CN113869633A - 一种配电网多源数据质量管控方法 - Google Patents
一种配电网多源数据质量管控方法 Download PDFInfo
- Publication number
- CN113869633A CN113869633A CN202110967574.6A CN202110967574A CN113869633A CN 113869633 A CN113869633 A CN 113869633A CN 202110967574 A CN202110967574 A CN 202110967574A CN 113869633 A CN113869633 A CN 113869633A
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- quality
- source data
- power distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 52
- 238000003908 quality control method Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 87
- 238000013441 quality evaluation Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000007689 inspection Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
- 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)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明涉及数据质量管控,具体涉及一种配电网多源数据质量管控方法,获取配电网相关的多源数据,并对多源数据进行元数据提取;构建配电网中的数据质量评估模型,并根据数据质量评估模型及评估需求确定评估指标;结合数据质量评估规则,确定评估指标中包含的元数据,并对元数据赋予相应权重;根据数据质量检验规则判断评估指标的质量维度,结合赋予权重的元数据得到各质量维度的评价值;构建质量分析评价模型,对各质量维度的评价值进行标准分转换;根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果;本发明提供的技术方案能够有效克服现有技术所存在的无法对配电网多源数据的质量进行有效管控的缺陷。
Description
技术领域
本发明涉及数据质量管控,具体涉及一种配电网多源数据质量管控方法。
背景技术
配电网处于电力系统的末端,具有地域分布广、电网规模大、设备种类多、网络连接多样等鲜明特点。随着配电网信息化水平日益提升,配电网中各类信息系统为配电网的运行与业务应用提供了丰富的数据基础,其中既包含配电自动化、调度自动化、生产管理系统等系统内部数据,同时也包含自然环境、社会经济等外部数据,并且涉及配电网规划、运行与检修等多个环节。
配电网数据具有以下特征:(1)数据采集来源多,每个采集点采集相对固定类型的数据,且分布在各个电压等级内;(2)不同采集点的采样时间尺度不同,数据断面不同;(3)数据不健全,数据采集过程中存在误差和漏传等情况;(4)数据分散在不同的应用系统中。由于配电网数据采集量大、时空尺度不同、结构多样化,并且存在误差和漏传等情况,因此配电网的数据质量问题是一个共性且突出的典型问题。
虽然,当前在配电网数据密集型基础分析、智能化辅助决策和高性能并行优化计算等方面研究取得了重大突破,但是配电网数据传输的“中间薄弱”问题却一直未能得到有效解决。如何对数据选择适配的质量管控策略,进一步改善数据质量,实现数据质量修复,以提升配电网领域业务应用水准是当前亟待解决的问题。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点,本发明提供了一种配电网多源数据质量管控方法,能够有效克服现有技术所存在的无法对配电网多源数据的质量进行有效管控的缺陷。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种配电网多源数据质量管控方法,包括以下步骤:
S1、获取配电网相关的多源数据,并对多源数据进行元数据提取;
S2、构建配电网中的数据质量评估模型,并根据数据质量评估模型及评估需求确定评估指标;
S3、结合数据质量评估规则,确定评估指标中包含的元数据,并对元数据赋予相应权重;
S4、根据数据质量检验规则判断评估指标的质量维度,结合赋予权重的元数据得到各质量维度的评价值;
S5、构建质量分析评价模型,对各质量维度的评价值进行标准分转换;
S6、根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,并基于评估结果进行异常数据检测,同时对多源数据进行数据校正。
优选地,S1中对多源数据进行元数据提取,包括:
根据需求,在需求条件下提取多源数据中的结构信息和词汇信息。
优选地,所述多源数据中的结构信息包括数据字段属性标签、数据特征、实例数量、元属性数量以及缺失值数量、未知值数量;
所述多源数据中的词汇信息包括数据字段属性值的范围和数据类型。
优选地,所述多源数据包括配电网实时检测数据、资产台账数据、生产业务数据及外部信息数据。
优选地,S3中对元数据赋予相应权重之后,包括:
综合考虑各元数据之间的关系,组成系统的递阶层次结构;
使用比率标度法构建判断矩阵,通过数据归一化计算得到每个元数据的权重,并检验判断矩阵的一致性。
