CN114462901A - 有源配电网电能质量评价方法、装置、终端及存储介质 - Google Patents
有源配电网电能质量评价方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114462901A CN114462901A CN202210381556.4A CN202210381556A CN114462901A CN 114462901 A CN114462901 A CN 114462901A CN 202210381556 A CN202210381556 A CN 202210381556A CN 114462901 A CN114462901 A CN 114462901A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- class
- node
- power distribution
- active power
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013441 quality evaluation Methods 0.000 title claims description 21
- 238000005070 sampling Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims description 51
- 238000012549 training Methods 0.000 claims description 42
- 238000012795 verification Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 8
- 238000010200 validation analysis Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000010755 BS 2869 Class G Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004451 qualitative analysis 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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及配电技术领域，尤其涉及一种有源配电网电能质量评价方法、装置、终端及存储介质，本发明方法其获得节点指数索引，通过索引，找到样本指数，并将样本指数与有源配电网节点进行关联后，送入到训练后的评价模型，输出评分。通过获取索引的方式，可以降低数据的传输量，通过对照表的方式，可以降低数据的计算量。由于索引得到的样本指数，为根据类中心获得的，类中心与采样数据近似，因此，保留了更多的数据的细节，减少了数据处理时细节的丢失问题。
Description
技术领域
本发明涉及配电技术领域，尤其涉及一种有源配电网电能质量评价方法、装置、终端及存储介质。
背景技术
电能是人类社会中不可或缺的重要能源，电能质量是电网运行的三大目标之一，但目前还没有比较完善的方法去定量和定性的评价电能质量的好坏。电能作为一种商品，都对质量有严格要求。
随着近年来太阳能、风能、生物质能等新能源发电技术的飞速发展，因其波动性、随机性、间歇性和不可调度性等特点并网后会对主电网的稳定性造成一定影响。同时，随着微电子技术和电力电子技术的发展，各种大型设备、非线性负荷以及冲击性负荷在日益广泛应用于电力系统的同时，也导致了较为突出的电网电压畸变、波动和闪变等电能质量问题。
目前我国颁布的与电能质量有关的国家标准中涉及了标准电压、供电电压偏差、谐波、电压波动与闪变、三相不平衡等多种指标，所以电能质量评价问题是一个多指标的综合评估过程。国家颁布的电能质量一系列标准，只规定了各个指标的极限值，只能对电能质量进行是否合格的分析，简单的定性分析无法完整、真实、全面反映电网的电能质量情况，对于如何提高电能质量意义有限。目前的国家标准只针对于源端，未对负荷端进行约束。随着用户侧对电能质量要求越来越高以及敏感性负荷设备的日益增多，如何对其用电质量进行正确评价，是实现“按质定价、按质优价”的关键。因此，如何对电能质量进行综合评价是现代电力系统的重要研究内容。
