CN113128837A - 一种轨道交通供电系统的大数据分析系统 - Google Patents
一种轨道交通供电系统的大数据分析系统 Download PDFInfo
- Publication number
- CN113128837A CN113128837A CN202110303582.0A CN202110303582A CN113128837A CN 113128837 A CN113128837 A CN 113128837A CN 202110303582 A CN202110303582 A CN 202110303582A CN 113128837 A CN113128837 A CN 113128837A
- Authority
- CN
- China
- Prior art keywords
- data
- power supply
- supply system
- rail transit
- platform
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000007418 data mining Methods 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 description 31
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 239000002699 waste material 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种轨道交通供电系统的大数据分析系统，包括采集层、平台层和应用层，所述采集层用于采集轨道交通供电系统的数据，并按照数据类型分类；采集层中设置有若干数据库，用于对采集数据进行逻辑划分和归纳；所述平台层用于采集数据的分布式存储和分布式计算；分布式计算的计算工具包括快速计算工具、精确计算工具和筛选计算工具，所述快速计算工具依据每个处理单元的性能，动态的分配数据的查找和运算任务，交叉启动多个查找和运算进程，输出运算结果；所述应用层为展示交互平台，用于运算结果的展示和交互操作。本发明实现对轨道交通供电系统产生的巨量数据进行数据类型转换、分类存储、数据关联与分析计算、展示、闭环反馈的功能。
Description
技术领域
本发明属于轨道交通供电领域，特别涉及一种轨道交通供电系统的大数据分析系统。
背景技术
随着轨道行业的快速发展，有着轨道交通“能源大动脉”之称的轨道供电系统获取的数据呈现出类型多、数据量大、门类多样、管理维护人员庞杂等特点。当前建设的既有数字化轨道供电系统，普遍依托SCADA系统进行统一的指挥调度与供电信息反馈。随着影像设备、录音设备、新式传感器等设备的建设，传统的供电指挥调度与信息反馈系统收集的信息呈现几何级累计增长。面对不断增长的数据，传统的供电运维检修方法受到较大的制约。
大数据平台建设是近年来国家提出的“第四次工业革命”的重点发展方向，其具备“5V”特性：大量性(Volume)、高速性(Velocity)、多样性(Variety)、价值性(Value)、真实性(Veracity)。由于大数据平台起源于互联网行业，同时，城市轨道交通供电系统行业与其他行业存在一定的差异性，当前的大数据平台并不能完全适用于城市轨道交通供电系统行业。因此，需研究设计并架构适用于轨道交通供电系统的大数据平台显得非常必要。
当前，各个轨道公司正使用安全管理系统、机器人巡检系统、检测监视系统帮助人工作业，远程监视，减轻人工维护检修的重复劳动。
新建的数字化供电系统普遍存在所采集的图像、音影、数字信息存在重复性高、数据容量大、检测时长长等特点。运营维护部门需要设置专门的数据分析岗位处理海量数据。同时，供电数字化产生的数据量增长极快，仅通过人工分析和筛选的数据，无法提供有效或有价值的反馈信息帮助运营维护，也无法发挥和体现数字化系统给运营维护带来的便利性，造成建设一套系统、荒废一套系统，甚至抛弃使用数字化系统的现象。因此，解决困扰当前数字化城市轨道供电系统问题的关键在于对系统产生数据信息的有效利用。
供电系统平台主要数据来源于供电运行与维修数据。传统的数据经过平台汇总后，上传至中央级，通过布置相对静止的处理算法后，展示输出，由人工判断数据的可用和可信程度。由于维护工作人员的经验、能力各不相同，往往造成系统出现明显奇点时才判定为故障，错失解决问题的最佳时机。同时，存储器中的海量数据被堆积、覆盖直到数据阵列完成生命周期，采集的数据就会被丢弃而不会再被调出利用。这些蕴含供电系统运行客观规律的系统的数据利用效率低，造成极大的数据资源浪费。
发明内容
本发明针对现有技术中存在的技术问题，提供一种轨道交通供电系统的大数据分析系统，利用基础标准化矩阵硬件平台，分布式布置可不断拓展、易于嫁接存储与计算的体系，达到处理海量数据、运行复杂数学和分析模型的目的，实现对轨道交通供电系统产生的巨量数据进行数据类型转换、分类存储、数据关联与分析计算、展示、闭环反馈的功能。解决了目前数字化供电系统存在的信息冗余、数据利用率低下的问题，减少了运营维护人员培训与维护成本。通过典型应用目标的搭建，阐述了轨道交通供电系统应用的实例，具有较高的推广应用价值，为运维人员提供了智能化维护的工具。
