CN113095953B - 一种基于用电数据的企业环保监测方法 - Google Patents
一种基于用电数据的企业环保监测方法 Download PDFInfo
- Publication number
- CN113095953B CN113095953B CN202110335258.7A CN202110335258A CN113095953B CN 113095953 B CN113095953 B CN 113095953B CN 202110335258 A CN202110335258 A CN 202110335258A CN 113095953 B CN113095953 B CN 113095953B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- environmental protection
- polluted
- protection equipment
- classifier model
- 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
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Abstract
本发明涉及电网技术领域,公开了一种基于用电数据的企业环保监测方法,包括以下步骤:步骤S1:在污染企业总用电进线处安装能够智能检测终端,并设置后台智能终端,步骤S2:智能检测终端读取在一定时段内的多维用电数据并将该数据发送至后台智能终端上,同时后台智能终端获取企业环保设备的开停状态数据,步骤S3,后台智能终端采用逻辑回归的方法训练出分类器模型,步骤S4:智能检测终端将后续读取到的多维用电数据输入分类器模型内,分类器模型判断环保设备的开停状态,步骤S5:后台智能终端根据污染企业中环保设备的开停状态,结合污染企业实际生产情况,判断污染企业中环保设备是否存在不合理关停现象;本发明具有降低成本、保护环境的特点。
Description
技术领域
本发明涉及电网技术领域,具体涉及一种基于用电数据的企业环保监测方法。
背景技术
对污染企业进行环保监测与污染管控是生态文明建设工作中的重要内容,随着电力监测技术水平不断提高,将用电数据用于污染企业工况监控为环保监管提供了新的角度,可以通过电力数据来判断污染企业中排污、治污等环保过程是否正常应用。
传统的末端化学含量监测方法成本高,难以覆盖广大中小型企业,且监测数据不连续,存在人为操作的空间;而通过电力数据的监测分析能够实现连续监测,适用性更强,同时系统化、智能化的监测大大提高了环保监管工作的效率。但是,当前基于电力数据的企业污染防治技术的方案中,也存在一定的局限性,现有用电监测方案需要对企业中各个排污、治污的设备分别安装监测设备,这种方法虽然能够直接利用各个设备的用电数据分析企业环保运行工况,但是当企业环保处理部分中所用到的用电设备众多时,需要的监测设备数量也随之增加,导致最后成本的增加。
而随着电力监测技术的不断提高,电力智能感知终端的升级,能够监测的用电数据不断丰富,可以涵盖诸如谐波电流、谐波电压、电压不平衡度等电能质量相关的指标参数,多维用电数据更加精准全面地刻画了污染源企业的不同工况,同时,大数据分析平台、数据挖掘、机器学习方法为数据分析提供了很大的便利;因此,本发明提供了一种基于用电数据的企业环保监测方法,来区别现有在各个环保设备安装分表的监测方法。
发明内容
有鉴于此,本发明提供一种基于用电数据的企业环保监测方法。
为了解决上述技术问题,本发明的技术方案是:一种基于用电数据的企业环保监测方法,包括以下步骤:
步骤S1:在污染企业总用电进线处安装能够采集多维用电数据的智能检测终端,并设置与智能检测终端通讯连接在一起的后台智能终端;
步骤S2:智能检测终端采集在一定时段内的污染企业所有用电设备的多维用电数据,并将该多维用电数据发送至后台智能终端上,并且,后台智能终端对相应时段内污染企业中环保设备的开停状态数据进行获取;
步骤S3:后台智能终端将所获取的一定时段内污染企业中环保设备的开停状态数据作为标签并结合所获取的相应时段内污染企业所有用电设备的多维用电数据,采用逻辑回归的方法训练出分类器模型;
步骤S4:分类器模型训练完毕后,智能检测终端将后续采集到的污染企业所有用电设备的多维用电数据输入训练好的分类器模型内,分类器模型通过计算判断出对应时段内污染企业中环保设备的开停状态;
步骤S5:后台智能终端根据分类器模型所判断出的污染企业中环保设备的开停状态,结合污染企业实际生产情况,判断出污染企业中环保设备是否存在不合理关停现象。
进一步的,所述训练分类器模型的逻辑回归方法包括以下步骤:
步骤S101:采用Sigmoid函数作为后验概率分布函数来对输入的多维用电数据进行分类;
步骤S102:设定训练分类器模型时所需算式;设取值y=1代表污染企业中环保设备处于运行状态,设取值y=0代表污染企业中环保设备处于关停状态,两类样本之间满足下式关系:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,P代表污染企业中环保设备开启或关停状态的条件概率,wT为其权重向量,wT值将使得分类结果属于各个类的概率之和等于1,即:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,j代表污染企业中环保设备处于运行状态或关停状态的两类条件;