电能质量研究方法从研究初期的以电能质量综合评价指标测量数据的概率统计特征为主线的基于概率统计的电能质量综合评价方法，到研究中期的以电能质量综合评价指标模糊特性为中心的基于模糊数学的电能质量综合评价方法，至近期发展起来的以电能质量综合评价建模特性为特点的智能化电能质量综合评价方法。
现有这些评价方法在具体实施应用过程中存在诸多问题：
(1)指标的选择受人为经验影响较为严重，在构建电能质量评价体系时，未能客观的选取具有代表性的指标进行评价；
(2)多数算法在进行电能质量评价时评价按“点”进行，不能有效全面地评价电能质量的优劣；
(3)算法使用的数据需进行深度处理，导致数据所携带的信息丢失严重，评价的结果失去客观性；
(4)过于关注算法本身，而忽略了电能质量评价本身的意义。
因此，有必要开发一种电能质量评价方法，以解决现有技术中电能质量评价存在的诸多问题。
发明内容
本发明实施方式提供了一种有源配电网电能质量评价方法、装置、终端及存储介质，用于解决现有技术中电能质量评价存在不全面的问题。
第一方面，本发明实施方式提供了一种有源配电网电能质量评价方法，包括：
获取多个节点指数索引以及多个节点标识，其中，节点指数索引基于有源配电网节点的采样数据生成，节点标识用于标识有源配电网节点；
根据样本指数对照表以及所述多个节点指数索引，获取多个节点指数集，其中，所述样本指数对照表记录有所述节点指数索引相对应的节点指数集，所述节点指数集用于表征有源配电网节点的电能质量指数；
根据所述多个节点指数集与多个有源配电网节点的对应关系，用所述多个节点标识制作所述多个节点指数集的标签；
根据所述多个节点指数集的标签，将所述多个节点指数集输入至评价模型，获取配电网的电能质量评分。
在一种可能实现的方式中，对于所述多个节点指数索引，通过如下步骤获得：
获取多个节点的当前采样数据，当前采样数据用于表征当前时段有源配电网节点的供电采样数据；
计算每个所述当前采样数据与多个类中心的多个距离，其中，类中心为一类供电采样数据的中心，每个类具有不同的电能质量特性，每个类中心均对应一个类标识；
对于每个所述当前采样数据，选取距离最小的类中心作为目标类中心；
以所述目标类中心对应的类标识，作为节点指数索引。
在一种可能实现的方式中，所述多个类中心，通过如下步骤获得：
获得多个有源配电网节点的历史采样数据，历史采样数据包括多个不同历史时段的采样数据；
对于每个有源配电网节点，执行如下步骤：
获取预定数量的多个类中心，类中心为随机选取的历史时段的采样数据；
中心距离确定步骤：确定每个历史时段的采样数据与各个所述类中心的距离；
将每个历史时段的采样数据归类到距离最小的类中心的类；
计算每个类的中心作为聚类中心；
计算每个类中心与所述聚类中心的距离；
若所述每个类中心与所述聚类中心的距离均小于阈值，则将所述聚类中心作为所述类的类中心；
否则，将所述聚类中心作为所述类的类中心，并跳转至所述中心距离确定步骤。
在一种可能实现的方式中，所述样本指数对照表，按照以下步骤获得：
根据多个节点指数索引，获取多个类中心；
对于所述每个类中心，进行指数化处理，获取由多个指数构成的节点指数集；
将所述每个类中心相对应的类中心索引与所述多个节点指数集关联，获得所述样本指数对照表。
在一种可能实现的方式中，所述评价模型通过以下步骤获得：
获取评价模型以及训练集，其中，所述训练集包括多个训练样本，所述多个训练样本设有多个对应有源配电网节点的标签以及多个评分标签；
训练步骤：根据训练样本的有源配电网节点的标签，将所述训练样本输入至所述评价模型，获取所述评价模型的输出；
若所述训练样本的评分标签与所述输出的偏差大于阈值，则调整所述评价模型的权重，并跳转至所述训练步骤；
否则，固定所述评价模型的权重。
在一种可能实现的方式中，在所述固定所述评价模型的权重步骤之后，包括：
获取验证集，其中，所述验证集包括多个验证样本，所述多个验证样本设有多个有源配电网节点的标签以及多个评分标签；
根据所述多个验证样本的多个有源配电网节点的标签，将所述多个验证样本输入至所述评价模型，获取所述评价模型的多个验证输出；
计算所述评价模型的多个验证输出总和，作为验证总输出；
计算所述多个验证样本的多个评分标签的总和，作为验证和；
若所述验证总输出与所述验证和的偏差大于阈值，则跳转至训练步骤。
在一种可能实现的方式中，所述评价模型为：
式中，score为电能质量评分，f(x n )为评分核心函数，x n 为节点指数集的第n个元素，w n 为权重，k为节点指数集中元素的数量，b为总偏置值。