本发明采用的技术方案是：一种轨道交通供电系统的大数据分析系统，包括采集层、平台层和应用层，
所述采集层用于采集轨道交通供电系统的数据，并按照数据类型分类；采集的数据包括供电视频和图片数据、供电系统状态数据、能源电表数据、SCADA数据等。采集层中设置有若干数据库，用于对采集数据进行逻辑划分和归纳；所述数据库包括维修应急预案库、设备/建筑信息设计模型库、物资管理数据库、其他数据模型库。数据库是逻辑抽象数据库，可以根据需要进行设置，数据库采用统一方式调用结构化和非结构化数据信息。
数据类型分为结构化数据和非结构化数据，结构化数据为可以用二维表结构来逻辑表达的数据，如电能状态信息、SCADA供电系统状态信息等报表信息为典型的结构化数据。非结构化数据为不可以用二维表结构来逻辑表达的数据，如办公文档、图片、视频和音频信息等。
采集层中设置有用于记录数据采集时间的日志。
所述平台层用于采集数据的分布式存储和分布式计算。
分布式的若干存储池，存储池用于存储采集层的采集数据。
分布式计算的计算工具，所述计算工具分为快算计算工具、精确计算工具和筛选计算工具，其中，
快速计算工具，通过存储池内数据的共享，依据每个处理单元的性能，将数据库内数据的查找和运算任务动态的分配给所有处理单元，交叉启动多个查找和运算进程，输出运算结果；
精确计算工具分查找和运算两个阶段：查找阶段，处理单元读取完整数据库，筛选所需数据；运算阶段，启动其他空闲的处理单元，把查找阶段获得的筛选数据进行计算并重组输出运算结果；
筛选计算工具，被动而静态的依据关键词筛选数据，计算并输出运算结果。
所述应用层为展示交互平台，用于运算结果的展示和交互操作。
应用层还包括数据挖掘与分析平台，用于对展示交互结果进行分析与挖掘，优化平台层中的计算工具模型和采集层中的数据库采集策略。
所述展示交互平台基于Web浏览器，采用标准SQL语言封装接口，与数据挖掘与分析平台对接。
与现有技术相比，本发明所具有的有益效果是：
1、本发明具有数据类型转换功能，针对既有轨道交通供电系统所产生的不同类型的运行数据、图片格式、语音视频格式、文档格式等，配置统一的数据抽取和采集策略，转换为结构化数据和非结构化数据。
2、本发明具有数据分类存储功能，通过数据结构的优化、分布式存储技术，配置扩展性强、存储成本低的分布式标准化的存储池。相同的标准化存储池能高效快速的读写及合理分配存储空间工作。
3、本发明具有数据关联与分析计算功能，基于分布式存储技术，快速关联存储池数据信息，部署分布式计算算法，可利用分散而廉价的硬件计算平台，灵活部署复杂的数学分析模型，通过迭代算法，不断深度挖掘数据间信息关联，输出有价值的信息流。
4、本发明具有智能化功能，数据挖掘与分析平台依据展示交互结果，动态建立更贴近实际需要的数据管理模型并自动提出针对采集数据库采集策略的系统优化，双方互相配合，形成一套“机器学习”的反馈架构，不断完善采集层中的各类数据库的采集策略，也不断动态完善平台层中的各类算法模型，优化数据存储的结构，更加贴合轨道交通供电系统大数据平台的需求，让系统变得更加“聪明”。
附图说明
图1为本发明实施例的结构框图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。
本发明的实施例提供了一种轨道交通供电系统的大数据分析系统，如图1所示，其包括采集层、平台层和应用层。
所述采集层用于采集轨道交通供电系统的数据，并按照数据类型分类；采集的数据包括供电视频和图片数据、供电系统状态数据、能源电表数据、SCADA数据等。
数据类型分为结构化数据和非结构化数据，结构化数据为可以用二维表结构来逻辑表达的数据，如电能状态信息、SCADA供电系统状态信息等报表信息为典型的结构化数据。非结构化数据为不可以用二维表结构来逻辑表达的数据，如办公文档、图片、视频和音频信息等。
采集层针对非结构化和结构化数据，采用多种工具和手段，同时，这些数据采集工具内嵌于传统数据采集层，避免额外的系统开销。其中，结构化数据采集，比较常用及稳定的工具为Sqoop采集工具；非结构化的工具针对的对象类型较多，常用的为Apache社区发布的Kettle、IBM提供的Datastage，Informatica软件等。其使用流程为把非结构化数据进行ETL(资料从来源端经过抽取(extract)、转置(transform)、加载(load)至目的端的过程)到平台层数据存储结构HDFS中的Hbase结构中进行类结构化存储。
采集层中设置有若干逻辑抽象的数据库，采用共享的形式，对采集数据进行逻辑划分和归纳，数据库采用统一方式调用结构化和非结构化数据信息。数据库可以根据逻辑需要进行设置，例如可以设计成维修应急预案库、设备/建筑信息设计模型库、物资管理数据库、其他数据模型库。
采集层中设置有用于记录数据采集时间的日志。
所述平台层用于采集数据的分布式存储和分布式计算。分布式存储采用的是分布式的若干存储池，存储池用于存储采集层的采集数据。
