CN113553352A - 一种电力二次设备家族性缺陷辨识方法及系统 - Google Patents
一种电力二次设备家族性缺陷辨识方法及系统 Download PDFInfo
- Publication number
- CN113553352A CN113553352A CN202110643308.8A CN202110643308A CN113553352A CN 113553352 A CN113553352 A CN 113553352A CN 202110643308 A CN202110643308 A CN 202110643308A CN 113553352 A CN113553352 A CN 113553352A
- Authority
- CN
- China
- Prior art keywords
- equipment
- defect
- data
- defects
- familial
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 230000011664 signaling Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007418 data mining Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 10
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002633 protecting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力二次设备家族性缺陷辨识方法，包括以下步骤：采集二次设备的遥信数据、遥测数据和人工上报数据；构建数据存储结构，建立设备信息数据表、缺陷分类数据表、缺陷记录数据表；对设备信息数据表和缺陷记录数据表进行分析，确立设备间的相似度关系，作为家族性缺陷辨识的基础；定期检查缺陷记录，对相似设备出现的同类缺陷进行统计分析，将结果与设定的界定阈值比较，判定是否为家族性缺陷。基于上述方法提出了一种电力二次设备家族性缺陷辨识系统，本发明能过对整个电力系统内的二次设备的能够快速查询和定位，便于系统维护，提高安全性。
Description
技术领域
本发明涉及一种电力二次设备家族性缺陷辨识方法及系统。
背景技术
电力二次设备是对电力系统内一次设备进行监察，测量，控制，保护，调节的辅助设备，包括测量表计、控制和信号装置、继电保护装置和直流电源设备等。二次设备保障电力系统的正常运行，使电力系统具有可观测性与可控性，并完成事故状态下的紧急处理。在当前电网运行环境中，电力二次设备发生缺陷，尤其是危急和严重缺陷，会危电网的可靠稳定运行，电力设备在设计、制造、安装、运行、检修等环节的任何一个环节稍有不慎，都会给设备带来缺陷或者隐患。
家族缺陷指由设备的设计、材质、制作工艺等共性因素导致的设备缺陷。电力二次设备经常会出现某一批设备在一段较短时间内出现因某种共性因素导致的家族缺陷。出现家族缺陷的一系列设备在其家族缺陷隐患未被消除时均被称为具有家族缺陷的设备。如果某种设备的缺陷是由设计不当造成的，同种设计的其他设备也有发生同样缺陷的可能性，采用相同材质、相同制作工艺的设备也是如此。
目前家族性缺陷的辨识主要由人为上报确认，当设备发生缺陷或故障时，会伴随发生相关的告警信息，由站端人员将信息传递给主站监控人员，主站监控人员完成记录和分析，这种方法效率较低，不能对整个系统内的二次设备进行监控和管理，无法完成对家族性缺陷的预测。
发明内容
发明目的：针对上述现有技术的缺陷，本发明提供一种电力二次设备家族性缺陷辨识方法及系统，实现对电力系统内所有设备家族性缺陷的监控、管理和预测。
技术方案：本发明的电力二次设备家族性缺陷辨识方法包括：
采集设备的遥信数据、遥测数据和人工上报数据，建立设备信息数据表、缺陷分类数据表、缺陷记录数据表；
对设备信息数据表和缺陷记录数据表进行分析，确立设备间的相似度关系，作为家族性缺陷辨识的基础；
定期检查缺陷记录，对相似设备出现的同类缺陷进行统计分析，将结果与设定的界定阈值比较，判定是否为家族性缺陷，生成家族性缺陷数据表对具有中风险的设备进行加强跟踪，监控其故障发生情况，对具有高风险的设备进行检修。
设备信息数据表包括以下数据：设备名称、归属部门、上级设备名称、详细的性能参数和指标描述、验收负责人。
缺陷分类数据表包括以下数据：属性名、数据类型、约束条件、产生形式和备注。
缺陷记录数据表包括以下数据：设备名称、缺陷外在表象、缺陷等级、缺陷原因、处理措施，厂站名称、设备名称、设备厂商、发生缺陷时间、缺陷性质、值班人、消缺日期、消缺人、验收人。
