警信息智能识别模型构建方法包括：
根据电力词库对样本监控告警信息分词并识别电力实体，建立样本监控告警信息与监控信息标准化典表的映射关系；
应用LSTM神经网络算法构建监控告警信息智能识别模型，将样本监控告警信息识别出的电力实体作为训练样本，对智能识别模型进行训练学习，得到训练好的监控告警信息智能识别模型。
一种电网监控告警信息智能识别和自动映射装置，包括：
模型构建模块，用于预先构建监控告警信息智能识别模型；
识别映射模块，用于将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，输入预先构建的监控告警信息智能识别模型，实现告警信号的自动识别映射至预先构建的监控信息标准化典表，完成电网监控告警信息智能识别和自动映射。
进一步的，所述监控信息标准化典表构建方法为：
基于变电站设备监控典型信息规范对监控告警信息进行归类，形成监控信息标准化典表，监控信息标准化典表中的数据属性包括：设备类型、典型间隔、典型设备和基础对象。
进一步的，所述电力词库构建方法为：基于监控信息标准化典表数据，对监控告警信号进行分析，构建电力词库标签，形成电力词库。
进一步的，电力词库标签包括：电压等级、一次设备一、一次设备二、二次设备、动作一、动作二和属性值；
电力词库属性包括：标签类型、标准词和近义词。
进一步的，监控告警信息智能识别模型构建方法包括：
根据电力词库对样本监控告警信息分词并识别电力实体，建立样本监控告警信息与监控信息标准化典表的映射关系；
应用LSTM神经网络算法构建监控告警信息智能识别模型，将样本监控告警信息识别出的电力实体作为训练样本，对智能识别模型进行训练学习，得到训练好的监控告警信息智能识别模型。
本发明的有益效果：
本发明建立电力词库和监控信息标准化典表，对告警信息进行智能识别，应用深度学习算法，建立电网告警信息智能识别模型，将实时告警信号自动映射为监控信息标准化典表，为实现电网监控告警事件的智能感知提供重要数据基础，提升监控信息映射效率和数据质量。
附图说明
图1为本发明一种电网监控告警信息智能识别和自动映射方法的总体逻辑结构图；
图2为本发明中监控信息标准化建模示意图；
图3为本发明中基于电力词库的分词识别实体示意图。
具体实施方式
下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1：
如图1所示，一种电网监控告警信息智能识别和自动映射方法，包括以下步骤：
步骤1，构建监控信息标准化典表；
基于《变电站设备监控典型信息规范》对监控告警信息进行归类，形成监控信息标准化典表。如图2所示，监控信息标准化典表中的数据属性包括：设备类型、典型间隔、典型设备、基础对象等多种属性，实现全部告警信息对象化；
设备类型为标识电网监控告警信息是由哪种具体设备发出的，包括：母线、主变、线路、电容器、电抗器、母联、旁路、旁路母联、分段、内桥、外桥、站用变、接地变、开关、交流系统、直流系统和公用；
典型间隔为区分各种设备类型的不同电压等级，包括：500kV母线、220kV母线、110kV母线、66kV母线、35kV及以下母线、500kV主变、220kV主变、110kV主变、66kV主变、35kV主变等；
典型设备对具体电网监控信息的功能逻辑、电气含义、影响范围进行区分，包括：第一套保护、第二套保护、测控装置、智能终端、SF6断路器、GIS气室、断路器位置、刀闸位置等；
基础对象为具体的监控信息标准化典表名称，例如：××变××开关SF6气压低告警等；
例如：分析“地区.变电站/220kV.2502开关.SF6气压低告警/值”样例告警信号，基于《变电站设备监控典型信息规范》，建立监控信息标准化典表如表1所示：
表1，监控信息标准化典表示例
设备类型 典型间隔 典型设备 基础对象
主变 220kV主变 SF6断路器 ××变××开关SF6气压低告警
步骤2，基于监控信息标准化典表数据，对监控告警信号进行分析，构建电力词库，在电力词库中为每个电力词设置一个标签，类型：包括basevoltage(电压等级)、dev1(一次设备1)、dev2(一次设备2)、secDevice(二次设备)、action1(动作1)、action2(动作2)和value(属性值)共8种类型；
