CN113377759A - 一种基于专家系统算法的缺陷填报数据治理方法 - Google Patents
一种基于专家系统算法的缺陷填报数据治理方法 Download PDFInfo
- Publication number
- CN113377759A CN113377759A CN202110743814.4A CN202110743814A CN113377759A CN 113377759 A CN113377759 A CN 113377759A CN 202110743814 A CN202110743814 A CN 202110743814A CN 113377759 A CN113377759 A CN 113377759A
- Authority
- CN
- China
- Prior art keywords
- defect
- filling
- checking
- work
- equipment
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于专家系统算法的缺陷填报数据治理方法，包括以下步骤：步骤1：从资产管理系统中，获取缺陷信息构成缺陷填报系统，当出现关键信息漏填写时，给出报警提示；步骤2：根据步骤1中缺陷填报系统的部分缺陷信息核查：电压等级核查和缺陷等级核查；步骤3：缺陷体外循环检测：缺陷体外循环检测：1）从资产管理系统获取上个月状态为“工作终结”的工作票；2）提取工作票中工作任务内容描述的特征词，与构建好的关键词库比对，筛选出属于缺陷核查的工作票；3）缺陷核查工作票与缺陷信息匹配。本发明将对设备缺陷填报数据进行准确、规范、标准化的治理，形成一个统一规范化的数据填报标准，提高缺陷填报数据质量。
Description
技术领域
本发明涉及非侵入式负荷分解领域，具体涉及一种基于专家系统算法的缺陷填报数据治理方法。
背景技术
缺陷数据治理：当前环境下我国学者对缺陷填报数据的研究重点偏向于缺陷数据智能化填报的研究，主要目标在于实现缺陷数据智能化管理，解决设备缺陷数据填报混乱的问题。基于此点，电子科技大学等高校的部分学者基于WEB技术开发和设计了电力设备缺陷管理系统，大大提升了缺陷数据填报效率和缺陷管理质量，实现了缺陷管理的全程信息化，但在实际使用过程中因业务人员填报的缺陷数据质量低、描述不规范、缺陷描述与设备实际缺陷不一致等问题导致缺陷误判和无效的设备巡视检修工作频繁发生，降低了设备的巡视效率和消缺的效能。
国外学者在“治理”思维引领下，围绕企业、政府、医院和高校的数据治理展开了大量理论研究和实践探索。较为认可的数据治理模型包括ISACA数据治理模型与HESA数据治理模型。
1、ISACA数据治理模型
ISACA数据治理以组织的愿景和使命，组织利益以及具体目标，共同确定数据治理的策略或目标。经由此类过程，数据治理模型的定位将会更精准，更扎根于组织本身。由于治理是灵活的，可以根据组织需求适当扩大或缩小治理范围，所以其模型不应是“死板”的，在可控的范围内进行调整是模型的特点。该模型的另一特点是充分体现了人的能动性与主导作用，全程参与到数据治理过程中。此外，模型采用顶层设计，基层实施的方法，秉持简单实用的原则，只在需要的地方进行治理，不将额外的步骤加入简单的过程中，确保模型的所有环节都为整个组织增值。
在模型建构的背景中，ISACA指出倘若治理难易程度较高，管理层和实际操作人员都会选择绕道而行，这与治理的初衷背道而驰。如果将治理定制化，治理模型充分体现人的主导作用，治理各阶层的人就会感觉获得所有权，这更有助于数据治理模型的实行。在数据治理合规性方面，该模型从政策、标准以及内部质量保证三方面着手。合规性的设置遵循了内外结合的原则，在响应各地区政府政策的前提下，紧跟行业标准，完善内部质量保证，从而提升整个模型的效能，达到数据治理的目的。
2、HESA数据治理模型
HESA强调数据治理模型和组织的设计与管理结构密切相关，同时指出每个组织应根据各自侧重点，对通用模型进行适当修改，即“特色化”。因此在该模型中，HESA将数据治理团队与法律、安全、人力资源等团队置于并列位置，共同受数据治理委员会指导。其次，授权给数据管家、业务人员和数据用户等。HESA指出治理模型在一定程度上构成了"为所有人公平获取数据"的概念，数据应被视为组织资产，而不是一个孤岛。故该模型数据治理的范围包括:①确保数据安全，管理良好，确保组织面临的风险可控；②防止和纠正数据错误，作为计划持续改进的一部分；③衡量数据质量并提供检测和评估数据质量的改进框架；④制定标准记录数据及其在组织内的使用情况；⑤作为数据相关问题/变更的升级和决策主体。数据治理呈现一种层层递进的态势，在数据治理模型中，需要定义和分配一些关键角色。
综合以上研究现状可以看出，我国设备缺陷填报数据治理目前处于向智能化过渡阶段，而国外的ISACA数据治理模型与HESA数据治理模型则面向企业组织级的数据质量问题，但实施难度大，耗费成本高，同时需要投入大量的人力，并不适用于设备缺陷数据的自动核查处理。
