CN113901227A - 一种基于知识图谱的电网设备的关系分析方法及系统 - Google Patents
一种基于知识图谱的电网设备的关系分析方法及系统 Download PDFInfo
- Publication number
- CN113901227A CN113901227A CN202110995118.2A CN202110995118A CN113901227A CN 113901227 A CN113901227 A CN 113901227A CN 202110995118 A CN202110995118 A CN 202110995118A CN 113901227 A CN113901227 A CN 113901227A
- Authority
- CN
- China
- Prior art keywords
- data
- power grid
- relation
- analysis
- knowledge
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000005065 mining Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 10
- 230000001364 causal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于知识图谱的电网设备的关系分析方法及系统，其方法包括：获取目标设备动态本体模型与知识图谱模型；解析动态本体模型中的事件数据；加载历史事件数据库；获取与目标设备事件数据相似度最高的历史事件数据；基于知识图谱进行语义分析获得电网设备间的隐性关系。基于本发明实施例中的系统和方法可以基于知识图谱的电网设备关系发现并进行故障分析，并通过相似程度计算预测接下来可能出现的问题，提升了潜在风险挖掘效率。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于知识图谱分析电网设备关系的方法及系统。
背景技术
当前，针对智能电网中的业务数据无法跨专业贯通，数据资源无法被智能分析与管理的情况，提出将知识图谱技术应用于智能电网中，知识图谱可以清晰地反映出数据间的现有关系，推理挖掘出隐藏知识，目前知识图谱技术已逐步应用于智能电网中，但是其在电网知识图谱的应用，仍然出现以下问题：由于现有的当下流行的知识图谱构建过程未针对电网设备的特殊性与重要性、知识图谱构建追求完备性，导致电网设备知识图谱的展示、计算、分析的过程由于存在冗余的节点而表现不佳。
作为电力知识图谱中的关键节点，电网设备实体关系的分析，可以依据知识图谱与本体相关的技术、数据存储特点，对存在于设备间与设备组件间、设备状态、相似故障之间的关系，进行发现与呈现。
在电力、电网行业中，设备网元之间、设备组件之间、设备之间存在着显性的特征、影响的关系，同时还存在着隐性的关联关系，无论是显性或隐性的关系，对电网企业的生产、营运和决策来说，都是举足轻重。而随着电力行业、电网企业的数字化日趋成熟以及人工智能技术的高速发展，越来越多的电网企业通过数字化以及人工智能技术的结合组成解决方案。
利用知识图谱可对概念和知识进行建模，将物理世界的各种概念与知识进行有效组织与呈现，实现实体关联和实体状态分析，并能在庞大的关联关系中按需获取知识内容。知识图谱技术在电力行业中已经得到广泛应用，但其中较多应用仅仅体现在利用知识图谱技术对物理设备进行建模、对设备关系进行可视化展示，即上述显性关系，在面对电网数据量庞大、数据信息种类繁多、设备组件之间和设备之间因为数据动态变化而产生变化时，未能进一步通过知识图谱进行语义分析从而获得上述隐性关系。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于知识图谱的电网设备的关系分析方法及系统，通过知识图谱进行语义分析从而获得电网设备间的隐性关系。
为了解决上述技术问题，本发明实施例提供了一种基于知识图谱的电网设备的关系分析方法，所述方法包括：
获取目标设备动态本体模型与知识图谱模型；
解析动态本体模型中的事件数据；
加载历史事件数据库；
获取与目标设备事件数据相似度最高的历史事件数据；
基于知识图谱进行语义分析获得电网设备间的隐性关系。
所述历史事件数据记录着设备运行的历史缺陷数据，包括设备的编号，电压等级，缺陷等级，名称，填报时间，缺陷表象，设备类别，缺陷来源，缺陷部位数据。
相应的，本发明实施例还提供了一种基于知识图谱的电网设备的关系分析系统，所述系统包括：
前端界面，用于为用户提供登录界面，提供设备状态监测及巡视需求预测，检修需求预测和检修策略分析以及本体编辑界面；
预测模型，用于进行故障预测和异常监控；
本体构建与分析模块，用于获取目标设备动态本体模型与知识图谱模型；解析动态本体模型中的事件数据；加载历史事件数据库；获取与目标设备事件数据相似度最高的历史事件数据；基于知识图谱进行语义分析获得电网设备间的隐性关系；
实时采集模块，用于进行数据源配置并实时采集数据；
数据源模块，用于提供数据集成平台并提供海量数据平台。
所述前端界面进行预测展示以及结果汇总处理，并进行策略展示和监测预警功能，并提供本体编辑、本体列表及搜索功能。
所述预测模型具有特征抽取、算法管理、监督学习、迭代优化、模型上线功能；以及所述预测模型具有阈值定义、异常分析、异常警告、异常处理、异常汇总功能。
所述本体构建与分析模块具有本体建模、关系分析和事件定义功能。
所述本体建模具有概念类构建，属性构建、关系构建、实例构建、本体存储、动态更新功能；所述关系分析具有知识图谱分析、关系维护、深度学习、关系推理、人工智能算法、关系挖掘功能；所述时间定义具有本体事件定义、事件实现、复杂事件处理功能。
所述实时采集模块具有数据源配置、采集适配、采集消息队列、采集周期、采集监控、Oracle采集、Mysql采集、Hadoop采集功能。
所述数据源模块具有数据集成平台、配网统一模型、海量数据平台、Nosql功能。