由此,得到两类条件概率分布表示为:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,P代表污染企业中环保设备开启或关停状态的条件概率,wT为其权重向量;
当通过上式计算得到的概率大于等于0.5时,分类器模型预测污染企业中环保设备处于运行状态,分类器模型输出1,当通过上式计算得到的概率小于0.5时,分类器模型预测污染企业中环保设备处于关停状态,分类器模型输出0;
构建分类损失函数如下式:
其中,N代表给定的污染企业所有用电设备的多维用电数据编号,yi代表第i个数据样本下污染企业中环保设备的运行状态,xi代表第i个数据样本下对应的多维用电数据,wT为权重向量,||wT||2为其平方和,λ为正则化系数,λ≥0,其用于权衡训练误差和模型复杂度;
之后采用梯度下降法或拟牛顿法最小化损失函数进行求解分类器模型。
进一步的,所述后台智能终端判断污染企业中环保设备是否存在不合理关停现象的判断方法包括以下步骤:设定abnormal=1为污染企业中环保设备存在不合理关停现象,设定abnormal=0为污染企业中环保设备不存在不合理关停现象,判断方式如下式所示:
其中,Pact代表污染企业实时用电功率,Pthr代表污染企业正常生产工况下的基本功率限值,y=0代表污染企业中环保设备处于关停状态。
进一步,所述后台智能终端判断污染企业中环保设备是否存在不合理关停现象的判断方法还包括以下步骤:设定四个评价指标用以判断分类器模型的精准程度,分别为Accuracy、Precision、Recall和F1,其中,Accuracy代表准确率,Precision代表精确率,Recall代表召回率,F1代表精确率与召回率的调和值,各评价指标的计算方法如下式所示:
其中,T代表分类器模型预测的类别与真实类别相符的样本数量,F代表分类器模型预测的类别与真实类别不符的样本数量,Pos代表后台智能终端通过污染企业所有用电设备的多维用电数据判断出污染企业中环保设备处于运行状态或关停状态的样本数量,Neg代表分类器模型预测结果与后台智能终端判断结果不同的样本数量。
较之现有技术,本发明的优点在于:
本发明通过在污染企业总用电进线处安装智能检测终端,并设置与智能检测终端通讯连接的后台智能终端,后台智能终端根据智能检测终端采集到的企业多维用电数据并结合对应时段内企业环保设备的开闭状态数据,采用逻辑回归的方法训练出分类器模型,分类器模型能够判断出后续企业正常运行时环保设备的开闭情况,以此结合企业实际生产情况,从而判断企业在生产运行过程中环保设备是否正常合理地运行,相较于传统化学检测技术,用电监测方式实时监测的方式,能够及时判断出企业中环保设备未合理关停的时段,帮助监管人员对未合理进行环保治理的企业进行管理,也方便相关人员对环保设备的运行进行优化,进一步降低企业的污染量,具有保护环境的优点,而相较于采用多分表的现有用电环保监测技术,采用单一总表的监测方式,利用多维度电数据进行判别,无需如现有技术中需要在各个设备上均安装监测设备,使用的设备数量少,具有降低成本的优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,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为本发明的流程示意图;
图2为本发明中智能检测终端的安装位置示意图。
附图标记:1、污染企业总用电进线;2、智能检测终端;3、后台智能终端。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例:请参照图1和图2,本发明提供一种基于用电数据的企业环保监测方法,包括以下步骤:
步骤S1:在污染企业总用电进线1处安装能够采集多维用电数据的智能检测终端2,并设置与智能检测终端2通讯连接在一起的后台智能终端3;智能检测终端2能够采集的数据包括:各相电压、各相电流、各相功率、各次谐波电压、各次谐波电流、谐波电压总畸变率、谐波电流总畸变率、电压偏差、电压不平衡、功率因素等,从而能够更加精准全面地刻画了污染源企业的不同工况;同时,本实施例中,智能检测终端2选择数据采集时间尺度为1min、3min或5min的,相较于现有技术中15min的采集时间尺度,能够使得所得数据更加精确;
步骤S2:智能检测终端2采集在一定时段内的污染企业所有用电设备的多维用电数据,并将该多维用电数据发送至后台智能终端3上,并且,后台智能终端3对相应时段内污染企业中环保设备的开停状态数据进行获取,后台智能终端3对相应时段内污染企业中环保设备的开停状态数据获取的方式为:若污染企业中在环保设备上有单独安装电表进行计量,则通过该电表采集到的相应时段内的设备功率便可直接获得,如环保设备的功率低于一定限值时,常见的为0-5kw,则为关停状态,不低于该限值时,则为运行状态,若污染企业中在环保设备上未单独安装有电表,则需要通过人工对该环保设备的管理维护人员进行询问,获知环保设备相应时段内的开停状态信息后,再将该开停状态信息输入后台智能终端3上,供后台智能终端3进行获取;
步骤S3:后台智能终端3将所获取的一定时段内污染企业中环保设备的开停状态数据作为标签并结合所获取的相应时段内污染企业所有用电设备的多维用电数据,采用逻辑回归的方法训练出分类器模型;
步骤S4:分类器模型训练完毕后,智能检测终端2将后续采集到的污染企业所有用电设备的多维用电数据输入训练好的分类器模型内,分类器模型通过计算判断出对应时段内污染企业中环保设备的开停状态;
