CN114048904A - 一种依据数据治理的停电预警方法 - Google Patents
一种依据数据治理的停电预警方法 Download PDFInfo
- Publication number
- CN114048904A CN114048904A CN202111333397.2A CN202111333397A CN114048904A CN 114048904 A CN114048904 A CN 114048904A CN 202111333397 A CN202111333397 A CN 202111333397A CN 114048904 A CN114048904 A CN 114048904A
- Authority
- CN
- China
- Prior art keywords
- data
- power failure
- early warning
- power
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013523 data management Methods 0.000 title claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 238000002790 cross-validation Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 6
- 230000037431 insertion Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 2
- 238000012216 screening Methods 0.000 abstract 2
- 238000009825 accumulation Methods 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种依据数据治理实现停电预警的方法，将停电语用信息转化为电子信息，形成停电数据；对数据进行处理，抽取出训练集和测试集；通过反复训练得到多个预警模型，选择泛化能力最强的模型写入营销2.0系统，当系统获取到停电数据后，模型筛选出受影响的线路并发送预警通知，筛选出了停电敏感用户名单发送给相关供电单位，并形成相关分析及图表，作为供电所、营业厅日常工作的常规预警示意图。本发明将停电信息整合为完整的数据模块，并形成了停电预警相关算法。在突发性停电中，能够快速反应，给台区和用电户分别进行停电预警，规避用电户投诉风险。数据累积形成数仓，对未来的停电分析、设备分析、用电户分析等，都具有潜在价值。
Description
技术领域
本申请涉及大数据领域，尤其涉及一种依据数据治理的停电预警方法及系统。
背景技术
电力行业是基础民生行业，关系到人们日常生活、生产的方方面面，关系到国计民生。电力的持续稳定供应，能够保证各行各业正常的产品生产、服务提供，能够保证特殊的组织机构正常运转，如医院、消防队、水下隧道等，能够保证居民工作、学习、生活的正常。反之，如无法进行正常的供电，小到居民的电视娱乐、大到医院的救死扶伤，都会受到很大的影响。
大规模的突发性或计划性停电事故，会对人民生活造成重大影响。无论是计划性的停电，还是因为自然灾害、意外事故等造成的停电，都应提前通知用电户，让用电户有一定的心理准备，同时适当地做一些应对措施，如提前为部分可充电电器蓄电、储备停电期间的可供娱乐的活动、准备充足的蜡烛等照明工具。及时预警停电，不仅能减少民众的恐慌与不便，对医院、交通、消防等诸多特殊的机构或组织，也有着至关重要的作用。医院及时收到停电预警，可及时启动医院的备用电力系统，保障手术室的正常运转。交通信号灯能够启用正常运作的电线及台区工作，保证交通的正常秩序，避免因交通信号等无法工作导致的交通事故等。
由此，电网系统建立停电预警机制的重要性不言自明。
发明内容
本发明针对当前停电影响的广泛性，提供一种停电预警方法及系统，以快速计算出停电影响的线路、台区、用电户，并且对可能发生的停电进行预警。储存各种停电数据，使形成停电数据库，使数仓可实现实时更新，并通过新增的停电数据不断完善停电预警算法，使算法准确率更高、错误率更低、灵敏度更高。在计划性停电和突发性停电发生时，可更及时完成停电时对线路、台区、用电户、停电敏感用户等的通知。
本发明提出一种依据数据治理实现停电预警的方法，所述方法包括以下步骤：
S1：将停电语用信息转化为电子信息，形成停电数据；
S2：对数据进行处理，使其符合营销2.0数据仓库的数据架构，在各数据层满足数据的结构要求；
S3：在营销2.0数据仓库已有数据中，抽取出80％的数据作为训练集，20％的数据作为测试集；
S4：在训练集上进行数据清洗、数据的特征缩放，获取参数，获取的参数纳入预警模型中，并通过调节参数来增加所述模型算法的泛化程度；