如表2所示，电力词库属性包括：标签类型、标准词和近义词；
例如：对“地区.变电站/220kV.2502开关.SF6气压低告警/值”和“地区.变电站/220kV.2622开关.SF6气压降低报警/值”两个样例告警信号进行分析提炼，得到的电力词标签表为：
表2，电力词库示意表
标签类型 标准词 近义词
action SF6气压低 SF6气压降低
这样，在后续根据电力词库对电力实体进行识别时，只要出现近义词直接替换为标准词；
一个监控告警信息中有可能存在两个一次设备和两个动作，第一个一次设备的标签为dev1，第二个一次设备的标签为dev2；第一个动作的标签为action1，第二个动作的标签为action2；
步骤3，根据电力词库对样本监控告警信息分词并识别电力实体，并且建立样本监控告警信息与监控信息标准化典表的映射关系，即人工建立样本监控告警信息与监控信息标准化典表中某一数据的连接关系，作为后续训练模型的输入；
依据电力词库对告警信号内容进行分词并识别实体。例如：对“地区.变电站/220kV.2201开关.SF6气压低告警/值”样例告警信号进行分词，识别出该告警信息的标准化实体，标准化的样本实体如表3所示：
表3，电力实体识别示例
步骤4，应用LSTM神经网络算法构建监控告警信息智能识别模型，将人工对照方式实现监控告警信息标准化典表映射的监控告警信号作为训练样本，对智能识别模型进行训练学习，优化完善智能识别映射模型，为告警信号自动映射提供模型支撑；
步骤5，将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，传入监控告警信息智能识别模型，对传入的监控告警信号进行分析识别，确认该信号对应的监控信息标准化典表中的具体数据，实现告警信号的自动识别映射至监控信息标准化典表，完成电网监控告警信息智能识别和自动映射。
例如：根据“地区.变电站/220kV.2201开关.SF6气压低告警/值”告警信号的模型训练结果，基于智能识别映射模型对“地区.变电站/220kV.2622开关.SF6气压降低报警/值”告警信号进行智能识别映射，实现该告警信息自动映射至监控信息标准化典表中的“××变××开关SF6气压低告警”。
实施例2：
一种电网监控告警信息智能识别和自动映射装置，包括：
模型构建模块，用于预先构建监控告警信息智能识别模型；
识别映射模块，用于将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，输入预先构建的监控告警信息智能识别模型，实现告警信号的自动识别映射至预先构建的监控信息标准化典表，完成电网监控告警信息智能识别和自动映射。
进一步的，所述监控信息标准化典表构建方法为：
基于变电站设备监控典型信息规范对监控告警信息进行归类，形成监控信息标准化典表，监控信息标准化典表中的数据属性包括：设备类型、典型间隔、典型设备和基础对象。
进一步的，所述电力词库构建方法为：基于监控信息标准化典表数据，对监控告警信号进行分析，构建电力词库标签，形成电力词库。
进一步的，电力词库标签包括：电压等级、一次设备一、一次设备二、二次设备、动作一、动作二和属性值；
电力词库属性包括：标签类型、标准词和近义词。
进一步的，监控告警信息智能识别模型构建方法包括：
根据电力词库对样本监控告警信息分词并识别电力实体，建立样本监控告警信息与监控信息标准化典表的映射关系；
应用LSTM神经网络算法构建监控告警信息智能识别模型，将样本监控告警信息识别出的电力实体作为训练样本，对智能识别模型进行训练学习，得到训练好的监控告警信息智能识别模型。
本发明构建基于LSTM神经网络算法的监控信息智能识别模型，实现监控信息与典型模型自动映射。