步骤S5:后台智能终端3根据分类器模型所判断出的污染企业中环保设备的开停状态,结合污染企业实际生产情况,判断出污染企业中环保设备是否存在不合理关停现象。
进一步的,训练分类器模型的逻辑回归方法包括以下步骤:
步骤S101:采用Sigmoid函数作为后验概率分布函数来对输入的多维用电数据进行分类;
步骤S102:设定训练分类器模型时所需算式;设取值y=1代表污染企业中环保设备处于运行状态,设取值y=0代表污染企业中环保设备处于关停状态,此两类样本之间满足下式关系:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,P代表污染企业中环保设备开启或关停状态的条件概率,wT为其权重向量,wT值将使得分类结果属于各个类的概率之和等于1,即:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,j代表污染企业中环保设备处于运行状态或关停状态的两类条件;
由此,得到两类条件概率分布表示为:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,P代表污染企业中环保设备开启或关停状态的条件概率,wT为其权重向量;
当通过上式计算得到的概率大于等于0.5时,分类器模型预测污染企业中环保设备处于运行状态,分类器模型输出1,当通过上式计算得到的概率小于0.5时,分类器模型预测污染企业中环保设备处于关停状态,分类器模型输出0;
构建分类损失函数如下式:
其中,N代表给定的污染企业所有用电设备的多维用电数据编号,yi代表第i个数据样本下污染企业中环保设备的运行状态,xi代表第i个数据样本下对应的多维用电数据,wT为权重向量,||wT||2为其平方和,λ为正则化系数,λ≥0,其用于权衡训练误差和模型复杂度;
之后采用梯度下降法或拟牛顿法最小化构建出的分类损失函数以此进行分类器模型的求解,即通过迭代计算分类损失函数,从而求出权重向量wT的值,之后将wT的值带入前述算式中,即可得到最终的概率值,从而将结果分为y=1和y=0两类;同时,需要注意的是,在采用逻辑回归方法训练分类器模型的过程中,历史监测得的污染企业所有用电设备的多维用电数据应包含有污染企业中环保设备运行和关停两类的情况,并且这两者的比例不宜差距过大,以助于分类器模型在后续判断时具有更高的精度。
进一步的,后台智能终端3判断污染企业中环保设备是否存在不合理关停现象的判断方法包括以下步骤:设定abnormal=1为污染企业中环保设备存在不合理关停现象,设定abnormal=0为污染企业中环保设备不存在不合理关停现象,判断方式如下式所示:
其中,Pact代表污染企业实时用电功率,Pthr代表污染企业正常生产工况下的基本功率限值,y=0代表污染企业中环保设备处于关停状态;
即在污染企业实际生产过程中,当污染企业实时用电功率大于污染企业正常生产工况下的基本功率限值,且由分类器模型判断出的污染企业中环保设备处于关停状态时,则后台智能终端3判断污染企业中环保设备存在不合理关停现象,进行环保异常报警,此时需要管理人员进行现场核实或管理,在不满足上述情况下,后台智能终端3则判断污染企业中环保设备不存在不合理关停现象,便不进行环保异常报警。
进一步,后台智能终端3判断污染企业中环保设备是否存在不合理关停现象的判断方法还包括以下步骤:设定四个评价指标用以判断分类器模型的精准程度,分别为Accuracy、Precision、Recall和F1,其中,Accuracy代表准确率,Precision代表精确率,Recall代表召回率,F1代表精确率与召回率的调和值,并根据实际企业的要求指标对这四个评价指标的进行分值设定,划定出不低于设定分值的准确率、精确率、召回率和精确率与召回率的调和值才为符合企业要求的分值,各评价指标的计算方法如下式所示:
其中,T代表分类器模型预测的类别与真实类别相符的样本数量,F代表分类器模型预测的类别与真实类别不符的样本数量,Pos代表后台智能终端3通过污染企业所有用电设备的多维用电数据判断出污染企业中环保设备处于运行状态或关停状态的样本数量,Neg代表分类器模型预测结果与后台智能终端3判断结果不同的样本数量;
通过上述方式即可测算出准确率、精确率、召回率和精确率与召回率的调和值,若所算出的四个评价指标的分值均为符合企业实际要求的分值时,则训练出的分类器模型符合企业要求,可进行使用,若所算出的四个评价指标的分值存在不符合企业实际要求的分值时,则需要重新训练分类器模型,直至其符合企业要求。
以上只是本发明的典型实例,除此之外,本发明还可以有其它多种具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求保护的范围之内。
Claims (3)
1.一种基于用电数据的企业环保监测方法,其特征在于,包括以下步骤:
步骤S1:在污染企业总用电进线(1)处安装能够采集多维用电数据的智能检测终端(2),并设置与智能检测终端(2)通讯连接在一起的后台智能终端;
步骤S2:智能检测终端(2)采集在一定时段内的污染企业所有用电设备的多维用电数据,并将多维用电数据发送至后台智能终端(3)上,并且,后台智能终端(3)对相应时段内污染企业中环保设备的开停状态数据进行获取;
步骤S3:后台智能终端(3)将所获取的一定时段内污染企业中环保设备的开停状态数据作为标签并结合所获取的相应时段内污染企业所有用电设备的多维用电数据,采用逻辑回归的方法训练出分类器模型;
训练分类器模型的逻辑回归方法包括以下步骤:
步骤S301:采用Sigmoid函数作为后验概率分布函数来对输入的多维用电数据进行分类;
步骤S302:设定训练分类器模型时所需算式;设取值y=1代表污染企业中环保设备处于运行状态,设取值y=0代表污染企业中环保设备处于关停状态,两类样本之间满足下式关系:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,P代表污染企业中环保设备开启或关停状态的条件概率,wT为其权重向量,wT值将使得分类结果属于各个类的概率之和等于1,即:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,j代表污染企业中环保设备处于运行状态或关停状态的两类条件;
由此,得到两类条件概率分布表示为:
其中,x代表历史监测所得的污染企业所有用电设备的多维用电数据,P代表污染企业中环保设备开启或关停状态的条件概率,wT为其权重向量;
当通过上式计算得到的概率大于等于0.5时,分类器模型预测污染企业中环保设备处于运行状态,分类器模型输出1,当通过上式计算得到的概率小于0.5时,分类器模型预测污染企业中环保设备处于关停状态,分类器模型输出0;
构建分类损失函数如下式:
其中,N代表给定的污染企业所有用电设备的多维用电数据编号,yi代表第i个数据样本下污染企业中环保设备的运行状态,xi代表第i个数据样本下对应的多维用电数据,wT为权重向量,||wT||2为其平方和,λ为正则化系数,λ≥0,其用于权衡训练误差和模型复杂度;
之后采用梯度下降法或拟牛顿法最小化损失函数进行求解分类器模型;
步骤S4:分类器模型训练完毕后,智能检测终端(2)将后续采集到的污染企业所有用电设备的多维用电数据输入训练好的分类器模型内,分类器模型通过计算判断出对应时段内污染企业中环保设备的开停状态;
步骤S5:后台智能终端(3)根据分类器模型所判断出的污染企业中环保设备的开停状态,结合污染企业实际生产情况,判断出污染企业中环保设备是否存在不合理关停现象。
3.根据权利要求2所述的一种基于用电数据的企业环保监测方法,其特征在于:所述后台智能终端(3)判断污染企业中环保设备是否存在不合理关停现象的判断方法还包括以下步骤:设定四个评价指标用以判断分类器模型的精准程度,分别为Accuracy、Precision、Recall和F1,其中,Accuracy代表准确率,Precision代表精确率,Recall代表召回率,F1代表精确率与召回率的调和值,各评价指标的计算方法如下式所示:
其中,T代表分类器模型预测的类别与真实类别相符的样本数量,F代表分类器模型预测的类别与真实类别不符的样本数量,Pos代表后台智能终端(3)通过污染企业所有用电设备的多维用电数据判断出污染企业中环保设备处于运行状态或关停状态的样本数量,Neg代表分类器模型预测结果与后台智能终端(3)判断结果不同的样本数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110335258.7A CN113095953B (zh) | 2021-03-29 | 2021-03-29 | 一种基于用电数据的企业环保监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110335258.7A CN113095953B (zh) | 2021-03-29 | 2021-03-29 | 一种基于用电数据的企业环保监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113095953A CN113095953A (zh) | 2021-07-09 |
CN113095953B true CN113095953B (zh) | 2022-06-10 |
Family
ID=76670561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110335258.7A Active CN113095953B (zh) | 2021-03-29 | 2021-03-29 | 一种基于用电数据的企业环保监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095953B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021964A (zh) * | 2021-11-03 | 2022-02-08 | 福州大学 | 工业企业设备工况判别及环保情况监测方法 |
CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
CN115291006A (zh) * | 2022-07-21 | 2022-11-04 | 福州大学 | 基于用电数据的污染企业环保工况异常识别方法 |
CN117649061B (zh) * | 2024-01-30 | 2024-04-26 | 山东达斯特信息技术有限公司 | 一种用于环保监测的多节点组网用电分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190123837A (ko) * | 2018-04-25 | 2019-11-04 | 주식회사 스마트컨버전스 | 인공지능과 사물인터넷을 이용한 발전 플랜트 오염 방지 장치 및 방법 |