发明内容
本发明要解决的技术问题是：提供一种基于专家系统算法的缺陷填报数据治理方法，以解决现有技术中存在的技术问题。
本发明采取的技术方案为：一种基于专家系统算法的缺陷填报数据治理方法，该方法包括以下步骤：
步骤1：缺陷关键信息漏填检测：从资产管理系统中，获取缺陷信息构成缺陷填报系统，当出现关键信息漏填写时，给出报警提示；
步骤2：根据步骤1中缺陷填报系统的部分缺陷信息核查：利用专家系统的思想进行缺陷填报信息的匹配核查，通过聚类分析和文本挖掘技术，从专家库的大量历史缺陷数据中，抽取缺陷描述并进行数据结构化，通过把语义分析和数据模糊匹配，对缺陷描述填报质量进行实时分析、模糊匹配，智能判断缺陷填报信息与描述对象是否匹配，电压等级核查和缺陷等级核查；
步骤3：缺陷体外循环检测：缺陷体外循环检测：1)从资产管理系统获取上个月状态为“工作终结”的工作票；2)提取工作票中工作任务内容描述的特征词，与构建好的关键词库比对，筛选出属于缺陷核查的工作票；3)缺陷核查工作票与缺陷信息匹配。
上述缺陷关键信息包括：电压等级、缺陷等级、地点、设备名称、设备类别、缺陷表象、缺陷类型、缺陷描述、应消缺时间、发现时间、专业大类、生产厂家、设备型号、出厂年月、投产日期、缺陷前后图片。
上述电压等级核查方法为：(1)提取“设备名称”里的电压等级，与“电压等级”比对是否相符；(2)如果“设备名称”没有电压等级，则提取“地点”里的电压等级。
上述缺陷等级核查方法为：
(1)“缺陷描述”最为准确描述设备缺陷，以“缺陷描述”为基准项；
(2)提取“缺陷描述”特征词，构建原始特征词库；
(3)通过近义词、同义词匹配，构建标准特征词库，例如“告警”是“报警”同义词，可以统一为“报警”；
(4)通过“设备类别”确定缺陷表象库，用以缩小缺陷表象库的范围，实现精准识别，通过《变电一次设备缺陷定级标准(运行分册)(试行)》构建缺陷表象库；
(5)通过组合标准特征词，匹配对应的缺陷表象，得到准确的缺陷等级；
(6)与缺陷信息的“缺陷表象”“缺陷等级”比对，判断填报是否准确。
上述缺陷核查工作票与缺陷信息匹配方法为：(1)比对单位、站点、时间；(2)比对工作任务内容和缺陷描述，如果匹配得上，则合规，反之，判定为缺陷体外循环。
上述时间比对方法为按工作终结时间往后一周以内筛选消缺时间。
上述工作任务内容和缺陷描述比对方法为特征词比对法。
缺陷体外循环检测通过基于自然语言处理的工作票与缺陷关联分析，利用自然语言处理中的词汇规范化、命名实体识别、标准化数据词典等方法，实现工作票中缺陷内容识别，并对工作票中缺陷文本进行数据结构化，然后通过实体识别和关系抽取获取设备缺陷、设备工作票对应的关联关系。
本发明的有益效果：与现有技术相比，本发明将采用专家系统算法对设备缺陷填报数据进行准确、规范、标准化的治理研究，形成一个统一规范化的数据填报标准，提高缺陷填报数据质量。
基于专家系统算法的缺陷填报数据治理方法是设备缺陷诊断与预测开展的前提条件，为了提高设备缺陷信息的完整性和准确性，需对缺陷填报数据质量进行治理，以详实有效的缺陷信息，为后续的缺陷故障研判提供数据支撑。缺陷数据在填报过程中目前存在漏填或填错等问题，此类问题发生时可通过统计等方法实现漏填信息统计及误报信息提示，业务人员可基于实际业务情况选择漏填信息自动补填或者误报信息修改；同时，为了减少和杜绝缺陷体外循环的情况，还需进行缺陷工作票与缺陷信息关联。缺陷填报数据治理工作可以对典型缺陷、批次缺陷以及重复发生的缺陷进行统计分析，为后续设备风险评估提供便利；基于专家系统算法对缺陷填报数据治理方案的优化，基于缺陷数据特征和填报方式选择最合适的解决方法弥补目前缺陷填报系统的短板和不足之处。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合具体的实施例对本发明进行进一步介绍。
实施例1：如图1所示，一种基于专家系统算法的缺陷填报数据治理方法，该方法包括以下步骤：
步骤1：缺陷关键信息漏填检测：从资产管理系统中，获取缺陷信息构成缺陷填报系统，当出现关键信息漏填写时，给出报警提示；
缺陷关键信息包括：电压等级、缺陷等级、地点、设备名称、设备类别、缺陷表象、缺陷类型、缺陷描述、应消缺时间、发现时间、专业大类、生产厂家、设备型号、出厂年月、投产日期、缺陷前后图片。
步骤2：根据步骤1中缺陷填报系统的部分缺陷信息核查：利用专家系统的思想进行缺陷填报信息的匹配核查，通过聚类分析和文本挖掘技术，从专家库的大量历史缺陷数据中，抽取缺陷描述并进行数据结构化，通过把语义分析和数据模糊匹配，对缺陷描述填报质量进行实时分析、模糊匹配，智能判断缺陷填报信息与描述对象是否匹配。