分布式计算采用的是分布式的处理单元。分布式计算的计算工具分为三种，分别是快算计算工具、精确计算工具和筛选计算工具。
精确计算工具分查找和运算两个阶段：查找阶段，处理单元读取完整数据库，筛选所需数据；运算阶段，启动其他空闲的处理单元，把查找阶段获得的筛选数据进行计算并重组输出运算结果。
精确计算工具的计算模型简单好用，但计算过程需经过多次进行序列存储读取操作，计算时间过长，由于轨道交通供电平台产生的数据流具有周期性，因此精确计算工具适合轨道交通供电平台的场景，如维修应急策略库、静态数据库修正与更新等对时间要求不高的模型计算。
快速计算工具是为解决精确计算工具模型耗费过多时间开发的。快速计算工具通过数据共享，依据每个处理单元的性能，动态的分配数据的查找和运算任务，交叉启动多个查找和运算进程，输出运算结果，减少对存储空间的重复读取，提高数据处理的吞吐量，其本质上是使得查找和运算之间的界限模糊。快速计算工具可作为本系统的主力计算工具使用。
快速计算工具运算性能取决于数据共享算法的先进性及整个大数据阵列服务器的总体性能。但是快速计算工具会增加整体的性能开销，用大数据矩阵服务器的高性能及数据共享算法的适配性，换取实时数据流的处理。
筛选计算工具类似于数据筛子，被动而静态的依据关键词筛选数据，计算并输出运算结果，可作为动态计算模型的有效补充。
所述应用层为展示交互平台和数据挖掘与分析平台。展示交互平台用于运算结果的展示和交互操作。所述展示交互平台基于Web浏览器，根据共享性、易移植性、通用性的特点，跨平台的通过移动终端、桌面终端共享式、多维度的以图表、模拟视频、音视频流等形式展示信息。展示交互平台采用标准SQL语言封装接口，与数据挖掘与分析平台对接。数据挖掘与分析平台用于对展示交互结果进行分析与挖掘，优化平台层中的计算工具模型(主要是优化数据共享算法)、数据存储的结构和采集层中的数据库采集策略。
本系统可用于系统设备故障产生的预判，安全预判与安全评估。本系统从供电状态信息网获取运行参数，调取巡视监控平台视频和红外视频信息，生产厂商提供的设备型式试验报告和全寿命预估报告等，描绘设备使用和维护画像。自动提供系统预期工作值；同时，调取设备历史维修与操作记录数据库，通过递归法、演绎法等数据分析算法手段，计算出系统运行的健康状态，评估系统故障风险并按风险大小和缓急，动态输出预警报告。
本系统可用于检修保养流程的规范，制定标准化维护保养流程。借助大数据技术，在设备生产时，就可以录入设备的维修保养信息、故障风险报告信息等；在设备调试过程时，可人为模拟故障发生信息，录入维修检测的整套流程；在设备投入运行发生故障时，数据平台调用录入的数据，匹配相应的维修数据库，自动输出事故报告、事故结论以及维修作业方法。随着事故样本增多或导入更多的数据实例的修正，所匹配的数据信息更能精确指导维修保养工作，不断更新维修检测决策数据库，有效降低人员培训成本、检修维护时间成本等问题。使用大数据平台输出数据更能实现维修检测的标准化、程序化、流水线化。借助大数据技术，在做每一项运营维护操作时都建立相应的维护操作步骤。通过建立数据平台，引入人员KPI绩效管理、工作关键点及标准化流程制作，借助于大数据平台最具特色的信息追溯和行为分析与预判系统，整合人员行为与工作进度信息，做到人员操作与工作进度的信息融合，逐渐规范操作人员行为准则，输出人员完成任务的KPI指标，避免由于人员工作能力或者工作态度问题，拖延或者低效完成工作。
本系统的具体工作过程举例：
采集层：工作任务单发生或异常事故工况发生：记录下当时的时间信息(进入日志数据库采集)；视频、音频、图片信息经过非结构化数据采集存储；人员信息(人员信息库)、工作计划流程、等可以归纳为矩阵数据类型的信息，进行结构化数据采集存储。
平台层：数据共享，自动调取存储池中历史相关的工作任务单或异常故障事故工况，通过应用层预配置的数据挖掘工具引擎(此处以配置最简单的拟合类数据挖掘工具为例)，分配快速计算工具进行拟合度计算。通过计算后得出此工作任务单或异常故障事故工况在历史中与其他工作任务单或异常事故信息的拟合程度，分解任务，输出每一步的操作过程，进行过程节点控制。
在应用层信息交汇展示中规定每一步历史故障诊断信息、并输出维修需完成的时间、工作量、标准操作步骤、对系统整体的影响因子等。
这部分处理后的信息在工作任务进行时(通过采集回的数据动态反馈工作任务完成度)以及完成后(人工主观评分)，反馈进入维修应急预案库及物资管理数据库，这些数据库入口充当甄别和逻辑归纳任务。如果此次任务是有效的，并且成果判断是优良的，则此次任务作为数据库的标准任务，加大此次任务在今后发生同类任务的权重占比，修正历史数据库在任务指导中的不足；若此次任务是无效的，则继续细分任务中的哪些任务是无效、哪些任务是有效的，有效的任务做为备用方案进入数据库中的相关方案处理库进行拟合并存储，无效数据也同时存储，作为整体功能的备用，等待下一次任务，若下一次任务又碰到类似的问题和方案并判断其有用，则唤醒此部分无效数据，作为新的任务进行归纳。
若在数据挖掘与分析平台中注入人员技能信息，如工作年限与经验、当前上班工作状态(上下班时间与人员健康状态等)、上一次任务完成所需时间等信息，结合前文提出的信息拟合挖掘工具，容易判断出此次人员工作状态信息，进行当前任务的KPI考核。