对设备信息数据表和缺陷记录数据表进行分析包括：使用随机森林(RandomForest)、逻辑回归(Logistic Regression)、卷积神经网络(Convolutional NeuralNetwork) 算法建立子模型，将子模型融合成缺陷预测模型，该模型的输入是设备的描述信息和最近一个月的历史信号，输出是该设备未来一周出现各种缺陷的概率；将设备的描述信息和最近一个月的历史信号输入缺陷预测模型中，对设备的信息进行比较分析，确立设备间的相似度关系。
家族性缺陷数据表包括以下数据：设备类型、家族性缺陷设备相关要素(制造厂、结构、组部件及用材、产品生产时间、批次)、对设备状态的影响、家族性缺陷处理意见。
本发明的电力二次设备家族性缺陷辨识系统包括用于记录人工上报数据、管理设备和缺陷信息的人机交互平台，用于采集设备遥信、遥测数据的数据采集模块，数据存储模块、用于根据数据类型、关键词生成数据表的数据挖掘模块，用于比较分析设备信息并辨识家族性缺陷的缺陷分析预测模块，所述人机交互平台与数据挖掘模块和缺陷分析预测模块通信连接，所述数据采集模块与数据存储模块通信连接，所述数据存储模块与数据挖掘模块和缺陷分析预测模块通信连接。
有益效果：与现有技术相比，本发明具有如下显著优点：对整个电力系统内的二次设备的能够快速查询和定位，有利于系统的维护，保证运行安全。
附图说明
图1为本发明的方法流程图；
图2为本发明的系统结构示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
首先建立设备信息数据表，设备信息管理要实现设备信息的添加、删除、修改与查询等，因此，设备信息数据表包括以下几个属性：名称、归属部门、上级设备名称、详细的性能参数和指标描述、验收负责人。添加上级设备名称属性的目的是能够快速的查询和定位设备，并且能够帮助描述设备，实现设备分层化管理，仿照部门管理来设置上级设备。所属部门属性用来快速定位设备位置，添加验收负责人属性是为了系统能及时查询负责人通讯地址，通知执行任务。
建立缺陷分类数据表，将一批属于同一厂商拥有同一型号的设备归为一类，统称为一个家族，当某台设备短时间内多次出现同一问题，比如服务器磁盘损坏告警、内存长期占满或损坏等，即判定为设备缺陷。当一个家族内的多台设备出现上述缺陷，即为产生了家族性缺陷。将缺陷按严重程度分为一般缺陷、严重缺陷、危急缺陷；其中一般缺陷包括CPU使用率一般越限、内存使用率一般越限、磁盘一般越限、网络IO一般越限、交换分区一般越限、iowait过高等；一般缺陷出现一定时间内不会影响设备运行，允许有一段时间的维修空间，通常会被列入季度或年度检修计划内，可降低检修的频率。
严重缺陷包括CPU温度过高、风扇转速异常、CPU电压越限等，出现严重缺陷时，系统不会马上停止运行，但是如果继续拖延维修，导致事故发生的概率很高，因此，此类缺陷应该被安排在近期内检修，以保证安全运行。
危急缺陷包括磁盘物理状态异常、电源状态异常、网卡状态异常、网口状态异常、CPU使用率严重越限、内存使用率严重越限、磁盘严重越限、网络IO严重越限、交换分区严重越限等；危急缺陷对整个电网，人身以及设备系统有严重的安全威胁，需要及时处理，若拖延检修，导致重大事故发生的概率很高，一旦发生会带来严重的威胁，因而此类缺陷一旦发现应马上检修。
表1缺陷分类数据表的结构
| 序号 | 属性名 | 英文属性名 | 数据类型 | 约束条件 | 产生形式 | 备注 |
| 1. | ID | ID | VC(56) | 自增 | ||
| 2. | 缺陷等级 | NAME | VC(16) | |||
| 3. | 级别 | LEVEL | INT |
建立缺陷信息数据表，缺陷信息包括以下属性：设备名称、缺陷外在表象、缺陷等级、缺陷原因、处理措施等。自动化设备处在实时监测中，一旦有异常出现，首先能够确定发生缺陷的设备，然后用设备名查询相关的缺陷信息，获得详尽的缺陷原因和处理措施，并与实际表现做比较。如果是新的缺陷表象，则重新添加，并作出告知或提示；如果有相同的缺陷记录，就作出维修提示并显示处理措施，同时也生成此次的缺陷记录；如果有些缺陷发生了变化，就需要进行修改操作；若由于设备升级，有些缺陷不会再发生，就需要进行删除操作，还提供组合条件查询，方便综合管制。
设备的缺陷记录不仅能作为设备评估体系中的一项重要指标，将积累的缺陷数据和当前的检测到的缺陷，结合数据挖掘技术评定缺陷等级，还能够根据缺陷等级，实现消缺自动安排。
电力二次设备家族性缺陷辨识系统包括人机交互平台，数据采集模块，数据存储模块、数据挖掘模块，缺陷分析预测模块。
