CN113837526A - 基于边缘计算的变电站设备智能分析方法及系统 - Google Patents
基于边缘计算的变电站设备智能分析方法及系统 Download PDFInfo
- Publication number
- CN113837526A CN113837526A CN202110866796.9A CN202110866796A CN113837526A CN 113837526 A CN113837526 A CN 113837526A CN 202110866796 A CN202110866796 A CN 202110866796A CN 113837526 A CN113837526 A CN 113837526A
- Authority
- CN
- China
- Prior art keywords
- data
- substation equipment
- analysis
- detection
- data set
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Abstract
本发明公开了基于边缘计算的变电站设备智能分析方法及系统,包括移动终端,用于获取多组变电站设备的多源信道数据,通过边缘计算装置,用于判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集,对初始数据集进行质量检测,得到标准数据集,基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果,通过该方法进行变电站设备智能分析,可以将数据处理、数据分析的过程在变电站端完成,降低了通信及数据集中管理的成本,同时通过对变电站设备多源信道数据进行处理,在进行变电站设备分析,增强了变电站运检系统的数据处理能力,提高了分析结果的准确性。
Description
技术领域
本发明属于设备检测领域,特别涉及基于边缘计算的变电站设备智能分析方法及系统。
背景技术
变电运维工作是变电站安全稳定运行的重要保障,随着大电网建设的不断推进,变电站设备数量迅猛增长,设备运维工作面临着工作量激增与人员相对短缺的突出矛盾。计算机技术和人工智能技术不断飞速发展,使得建设智慧变电站成为解决人员不足问题的重要举措。但是随着智能运检体系深化建设,变电站智能运检体系出现了变电站设备数据通过光纤等信道统一传输到后台服务器分析处理,增加了通信及数据集中管理的成本压力、变电站设备数据类型单一、缺乏数据处理能力导致分析结果存在偏差等问题。
发明内容
针对上述现有技术存在的问题,本发明提供了基于边缘计算的变电站设备智能分析方法及系统,通过边缘计算装置进行数据处理减少了通信及数据集中通过管理的成本,多源信道数据及数据质量检测的运用增加了分析结果的准确性。
本发明实施例的第一方面提供了基于边缘计算的变电站设备智能分析方法,所述方法包括:
获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至边缘计算装置;
判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集;
对初始数据集进行质量检测,筛除低质量数据,得到标准数据集;
基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果;
获取变电站设备的综合分析结果所对应的变电站设备状态,生成变电站设备的分析报告,并发送至用户端。
本发明实施例的第二方面提供了基于边缘计算的变电站设备智能分析系统,所述系统包括:
移动终端,用于获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至边缘计算装置;
边缘计算装置,所述边缘计算装置包括数据筛选模块、数据分析模块、AI分析模块,
所述数据筛选模块用于判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集;
所述数据分析模块用于对初始数据集进行质量检测,得到标准数据集;
所述AI分析模块用于基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果;
云端服务器,用于获取变电站设备的综合分析结果所对应的变电站设备状态,生成变电站设备分析报告,并发送至用户端。
本发明实施例的第三方面提供了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现上述的基于边缘计算的变电站设备智能分析方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现上述的基于边缘计算的变电站设备智能分析方法
本发明的基于边缘计算的变电站设备智能分析方法及系统,具备如下有益效果:
1.本发明公开了基于边缘计算的变电站设备智能分析方法及系统,包括移动终端,用于获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至设置在变电站端的边缘计算装置,边缘计算装置接收到变电站设备的多源信道数据后会对数据进行处理,然后基于处理后的标准数据对变电站设备进行综合分析,并将综合分析结果上传至云端服务器,通过该方法进行变电站设备智能分析,可以将数据处理、数据分析的过程在变电站端完成,避免了将大量的数据上传至云端服务器,大大的降低了通信及数据集中管理的成本,同时通过变电站设备多源信道数据对变电站设备进行综合分析,增加了变电站设备的分析维度,提高了分析结果的准确性。