S5：通过测试集作为对泛化误差的近似，反复训练预警模型，在测试集上近似估计模型的泛化能力，使用多个测试集进行训练，得到了多个模型，通过多个算法模型比对数据，选择泛化能力最强的模型；
S6：使用泛化能力最强的预警模型，写入营销2.0系统，当系统获取到停电数据后，预警模型运行，筛选出受影响的线路，及该线路范围内的台区、用电户；
S7：系统向线路段、台区发送预警通知，向范围内的用电户发送短信，告知用电户停电相关事项；
S8：预警模型中动态分配的停电敏感用户标签，筛选出了停电敏感用户，名单发送给相关供电单位，由各用电单位向停电敏感用户进行相应的举措；
S9：本次停电数据储存入营销2.0数据仓库，停电相关数据成为营销2.0数据仓库的一部分；
S10:形成相关分析及图表，作为供电所、营业厅日常工作的常规预警示意图。
优选地，所述步骤S1包括：通过供电服务指挥系统，完成用语信息至电子信息的转化。
优选地，所述营销2.0数据仓库，是基于阿里云提供的敏捷数据仓库解决方案，基于数据管理平台DMS及云原生数据仓库ADB的实时数据仓库。
优选地，所述步骤S2包括：
S21:停电数据由文本转化为适用于营销2.0系统对应的编码，在接口数据提供后进行转码，使供电服务指挥系统和营销2.0系统能够实现数据一致；
S22:数据转码并进入营销2.0系统后，进行以下数据预处理：线路、台区分别进入对应的数据表中，并标注好数据插入时间和数据插入操作人。
优选地，步骤S2中的数据仓库，是由营销2.0系统为基础，在营销2.0系统的数据基础上，将文本信息转为编码数据，使数据能够适配于营销2.0的数据环境。
优选地，所述步骤S3中，所述训练集和测试集，采用随机等距抽样，进行多次抽样与训练；为了避免过拟合，在有监督的机器学习实验时，按比例保留了数据测试集。
优选地，所述步骤S3中，为避免浪费数据，采用k-折交叉验证进行循环中计算的每个准确率的平均，使用cross_val_score帮助函数进行交叉验证。
优选地，所述步骤S3中，为进行小范围的算法可行性的尝试，先采用自助法，以自助采样为基础，则在n次采样中始终不被采到的概率为：
通过自助法先使用有限的数据集进行算法可行性的验证，再使用完整数据集进行算法的训练。
优选地，所述预警模型包括：
获取本次停电的线路数据，通过线路数据计算出受到影响的台区和用电户，输出受到本次停电影响的用电户编号，并对用电户进行管理单位的分类，触发短信通知接口，使受到影响的用电户都能通过预留的手机号码获取停电相关信息；
整合本次停电的数据和模型运行输出数据，再次存入停电相关数据库中，完善数仓，投入在定期或不定期的模型评估中；
所述模型计算都依赖于模型中已经给定的台区、用电户、线路的关联关系，并且模型支持关联关系的变更。
优选地，所述步骤S6包括：
S61：对营销2.0的数据仓库进行解构，对预警模型所需要的数据在各数据过程的形态和状态进行分析，使能够在预警模型运行前获得各数据层所需的数据；
S62：对预警模型的运行时间进行限制，当供电服务指挥系统中产生了停电相关数据，则视为模型启动的标志，模型结束标志则由模型运行结果而定；
S63：模型运行后，筛选出受到影响的台区，数据转换成消息通知，推送到其他系统中，生成台区警告消息，向台区相关责任人预警；
S64：模型运行后，本次停电影响到的用电户信息被筛选出，数据转换成营销2.0的预警条件，触发营销2.0系统的短信群发功能，向受到影响的用户进行短信发送，完成针对用电户的停电预警。
本发明与现有的停电相关措施相比，其显著优点是：构建了一个停电数据仓库，历史停电数据既能作为停电算法之城的数据仓库，支持其进行算法训练和模拟，又能在算法持续运行的过程中，收集更多的停电相关数据，不断完善数据仓库。本发明的另一优点是，整合了以往多个零散的停电相关数据及举措，针对台区的预警、用电户的预警、线路的预警可实现在一个系统中的整合与同步。另外，使用本发明，还可以极大提高工作人员的工作效率，提高用电户的服务体验。
附图说明
图1为本发明的依据数据治理实现停电预警的方法流程图。
具体实施方式
为使本发明的目的、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，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，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有所其它实施例，都属于本发明的保护范围。
本发明在电网各系统历史数据的支持下，基于营销2.0系统的信息架构和海量数据的处理能力，利用历史数据形成数仓、利用营销2.0系统运营中的新停电相关数据补充数仓、利用不断更新的数仓实现停电预警算法、利用停电预警算法的实践结果数据不断调整算法的准确性，构建一个基于电网大数据的停电预警算法，并不断演化、训练、提升。使计划性停电时，在营销2.0系统获取停电数据后，系统触发停电预警通知功能，向涉及到停电的台区发送停电告警，向涉及到的用电户发送停电短信通知。由于历史数据提供了算法训练的可能，在突发性停电发生前，算法即可计算出近期可能发生的停电预警，并向台区发送相关的通知，以此来避免突发性停电的发生频率和发生后带来的影响。