系统定期根据缺陷记录，自动对设备的厂家、型号、版本、生产时间等进行多维度比较分析，确立设备间的相似度关系，作为家族缺陷分析的基础；定期检查缺陷记录，对相似设备出现的同类缺陷进行统计分析，将结果与设定的界定阈值比较，得出并报告该类缺陷是否为潜在的家族性缺陷。
数据采集模块采集并整合电力二次设备的遥信、遥测等数据、设备台账(型号及版本)、故障、缺陷、告警等数据，存储在数据存储模块中，数据挖掘模块利用数据挖掘技术建立设备缺陷、故障识别模型、故障告警信息，同时支持自定义设备缺陷，故障规则定制，正向判定存在缺陷，故障设备，实现家族性缺陷分析。
人机交互平台以设备为出发点，查询告警数据中的内容，结合缺陷规则定义及关键字锁定此设备的ID，同时关联设备台帐，寻找同一厂家生产的设备，遍历所有与这些设备的关联的特征数据信息，得出系统内同一厂家生产的设备台数、其中拥有家族性缺陷的设备数量，以及此类设备拥有家族性缺陷的概率，工作人员可手动输入设备信息以及未被识别的故障信息或删除设备信息及故障信息。
基于二次设备的全景监视信息，即二次设备的历史运行信息和实时运行信息，生产二次设备的相对应的电子记录，记录内容至少包含设备的故障信息和缺陷信息，以此作为设备的缺陷信息标识，提高设备缺陷管理效率。另外，也可以根据告警信息和缺陷生成规则，自动生成缺陷信息记录，同时也支持工作人员手动输入未被系统自动识别的缺陷或运行错误。缺陷记录应包含厂站名称、设备名称、设备厂商、发生缺陷时间、缺陷性质、值班人、消缺日期、消缺人、验收人等。
提供用户确认功能，确认分析结果是否为家族性缺陷。
家族性缺陷信息内容应包括：设备类型、家族性缺陷设备相关要素(制造厂、结构、组部件及用材、产品生产时间、批次等)、对设备状态的影响、家族性缺陷处理意见等。
Claims (8)
1.一种电力二次设备家族性缺陷辨识方法，其特征在于所述方法包括如下步骤：
(1)采集设备的遥信数据、遥测数据并与人工上报数据汇总，建立设备信息数据表、缺陷分类数据表、缺陷记录数据表；
(2)对设备信息数据表和缺陷记录数据表进行分析，将各厂家、型号及部件故障率和对应厂家、型号及部件的平均故障率进行比较，获得比较系数k作为家族性缺陷辨识的基础，预测未来一周内发生家族性缺陷的设备和概率；
(3)定期检查缺陷记录，对相似设备出现的同类缺陷进行分析，确定具有高、中、低风险家族缺陷的设备型号，生成家族性缺陷数据表；对具有中风险的设备进行加强跟踪，监控其故障发生情况，对具有高风险的设备进行检修。
2.根据权利要求1所述的电力二次设备家族性缺陷辨识方法，其特征在于所述设备信息数据表包括以下数据：设备名称、归属部门、上级设备名称、详细的性能参数和指标描述、验收负责人。
3.根据权利要求1所述的电力二次设备家族性缺陷辨识方法，其特征在于所述缺陷分类数据表包括以下数据：属性名、数据类型、约束条件、产生形式和备注。
4.根据权利要求1所述的电力二次设备家族性缺陷辨识方法，其特征在于所述缺陷记录数据表包括以下数据：设备名称、缺陷外在表象、缺陷等级、缺陷原因、处理措施，厂站名称、设备名称、设备厂商、发生缺陷时间、缺陷性质、值班人、消缺日期、消缺人、验收人。
5.根据权利要求1所述的电力二次设备家族性缺陷辨识方法，其特征在于所述步骤(2)包括以下步骤：
使用随机森林、逻辑回归和卷积神经网络算法建立子模型，将子模型融合成缺陷预测模型；
将设备的描述信息和最近一个月的历史信号输入缺陷预测模型中，对设备的信息进行比较分析，确立设备间的相似度关系，获得比较系数k。
6.根据权利要求1所述的电力二次设备家族性缺陷辨识方法，其特征在于所述步骤(3)包括：计算故障集中度η，将k除以η，并将获得的值k1和阈值进行比较，同时根据样本数量，计算判读结果的置信度指标，如k1小于阈值，则设备有低风险家族缺陷，如k1大于阈值，且可靠度不大于0.85，则设备具有中风险家族缺陷，如k1大于阈值且置信度大于0.8，则设备具有高风险家族缺陷。
7.根据权利要求1所述的电力二次设备家族性缺陷辨识方法，其特征在于所述家族性缺陷数据表包括以下数据：设备类型、家族性缺陷设备相关要素、对设备状态的影响、家族性缺陷处理意见；所述家族性缺陷设备相关要素包括制造厂、结构、组部件及用材、产品生产时间、批次。