2.本发明公开了基于边缘计算的变电站设备智能分析方法及系统,包括获取多组变电站设备的多源信道数据,判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集,对初始数据集进行质量检测,得到标准数据集,基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果,通过该方法提高了变电站运检体系的数据处理能力,在对变电站设备进行智能分析前,先对变电站数据进行处理,减少了低质量数据对分析结果的影响,使得分析过程更加的高效,分析结果更加准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例基于边缘计算的变电站设备智能分析方法的整体流程图;
图2初始数据集的组合过程流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了基于边缘计算的变电站设备智能分析方法,上述方法包括:
获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至边缘计算装置;
判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集;
对初始数据集进行质量检测,筛除低质量数据,得到标准数据集;
基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果;
获取变电站设备的综合分析结果所对应的变电站设备状态,生成变电站设备的分析报告,并发送至用户端。
参照图片1,在本实施例中,通过移动终端获取多组变电站设备的多源信道数据,并将多源信道数据上传至边缘计算装置,由边缘计算装置判断所述多源信道数据的属性是否符合预设条件,若多源信道数据的属性符合预设条件则将其保留,并将所有符合的数据组合成初始数据集,在对初始数据集中的数据进行质量检测,筛除低质量数据,将剩余数据组合为标准数据集,基于该标准数据集中的数据对变电站设备从多个维度进行综合分析,最终将综合分析结果上传至云端服务器,整个变电站设备智能分析中的数据处理、数据分析的过程均在在变电站端完成,避免了将大量的数据上传至云端服务器,大大的降低了通信及数据集中管理的成本,同时在对变电站设备进行智能分析前,先对变电站数据进行处理,减少了低质量数据对分析结果的影响,保证了多源数据的准确性,使得最终的分析结果更加准确,再由云端服务器生成变电站设备的分析报告,并发送至用户端,完成变电站设备的智能分析过程。
基于上述智能分析方法,上述多源信道数据通过设置在变电站的多种移动终端进行采集,所述移动终端包括摄像机、声纹传感器、巡检机器人中的一种或多种,移动终端与设置在变电站的边缘计算装置通信连接。
具体的是,变电站设备的多源信道数据通过设置在变电站现场的移动终端进行采集,移动终端包括摄像机、声纹传感器、巡检机器人,采集到变电站设备数据之后,移动终端与边缘计算装置进行通信,将采集的数据发送到边缘计算装置进行处理。
基于上述智能分析方法,上述初始数据集的组合过程如下:
获取多源信道数据的属性,所述多源信道的属性包括数据来源,数据类型,数据持续时间;
判断多源信道数据来源是否为移动终端采集,若不是则丢其该数据;
若是则判断数据类型是否为图片数据、声纹数据、视频数据中的一种,若不是则丢弃该数据;
若是则判断该数据的持续时间满足所设阈值,若不满足则丢弃该数据;
若满足则保留该数据,并将符合标准的多源信道数据组合得到初始数据集。
参照图片2,在本实施例中,边缘计算装置在接收到多源信道数据之后,需要先获取多源信道数据的属性,在本实施例中多源信道数据的属性包括数据来源,数据类型,数据持续时间,然后根据多源信道数据的属性对数据进行筛选,判断该数据是否为移动终端采集的数据,如果不是在丢弃该数据,如果是在继续判断该数据的类型是否是图片数据、声纹数据、视频数据中的一种,其中图片数据为连续的组合图片,如果该数据是片数据、声纹数据、视频数据中的一种,则继续判断概数据的持续时间是否满足所设阈值,在本实施例中数据持续时间阈值为2分钟,持续时间小于两分钟的数据将会被丢弃,图片数据的持续时间为第一张图片的采集时间与最后一张图片采集时间的差,如果该数据持续时间满足所设阈值,则保留该数据,并将所有保留的数据组合成初始数据集。
基于上述智能分析方法,上述对初始数据集进行质量检测的具体步骤如下:
步骤1:获取初始数据集,根据初始数据集的数据类型确定质量检测的各项检测指标;
步骤2:构建初始数据集与各项检测指标之间的目标矩阵D;
步骤3:基于目标矩阵D计算初始数据集各项检测指标对初始数据集的影响因子参数a;
步骤4:以步骤3中计算所得的影响因子参数a做为算子,计算各项检测指标在初始数据集质量检测中的权重参数w,
步骤5:基于各项检测指标的权重参数w对初始数据集进行质量检测,得到初始数据集的质量检测结果。
