CN113205303B - 一种配网主站数据智能校核系统 - Google Patents
一种配网主站数据智能校核系统 Download PDFInfo
- Publication number
- CN113205303B CN113205303B CN202110410067.2A CN202110410067A CN113205303B CN 113205303 B CN113205303 B CN 113205303B CN 202110410067 A CN202110410067 A CN 202110410067A CN 113205303 B CN113205303 B CN 113205303B
- Authority
- CN
- China
- Prior art keywords
- module
- fluctuation
- distribution network
- database
- comparison
- 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
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000005096 rolling process Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004804 winding Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 11
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开一种配网主站数据智能校核系统,包括:主站参数输入模块和常规电路波形图数据库,所述主站参数输入模块电性双向连接有常规电路波形图数据库,所述主站参数输入模块电性双向连接有校核参数对比模块和事故波形建立模块,且事故波形建立模块电性双向连接有事故波形图对比模块,所述事故波形建立模块电性双向连接有波动峰值深卷学习模块,所述波动峰值深卷学习模块电性输出连接有电路数值定向计算模块,所述波动峰值深卷学习模块电性双向连接有波动值识别模块。本发明在实现对配电网状况检测的同时,通过识别学习效果,提高了跨时间的信息异常状态的抓取检测效果,降低了人力消耗。
Description
技术领域
本发明涉及配电网预警技术领域,尤其涉及一种配网主站数据智能校核系统。
背景技术
配电网是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的,在电力网中起重要分配电能作用的网络,在长时间的使用过程中,配电网容易因为外部因素导致电线老化熔断等问题的发生,从而使得居民用电出现中断,而在检测过程中经常需要对相应的配电网信息进行检测,所以提出数字化的配电网检测方式,减轻对技术人员的监控压力,而现有的检测数据很容易出现瞬间波动,导致超出安全范围的规定,但是瞬间波动现象较为频繁且正常,导致每次提示都需要维修人员去现场检修,浪费大量的人力物力,需要进行检测情况的校核,减少该情况发生。
因此针对这一现状,迫切需要设计和生产一种配网主站数据智能校核系统,以满足实际使用的需要。
发明内容
本发明所要解决的技术问题在于,提供一种配网主站数据智能校核系统,以提高跨时间的信息异常状态的抓取检测效果。
为了解决上述技术问题,本发明实施例提供一种配网主站数据智能校核系统,包括:
主站参数输入模块;
与所述主站参数输入模块电性双向连接的常规电路波形图数据库、校核参数对比模块和事故波形建立模块;
与所述事故波形建立模块电性双向连接的事故波形图对比模块和波动峰值深卷学习模块;
所述波动峰值深卷学习模块电性输出连接有电路数值定向计算模块,所述波动峰值深卷学习模块电性双向连接有波动值识别模块,且波动值识别模块电性输入连接有定值识别模块,所述定值识别模块和所述校核参数对比模块的输入连接,所述波动值识别模块电性输出连接有案件预处理调用模块,且所述案件预处理调用模块电性输出连接有预警等级预估数据库和人工预警平台,所述人工预警平台和波动值识别模块电性输入连接。
进一步地,所述主站参数输入模块电性双向连接有信息采集模块、人工输入模块和人工更新模块,所述人工更新模块与预警等级预估数据库电性连接,用于将检测到的异常波形图进行存储,并在经过一段时间认为安全且呈规律性发生后,人工将该异常波形图更新到所述常规电路波形图数据库中用于比对。
进一步地,所述常规电路波形图数据库为将常规的电压、电压瞬时功率和温度形成关系图的数据库,
进一步地,相关电网检测的温度值、电压值和功率的数值和相应的波形图均为经过配电网相应外部数据采集设备采集输出到所述主站参数输入模块中。
进一步地,所述事故波形建立模块为基于将时间设计为横向标签,将温度值和功率值以时间标签进行对比后进行整合一起的图形建立模块,用于形成温度值波动过程中,功率值是否有相应联系波动的数据图。
进一步地,所述波动峰值深卷学习模块为基于深度学习框架进行多层神经网络方法计算的机器学习模块,采用多层反馈循环神经网络算法进行电路电压峰值和温度值的检测和计算,并进行以时间为标签的对比,用于计算配电网中电压瞬时功率和温度值是否处于安全规范内,进行对比预警的校准核对。
进一步地,所述信息采集模块电性双向连接有电压功率表、温度传感器和计时器,且电压功率表和温度传感器安装在配电网相应测量位置,从而对相应的线路进行检测,测量结果根据时间作为横向坐标系形成一个相应的波形图,用于进行校核使用。