具体地，本实施例提供了一种依据数据治理实现停电预警的方法，如图1所示，包括：
(1)将停电语用信息转化为电子信息，形成停电数据。
通过供电服务指挥系统，完成用语信息至电子信息的转化，此过程可以由人工手动在供电服务指挥系统中录入。
(2)对数据进行处理，使其符合营销2.0数据仓库的数据架构，在各数据层满足数据的结构要求。
营销2.0数仓，是基于阿里云提供的敏捷数据仓库解决方案，基于数据管理平台DMS及云原生数据仓库ADB的高效实时数仓。
具体包括：
(2-1)停电数据由文本转化为适用于营销2.0系统对应的编码，在接口数据提供后立即进行转码，使供电服务指挥系统和营销2.0系统能够实现数据一致。
(2-2)在数据转码并进入营销2.0系统后，进行以下数据预处理：线路、台区分别进入对应的数据表中，并标注好数据插入时间和数据插入操作人等。
(3)在营销2.0数据仓库已有数据中，抽取出80％的数据作为训练集，20％的数据作为测试集。
所述训练集和测试集，为保证模型的正确性，将采用随机等距抽样，进行多次抽样与训练。为了避免过拟合，在有监督的机器学习实验时，按比例保留了数据测试集。
进一步地，为避免浪费数据，采用k-折交叉验证进行循环中计算的每个准确率的平均，使用cross_val_score帮助函数进行交叉验证。虽然停电数据仓库中有足够量的数据，但进行此步可防止数据的浪费，使支持算法生成的数据量更充足。
为进行小范围的算法可行性的尝试，先采用自助法，以自助采样为基础，则在n次采样中始终不被采到的概率为：
通过自助法先使用有限的数据集进行算法可行性的验证，总共约有36.8％的样本没有出现在采样数据集中，再大规模使用完整数据集进行算法的训练。自助法通常是较小规模样本数据进行机器学习时采用的，尽管停电数据仓库数据量相对较大，我们仍然使用自助法先进行进行算法可行性的验证。
(4)在训练集上进行数据清洗、数据的特征缩放，本发明采用了标准化，获取参数。获取的参数将纳入算法中，并通过调节参数来增加算法的泛化程度。
(5)通过测试集作为对泛化误差的近似，反复训练模型，在测试集上近似估计模型的泛化能力。由于确定算法最终模型前，我们使用多个测试集进行训练，因此得到了多个模型，通过多个算法模型，比对数据，选择泛化能力最强的模型。
所述模型包括：
获取本次停电的线路数据，通过线路数据计算出受到影响的台区和用电户，输出受到本次停电影响的用电户编号，并对用电户进行管理单位的分类，触发短信通知接口，使受到影响的用电户都能通过预留的手机号码获取停电相关信息；
整合本次停电的数据和模型运行输出数据，再次存入停电相关数据库中，完善数仓，投入在定期或不定期的模型评估中；
所述模型计算都依赖于模型中已经给定的台区、用电户、线路的关联关系，并且模型支持关联关系的变更。
对于过程中泛化能力较低的，不轻易直接弃用，先关注是否是因为过拟合导致的，再利用正则化思想解决过拟合问题，对于选中的特征，轻易不进行更换。
(6)使用训练好的算法模型，写入营销2.0系统，当系统获取到停电数据后，模型运行，筛选出受影响的线路，及该线路范围内的台区、用电户等。
(6-1)对营销2.0的数据仓库进行解构，对算法所需要的数据在各数据过程的形态和状态进行分析，使能够在算法运行前获得各数据层所需的数据。
(6-2)对算法的运行时间进行限制，当供电服务指挥系统中产生了停电相关数据，则视为算法启动的标志，算法结束标志则由算法运行结果而定。
(6-3)算法运行后，会筛选出受到影响的台区，数据转换成消息通知，推送到其他系统中，生成台区警告消息，向台区相关责任人预警。
(6-4)算法运行后，本次停电影响到的用电户信息被筛选出，数据转换成营销2.0的预警条件，触发营销2.0系统的短信群发功能，向受到影响的用户进行短信发送，完成针对用电户的停电预警。
(7)系统向线路段、台区发送预警通知，向范围内的用电户发送短信，告知用电户停电相关事项。
(8)算法中动态分配的停电敏感用户标签，筛选出了停电敏感用户，名单发送给相关供电单位，由各用电单位向停电敏感用户
进行相应的举措。
(9)本次停电数据储存入数仓，停电相关数据成为数仓的一部分。
(10)用可视化等方式形成相关分析及图表，作为供电所、营业厅日常工作的常规预警示意图作为预警告警发明的衍生品。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种依据数据治理实现停电预警的方法，其特征在于，所述方法包括以下步骤：
S1：将停电语用信息转化为电子信息，形成停电数据；
S2：对数据进行处理，使其符合营销2.0数据仓库的数据架构，在各数据层满足数据的结构要求；
S3：在营销2.0数据仓库已有数据中，抽取出80％的数据作为训练集，20％的数据作为测试集；
S4：在训练集上进行数据清洗、数据的特征缩放，获取参数，获取的参数纳入预警模型中，并通过调节参数来增加所述模型算法的泛化程度；