在本实施例中,通过对数据进行评价,最终确定数据的质量。首先根据初始数据集的数据类型确定数据的检测指标,初始数据类型包括图片数据、声纹数据、视频数据,因此在本实施例中数据的检测指标优选准确度、完整度、一致度、及时度、冗余度,基于选择的评价指标构建初始数据集与各项检测指标之间的目标矩阵,以目标矩阵中的数值作为参数计算出初始数据集各项检测指标对初始数据集的影响因子参数a,得到各项检测指标之间的重要性排序,在以影响因子参数a作为算子,计算出项检测指标在初始数据集质量检测中的权重参数w,然后根据该权重参数w,可计算出检测指标的评价数值,即为数据质量的数值化表示。
基于上述智能分析方法,上述影响因子参数a的具体计算方式如下:
构建初始数据集与各项检测指标之间的目标矩阵D=(dij)m×n,其中,dij表示第i检测指标对第j个待检测数据的检测结果,n、m分别表示待检测数据和检测指标的个数;
计算第i个检测指标对检测结果的影响参数Ai,计算公式如下:
基于目标矩阵D,以检测结果作为参数代入公式(1)中,的到影响因子参数a,计算公式如下:
其中检测指标的影响因子参数a越大,检测指标的相对重要性越大。
具体的是,构建初始数据集与各项检测指标之间的目标矩阵D=(dij)m×n,其中,dij表示第i检测指标对第j个待检测数据的检测结果,n、m分别表示待检测数据和检测指标的个数,然后计算第i个检测指标对检测结果的影响参数Ai,
其中检测指标的影响因子参数a越大,检测指标的相对重要性越大。
基于上述智能分析方法,上述权重参数w的具体计算方式如下:
基于各项检测指标的影响因子参数a对检测指标进行重要性排序,则各项检测指标影响因子参数的排序结果为a1>a2>…>ai>…>am,其中ai表示第i个检测指标的影响因子参数;
采用专家打分法确定检测指标的权重检测标度ri,基于权重检测标度ri计算检测指标的主权权重,得到检测指标的主观权重w';
将各项检测指标的影响因子参数a作为算子,计算检测指标的客观权重,得到检测指标的客观权重w*;
基于检测指标的主观权重w'和客观权重w*,计算出检测指标的权重w=αw'+βw*,其中α、β分别表示主观权重和客观权重的系数,α+β=1。
在本实施例中,首先对各项检测指标的影响因子参数a进行排序,排序结果为a1>a2>…>ai>…>am,其中ai表示第i个检测指标的影响因子参数,因为检测指标的影响因子参数a越大,检测指标的相对重要性越大,因此因子参数a排序结果,即为检测指标重要性排序结果。再通过专家打分法确定检测指标的权重检测标度ri,其中ri表示第i-1项与第i之间重要性比值,在本实施例中由专家独自判定,基于该值可计算出检测指标的主权权重,然后将各项检测指标的影响因子参数a作为算子,可之间计算出检测指标的客观权重,根据检测指标的主观权重w'和客观权重w*,可求得检测指标的权重w=αw'+βw*,其中α、β分别表示主观权重和客观权重的系数,α+β=1,在本实施例中α=β=0.5。
本发明实施例提供了基于边缘计算的变电站设备智能分析系统,上述系统包括:
移动终端,用于获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至边缘计算装置;
边缘计算装置,所述边缘计算装置包括数据筛选模块、数据分析模块、AI分析模块,
所述数据筛选模块用于判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集;
所述数据分析模块用于对初始数据集进行质量检测,得到标准数据集;
所述AI分析模块用于基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果;
云端服务器,用于获取变电站设备的综合分析结果所对应的变电站设备状态,生成变电站设备分析报告,并发送至用户端。
本实施例提供的基于边缘计算的变电站设备智能分析系统与上述实施例提供的基于边缘计算的变电站设备智能分析方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
基于上述智能分析系统,上述边缘计算装置设置于变电站端,用于处理移动终端获取的变电站设备的多源信道数据,所述云端服务器与边缘计算装置通信连接,用于基于边缘计算装置对变电站设备的综合分析结果,获取变电站设备的状态,并生成对应的设备分析报告,发送至用户端。
在本实施例中,移动终端用于获取变电站设备的多源信道数据并将获取的数据上传至设置于变电站端的边缘计算装置,由边缘计算装置对多源信道数据,进行数据筛选和质量检测,最终得到标准数据集,然后边缘计算装置基于得到的标准数据对变电站设备的综合分析,最终将分析结果发送到云端服务器,云端服务器用于基于边缘计算装置对变电站设备的综合分析结果,获取变电站设备的状态,并生成对应的设备分析报告,发送至用户端。在本实施例中,数据处理的过程均在变电站端通过边缘计算装置完成,减少了数据传输与数据管理的成本,使得变电站智能分析更加的高效、准确。
本发明实施例提供了一种终端,包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现上述的基于边缘计算的变电站设备智能分析方法。
本发明实施例提供了一种终端,该终端包括:至少一个处理器、存储器、用户接口和至少一个网络接口。终端中的各个组件通过总线系统耦合在一起。可以理解,总线系统用于实现这些组件之间的连接通信。