进一步地,所述电路数值定向计算模块为配电网输出功率计算模块,根据电网负荷的瞬时功率,测量规定范围内常规安全的电路温度,传给所述波动峰值深卷学习模块,并输入所述波动值识别模块中进行数据对比。
进一步地,所述校核参数对比模块为基于网络拓扑算法的分级式对比模块,并通过广度优先搜索法进行相应的数据调用对比,完成对图形标签的调用后完成正常数据图的对比判断。
进一步地,所述预警等级预估数据库包括等待再检测预警模块数据库、人工提醒检修预警数据库和紧急断路数据库,并且根据相应的识别结果和预警结果通过人工预警平台进行相应的预警操作。
本发明实施例的有益效果在于:通过采用深卷学习模块,对配电网检测数据整合后的图形进行快速识别,并与安全范围内的正常功率图进行比对,从而可进行多次识别校核,降低正常的瞬时功率的增大导致的人员检修,浪费人力物力情况的次数;通过设有相应的预警等级预估数据库,对一些正常波动进行等待再校核后进行提高预警等级,根据预警等级进行报备,提高智能数据筛选效果,并降低人力消耗;通过将一些常规检测数据进行整合,并以时间线为横向坐标,方便进行数据波动的提前检测和识别,方便进行跨长时间范围后检测,提高检测效果;在实现对配电网状况检测的同时,通过识别学习效果,提高跨时间的信息异常状态的抓取检测效果,降低人力消耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例一种配网主站数据智能校核系统的原理框图。
图2为本发明实施例中主站参数输入模块的原理框图。
具体实施方式
以下各实施例的说明是参考附图,用以示例本发明可以用以实施的特定实施例。
请参照图1所示,本发明实施例提供一种配网主站数据智能校核系统,包括:
主站参数输入模块1;
与所述主站参数输入模块1电性双向连接的常规电路波形图数据库2、校核参数对比模块3和事故波形建立模块4;
与所述事故波形建立模块4电性双向连接的事故波形图对比模块5和波动峰值深卷学习模块6;
所述波动峰值深卷学习模块6电性输出连接有电路数值定向计算模块7,所述波动峰值深卷学习模块6电性双向连接有波动值识别模块8,且波动值识别模块8电性输入连接有定值识别模块9,所述定值识别模块9和所述校核参数对比模块3的输入连接,所述波动值识别模块8电性输出连接有案件预处理调用模块10,且所述案件预处理调用模块10电性输出连接有预警等级预估数据库11和人工预警平台12,所述人工预警平台12和波动值识别模块8电性输入连接。
具体地,所述波动峰值深卷学习模块6为基于深度学习框架进行多层神经网络上方法计算的机器学习模块,采用多层反馈循环神经网络算法进行电路电压峰值和温度值的检测和计算,并进行以时间为标签的对比,用于计算配电网中电压瞬时功率和温度值是否处于安全规范内,进行对比预警的校准核对,通过电压的变化和相应的数值变化,如电压和功率并带动温度变化的关系图,可从侧面显示配电网的外部情况是否正常,并以此进行校核使用,波动峰值深卷学习模块6用于对超出常规安全范围内的波形图进行检测。
具体地,所述主站参数输入模块1电性双向连接有信息采集模块13、人工输入模块14和人工更新模块15,且人工更新模块15与预警等级预估数据库11电性连接,用于将检测到的异常波形图进行存储,在经过一段周期时间后,认为安全且呈规律性发生后,人工将该异常波形图更新到常规电路波形图数据库2中用于比对,且主站参数输入模块1通过上述模块进行人工输入或者机械自动输入相关电网检测的温度值、电压值和功率的数值和相应的波形图,且相关温度值、电压值和相关的统计数值均为经过配电网相应外部数据采集设备采集输出到主站参数输入模块1中,通过以时间为横向坐标,对功率和温度等状况不配对(下述为异常情况)的波形图进行截取,截取以异常情况发生前后15min的波形图,并进行存储在预警等级预估数据库11中,并记录该情况为第一预警强度。在长时间的存储过程中,配电网该线路一旦短期内频繁出现与该异常情况相像的情况,将第一预警强度升级为第二预警强度,并进行相应的人工通知和维修,而且通过数据库的保存,可跨长时间的进行异常情况的存储,在不删库的前提下,随着时间推移,异常情况存储量逐渐增加,可人工以时间幅度和相应状况筛选异常情况和正常情况,并输入到常规电路波形图数据库2中,从而更加完善校核流程。所述事故波形建立模块4为基于将时间设计为横向标签,将温度值和功率值以时间标签进行对比后进行整合一起的图形建立模块,用于形成温度值波动过程中,功率值是否有相应联系波动的数据图,方便判断是否有外部的条件影响。
具体地,所述信息采集模块13电性双向连接有电压功率表16、温度传感器17和计时器18,且电压功率表16和温度传感器17安装在配电网相应测量位置,从而对相应的线路进行检测,测量结果根据时间作为横向坐标系形成一个相应的波形图,用于进行校核使用。
具体地,所述电路数值定向计算模块7为配电网输出功率计算模块,根据电网负荷的瞬时功率,测量规定范围内常规安全的电路温度,传给波动峰值深卷学习模块6,并输入波动值识别模块中进行数据对比。所述常规电路波形图数据库2为将常规的电压、电压瞬时功率和温度形成关系图的数据库,根据电网负荷的瞬时功率,测量规定范围内常规安全的电路温度,并输入波动值识别模块8中进行数据对比,作为基层对比的图形,通过机械识别,提高对图形大致形状和峰值的识别,从而完成比对校核,根据电压瞬时功率和温度值的波动范围进行预警等级预估数据库11的预警计算。