在本发明实施例中利用知识图谱技术对物理设备进行建模、对设备关系进行可视化展示，在面对电网数据量庞大、数据信息种类繁多、设备组件之间和设备之间数据动态变化而产生变化时，通过知识图谱进行语义分析从而获得电网设备间的隐性关系。基于本发明实施例中的系统和方法可以基于知识图谱的电网设备关系发现并进行故障分析，并通过相似程度计算预测接下来可能出现的问题，提升了潜在风险挖掘效率。
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，显而易见的，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它的附图。
图1是本发明实施例中的基于知识图谱的电网设备的关系分析系统结构示意图；
图2是本发明实施例中的基于知识图谱的电网设备的关系分析方法流程图。
具体实施方式
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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
图1示出了本发明实施例中的基于知识图谱的电网设备的关系分析系统结构示意图，所述系统包括：
前端界面，用于为用户提供登录界面，提供设备状态监测及巡视需求预测，检修需求预测和检修策略分析以及本体编辑界面；
预测模型，用于进行故障预测和异常监控；
本体构建与分析模块，用于获取目标设备动态本体模型与知识图谱模型；解析动态本体模型中的事件数据；加载历史事件数据库；获取与目标设备事件数据相似度最高的历史事件数据；基于知识图谱进行语义分析获得电网设备间的隐性关系；
实时采集模块，用于进行数据源配置并实时采集数据；
数据源模块，用于提供数据集成平台并提供海量数据平台。
所述前端界面进行预测展示以及结果汇总处理，并进行策略展示和监测预警功能，并提供本体编辑、本体列表及搜索功能。
所述预测模型具有特征抽取、算法管理、监督学习、迭代优化、模型上线功能；以及所述预测模型具有阈值定义、异常分析、异常警告、异常处理、异常汇总功能。
所述本体构建与分析模块具有本体建模、关系分析和事件定义功能。
所述本体建模具有概念类构建，属性构建、关系构建、实例构建、本体存储、动态更新功能；所述关系分析具有知识图谱分析、关系维护、深度学习、关系推理、人工智能算法、关系挖掘功能；所述时间定义具有本体事件定义、事件实现、复杂事件处理功能。
所述实时采集模块具有数据源配置、采集适配、采集消息队列、采集周期、采集监控、Oracle采集、Mysql采集、Hadoop采集功能。
所述数据源模块具有数据集成平台、配网统一模型、海量数据平台、Nosql功能。
需要说明的是，历史事件数据记录着设备运行的历史缺陷数据，包括设备的编号，电压等级，缺陷等级，名称，填报时间，缺陷表象，设备类别，缺陷来源，缺陷部位等数据。
需要说明的是，知识图谱数据记录着设备本身的信息以及与设备相关的所有信息，包含了设备的编号，名称，所属部门，生产厂家，维护的员工等。
动态模型数据记录着设备本体模型数据以及设备运行的状态数据。包含了设备的编号，名称，系统传来的实时传感器数据等。
事件规则数据记录事件和事件之间的因果依赖，时间关系、数据参数、执行动作等数据。
具体的，图2示出了本发明实施例中的基于知识图谱的电网设备的关系分析方法流程图，为了获得设备间的隐性关系，本发明需通过以下流程步骤进行：
S21、获取目标设备动态本体模型与知识图谱模型；
这里获取目标设备本体模型与知识图谱模型，通过获得目标设备本体模型的所有建模元语数据，以及知识图谱模型数据，其包含了设备的编号，名称，所属部门，生产厂家，维护的员工，系统传来的实时传感器数据等。
S22、解析动态本体模型中的事件数据；
所述历史事件数据记录着设备运行的历史缺陷数据，包括设备的编号，电压等级，缺陷等级，名称，填报时间，缺陷表象，设备类别，缺陷来源，缺陷部位数据。
这里解析动态本体模型中的数据，通过解析系统传来的实时传感器数据，结合目标设备本体模型的所有建模元语数据，加载并运行事件规则，形成事件。
S23、加载历史事件数据库；
这里加载历史事件数据库，通过加载历史事件数据，获取与目标设备事件数据相似度最高的历史事件数据。
S24、获取与目标设备事件数据相似度最高的历史事件数据；
S25、基于知识图谱进行语义分析获得电网设备间的隐性关系。
需要说明的是，知识图谱数据记录着设备本身的信息以及与设备相关的所有信息，包含了设备的编号，名称，所属部门，生产厂家，维护的员工等。
动态模型数据记录着设备本体模型数据以及设备运行的状态数据。包含了设备的编号，名称，系统传来的实时传感器数据等。
事件规则数据记录事件和事件之间的因果依赖，时间关系、数据参数、执行动作等数据。
在本发明实施例中利用知识图谱技术对物理设备进行建模、对设备关系进行可视化展示，在面对电网数据量庞大、数据信息种类繁多、设备组件之间和设备之间数据动态变化而产生变化时，通过知识图谱进行语义分析从而获得电网设备间的隐性关系。基于本发明实施例中的系统和方法可以基于知识图谱的电网设备关系发现并进行故障分析，并通过相似程度计算预测接下来可能出现的问题，提升了潜在风险挖掘效率。
以上对本发明实施例所进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于知识图谱的电网设备的关系分析方法，其特征在于，所述方法包括：
获取目标设备动态本体模型与知识图谱模型；
解析动态本体模型中的事件数据；
加载历史事件数据库；
获取与目标设备事件数据相似度最高的历史事件数据；
基于知识图谱进行语义分析获得电网设备间的隐性关系。
2.如权利要求1所述的基于知识图谱的电网设备的关系分析方法，其特征在于，所述历史事件数据记录着设备运行的历史缺陷数据，包括设备的编号，电压等级，缺陷等级，名称，填报时间，缺陷表象，设备类别，缺陷来源，缺陷部位数据。
3.一种基于知识图谱的电网设备的关系分析系统，其特征在于，所述系统包括：
前端界面，用于为用户提供登录界面，提供设备状态监测及巡视需求预测，检修需求预测和检修策略分析以及本体编辑界面；
预测模型，用于进行故障预测和异常监控；