第二方面，本发明实施方式提供了一种有源配电网电能质量评价装置，包括：
样本索引获取模块，用于获取多个节点指数索引以及多个节点标识，其中，节点指数索引基于有源配电网节点的采样数据生成，节点标识用于标识有源配电网节点；
指数查找模块，用于根据样本指数对照表以及所述多个节点指数索引，获取多个节点指数集，其中，所述样本指数对照表记录有所述节点指数索引相对应的节点指数集，所述节点指数集用于表征有源配电网节点的电能质量指数；
标签制作模块，用于根据所述多个节点指数集与多个有源配电网节点的对应关系，用所述多个节点标识制作所述多个节点指数集的标签；
以及评分模块，用于根据所述多个节点指数集的标签，将所述多个节点指数集输入至评价模型，获取配电网的电能质量评分。
第三方面，本发明实施方式提供了一种终端，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施方式与现有技术相比存在的有益效果是：
本发明实施方式公开了的一种有源配电网电能质量评价方法，其获得节点指数索引，通过索引，找到样本指数，并将样本指数与有源配电网节点进行关联后，送入到训练后的评价模型，输出评分。通过获取索引的方式，可以降低数据的传输量，通过对照表的方式，可以降低数据的计算量。由于索引得到的样本指数，为根据类中心获得的，类中心与采样数据近似，因此，保留了更多的数据的细节，减少了数据处理时细节的丢失问题。
附图说明
为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施方式提供的有源配电网电能质量评价方法的流程图；
图2是本发明实施方式提供的有源配电网电能质量评价方法的思维导图；
图3是本发明实施方式提供的找到采样数据的节点指数索引的原理图；
图4是本发明实施方式提供的有源配电网电能质量评价装置功能框图；
图5是本发明实施方式提供的终端功能框图。
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方式。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方式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。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。
下面对本发明的实施例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
现有技术中，边缘端（例如智能表）与终端（例如集中器）分别设置在供电线路中不同的位置。通常而言，边缘端，如智能表设置在更为靠近用户的一侧，集中器则位于台区中心。一个集中器与多个边缘端通信连接，接收边缘端的数据。
边缘端用于采集电能数据，如电压、电流、有功以及无功功率等的，可采集的数据量较大，然而受制于数据传输的方式，以及终端的数据处理能力，一般所要传输的数据量较小，且为非实时性数据。
另一方面，终端具有较强的数据处理能力，需要面对众多的终端的请求。终端若面对多个边缘端的大量数据时，会大为加重数据处理的负担，且，对于电网电能质量的评价往往是大数据的挖掘。
在此背景下，若增强边缘端的数据处理能力，则将网络负担、终端的负担大大降低。然而，现有技术中，一种实施方式是，将获取到的大量数据参数化处理，将参数传递到终端进行处理，如获取一端时期的最高电压、电流、功率因数，最小电压、电流、功率因数，然后将这些数据传递到终端进行处理。
我们可以看出，这种数据处理方式，细节丢失的较多，比如，最高电压出现的时刻，最大电流持续的时间，这些数据均未予以表达。
基于细节丢失的数据，终端对配电网电能质量的评分，往往就不够准确，表达的不够客观。
如何通过较少的数据表达更多的细节，解决数据量与细节表达的矛盾，是本领域技术人员所要面对的问题。
图1为本发明实施方式提供的有源配电网电能质量评价方法的流程图。
如图1所示，其示出了本发明实施方式提供的有源配电网电能质量评价方法的实现流程图，详述如下：
在步骤101中，获取多个节点指数索引以及多个节点标识，其中，节点指数索引基于有源配电网节点的采样数据生成，节点标识用于标识有源配电网节点。
在一些实施方式中，对于所述多个节点指数索引，通过如下步骤获得：
获取多个节点的当前采样数据，当前采样数据用于表征当前时段有源配电网节点的供电采样数据；