CN111275333A (zh) * | 2020-01-20 | 2020-06-12 | 江苏神彩科技股份有限公司 | 污染数据处理方法和装置 |
CN111399466A (zh) * | 2020-04-15 | 2020-07-10 | 江苏安科瑞电器制造有限公司 | 一种环境治理过程监控系统及其监控方法 |
CN111539845A (zh) * | 2020-04-21 | 2020-08-14 | 国网四川省电力公司电力科学研究院 | 一种基于用电模式隶属评分的企业环保管控响应研判方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8291243B2 (en) * | 2008-10-24 | 2012-10-16 | International Business Machines Corporation | Adaptive computing responsive to environmental conditions |
-
2021
- 2021-03-29 CN CN202110335258.7A patent/CN113095953B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190123837A (ko) * | 2018-04-25 | 2019-11-04 | 주식회사 스마트컨버전스 | 인공지능과 사물인터넷을 이용한 발전 플랜트 오염 방지 장치 및 방법 |
CN111275333A (zh) * | 2020-01-20 | 2020-06-12 | 江苏神彩科技股份有限公司 | 污染数据处理方法和装置 |
CN111399466A (zh) * | 2020-04-15 | 2020-07-10 | 江苏安科瑞电器制造有限公司 | 一种环境治理过程监控系统及其监控方法 |
CN111539845A (zh) * | 2020-04-21 | 2020-08-14 | 国网四川省电力公司电力科学研究院 | 一种基于用电模式隶属评分的企业环保管控响应研判方法 |
Non-Patent Citations (1)
Title |
---|
基于组合支持向量回归的排污企业生产识别;靳旦等;《四川电力技术》;20200620(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113095953A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095953B (zh) | 一种基于用电数据的企业环保监测方法 | |
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110320892B (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
CN112686493A (zh) | 一种依托大数据实时评价智能电表运行状态与更换的方法 | |
CN110991826B (zh) | 一种评价低压电能表运行状态的方法 | |
CN109492783B (zh) | 一种基于gbdt的电力计量设备故障风险预测方法 | |
CN110531303B (zh) | 在运智能电能表批次故障预警方法及其系统 | |
CN103810533A (zh) | 一种基于云模型的配电网故障风险识别方法 | |
CN110309981A (zh) | 一种基于工业大数据的水电站状态检修决策系统 | |
KR102190845B1 (ko) | Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법 | |
CN113406438B (zh) | 一种适用于低压台区的故障智能诊断方法及其运维系统 | |
CN109583520A (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
CN115983084A (zh) | 一种燃料电池剩余使用寿命预测方法、系统、设备及终端 | |
CN114169254A (zh) | 基于短期建筑能耗预测模型的异常能耗诊断方法及系统 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN114493238A (zh) | 供电服务风险预测方法、系统、存储介质及计算机设备 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN113176530A (zh) | 一种基于拆回表运行特征的在运电能表批次故障诊断方法 | |
Zulfauzi et al. | Anomaly detection using K-Means and long-short term memory for predictive maintenance of large-scale solar (LSS) photovoltaic plant | |
KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
CN109063863B (zh) | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 |
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 |