基于专家系统算法的缺陷填报数据治理方案研究包括缺陷关键信息漏填检测、缺陷填报信息核查、缺陷体外循环检测三部分内容，该模块的实施主要是基于专家系统算法对缺陷填报数据治理方案的优化，提高缺陷信息的完整性和准确性，提供详实有效的缺陷信息，以支持后续缺陷故障研判，需要对缺陷填报质量进行治理。同时，为了减少和杜绝缺陷体外循环的情况，还需进行缺陷工作票与缺陷信息关联。
通过研究缺陷填报系统，发现如下特点：
1、填报时，除了“缺陷描述”“备注”可以自行填入之外，其余各字段都是通过选择填入；
2、选择设备名称以后，专业大类、专业小类、地点、功能位置、设备类别、设备编码、生产厂家、设备型号、出厂年月、投运日期自动填入；
3、选择缺陷表象后，缺陷类型和缺陷等级自动填入，如果选择的是“其他”，则缺陷等级可另外选择；
4、选择缺陷等级后，应完成缺陷处理时间自动填入；
5、选择发现人以后，发现班组、发现部门自动填入；选择填报人以后，填报班组、填报部门、上报人、上报班组自动填入；
通过以上特点和过往经验，“电压等级”是通过下拉选取，有可能会出现选取错误的情况；而“缺陷表象”选择不准确或定级错误，会导致缺陷等级错误，或者“缺陷表象”选择正确，但定级错误。因此，需要核查的字段为“电压等级”和“缺陷等级”。
电压等级核查方法为：(1)提取“设备名称”里的电压等级，与“电压等级”比对是否相符；(2)如果“设备名称”没有电压等级，则提取“地点”里的电压等级。
缺陷等级核查方法为：
(1)“缺陷描述”最为准确描述设备缺陷，以“缺陷描述”为基准项；
(2)提取“缺陷描述”特征词，构建原始特征词库；
(3)通过近义词、同义词匹配，构建标准特征词库，例如“告警”是“报警”同义词，可以统一为“报警”；
(4)通过“设备类别”确定缺陷表象库，用以缩小缺陷表象库的范围，实现精准识别，通过《变电一次设备缺陷定级标准(运行分册)(试行)》构建缺陷表象库；
(5)通过组合标准特征词，匹配对应的缺陷表象，得到准确的缺陷等级；
(6)与缺陷信息的“缺陷表象”“缺陷等级”比对，判断填报是否准确。
步骤3：缺陷体外循环检测：通过基于自然语言处理的工作票与缺陷关联分析，利用自然语言处理中的词汇规范化、命名实体识别、标准化数据词典等方法，实现工作票中缺陷内容识别，并对工作票中缺陷文本进行数据结构化，提升工作票数据的数据质量。然后通过实体识别和关系抽取获取设备缺陷、设备工作票等对应的关联关系。
缺陷体外循环检测：1)从资产管理系统获取上个月状态为“工作终结”的工作票；2)提取工作票中工作任务内容描述的特征词，与构建好的关键词库比对，筛选出属于缺陷核查的工作票；3)缺陷核查工作票与缺陷信息匹配。
缺陷核查工作票与缺陷信息匹配方法为：(1)比对单位、站点、时间，时间比对方法为按工作终结时间往后一周以内筛选消缺时间；(2)比对工作任务内容和缺陷描述，如果匹配得上，则合规，反之，判定为缺陷体外循环；工作任务内容和缺陷描述比对方法为特征词比对法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：该方法包括以下步骤：
步骤1：缺陷关键信息漏填检测：从资产管理系统中，获取缺陷信息构成缺陷填报系统，当出现关键信息漏填写时，给出报警提示；
步骤2：根据步骤1中缺陷填报系统的部分缺陷信息核查：电压等级核查和缺陷等级核查；
步骤3：缺陷体外循环检测： 1）从资产管理系统获取上个月状态为“工作终结”的工作票；2）提取工作票中工作任务内容描述的特征词，与构建好的关键词库比对，筛选出属于缺陷核查的工作票；3）缺陷核查工作票与缺陷信息匹配。
2.根据权利要求1所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：缺陷关键信息包括：电压等级、缺陷等级、地点、设备名称、设备类别、缺陷表象、缺陷类型、缺陷描述、应消缺时间、发现时间、专业大类、生产厂家、设备型号、出厂年月、投产日期、缺陷前后图片。
3.根据权利要求2所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：电压等级核查方法为：（1）提取“设备名称”里的电压等级，与“电压等级”比对是否相符；（2）如果“设备名称”没有电压等级，则提取“地点”里的电压等级。
4.根据权利要求2或3所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：缺陷等级核查方法为：
（1）以“缺陷描述”为基准项；
（2）提取“缺陷描述”特征词，构建原始特征词库；
（3）通过近义词、同义词匹配，构建标准特征词库；
（4）通过“设备类别”确定缺陷表象库，通过《变电一次设备缺陷定级标准（运行分册）（试行）》构建缺陷表象库；
（5）通过组合标准特征词，匹配对应的缺陷表象，得到缺陷等级；
（6）与缺陷信息的“缺陷表象”“缺陷等级”比对，判断填报是否准确。