计算每个所述当前采样数据与多个类中心的多个距离，其中，类中心为一类供电采样数据的中心，每个类具有不同的电能质量特性，每个类中心均对应一个类标识；
对于每个所述当前采样数据，选取距离最小的类中心作为目标类中心；
以所述目标类中心对应的类标识，作为节点指数索引。
在一些实施方式中，所述多个类中心，通过如下步骤获得：
获得多个有源配电网节点的历史采样数据，历史采样数据包括多个不同历史时段的采样数据；
对于每个有源配电网节点，执行如下步骤：
获取预定数量的多个类中心，类中心为随机选取的历史时段的采样数据；
中心距离确定步骤：确定每个历史时段的采样数据与各个所述类中心的距离；
将每个历史时段的采样数据归类到距离最小的类中心的类；
计算每个类的中心作为聚类中心；
计算每个类中心与所述聚类中心的距离；
若所述每个类中心与所述聚类中心的距离均小于阈值，则将所述聚类中心作为所述类的类中心；
否则，将所述聚类中心作为所述类的类中心，并跳转至所述中心距离确定步骤。
示例性地，图2示出了本发明实施方式的思维导图，如图2所示，我们可以看出对于数据传输方面，将索引进行传输，其数据传输量要小于对索引所指向的内容的数据传输量。就本发明实施方式而言，节点指数索引所指向的内容为某个有源配电网节点的采样数据所属类的类中心的索引。
图3示出了一种找到采样数据的节点指数索引的原理图，如图3所示，现有多个类，其中多个类分别为A类、E类以及G类，其中，A类的类中心为类中心B，E类的类中心为类中心F，G类的类中心为类中心H，某个有源配电网节点的采样数据D，其基于距离最近原则找到所属类A类，A类中存在多个与这个有源配电网节点相似的数据，这些数据中最有代表性的数据为该A类的中心数据：类中心B，以类中心B这个中心数据代表A类整体的一般性，则可以在保留尽可能多的细节的同时，减少数据的传输量。
由于如果直接传输类中心B仍然面对数据量较大的问题，我们采用一个编码来标识它，这个标识我们称之为索引。如类中心B的索引为节点指数索引C，则传输节点指数索引C到目标对象，目标对象如果有根据节点指数索引C找到数据本体类中心B的字典，则可以根据节点指数索引C可以找到B类中心。
在对采样数据D进行归类时，一种可以实现的示例为，判断采样数据D与多个可以获得的类中心数据之间的距离，选择与采样数据D距离最近的类中心所在的类为采样数据D的归类。
距离算法上，一种常用的算法为欧式距离算法，本领域人员应当知晓，上述示例仅为便于理解而提供的示例，而非限定。
在类以及类中心的获得上，一种实施方式为，首先获取一些历史采样数据，这些历史采样数据一般性而言，与采样数据D来源于同一个有源配电网。
在获取到历史采样数据后，若我们需要将这些历史采样数据分为N类，则首先获取N个随机抽取的历史采样数据点，作为临时的类中心，然后，计算多个历史采样数据与N个类中心的距离，对于每个历史采样数据而言，将其归类到与其距离最近的类中心，从而形成包含有多个历史采样数据点的类。
从这些类中，经过计算，找到与类中其它元素距离最小的元素，作为新的类中心，并判断新的类中心与原临时类中心的距离，如果二者之间距离较大（大于阈值），则重复分类步骤，直到类中心与原临时类中心的距离小于阈值。则分类完成，当前类中心作为类的中心。
在步骤102中，根据样本指数对照表以及所述多个节点指数索引，获取多个节点指数集，其中，所述样本指数对照表记录有所述节点指数索引相对应的节点指数集，所述节点指数集用于表征有源配电网节点的多个电能质量指数。
在一些实施方式中，所述样本指数对照表，按照以下步骤获得：
根据多个节点指数索引，获取多个类中心；
对于所述每个类中心，进行指数化处理，获取由多个指数构成的节点指数集；
将所述每个类中心相对应的类中心索引与所述多个节点指数集关联，获得所述样本指数对照表。
示例性地，如前所述，对于每个节点指数索引，我们都可以索引到一个类的中心。在一些实施方式中，类的中心是一些历史采样点构成是数据集合。例如，是对一段时期电流波形的采样（该电流波形同时为类的中心）。
然后，将整个类中心进行指数化处理，获取到这些历史采样点的指数。例如，将上述一段时期的电流波形的采样进行傅里叶变换，获取到该段时期电流波形的基波和高次谐波。高次谐波的幅值与基波幅值的比，可作为该一段时期的谐波指数，这个谐波指数用于指示谐波在电流波形中的占比。
对于上述一段时期的谐波指数，将其与类中心的节点指数索引进行关联，从而获得类中心与上述一段时期的谐波指数的样本指数对照表。
在步骤103中，根据所述多个节点指数集与多个有源配电网节点的对应关系，用所述多个节点标识制作所述多个节点指数集的标签。