8.一种电力二次设备家族性缺陷辨识系统，其特征在于，所述系统包括用于记录人工上报数据、管理设备和缺陷信息的人机交互平台，用于采集设备遥信、遥测数据的数据采集模块，数据存储模块、用于根据数据类型、关键词生成数据表的数据挖掘模块，用于比较分析设备信息并辨识家族性缺陷的缺陷分析预测模块，所述人机交互平台与数据挖掘模块和缺陷分析预测模块通信连接，所述数据采集模块与数据存储模块通信连接，所述数据存储模块与数据挖掘模块和缺陷分析预测模块通信连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110643308.8A CN113553352A (zh) | 2021-06-09 | 2021-06-09 | 一种电力二次设备家族性缺陷辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110643308.8A CN113553352A (zh) | 2021-06-09 | 2021-06-09 | 一种电力二次设备家族性缺陷辨识方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113553352A true CN113553352A (zh) | 2021-10-26 |
Family
ID=78130585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110643308.8A Pending CN113553352A (zh) | 2021-06-09 | 2021-06-09 | 一种电力二次设备家族性缺陷辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113553352A (zh) |
-
2021
- 2021-06-09 CN CN202110643308.8A patent/CN113553352A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及系统 | |
| US11016479B2 (en) | System and method for fleet reliabity monitoring | |
| CN109933905B (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
| CN108133316B (zh) | 一种供电厂电力设备家族性缺陷的检测方法 | |
| CN103761173A (zh) | 一种基于日志的计算机系统故障诊断方法及装置 | |
| WO2015121176A1 (en) | Method of identifying anomalies | |
| EP3686819A1 (en) | Cost analysis system and method for detecting anomalous cost signals | |
| CN117689214B (zh) | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 | |
| CN113128707A (zh) | 一种配电自动化终端态势风险评估方法 | |
| CN113723726B (zh) | 化工装置运行过程风险预警与管控的方法及系统 | |
| CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
| CN116010456A (zh) | 设备的处理方法、服务器和轨道交通系统 | |
| US20220207988A1 (en) | Methods, systems, and computer programs for alarm handling | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| CN114676791A (zh) | 一种基于模糊证据推理的电力系统告警信息处理方法 | |
| CN105469186A (zh) | 一种能够自监测的风险监测系统及自监测方法 | |
| CN113255096A (zh) | 基于向前逐步回归的高损线路异常台区定位方法及系统 | |
| CN116071902B (zh) | 一种监控机房动力设备的方法、设备及介质 | |
| CN116910128A (zh) | 风电机组硬软故障数据分析系统及其分析方法 | |
| CN113553352A (zh) | 一种电力二次设备家族性缺陷辨识方法及系统 | |
| CN115130692A (zh) | 设备云监控系统 | |
| CN113836203A (zh) | 一种网络数据化诊断检测分析系统 | |
| CN111260150A (zh) | 一种通信设备运行风险预警方法及通信管理系统 | |
| CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 | |
| CN116431435A (zh) | 异常指标数据监控方法、介质、装置和计算设备 |
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 |