5.根据权利要求4所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：缺陷核查工作票与缺陷信息匹配方法为：（1）比对单位、站点、时间；（2）比对工作任务内容和缺陷描述，如果匹配得上，则合规，反之，判定为缺陷体外循环。
6.根据权利要求5所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：时间比对方法为按工作终结时间往后一周以内筛选消缺时间。
7.根据权利要求5所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：工作任务内容和缺陷描述比对方法为特征词比对法。
8.根据权利要求5所述的一种基于专家系统算法的缺陷填报数据治理方法，其特征在于：缺陷体外循环检测通过基于自然语言处理的工作票与缺陷关联分析，利用自然语言处理中的词汇规范化、命名实体识别、标准化数据词典等方法，实现工作票中缺陷内容识别，并对工作票中缺陷文本进行数据结构化，然后通过实体识别和关系抽取获取设备缺陷、设备工作票对应的关联关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110743814.4A CN113377759B (zh) | 2021-07-01 | 2021-07-01 | 一种基于专家系统算法的缺陷填报数据治理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110743814.4A CN113377759B (zh) | 2021-07-01 | 2021-07-01 | 一种基于专家系统算法的缺陷填报数据治理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113377759A true CN113377759A (zh) | 2021-09-10 |
| CN113377759B CN113377759B (zh) | 2023-05-16 |
Family
ID=77580439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110743814.4A Active CN113377759B (zh) | 2021-07-01 | 2021-07-01 | 一种基于专家系统算法的缺陷填报数据治理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113377759B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930365A (zh) * | 2012-09-24 | 2013-02-13 | 中国电力科学研究院 | 一种继电保护统计分析与运行管理数据的校核方法 |
| CN103020772A (zh) * | 2012-12-12 | 2013-04-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种表单管理信息系统及其表单管理方法 |
| CN104463708A (zh) * | 2014-12-15 | 2015-03-25 | 广东电网有限责任公司电力科学研究院 | 一种电力设备缺陷快速定级方法 |
| CN106990328A (zh) * | 2017-05-16 | 2017-07-28 | 国网山东省电力公司 | 配网抢修异常数据分析、故障定位系统及方法 |
| CN109583846A (zh) * | 2018-12-14 | 2019-04-05 | 国网湖南省电力有限公司 | 一种用于供电通信管理系统的数据核查方法及系统 |
| CN110321425A (zh) * | 2019-07-11 | 2019-10-11 | 云南电网有限责任公司电力科学研究院 | 一种电网缺陷类型的判断方法及装置 |
| CN110580387A (zh) * | 2019-08-27 | 2019-12-17 | 国网湖北省电力有限公司电力科学研究院 | 基于熵权法的直流保护系统混合威布尔可靠性评价方法 |
| CN110647567A (zh) * | 2019-09-12 | 2020-01-03 | 国网河北省电力有限公司 | 基于末端数据融合的停电计划辅助决策系统 |
| CN111797146A (zh) * | 2020-07-20 | 2020-10-20 | 贵州电网有限责任公司电力科学研究院 | 一种基于大数据的设备缺陷关联分析方法 |
| CN211741994U (zh) * | 2020-05-06 | 2020-10-23 | 云南电网有限责任公司信息中心 | 一种电网现场作业安全风险的识别监控装置 |
| CN112000708A (zh) * | 2020-07-10 | 2020-11-27 | 中国电力科学研究院有限公司 | 一种基于调控配用数据融合的异常数据处理方法及系统 |