本体构建与分析模块，用于获取目标设备动态本体模型与知识图谱模型；解析动态本体模型中的事件数据；加载历史事件数据库；获取与目标设备事件数据相似度最高的历史事件数据；基于知识图谱进行语义分析获得电网设备间的隐性关系；
实时采集模块，用于进行数据源配置并实时采集数据；
数据源模块，用于提供数据集成平台并提供海量数据平台。
4.如权利要求3所述的基于知识图谱的电网设备的关系分析系统，其特征在于，所述前端界面进行预测展示以及结果汇总处理，并进行策略展示和监测预警功能，并提供本体编辑、本体列表及搜索功能。
5.如权利要求4所述的基于知识图谱的电网设备的关系分析系统，其特征在于，所述预测模型具有特征抽取、算法管理、监督学习、迭代优化、模型上线功能；以及所述预测模型具有阈值定义、异常分析、异常警告、异常处理、异常汇总功能。
6.如权利要求5所述的基于知识图谱的电网设备的关系分析系统，其特征在于，所述本体构建与分析模块具有本体建模、关系分析和事件定义功能。
7.如权利要求6所述的基于知识图谱的电网设备的关系分析系统，其特征在于，所述本体建模具有概念类构建，属性构建、关系构建、实例构建、本体存储、动态更新功能；所述关系分析具有知识图谱分析、关系维护、深度学习、关系推理、人工智能算法、关系挖掘功能；所述时间定义具有本体事件定义、事件实现、复杂事件处理功能。
8.如权利要求7所述的基于知识图谱的电网设备的关系分析系统，其特征在于，所述实时采集模块具有数据源配置、采集适配、采集消息队列、采集周期、采集监控、Oracle采集、Mysql采集、Hadoop采集功能。
9.如权利要求8所述的基于知识图谱的电网设备的关系分析系统，其特征在于，所述数据源模块具有数据集成平台、配网统一模型、海量数据平台、Nosql功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110995118.2A CN113901227A (zh) | 2021-08-27 | 2021-08-27 | 一种基于知识图谱的电网设备的关系分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110995118.2A CN113901227A (zh) | 2021-08-27 | 2021-08-27 | 一种基于知识图谱的电网设备的关系分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113901227A true CN113901227A (zh) | 2022-01-07 |
Family
ID=79188256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110995118.2A Pending CN113901227A (zh) | 2021-08-27 | 2021-08-27 | 一种基于知识图谱的电网设备的关系分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113901227A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502896A (zh) * | 2023-06-25 | 2023-07-28 | 苏禹水务科技(南京)有限公司 | 一种基于bim+gis技术的泵站智能控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704577A (zh) * | 2019-10-10 | 2020-01-17 | 国家电网公司华中分部 | 一种电网调度数据的搜索方法及系统 |
| CN111382564A (zh) * | 2020-03-23 | 2020-07-07 | 北京用尚科技股份有限公司 | 一种基于网络拓扑的电网监视告警事件化分析及推送方法 |
| CN111414491A (zh) * | 2020-04-14 | 2020-07-14 | 广州劲源科技发展股份有限公司 | 一种电网行业知识图谱构建方法和装置以及设备 |
| CN111768077A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于知识图谱的电网跳闸事件智能识别方法 |
| CN111967761A (zh) * | 2020-08-14 | 2020-11-20 | 国网电子商务有限公司 | 一种基于知识图谱的监控预警方法、装置及电子设备 |
| CN111985653A (zh) * | 2020-06-24 | 2020-11-24 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理系统及方法 |
| CN112612902A (zh) * | 2020-12-23 | 2021-04-06 | 国网浙江省电力有限公司电力科学研究院 | 一种电网主设备的知识图谱构建方法及设备 |
-
2021
- 2021-08-27 CN CN202110995118.2A patent/CN113901227A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704577A (zh) * | 2019-10-10 | 2020-01-17 | 国家电网公司华中分部 | 一种电网调度数据的搜索方法及系统 |
| CN111382564A (zh) * | 2020-03-23 | 2020-07-07 | 北京用尚科技股份有限公司 | 一种基于网络拓扑的电网监视告警事件化分析及推送方法 |
| CN111414491A (zh) * | 2020-04-14 | 2020-07-14 | 广州劲源科技发展股份有限公司 | 一种电网行业知识图谱构建方法和装置以及设备 |
| CN111768077A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于知识图谱的电网跳闸事件智能识别方法 |
| CN111985653A (zh) * | 2020-06-24 | 2020-11-24 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理系统及方法 |