优选地,所述递阶层次结构包括用于限定预定目标的目标限定层,用于限定影响目标实现准则的准则限定层,以及用于限定促使目标实现措施的措施限定层。
优选地,S3中采用层次分析法对元数据赋予相应权重。
优选地,S5中构建质量分析评价模型,包括:
结合Adam优化策略求解以贝叶斯转换目标函数为目标的质量分析评价模型,并对质量分析评价模型进行模型训练;
当质量分析评价模型的评价准确率大于阈值时,则该质量分析评价模型完成模型训练,否则继续对该质量分析评价模型进行模型训练。
优选地,S6中根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,包括:
基于各质量维度的评价值转换后得到的标准分,结合数据质量评估规则,对各评估指标进行计算,并将计算结果输入数据质量评估模型,以获得数据质量评估模型的评估结果。
优选地,S6中基于评估结果进行异常数据检测,同时对多源数据进行数据校正,包括:
当数据质量评估模型的评估结果低于阈值时,则判断在一段时间内获取的配电网相关多源数据中存在异常数据,并对该多源数据进行包含缺失值修补、剔除离群值、挖掘离群值、删除重复值在内的数据校正;否则,判断在一段时间内获取的配电网相关多源数据正常。
(三)有益效果
与现有技术相比,本发明所提供的一种配电网多源数据质量管控方法,具有以下有益效果:
1)对多源数据进行元数据提取,根据数据质量评估模型及评估需求确定评估指标,并结合数据质量评估规则,确定评估指标中包含的元数据,从而能够基于评估需求合理、全面地确定评估指标,保证后续的评估结果能够真实反应多源数据的数据质量;
2)根据数据质量检验规则判断评估指标的质量维度,结合赋予权重的元数据得到各质量维度的评价值,将各评估指标分为质量维度进行评判,能够降低干扰因素的影响,使得各评估指标能够真实反应数据质量;
3)根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,并基于评估结果进行异常数据检测,同时对多源数据进行数据校正,从而能够根据数据质量的评估结果,对多源数据进行数据校正,实现对配电网多源数据质量的有效管控。
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为本发明的流程示意图;
图2为本发明中对多源数据进行质量管控过程中的数据流向示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种配电网多源数据质量管控方法,如图1和图2所示,S1、获取配电网相关的多源数据,并对多源数据进行元数据提取。
本申请技术方案中,多源数据包括配电网实时检测数据、资产台账数据、生产业务数据及外部信息数据,并从多源数据中提取元数据,既能够减小系统的数据运算量,同时也能够真实反应数据质量情况。
其中,对多源数据进行元数据提取,包括:
根据需求,在需求条件下提取多源数据中的结构信息和词汇信息。
多源数据中的结构信息包括数据字段属性标签、数据特征、实例数量、元属性数量以及缺失值数量、未知值数量;多源数据中的词汇信息包括数据字段属性值的范围和数据类型。
S2、构建配电网中的数据质量评估模型,并根据数据质量评估模型及评估需求确定评估指标。
S3、结合数据质量评估规则,确定评估指标中包含的元数据,并对元数据赋予相应权重。
本申请技术方案中,采用层次分析法对元数据赋予相应权重,在对元数据赋予相应权重之后,包括:
综合考虑各元数据之间的关系,组成系统的递阶层次结构;
使用比率标度法构建判断矩阵,通过数据归一化计算得到每个元数据的权重,并检验判断矩阵的一致性。
递阶层次结构包括用于限定预定目标的目标限定层,用于限定影响目标实现准则的准则限定层,以及用于限定促使目标实现措施的措施限定层。
本申请技术方案中,对多源数据进行元数据提取,根据数据质量评估模型及评估需求确定评估指标,并结合数据质量评估规则,确定评估指标中包含的元数据,从而能够基于评估需求合理、全面地确定评估指标,保证后续的评估结果能够真实反应多源数据的数据质量。
S4、根据数据质量检验规则判断评估指标的质量维度,结合赋予权重的元数据得到各质量维度的评价值。
S5、构建质量分析评价模型,对各质量维度的评价值进行标准分转换。
其中,构建质量分析评价模型,包括:
结合Adam优化策略求解以贝叶斯转换目标函数为目标的质量分析评价模型,并对质量分析评价模型进行模型训练;
当质量分析评价模型的评价准确率大于阈值时,则该质量分析评价模型完成模型训练,否则继续对该质量分析评价模型进行模型训练。
本申请技术方案中,根据数据质量检验规则判断评估指标的质量维度,结合赋予权重的元数据得到各质量维度的评价值,将各评估指标分为质量维度进行评判,能够降低干扰因素的影响,使得各评估指标能够真实反应数据质量。
S6、根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,并基于评估结果进行异常数据检测,同时对多源数据进行数据校正。
其中,根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,包括:
基于各质量维度的评价值转换后得到的标准分,结合数据质量评估规则,对各评估指标进行计算,并将计算结果输入数据质量评估模型,以获得数据质量评估模型的评估结果。
其中,基于评估结果进行异常数据检测,同时对多源数据进行数据校正,包括:
当数据质量评估模型的评估结果低于阈值时,则判断在一段时间内获取的配电网相关多源数据中存在异常数据,并对该多源数据进行包含缺失值修补、剔除离群值、挖掘离群值、删除重复值在内的数据校正;否则,判断在一段时间内获取的配电网相关多源数据正常。