| CN112085228A (zh) * | 2020-09-08 | 2020-12-15 | 核动力运行研究所 | 一种核电厂缺陷维修和状态报告管理的系统 |
| CN112101592A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 电力二次设备缺陷诊断方法、系统、设备及存储介质 |
| CN112288171A (zh) * | 2020-10-30 | 2021-01-29 | 国家电网有限公司 | 数据处理方法、装置和系统 |
| CN112732773A (zh) * | 2020-12-15 | 2021-04-30 | 中国电力科学研究院有限公司 | 一种继电保护缺陷数据的唯一性校核方法及系统 |
| CN113052296A (zh) * | 2021-03-02 | 2021-06-29 | 贵州电网有限责任公司 | 基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统 |
| CN113435652A (zh) * | 2021-07-01 | 2021-09-24 | 贵州电网有限责任公司 | 一种一次设备缺陷诊断与预测方法 |
| CN114386811A (zh) * | 2021-12-30 | 2022-04-22 | 贵州电网有限责任公司 | 一种基于工作票的配网作业计划体外循环自动判断方法 |
-
2021
- 2021-07-01 CN CN202110743814.4A patent/CN113377759B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930365A (zh) * | 2012-09-24 | 2013-02-13 | 中国电力科学研究院 | 一种继电保护统计分析与运行管理数据的校核方法 |
| CN103020772A (zh) * | 2012-12-12 | 2013-04-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种表单管理信息系统及其表单管理方法 |
| CN104463708A (zh) * | 2014-12-15 | 2015-03-25 | 广东电网有限责任公司电力科学研究院 | 一种电力设备缺陷快速定级方法 |
| CN106990328A (zh) * | 2017-05-16 | 2017-07-28 | 国网山东省电力公司 | 配网抢修异常数据分析、故障定位系统及方法 |
| CN109583846A (zh) * | 2018-12-14 | 2019-04-05 | 国网湖南省电力有限公司 | 一种用于供电通信管理系统的数据核查方法及系统 |
| CN110321425A (zh) * | 2019-07-11 | 2019-10-11 | 云南电网有限责任公司电力科学研究院 | 一种电网缺陷类型的判断方法及装置 |
| CN110580387A (zh) * | 2019-08-27 | 2019-12-17 | 国网湖北省电力有限公司电力科学研究院 | 基于熵权法的直流保护系统混合威布尔可靠性评价方法 |
| CN110647567A (zh) * | 2019-09-12 | 2020-01-03 | 国网河北省电力有限公司 | 基于末端数据融合的停电计划辅助决策系统 |
| CN211741994U (zh) * | 2020-05-06 | 2020-10-23 | 云南电网有限责任公司信息中心 | 一种电网现场作业安全风险的识别监控装置 |
| CN112000708A (zh) * | 2020-07-10 | 2020-11-27 | 中国电力科学研究院有限公司 | 一种基于调控配用数据融合的异常数据处理方法及系统 |
| CN111797146A (zh) * | 2020-07-20 | 2020-10-20 | 贵州电网有限责任公司电力科学研究院 | 一种基于大数据的设备缺陷关联分析方法 |
| CN112085228A (zh) * | 2020-09-08 | 2020-12-15 | 核动力运行研究所 | 一种核电厂缺陷维修和状态报告管理的系统 |
| CN112101592A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 电力二次设备缺陷诊断方法、系统、设备及存储介质 |
| CN112288171A (zh) * | 2020-10-30 | 2021-01-29 | 国家电网有限公司 | 数据处理方法、装置和系统 |
| CN112732773A (zh) * | 2020-12-15 | 2021-04-30 | 中国电力科学研究院有限公司 | 一种继电保护缺陷数据的唯一性校核方法及系统 |