以上通过实施例对本发明进行了详细说明，但所述内容仅为本发明的示例性实施例，不能被认为用于限定本发明的实施范围。本发明的保护范围由权利要求书限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖保护范围之内。
Claims (7)
1.一种轨道交通供电系统的大数据分析系统，其特征在于：包括采集层、平台层和应用层，
所述采集层用于采集轨道交通供电系统的数据，并按照数据类型分类；采集层中设置有若干数据库，用于对采集数据进行逻辑划分和归纳；
所述平台层用于采集数据的分布式存储和分布式计算；分布式计算的计算工具包括快速计算工具、精确计算工具和筛选计算工具，所述快速计算工具依据每个处理单元的性能，动态的分配数据的查找和运算任务，交叉启动多个查找和运算进程，输出运算结果；
所述应用层为展示交互平台，用于运算结果的展示和交互操作。
2.如权利要求1所述的轨道交通供电系统的大数据分析系统，其特征在于：数据类型分为结构化数据和非结构化数据，结构化数据为可以用二维表结构来逻辑表达的数据，非结构化数据为不可以用二维表结构来逻辑表达的数据。
3.如权利要求1所述的轨道交通供电系统的大数据分析系统，其特征在于：采集层中设置有用于记录数据采集时间的日志。
4.如权利要求1所述的轨道交通供电系统的大数据分析系统，其特征在于：平台层包括分布式的若干存储池，存储池用于存储采集层的采集数据。
5.如权利要求1所述的轨道交通供电系统的大数据分析系统，其特征在于：精确计算工具分查找和运算两个阶段：查找阶段，处理单元读取完整数据库，筛选所需数据；运算阶段，启动其他空闲的处理单元，把查找阶段获得的筛选数据进行计算并重组输出运算结果；
筛选计算工具，被动而静态的依据关键词筛选数据，计算并输出运算结果。
6.如权利要求1所述的轨道交通供电系统的大数据分析系统，其特征在于：应用层还包括数据挖掘与分析平台，用于对展示交互结果进行分析与挖掘，优化平台层中的计算工具模型和采集层中的数据库采集策略。
7.如权利要求6所述的轨道交通供电系统的大数据分析系统，其特征在于：所述展示交互平台基于Web浏览器，采用标准SQL语言封装接口，与数据挖掘与分析平台对接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110303582.0A CN113128837A (zh) | 2021-03-22 | 2021-03-22 | 一种轨道交通供电系统的大数据分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110303582.0A CN113128837A (zh) | 2021-03-22 | 2021-03-22 | 一种轨道交通供电系统的大数据分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113128837A true CN113128837A (zh) | 2021-07-16 |
Family
ID=76773699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110303582.0A Pending CN113128837A (zh) | 2021-03-22 | 2021-03-22 | 一种轨道交通供电系统的大数据分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113128837A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228170A (zh) * | 2023-05-06 | 2023-06-06 | 中铁电气化勘测设计研究院有限公司 | 一种项目数据综合管理平台用数据互通构建方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030220860A1 (en) * | 2002-05-24 | 2003-11-27 | Hewlett-Packard Development Company,L.P. | Knowledge discovery through an analytic learning cycle |
| CN105809606A (zh) * | 2016-03-08 | 2016-07-27 | 贵州省邮电规划设计院有限公司 | 大数据应用平台系统 |
| CN108874738A (zh) * | 2018-06-05 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 分布式并行运算方法、装置、计算机设备及存储介质 |
| CN109684422A (zh) * | 2018-12-28 | 2019-04-26 | 河南城建学院 | 一种基于人工智能的大数据平台的单指标预测和预警方法 |
-
2021