S5：通过测试集作为对泛化误差的近似，反复训练预警模型，在测试集上近似估计模型的泛化能力，使用多个测试集进行训练，得到了多个模型，通过多个算法模型比对数据，选择泛化能力最强的模型；
S6：使用泛化能力最强的预警模型，写入营销2.0系统，当系统获取到停电数据后，预警模型运行，筛选出受影响的线路，及该线路范围内的台区、用电户；
S7：系统向线路段、台区发送预警通知，向范围内的用电户发送短信，告知用电户停电相关事项；
S8：预警模型中动态分配的停电敏感用户标签，筛选出了停电敏感用户，名单发送给相关供电单位，由各用电单位向停电敏感用户进行相应的举措；
S9：本次停电数据储存入营销2.0数据仓库，停电相关数据成为营销2.0数据仓库的一部分；
S10:形成相关分析及图表，作为供电所、营业厅日常工作的常规预警示意图。
2.根据权利要求1所述的方法，其特征在于，
所述步骤S1包括：通过供电服务指挥系统，完成用语信息至电子信息的转化。
3.根据权利要求1所述的方法，其特征在于，
所述营销2.0数据仓库，是基于阿里云提供的敏捷数据仓库解决方案，基于数据管理平台DMS及云原生数据仓库ADB的实时数据仓库。
4.根据权利要求3所述的方法，其特征在于，所述步骤S2包括：
S21:停电数据由文本转化为适用于营销2.0系统对应的编码，在接口数据提供后进行转码，使供电服务指挥系统和营销2.0系统能够实现数据一致；
S22:数据转码并进入营销2.0系统后，进行以下数据预处理：线路、台区分别进入对应的数据表中，并标注好数据插入时间和数据插入操作人。
5.根据权利要求1所述的方法，其特征在于，步骤S2中的数据仓库，是由营销2.0系统为基础，在营销2.0系统的数据基础上，将文本信息转为编码数据，使数据能够适配于营销2.0的数据环境。
6.根据权利要求1所述的方法，其特征在于，所述步骤S3中，所述训练集和测试集，采用随机等距抽样，进行多次抽样与训练；为了避免过拟合，在有监督的机器学习实验时，按比例保留了数据测试集。
7.根据权利要求6所述的方法，其特征在于，所述步骤S3中，为避免浪费数据，采用k-折交叉验证进行循环中计算的每个准确率的平均，使用cross_val_score帮助函数进行交叉验证。
8.根据权利要求7所述的方法，其特征在于，所述步骤S3中，为进行小范围的算法可行性的尝试，先采用自助法，以自助采样为基础，则在n次采样中始终不被采到的概率为：
通过自助法先使用有限的数据集进行算法可行性的验证，再使用完整数据集进行算法的训练。
9.根据权利要求8所述的方法，其特征在于，
所述预警模型包括：
获取本次停电的线路数据，通过线路数据计算出受到影响的台区和用电户，输出受到本次停电影响的用电户编号，并对用电户进行管理单位的分类，触发短信通知接口，使受到影响的用电户都能通过预留的手机号码获取停电相关信息；
整合本次停电的数据和模型运行输出数据，再次存入停电相关数据库中，完善数仓，投入在定期或不定期的模型评估中；
所述模型计算都依赖于模型中已经给定的台区、用电户、线路的关联关系，并且模型支持关联关系的变更。
10.根据权利要求1所述的方法，其特征在于，所述步骤S6包括：
S61：对营销2.0的数据仓库进行解构，对预警模型所需要的数据在各数据过程的形态和状态进行分析，使能够在预警模型运行前获得各数据层所需的数据；
S62：对预警模型的运行时间进行限制，当供电服务指挥系统中产生了停电相关数据，则视为模型启动的标志，模型结束标志则由模型运行结果而定；
S63：模型运行后，会筛选出受到影响的台区，数据转换成消息通知，推送到其他系统中，生成台区警告消息，向台区相关责任人预警；
S64：模型运行后，本次停电影响到的用电户信息被筛选出，数据转换成营销2.0的预警条件，触发营销2.0系统的短信群发功能，向受到影响的用户进行短信发送，完成针对用电户的停电预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111333397.2A CN114048904A (zh) | 2021-11-11 | 2021-11-11 | 一种依据数据治理的停电预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111333397.2A CN114048904A (zh) | 2021-11-11 | 2021-11-11 | 一种依据数据治理的停电预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114048904A true CN114048904A (zh) | 2022-02-15 |
Family