示例性地，由于对于配电网电能质量评分，应当考虑各个节点供电的权重，因此，应当将节点标识与节点指数集进行关联。
在步骤104中，根据所述多个节点指数集的标签，将所述多个节点指数集输入至评价模型，获取配电网的电能质量评分。
在一些实施方式中，所述评价模型通过以下步骤获得：
获取评价模型以及训练集，其中，所述训练集包括多个训练样本，所述多个训练样本设有多个对应有源配电网节点的标签以及多个评分标签；
训练步骤：根据训练样本的有源配电网节点的标签，将所述训练样本输入至所述评价模型，获取所述评价模型的输出；
若所述训练样本的评分标签与所述输出的偏差大于阈值，则调整所述评价模型的权重，并跳转至所述训练步骤；
否则，固定所述评价模型的权重。
在一些实施方式中，在所述固定所述评价模型的权重步骤之后，包括：
获取验证集，其中，所述验证集包括多个验证样本，所述多个验证样本设有多个有源配电网节点的标签以及多个评分标签；
根据所述多个验证样本的多个有源配电网节点的标签，将所述多个验证样本输入至所述评价模型，获取所述评价模型的多个验证输出；
计算所述评价模型的多个验证输出总和，作为验证总输出；
计算所述多个验证样本的多个评分标签的总和，作为验证和；
若所述验证总输出与所述验证和的偏差大于阈值，则跳转至训练步骤。
在一些实施方式中，所述评价模型为：
式中，score为电能质量评分，f(x n )为评分核心函数，x n 为节点指数集的第n个元素，w n 为权重，k为节点指数集中元素的数量，b为总偏置值。
示例性地，对于评价模型的获取上，一种评价模型按下式建立：
式中，score为电能质量评分，f(x n )为评分核心函数，x n 为节点指数集的第n个元素，w n 为权重，权重反映某一因素或指标相对于某一事物的重要程度，其不同于一般的比重，体现的不仅仅是某一因素或指标所占的百分比，强调的是因素或指标的相对重要程度，倾向于贡献度或重要性，k为节点指数集中元素的数量，b为总偏置值，偏置值反映了评价模型其它项的输出值与电能质量评分之间的差异，在有些应用场景中可以理解为与原点的截距或偏移量。
需要特殊说明的是，f(x n )决定了节点指数的叠加方式，其可根据实际设置，其原理如同人工神经网络里激活函数的概念。在一些应用场景中，f(x n )采用Sigmoid函数，此时f(x n )表达式为：
式中，e为自然常数。
在另一些应用场景中，f(x n )采用Leaky ReLU函数，此时f(x n )表达式为：
式中，p为常数系数，一种实施方式中为用户自行设置的某较小数值的超参数。
从上式中，我们可以看出，评分和权重有关，仅当将权重调整好到合适的数值范围，方可以实现根据样本指数输出评分的效果。
为实现上述效果，我们获得了训练集和验证集，训练集用于训练上述模型，通过训练调整权重，验证集用于验证上述模型对于评分的准确性。
训练集包括多个训练样本，这些训练样本构成与节点指数集的构成相同，此外还设有对应训练样本的评分标签。
将训练样本输入到上述评价模型，评价模型会输出一个评分，该评分与评分标签进行比对，根据比对结果调整权重，直至评价模型的输出与评分标签的偏差小于阈值，固定当前的权重，就得到一个训练好的评价模型。
然而，评价模型对于已知的样本可以做到准确评分，是否可以对未知的样本做出准确评分，就应当依靠验证集实现。
验证集中包括多个验证样本，验证样本与节点指数集的构成相同，此外还设有对应训练样本的评分标签。
将验证集的各个元素输入到评价模型，就可以获得与各个元素相对应的评分。将多个评分进行累加，将多个评分标签进行累加，两个累加和进行比较，若偏差大于阈值，则回到上述训练步骤继续进行训练。
本发明有源配电网电能质量评价方法实施方式，其获得节点指数索引，通过索引，找到样本指数，并将样本指数与有源配电网节点进行关联后，送入到训练后的评价模型，输出评分。通过获取索引的方式，可以降低数据的传输量，通过对照表的方式，可以降低数据的计算量。由于索引得到的样本指数，为根据类中心获得的，类中心与采样数据近似，因此，保留了更多的数据的细节，减少了数据处理时细节的丢失问题。
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何限定。
以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。