本发明实施例提供了一种计算机可读存储介质,该存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现上述的基于边缘计算的变电站设备智能分析方法。
可以理解,存储器可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。本发明实施例中的存储器能够存储数据以支持终端的操作。这些数据的示例包括:用于在终端上操作的任何计算机程序,如操作系统和应用程序。其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。
Claims (10)
1.基于边缘计算的变电站设备智能分析方法及系统,其特征在于,所述方法包括:
获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至边缘计算装置;
判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集;
对初始数据集进行质量检测,筛除低质量数据,得到标准数据集;
基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果;
获取变电站设备的综合分析结果所对应的变电站设备状态,生成变电站设备的分析报告,并发送至用户端。
2.根据权利要求1所述基于边缘计算的变电站设备智能分析方法,其特征在于,所述多源信道数据通过设置在变电站的多种移动终端进行采集,所述移动终端包括摄像机、声纹传感器、巡检机器人中的一种或多种,移动终端与设置在变电站的边缘计算装置通信连接。
3.根据权利要求2所述基于边缘计算的变电站设备智能分析方法,其特征在于,所述初始数据集的组合过程如下:
获取多源信道数据的属性,所述多源信道的属性包括数据来源,数据类型,数据持续时间;
判断多源信道数据来源是否为移动终端采集,若不是则丢其该数据;
若是则判断数据类型是否为图片数据、声纹数据、视频数据中的一种,若不是则丢弃该数据;
若是则判断该数据的持续时间满足所设阈值,若不满足则丢弃该数据;
若满足则保留该数据,并将符合标准的多源信道数据组合得到初始数据集。
4.根据权利要求1所述基于边缘计算的变电站设备智能分析方法,其特征在于,所述对初始数据集进行质量检测的具体步骤如下:
步骤1:获取初始数据集,根据初始数据集的数据类型确定质量检测的各项检测指标;
步骤2:构建初始数据集与各项检测指标之间的目标矩阵D;
步骤3:基于目标矩阵D计算初始数据集各项检测指标对初始数据集的影响因子参数a;
步骤4:以步骤3中计算所得的影响因子参数a做为算子,计算各项检测指标在初始数据集质量检测中的权重参数w,
步骤5:基于各项检测指标的权重参数w对初始数据集进行质量检测,得到初始数据集的质量检测结果。
6.根据权利要求5所述基于边缘计算的变电站设备智能分析方法,其特征在于,所述权重参数w的具体计算方式如下:
基于各项检测指标的影响因子参数a对检测指标进行重要性排序,则各项检测指标影响因子参数的排序结果为a1>a2>…>ai>…>am,其中ai表示第i个检测指标的影响因子参数;
采用专家打分法确定检测指标的权重检测标度ri,基于权重检测标度ri计算检测指标的主权权重,得到检测指标的主观权重w';
将各项检测指标的影响因子参数a作为算子,计算检测指标的客观权重,得到检测指标的客观权重w*;
基于检测指标的主观权重w'和客观权重w*,计算出检测指标的权重w=αw'+βw*,其中α、β分别表示主观权重和客观权重的系数,α+β=1。
7.基于边缘计算的变电站设备智能分析系统,其特征在于,所述系统包括:
移动终端,用于获取多组变电站设备的多源信道数据,并将所述多源信道数据上传至边缘计算装置;
边缘计算装置,所述边缘计算装置包括数据筛选模块、数据分析模块、AI分析模块,
所述数据筛选模块用于判断所述多源信道数据的属性是否符合预设条件,将属性符合预设条件的多源信道数据组合成为初始数据集;
所述数据分析模块用于对初始数据集进行质量检测,得到标准数据集;
所述AI分析模块用于基于标准数据集中的数据对变电站设备进行多源分析,得到变电站设备的综合分析结果;
云端服务器,用于获取变电站设备的综合分析结果所对应的变电站设备状态,生成变电站设备分析报告,并发送至用户端。
8.根据权利要求7所述基于边缘计算的变电站设备智能分析系统,所述边缘计算装置设置于变电站端,用于处理移动终端获取的变电站设备的多源信道数据,所述云端服务器与边缘计算装置通信连接,用于基于边缘计算装置对变电站设备的综合分析结果,获取变电站设备的状态,并生成对应的设备分析报告,发送至用户端。