ID=80208382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111333397.2A Pending CN114048904A (zh) | 2021-11-11 | 2021-11-11 | 一种依据数据治理的停电预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114048904A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830406A (zh) * | 2018-05-29 | 2018-11-16 | 贵州黔驰信息股份有限公司 | 一种基于数据挖掘的主配网预停电配置方法 |
| CN110232203A (zh) * | 2019-04-22 | 2019-09-13 | 山东大学 | 知识蒸馏优化rnn短期停电预测方法、存储介质及设备 |
| CN110929226A (zh) * | 2019-11-26 | 2020-03-27 | 广州供电局有限公司 | 配电网停电预测方法、装置及系统 |
| CN112288403A (zh) * | 2020-10-30 | 2021-01-29 | 国网安徽省电力有限公司怀远县供电公司 | 停电信息精准推送到户方法、系统、电子设备及存储介质 |
-
2021
- 2021-11-11 CN CN202111333397.2A patent/CN114048904A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830406A (zh) * | 2018-05-29 | 2018-11-16 | 贵州黔驰信息股份有限公司 | 一种基于数据挖掘的主配网预停电配置方法 |
| CN110232203A (zh) * | 2019-04-22 | 2019-09-13 | 山东大学 | 知识蒸馏优化rnn短期停电预测方法、存储介质及设备 |
| CN110929226A (zh) * | 2019-11-26 | 2020-03-27 | 广州供电局有限公司 | 配电网停电预测方法、装置及系统 |
| CN112288403A (zh) * | 2020-10-30 | 2021-01-29 | 国网安徽省电力有限公司怀远县供电公司 | 停电信息精准推送到户方法、系统、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022116548A1 (zh) | 一种电力应急指挥系统 | |
| CN102305643B (zh) | 一种水质实时在线监测与管理系统 | |
| CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
| CN104777813A (zh) | 综合气象观测运行监控系统及其监控方法 | |
| CN110942235B (zh) | 一种电力应急评估系统 | |
| CN111935219B (zh) | 一种小区物联网管理系统 | |
| CN104835376B (zh) | 具有备自投自动安全装置动作模拟功能的调度员培训仿真系统 | |
| CN111585352B (zh) | 一种基于pms2.0系统的电力监控系统，设备及可读存储介质 | |
| CN113409162A (zh) | 一种基于智能事件处理的集控站设备监控系统及控制方法 | |
| CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN105894748A (zh) | 配电网停电主动告警设备 | |
| CN118071159A (zh) | 一种基于gpt的智慧园区安全应急管理系统及方法 | |
| CN107966943B (zh) | 一种多级变电站集中总控监控智能数据分析系统 | |
| CN111709597B (zh) | 一种电网生产域运营监测系统 | |
| CN114048904A (zh) | 一种依据数据治理的停电预警方法 | |
| CN211264434U (zh) | 地理信息动态预警布控系统 | |
| CN108537348A (zh) | 智能的交通安全设施养护信息采集及应用方法 | |
| CN206193893U (zh) | 水资源应急管理系统 | |
| CN116562852A (zh) | 基于知识图谱的配网停电信息管理系统 | |
| CN114726096B (zh) | 一种基于ims的智慧电网中的应急指挥集控系统及监控方法 | |
| CN116312015A (zh) | 基于北斗大数据云平台的交通基础设施实时监测预警系统 | |
| CN111697569B (zh) | 一种配电线路故障自愈能力综合分析系统及方法 | |
| CN215871460U (zh) | 电力通信网络应急预案生成装置 | |
| CN115002171A (zh) | 一种污水处理设施的智能运营监管系统 | |
| CN108536741B (zh) | 一种用能异常监测方法 |
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 |