| CN111967761A (zh) * | 2020-08-14 | 2020-11-20 | 国网电子商务有限公司 | 一种基于知识图谱的监控预警方法、装置及电子设备 |
| CN112612902A (zh) * | 2020-12-23 | 2021-04-06 | 国网浙江省电力有限公司电力科学研究院 | 一种电网主设备的知识图谱构建方法及设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502896A (zh) * | 2023-06-25 | 2023-07-28 | 苏禹水务科技(南京)有限公司 | 一种基于bim+gis技术的泵站智能控制方法及系统 |
| CN116502896B (zh) * | 2023-06-25 | 2023-09-19 | 苏禹水务科技(南京)有限公司 | 一种基于bim+gis技术的泵站智能控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11119799B2 (en) | Contextual digital twin runtime environment | |
| US10515002B2 (en) | Utilizing artificial intelligence to test cloud applications | |
| US20190340518A1 (en) | Systems and methods for enriching modeling tools and infrastructure with semantics | |
| US20190138970A1 (en) | Contextual digital twin | |
| US20190138662A1 (en) | Programmatic behaviors of a contextual digital twin | |
| US11816555B2 (en) | System and method for chaining discrete models | |
| CN111339299B (zh) | 一种领域知识库的构建方法和装置 | |
| US11847130B2 (en) | Extract, transform, load monitoring platform | |
| Bogatinovski et al. | Self-supervised anomaly detection from distributed traces | |
| EP4134877A1 (en) | Training method and apparatus for fault recognition model, fault recognition method and apparatus, and electronic device | |
| US20210326366A1 (en) | Generation of lineage data subset based upon business role | |
| CN116307672A (zh) | 一种故障诊断方法、装置、电子设备及介质 | |
| CN115809302A (zh) | 元数据处理方法、装置、设备及存储介质 | |
| CN115564071A (zh) | 一种电力物联网设备数据标签生成方法及系统 | |
| US10789150B2 (en) | Static analysis rules and training data repositories | |
| Zuo et al. | Research on remote state monitoring and intelligent maintenance system of CNC machine tools | |
| CN113901227A (zh) | 一种基于知识图谱的电网设备的关系分析方法及系统 | |
| Kovalyov | Design and development of a power system digital twin: A model-based approach | |
| US20220292136A1 (en) | Method and system for generating a digital representation of asset information in a cloud computing environment | |
| US9459939B2 (en) | In-memory approach to extend semantic event processing with domain insights | |
| CN117667606B (zh) | 基于用户行为的高性能计算集群能耗预测方法及系统 | |
| CN117150439B (zh) | 基于多源异构数据融合的汽车制造参数检测方法及系统 | |
| US20220343115A1 (en) | Unsupervised classification by converting unsupervised data to supervised data | |
| US20230098596A1 (en) | Contextual Data Generation for Application Testing in Mixed Reality Simulations | |
| Novák et al. | Extraction of automation system engineering knowledge for mapping plant and simulation interfaces |
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 |