9.一种终端,其特征在于,所述终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现如权利要求1至6中任一项权利要求所述的基于边缘计算的变电站设备智能分析方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现如权利要求1至6中任一项权利要求所述的基于边缘计算的变电站设备智能分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110866796.9A CN113837526A (zh) | 2021-07-29 | 2021-07-29 | 基于边缘计算的变电站设备智能分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110866796.9A CN113837526A (zh) | 2021-07-29 | 2021-07-29 | 基于边缘计算的变电站设备智能分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113837526A true CN113837526A (zh) | 2021-12-24 |
Family
ID=78963069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110866796.9A Pending CN113837526A (zh) | 2021-07-29 | 2021-07-29 | 基于边缘计算的变电站设备智能分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837526A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439021A (zh) * | 2022-10-26 | 2022-12-06 | 江苏新恒基特种装备股份有限公司 | 一种金属强化处理质量分析方法及系统 |
-
2021
- 2021-07-29 CN CN202110866796.9A patent/CN113837526A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439021A (zh) * | 2022-10-26 | 2022-12-06 | 江苏新恒基特种装备股份有限公司 | 一种金属强化处理质量分析方法及系统 |
CN115439021B (zh) * | 2022-10-26 | 2023-03-24 | 江苏新恒基特种装备股份有限公司 | 一种金属强化处理质量分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109347668B (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN109711556B (zh) | 机巡数据处理方法、装置、网级服务器和省级服务器 | |
CN113872328A (zh) | 基于神经网络的变电站远程智能巡检方法及系统 | |
CN110472822A (zh) | 一种智能配电网供电可靠性评估系统及方法 | |
CN112199805B (zh) | 一种输电线路隐患识别模型评估方法及装置 | |
CN111598457B (zh) | 一种电力无线网络质量的确定方法及装置 | |
CN108684051B (zh) | 一种基于因果诊断的无线网络性能优化方法、电子设备及存储介质 | |
CN113837526A (zh) | 基于边缘计算的变电站设备智能分析方法及系统 | |
CN115271000A (zh) | 一种用于电缆隧道的状态监测方法及系统 | |
CN111901134B (zh) | 一种基于循环神经网络模型rnn的预测网络质量的方法和装置 | |
CN113689079A (zh) | 基于多元线性回归和聚类分析的台区线损预测方法及系统 | |
CN113361959A (zh) | 一种银行业务集中运营成熟度的计算方法和装置 | |
CN108665376B (zh) | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 | |
CN116013508A (zh) | 一种用于眼科的数据采集系统及方法 | |
CN111950752A (zh) | 光伏电站发电量预测方法、装置、系统及其存储介质 | |
CN112988718B (zh) | 一种自动监测电力的方法及其系统 | |
CN115866235A (zh) | 视频质量评估方法、装置、电子设备及存储介质 | |
US9665795B2 (en) | Method and apparatus for identifying root cause of defect using composite defect map | |
CN113064812A (zh) | 一种项目开发过程质量缺陷预测方法、装置及介质 | |
CN111565121A (zh) | 人员及技术对it支撑度评估方法及装置 | |
CN113537528B (zh) | 一种输变电设备状态监测数据的预处理方法及系统 | |
CN113642834B (zh) | 基于任务属性优先级映射的任务重要性评价方法和系统 | |
CN114401398B (zh) | 智能视频运维管理系统 | |
CN117331908B (zh) | 一种实时数据库在线扩容方法及系统装置 | |
CN117911203A (zh) | 一种基于情报实时更新的伴随时间分析方法及系统 |
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 |