具体地,所述校核参数对比模块3为基于网络拓扑算法的分级式对比模块,并通过广度优先搜索法进行相应的数据调用对比,完成对图形标签的调用后完成正常数据图的对比判断,提高校核速度,对异常状况发生的频率、波峰值大小、温度值大小和发生相似异常情况的间隔时间是否相似进行相应的标签存储,从而进行数据的细化分类,通过网络拓扑算法便于对这些数据进行调用查询,便于人工进行相应的调用年检。
具体地,所述预警等级预估数据库11分为等待再检测预警模块数据库(第一预警强度)、人工提醒检修预警数据库(第二预警强度)和紧急断路数据库(第三预警强度),并且根据相应的识别结果和预警结果通过人工预警平台12进行相应的预警操作。
综上所述,相比于现有技术,本发明实施例带来的有益效果在于:通过采用深卷学习模块,对配电网检测数据整合后的图形进行快速识别,并与安全范围内的正常功率图进行比对,从而可进行多次识别校核,降低正常的瞬时功率的增大导致的人员检修,浪费人力物力情况的次数;通过设有相应的预警等级预估数据库,对一些正常波动进行等待再校核后进行提高预警等级,根据预警等级进行报备,提高智能数据筛选效果,并降低人力消耗;通过将一些常规检测数据进行整合,并以时间线为横向坐标,方便进行数据波动的提前检测和识别,方便进行跨长时间范围后检测,提高检测效果;在实现对配电网状况检测的同时,通过识别学习效果,提高跨时间的信息异常状态的抓取检测效果,降低人力消耗。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (5)
1.一种配网主站数据智能校核系统,其特征在于,包括:
主站参数输入模块;
与所述主站参数输入模块电性双向连接的常规电路波形图数据库、校核参数对比模块和事故波形建立模块;所述常规电路波形图数据库为将常规的电压、电压瞬时功率和温度形成关系图的数据库;
与所述事故波形建立模块电性双向连接的事故波形图对比模块和波动峰值深卷学习模块;
所述波动峰值深卷学习模块电性输出连接有电路数值定向计算模块,所述波动峰值深卷学习模块电性双向连接有波动值识别模块,且波动值识别模块电性输入连接有定值识别模块,所述定值识别模块和所述校核参数对比模块输入连接,所述波动值识别模块电性输出连接有案件预处理调用模块,且所述案件预处理调用模块电性输出连接有预警等级预估数据库和人工预警平台,所述人工预警平台和波动值识别模块电性输入连接;
所述事故波形建立模块为基于将时间设计为横向标签,将温度值和功率值以时间标签进行对比后进行整合一起的图形建立模块,用于形成温度值波动过程中,功率值是否有相应联系波动的数据图;
所述主站参数输入模块电性双向连接有信息采集模块、人工输入模块和人工更新模块,所述人工更新模块与预警等级预估数据库电性连接,用于将检测到的异常波形图进行存储,并在经过一段时间认为安全且呈规律性发生后,人工将该异常波形图更新到所述常规电路波形图数据库中用于比对;
所述波动峰值深卷学习模块为基于深度学习框架进行多层神经网络方法计算的机器学习模块,采用多层反馈循环神经网络算法进行电路电压峰值和温度值的检测和计算,并进行以时间为标签的对比,用于计算配电网中电压瞬时功率和温度值是否处于安全规范内,进行对比预警的校准核对;
所述校核参数对比模块为基于网络拓扑算法的分级式对比模块,并通过广度优先搜索法进行相应的数据调用对比,完成对图形标签的调用后完成正常数据图的对比判断。
2.根据权利要求1所述的配网主站数据智能校核系统,其特征在于,相关电网检测的温度值、电压值和功率的数值和相应的波形图均为经过配电网相应外部数据采集设备采集输出到所述主站参数输入模块中。
3.根据权利要求1所述的配网主站数据智能校核系统,其特征在于,所述信息采集模块电性双向连接有电压功率表、温度传感器和计时器,且电压功率表和温度传感器安装在配电网相应测量位置,从而对相应的线路进行检测,测量结果根据时间作为横向坐标系形成一个相应的波形图,用于进行校核使用。
4.根据权利要求1所述的配网主站数据智能校核系统,其特征在于,所述电路数值定向计算模块为配电网输出功率计算模块,根据电网负荷的瞬时功率,测量规定范围内常规安全的电路温度,传给所述波动峰值深卷学习模块,并输入所述波动值识别模块中进行数据对比。
5.根据权利要求1所述的配网主站数据智能校核系统,其特征在于,所述预警等级预估数据库包括等待再检测预警模块数据库、人工提醒检修预警数据库和紧急断路数据库,并且根据相应的识别结果和预警结果通过人工预警平台进行相应的预警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110410067.2A CN113205303B (zh) | 2021-04-16 | 2021-04-16 | 一种配网主站数据智能校核系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110410067.2A CN113205303B (zh) | 2021-04-16 | 2021-04-16 | 一种配网主站数据智能校核系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205303A CN113205303A (zh) | 2021-08-03 |
CN113205303B true CN113205303B (zh) | 2024-06-11 |
Family