提升监控信息的标准化和规范化管理水平，消除由于人员对审核标准不同、编制人员的专业背景局限性造成监控信息点表不规范不统一的问题，保障设备、电网运行安全，提高调控一体的工作效率。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种电网监控告警信息智能识别和自动映射方法，其特征在于：包括：
将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，输入预先构建的监控告警信息智能识别模型，实现告警信号的自动识别映射至预先构建的监控信息标准化典表，完成电网监控告警信息智能识别和自动映射；
监控告警信息智能识别模型构建方法包括：
根据电力词库对样本监控告警信息分词并识别电力实体，建立样本监控告警信息与监控信息标准化典表的映射关系；
应用LSTM神经网络算法构建监控告警信息智能识别模型，将样本监控告警信息识别出的电力实体作为训练样本，对智能识别模型进行训练学习，得到训练好的监控告警信息智能识别模型。
2.根据权利要求1中所述的一种电网监控告警信息智能识别和自动映射方法，其特征在于：所述监控信息标准化典表构建方法为：
基于变电站设备监控典型信息规范对监控告警信息进行归类，形成监控信息标准化典表，监控信息标准化典表中的数据属性包括：设备类型、典型间隔、典型设备和基础对象。
3.根据权利要求2中所述的一种电网监控告警信息智能识别和自动映射方法，其特征在于：所述电力词库构建方法为：基于监控信息标准化典表数据，对监控告警信号进行分析，构建电力词库标签，形成电力词库。
4.根据权利要求3中所述的一种电网监控告警信息智能识别和自动映射方法，其特征在于：电力词库标签包括：电压等级、一次设备一、一次设备二、二次设备、动作一、动作二和属性值；
电力词库属性包括：标签类型、标准词和近义词。
5.一种电网监控告警信息智能识别和自动映射装置，其特征在于：包括：
模型构建模块，用于预先构建监控告警信息智能识别模型；
识别映射模块，用于将需要进行识别和映射的监控告警信号根据电力词库识别电力实体，输入预先构建的监控告警信息智能识别模型，实现告警信号的自动识别映射至预先构建的监控信息标准化典表，完成电网监控告警信息智能识别和自动映射；
监控告警信息智能识别模型构建方法包括：
根据电力词库对样本监控告警信息分词并识别电力实体，建立样本监控告警信息与监控信息标准化典表的映射关系；
应用LSTM神经网络算法构建监控告警信息智能识别模型，将样本监控告警信息识别出的电力实体作为训练样本，对智能识别模型进行训练学习，得到训练好的监控告警信息智能识别模型。
6.根据权利要求5中所述的一种电网监控告警信息智能识别和自动映射装置，其特征在于：所述监控信息标准化典表构建方法为：
基于变电站设备监控典型信息规范对监控告警信息进行归类，形成监控信息标准化典表，监控信息标准化典表中的数据属性包括：设备类型、典型间隔、典型设备和基础对象。
7.根据权利要求6中所述的一种电网监控告警信息智能识别和自动映射装置，其特征在于：所述电力词库构建方法为：基于监控信息标准化典表数据，对监控告警信号进行分析，构建电力词库标签，形成电力词库。
8.根据权利要求7中所述的一种电网监控告警信息智能识别和自动映射装置，其特征在于：电力词库标签包括：电压等级、一次设备一、一次设备二、二次设备、动作一、动作二和属性值；
电力词库属性包括：标签类型、标准词和近义词。
CN202011387768.0A 2020-12-02 2020-12-02 一种电网监控告警信息智能识别和自动映射方法和装置 Active CN112598023B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011387768.0A CN112598023B (zh) 2020-12-02 2020-12-02 一种电网监控告警信息智能识别和自动映射方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011387768.0A CN112598023B (zh) 2020-12-02 2020-12-02 一种电网监控告警信息智能识别和自动映射方法和装置