本申请技术方案中,根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,并基于评估结果进行异常数据检测,同时对多源数据进行数据校正,从而能够根据数据质量的评估结果,对多源数据进行数据校正,实现对配电网多源数据质量的有效管控。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种配电网多源数据质量管控方法,其特征在于:包括以下步骤:
S1、获取配电网相关的多源数据,并对多源数据进行元数据提取;
S2、构建配电网中的数据质量评估模型,并根据数据质量评估模型及评估需求确定评估指标;
S3、结合数据质量评估规则,确定评估指标中包含的元数据,并对元数据赋予相应权重;
S4、根据数据质量检验规则判断评估指标的质量维度,结合赋予权重的元数据得到各质量维度的评价值;
S5、构建质量分析评价模型,对各质量维度的评价值进行标准分转换;
S6、根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,并基于评估结果进行异常数据检测,同时对多源数据进行数据校正。
2.根据权利要求1所述的配电网多源数据质量管控方法,其特征在于:S1中对多源数据进行元数据提取,包括:
根据需求,在需求条件下提取多源数据中的结构信息和词汇信息。
3.根据权利要求2所述的配电网多源数据质量管控方法,其特征在于:所述多源数据中的结构信息包括数据字段属性标签、数据特征、实例数量、元属性数量以及缺失值数量、未知值数量;
所述多源数据中的词汇信息包括数据字段属性值的范围和数据类型。
4.根据权利要求2所述的配电网多源数据质量管控方法,其特征在于:所述多源数据包括配电网实时检测数据、资产台账数据、生产业务数据及外部信息数据。
5.根据权利要求1所述的配电网多源数据质量管控方法,其特征在于:S3中对元数据赋予相应权重之后,包括:
综合考虑各元数据之间的关系,组成系统的递阶层次结构;
使用比率标度法构建判断矩阵,通过数据归一化计算得到每个元数据的权重,并检验判断矩阵的一致性。
6.根据权利要求5所述的配电网多源数据质量管控方法,其特征在于:所述递阶层次结构包括用于限定预定目标的目标限定层,用于限定影响目标实现准则的准则限定层,以及用于限定促使目标实现措施的措施限定层。
7.根据权利要求5所述的配电网多源数据质量管控方法,其特征在于:S3中采用层次分析法对元数据赋予相应权重。
8.根据权利要求1所述的配电网多源数据质量管控方法,其特征在于:S5中构建质量分析评价模型,包括:
结合Adam优化策略求解以贝叶斯转换目标函数为目标的质量分析评价模型,并对质量分析评价模型进行模型训练;
当质量分析评价模型的评价准确率大于阈值时,则该质量分析评价模型完成模型训练,否则继续对该质量分析评价模型进行模型训练。
9.根据权利要求1所述的配电网多源数据质量管控方法,其特征在于:S6中根据各质量维度的评价值转换标准分获得数据质量评估模型的评估结果,包括:
基于各质量维度的评价值转换后得到的标准分,结合数据质量评估规则,对各评估指标进行计算,并将计算结果输入数据质量评估模型,以获得数据质量评估模型的评估结果。
10.根据权利要求9所述的配电网多源数据质量管控方法,其特征在于:S6中基于评估结果进行异常数据检测,同时对多源数据进行数据校正,包括:
当数据质量评估模型的评估结果低于阈值时,则判断在一段时间内获取的配电网相关多源数据中存在异常数据,并对该多源数据进行包含缺失值修补、剔除离群值、挖掘离群值、删除重复值在内的数据校正;否则,判断在一段时间内获取的配电网相关多源数据正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110967574.6A CN113869633A (zh) | 2021-08-23 | 2021-08-23 | 一种配电网多源数据质量管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110967574.6A CN113869633A (zh) | 2021-08-23 | 2021-08-23 | 一种配电网多源数据质量管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869633A true CN113869633A (zh) | 2021-12-31 |
Family
ID=78988148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110967574.6A Pending CN113869633A (zh) | 2021-08-23 | 2021-08-23 | 一种配电网多源数据质量管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869633A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841626A (zh) * | 2022-07-01 | 2022-08-02 | 张家港市欧凯医疗器械有限公司 | 一种导尿管质量智能评估方法及系统 |
CN117573956A (zh) * | 2024-01-16 | 2024-02-20 | 中国电信股份有限公司深圳分公司 | 元数据管理方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345985A (zh) * | 2018-01-09 | 2018-07-31 | 国网瑞盈电力科技(北京)有限公司 | 一种配电网数据质量评估方法及系统 |