ID=77027243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110410067.2A Active CN113205303B (zh) | 2021-04-16 | 2021-04-16 | 一种配网主站数据智能校核系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205303B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107276046A (zh) * | 2017-06-16 | 2017-10-20 | 国网辽宁省电力有限公司电力科学研究院 | 智能电网实现继电保护异常智能识别与预警的系统及方法 |
CN111079861A (zh) * | 2019-12-31 | 2020-04-28 | 国网北京市电力公司 | 一种基于图像快速处理技术的配电网电压异常诊断方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102023100A (zh) * | 2010-04-19 | 2011-04-20 | 东莞市罗尔机电科技有限公司 | 设备故障预警系统及方法 |
CN110707692A (zh) * | 2019-10-16 | 2020-01-17 | 济南荣耀合创电力科技有限公司 | 一种电力系统在线负荷分析与建模系统及方法 |
CN112488550B (zh) * | 2020-12-09 | 2023-10-20 | 中国电力科学研究院有限公司 | 基于深度学习的不确定性电网静态安全分析方法及系统 |
-
2021
- 2021-04-16 CN CN202110410067.2A patent/CN113205303B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107276046A (zh) * | 2017-06-16 | 2017-10-20 | 国网辽宁省电力有限公司电力科学研究院 | 智能电网实现继电保护异常智能识别与预警的系统及方法 |
CN111079861A (zh) * | 2019-12-31 | 2020-04-28 | 国网北京市电力公司 | 一种基于图像快速处理技术的配电网电压异常诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113205303A (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663530B (zh) | 高压直流输电系统安全预警与评估系统 | |
CN103293415B (zh) | 一种基于神经网络专家系统的微逆变器故障检测方法 | |
CN105897925A (zh) | 一种基于4g网络的移动远程电力监测系统及监控方法 | |
CN106291201A (zh) | 一种防雷箱的雷电监测及劣化状态监测系统及方法 | |
CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
CN104318347A (zh) | 一种基于多传感器信息融合的输电线路覆冰状态评估方法 | |
CN204269739U (zh) | 基于线路避雷器的雷击诊断及实时报警装置 | |
CN105139158A (zh) | 电网异常信息智能告警和辅助决策方法 | |
CN109374995A (zh) | 低压配电系统、线路老化和反窃电监测方法及对应系统 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、系统及装置 | |
CN111007419A (zh) | 一种变电站直流系统运行状态在线监控系统 | |
CN106026383A (zh) | 基于信息融合的智能变电站设备状态多系统协同诊断方法 | |
CN104931836A (zh) | 电网监控与预警系统 | |
CN202472920U (zh) | 变电站自动化监控系统 | |
CN103674291A (zh) | 全绝缘母线的温度监测系统 | |
CN109980782B (zh) | 一种输配电线路安全运行的无线监控探测器及系统 | |
CN105913126A (zh) | 一种面向大数据和云环境的变电站智能告警模型方法 | |
CN113379323B (zh) | 施工现场质量监管方法及系统 | |
CN113346622A (zh) | 一种基于大数据分析的电网运行风险智能告警系统 | |
CN107328438A (zh) | 一种电力变压器运行综合监测系统 | |
CN113205303B (zh) | 一种配网主站数据智能校核系统 | |
CN103472349A (zh) | 一种通信线缆运行状态的智能化在线分析方法 | |
CN111474870A (zh) | 一种基于机器学习的故障诊断、检测系统 | |
CN212159921U (zh) | 一种瞬态过电压、过电流监测装置 | |
CN115912359B (zh) | 基于大数据的数字化安全隐患识别排查治理方法 |
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 |