Publications (2)

Publication Number Publication Date
CN112598023A CN112598023A (zh) 2021-04-02
CN112598023B true CN112598023B (zh) 2024-01-26

Family

ID=75187503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011387768.0A Active CN112598023B (zh) 2020-12-02 2020-12-02 一种电网监控告警信息智能识别和自动映射方法和装置

Country Status (1)

Country Link
CN (1) CN112598023B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113132158B (zh) * 2021-04-07 2022-05-31 珠海格力电器股份有限公司 点表配置方法、装置、控制器和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201835A (zh) * 2007-12-21 2008-06-18 四川大学 应急联动警情自动分类系统
WO2015192659A1 (zh) * 2014-06-19 2015-12-23 国家电网公司 一种智能变电站告警信息上送方法
CN109993443A (zh) * 2019-04-04 2019-07-09 北京科东电力控制系统有限责任公司 一种电网设备运行状态时空态势感知模型挖掘方法
CN110336375A (zh) * 2019-06-26 2019-10-15 国网江苏省电力有限公司 一种电网监控告警信息的处理方法及系统
CN110888973A (zh) * 2019-11-18 2020-03-17 云南电网有限责任公司普洱供电局 一种监控信息表自动结构化梳理的方法
CN110932881A (zh) * 2019-10-16 2020-03-27 国网浙江省电力有限公司温州供电公司 一种基于监控告警信号的设备画像的方法
CN111274395A (zh) * 2020-01-19 2020-06-12 河海大学 基于卷积和长短期记忆网络的电网监控告警事件识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070078873A1 (en) * 2005-09-30 2007-04-05 Avinash Gopal B Computer assisted domain specific entity mapping method and system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201835A (zh) * 2007-12-21 2008-06-18 四川大学 应急联动警情自动分类系统
WO2015192659A1 (zh) * 2014-06-19 2015-12-23 国家电网公司 一种智能变电站告警信息上送方法
CN109993443A (zh) * 2019-04-04 2019-07-09 北京科东电力控制系统有限责任公司 一种电网设备运行状态时空态势感知模型挖掘方法
CN110336375A (zh) * 2019-06-26 2019-10-15 国网江苏省电力有限公司 一种电网监控告警信息的处理方法及系统
CN110932881A (zh) * 2019-10-16 2020-03-27 国网浙江省电力有限公司温州供电公司 一种基于监控告警信号的设备画像的方法
CN110888973A (zh) * 2019-11-18 2020-03-17 云南电网有限责任公司普洱供电局 一种监控信息表自动结构化梳理的方法
CN111274395A (zh) * 2020-01-19 2020-06-12 河海大学 基于卷积和长短期记忆网络的电网监控告警事件识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
智能变电站高压断路器及通信网络故障诊断方法;张晓彤;《硕士电子期刊工程科技Ⅱ辑》;第9-15页 *
融合知识库和深度学习的电网监控告警事件智能识别;孙国强;沈培锋;赵扬;朱红勤;丁小柳;卫志农;臧海祥;;电力自动化设备(第04期);全文 *

Also Published As

Publication number Publication date
CN112598023A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN111525694B (zh) 一种基于物联网的开关柜智能标示装置及方法
CN110018389B (zh) 一种输电线路在线故障监测方法及系统
CN110888973B (zh) 一种监控信息表自动结构化梳理的方法
CN112152313B (zh) 一种采集系统进行电力设备识别的方法
CN111667108A (zh) 一种配网抢修时长预测方法
CN112598023B (zh) 一种电网监控告警信息智能识别和自动映射方法和装置
CN112467724A (zh) 一种低压配电网故障研判方法
CN113344364B (zh) 停电计划的风险分析方法、装置、电子设备及存储介质
CN110706365A (zh) 一种用于电力设备图像特征数据建模方法
CN112906389B (zh) 一种基于多维度数据分析的故障跳闸判别方法
CN111753528B (zh) 一种变电站四遥信息表统一规范校核方法和系统
CN109191006A (zh) 一种电网110 kV主变N-1风险自动扫描分析的方法
CN111382564B (zh) 一种基于网络拓扑的电网监视告警事件化分析及推送方法
CN112256872A (zh) 一种变电站检修工作票的智能开票方法
CN112101916A (zh) 一种监控信息点表快速标准化方法、装置及计算机可读存储介质
CN110765986A (zh) 一种电力系统主站监控信号自动审核的方法
CN116154968A (zh) 一种基于iec104协议传感器的电力参数监测系统
CN116208091A (zh) 一种分布式光伏电站设备故障诊断及预警方法
CN202522638U (zh) 一种电网故障智能识别设备
CN113282594B (zh) 一种配变基础数据自动提取分析方法和系统
CN112541833B (zh) 基于特征匹配知识库的电力系统远动数据质量治理方法及其系统
CN111478340B (zh) 一种配网线路无功补偿情况分析方法
CN107958505A (zh) 一种安稳运行状态智能巡检系统及其控制方法
CN114200203A (zh) 一种变电站计量装置故障监控方法和系统
CN107450030B (zh) 一种通信蓄电池遥测数据处理方法、装置及系统

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