CN110489404A (zh) * | 2019-06-24 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种基于三层架构的配电网领域的全面数据质量管理方法 |
CN112200459A (zh) * | 2020-10-12 | 2021-01-08 | 贵州电网有限责任公司 | 一种配电网数据质量分析评价方法及系统 |
-
2021
- 2021-08-23 CN CN202110967574.6A patent/CN113869633A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345985A (zh) * | 2018-01-09 | 2018-07-31 | 国网瑞盈电力科技(北京)有限公司 | 一种配电网数据质量评估方法及系统 |
CN110489404A (zh) * | 2019-06-24 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种基于三层架构的配电网领域的全面数据质量管理方法 |
CN112200459A (zh) * | 2020-10-12 | 2021-01-08 | 贵州电网有限责任公司 | 一种配电网数据质量分析评价方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘芳等: "基于规则库的数据质量评估方法", 计算机系统应用, vol. 26, no. 11, 31 December 2017 (2017-12-31), pages 165 - 169 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841626A (zh) * | 2022-07-01 | 2022-08-02 | 张家港市欧凯医疗器械有限公司 | 一种导尿管质量智能评估方法及系统 |
CN114841626B (zh) * | 2022-07-01 | 2022-09-27 | 张家港市欧凯医疗器械有限公司 | 一种导尿管质量智能评估方法及系统 |
CN117573956A (zh) * | 2024-01-16 | 2024-02-20 | 中国电信股份有限公司深圳分公司 | 元数据管理方法、装置、设备及存储介质 |
CN117573956B (zh) * | 2024-01-16 | 2024-05-07 | 中国电信股份有限公司深圳分公司 | 元数据管理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2022204116B2 (en) | Verification method for electrical grid measurement data | |
CN104200288B (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN110807550B (zh) | 基于神经网络的配变重过载识别预警方法及终端设备 | |
CN110995477A (zh) | 基于动态阈值的预警处理方法、装置、设备及存储介质 | |
CN113869633A (zh) | 一种配电网多源数据质量管控方法 | |
CN106446016A (zh) | 一种基于并行关联规则挖掘的配电网运行可靠性预测方法 | |
CN106529704A (zh) | 月最大电力负荷预测方法及装置 | |
CN112734128A (zh) | 一种基于优化rbf的7日电力负荷峰值预测方法 | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
CN111488896A (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN114626640A (zh) | 基于特征工程和lstm神经网络的天然气负荷预测方法及系统 | |
CN116432123A (zh) | 一种基于cart决策树算法的电能表故障预警方法 | |
CN112787878A (zh) | 一种网络指标的预测方法及电子设备 | |
CN115374938A (zh) | 一种基于XGBoost的配电网电压预测方法 | |
CN117785919A (zh) | 一种基于工业数字孪生的故障预测方法和系统 | |
CN114548498A (zh) | 一种架空输电线路局部区域的风速预测方法及系统 | |
CN117825877A (zh) | 一种配电变压器故障预测方法、装置、设备及存储介质 | |
CN113779892A (zh) | 一种风速和风向的预测方法 | |
CN111614520B (zh) | 一种基于机器学习算法的idc流量数据预测方法及装置 | |
CN117454059A (zh) | 一种基于流域水文模型的径流计算和预测方法 | |
CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
CN117371581A (zh) | 一种新能源发电功率预测方法、装置及存储介质 | |
CN117114161A (zh) | 一种基于元学习的输电线路风偏闪络风险的预测方法 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
CN115203873A (zh) | 应用于配电网的拓扑关系构建方法、装置、设备及介质 |
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 |