| CN113052296A (zh) * | 2021-03-02 | 2021-06-29 | 贵州电网有限责任公司 | 基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统 |
| CN113435652A (zh) * | 2021-07-01 | 2021-09-24 | 贵州电网有限责任公司 | 一种一次设备缺陷诊断与预测方法 |
| CN114386811A (zh) * | 2021-12-30 | 2022-04-22 | 贵州电网有限责任公司 | 一种基于工作票的配网作业计划体外循环自动判断方法 |
Non-Patent Citations (3)
| Title |
|---|
| 何珍华: "电厂设备缺陷管理系统的设计与实现" * |
| 吕黔苏 等: "基于多源数据的电网设备缺陷体外循环研究及应用", 《HTTPS://WWW.SBGLCX.COM/CXCG/DETAIL.ASP?ARTICLELD=9572》 * |
| 张彤: "新型"互动式"两票及设备缺陷管理模式研究与应用", 《中小企业管理与科技(下旬刊)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113377759B (zh) | 2023-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110175324B (zh) | 一种基于数据挖掘的电网运行操作指令校验方法及系统 | |
| CN108447534A (zh) | 一种基于nlp的电子病历数据质量管理方法 | |
| CN111078897A (zh) | 一种生成六维知识图谱的系统 | |
| CN110275894A (zh) | 一种知识图谱的更新方法、装置、电子设备及存储介质 | |
| Huang et al. | A taxonomy system to identify human error causes for software defects | |
| CN113627739B (zh) | 工程建设项目安全风险评价指标体系的构建方法 | |
| CN113688169A (zh) | 基于大数据分析的矿山安全隐患辨识与预警系统 | |
| CN115718472A (zh) | 水电机组故障扫描诊断方法 | |
| CN112084220B (zh) | 一种电能计量装置异常诊断方法、装置及可读存储介质 | |
| CN114399212A (zh) | 生态环境质量评估方法、装置、电子设备及存储介质 | |
| CN118396795A (zh) | 一种融合大模型的校园生活记录方法 | |
| CN118114889A (zh) | 危化品应急辅助救援决策系统的构建方法及系统 | |
| CN117252305A (zh) | 一种房屋风险评估方法、装置、设备及介质 | |
| CN113377759A (zh) | 一种基于专家系统算法的缺陷填报数据治理方法 | |
| Hou | Financial Abnormal Data Detection System Based on Reinforcement Learning | |
| CN105573984A (zh) | 社会经济指标的识别方法及装置 | |
| CN114462705A (zh) | 一种计量物资检定计划生成方法及装置 | |
| CN113590825A (zh) | 文本质检方法、装置及相关设备 | |
| CN113610356A (zh) | 一种机场核心风险预测方法及系统 | |
| CN112510699A (zh) | 一种基于大数据的变电站二次设备状态分析方法及设备 | |
| Xiaojing | Research on Decision Analysis of Human Resources and Financial Management Based on Artificial Intelligence Technology | |
| Li | Research and Implementation of Intelligent Financial Audit System Based on Deep Learning | |
| CN116702902B (zh) | 一种水文数据图谱推理与知识库构建方法 | |
| CN117390139B (zh) | 基于知识图谱的变电工作票工作内容准确性评估的方法 | |
| CN116308158B (zh) | 一种国有资产监督管理系统 |
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 |