- 2021-03-22 CN CN202110303582.0A patent/CN113128837A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030220860A1 (en) * | 2002-05-24 | 2003-11-27 | Hewlett-Packard Development Company,L.P. | Knowledge discovery through an analytic learning cycle |
| CN105809606A (zh) * | 2016-03-08 | 2016-07-27 | 贵州省邮电规划设计院有限公司 | 大数据应用平台系统 |
| CN108874738A (zh) * | 2018-06-05 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 分布式并行运算方法、装置、计算机设备及存储介质 |
| CN109684422A (zh) * | 2018-12-28 | 2019-04-26 | 河南城建学院 | 一种基于人工智能的大数据平台的单指标预测和预警方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228170A (zh) * | 2023-05-06 | 2023-06-06 | 中铁电气化勘测设计研究院有限公司 | 一种项目数据综合管理平台用数据互通构建方法 |
| CN116228170B (zh) * | 2023-05-06 | 2023-09-22 | 中铁电气化勘测设计研究院有限公司 | 一种项目数据综合管理平台用数据互通构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102483025B1 (ko) | 운영 유지 시스템 및 방법 | |
| CN110493025B (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
| CN108039959B (zh) | 一种数据的态势感知方法、系统及相关装置 | |
| Gong et al. | Computer vision-based video interpretation model for automated productivity analysis of construction operations | |
| CN112871703B (zh) | 一种智能管理选煤平台及其方法 | |
| CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
| CN111177276A (zh) | 一种基于Spark计算框架的动能数据处理系统及方法 | |
| CN112016828A (zh) | 基于流式大数据的工业设备健康管理云平台架构 | |
| KR102543064B1 (ko) | Ｒｐａ 기반 제조환경 모니터링 서비스 제공 시스템 | |
| CN111401827A (zh) | 一种桥梁病害数字化采集系统 | |
| CN112686402A (zh) | 一种日常巡检与智慧运维管理平台结合的方法 | |
| CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
| CN112650889A (zh) | 一种企业安全环保及安防监控数据的数仓建设方法和系统 | |
| CN115657890A (zh) | 一种pra机器人可定制方法 | |
| CN116468287A (zh) | 一种基于数字孪生的智慧园区控制系统 | |
| CN113128837A (zh) | 一种轨道交通供电系统的大数据分析系统 | |
| CN115396481A (zh) | 用于智慧城市运行管理的电网大数据挖掘系统及方法 | |
| Guang | Development of migrant workers in construction based on machine learning and artificial intelligence technology | |
| CN114706994A (zh) | 一种基于知识库的运维管理系统和方法 | |
| CN113807599A (zh) | 一种智慧建造信息化综合管理云平台 | |
| CN117649207A (zh) | 一种建筑施工管理系统 | |
| CN111062827B (zh) | 一种基于人工智能模式的工程监理方法 | |
| CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
| CN115439015B (zh) | 基于数据中台的局域电网数据管理方法、装置及设备 | |
| CN113535422A (zh) | 一种面向工业大数据的数据清洗和事件处理的云平台系统 |
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 |