图4是本发明实施方式提供的有源配电网电能质量评价装置功能框图，参照图4，有源配电网电能质量评价装置4包括：样本索引获取模块401、指数查找模块402、标签制作模块403以及评分模块404。
样本索引获取模块401，用于获取多个节点指数索引以及多个节点标识，其中，节点指数索引基于有源配电网节点的采样数据生成，节点标识用于标识有源配电网节点；
指数查找模块402，用于根据样本指数对照表以及所述多个节点指数索引，获取多个节点指数集，其中，所述样本指数对照表记录有所述节点指数索引相对应的节点指数集，所述节点指数集用于表征有源配电网节点的电能质量指数；
标签制作模块403，用于根据所述多个节点指数集与多个有源配电网节点的对应关系，用所述多个节点标识制作所述多个节点指数集的标签；
以及评分模块404，用于根据所述多个节点指数集的标签，将所述多个节点指数集输入至评价模型，获取配电网的电能质量评分。
图5是本发明实施方式提供的终端的功能框图。如图5所示，该实施方式的终端5包括：处理器500和存储器501，所述存储器501中存储有可在所述处理器500上运行的计算机程序502。所述处理器500执行所述计算机程序502时实现上述各个有源配电网电能质量评价方法及实施方式中的步骤，例如图1所示的步骤101至步骤104。
示例性的，所述计算机程序502可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器501中，并由所述处理器500执行，以完成本发明。
所述终端5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端5可包括，但不仅限于，处理器500、存储器501。本领域技术人员可以理解，图5仅仅是终端5的示例，并不构成对终端5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器500可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器501可以是所述终端5的内部存储单元，例如终端5的硬盘或内存。所述存储器501也可以是所述终端5的外部存储设备，例如所述终端5上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字卡（Secure Digital，SD），闪存卡（Flash Card）等。进一步地，所述存储器501还可以既包括所述终端5的内部存储单元也包括外部存储设备。所述存储器501用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器501还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施方式中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个有源配电网电能质量评价方法及有源配电网电能质量评价装置实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。
以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式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方式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，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种有源配电网电能质量评价方法，其特征在于，包括：
获取多个节点指数索引以及多个节点标识，其中，节点指数索引基于有源配电网节点的采样数据生成，节点标识用于标识有源配电网节点；
根据样本指数对照表以及所述多个节点指数索引，获取多个节点指数集，其中，所述样本指数对照表记录有所述节点指数索引相对应的节点指数集，所述节点指数集用于表征有源配电网节点的多个电能质量指数；
根据所述多个节点指数集与多个有源配电网节点的对应关系，用所述多个节点标识制作所述多个节点指数集的标签；
根据所述多个节点指数集的标签，将所述多个节点指数集输入至评价模型，获取配电网的电能质量评分。
2.根据权利要求1所述的有源配电网电能质量评价方法，其特征在于，对于所述多个节点指数索引，通过如下步骤获得：
获取多个节点的当前采样数据，当前采样数据用于表征当前时段有源配电网节点的供电采样数据；
计算每个所述当前采样数据与多个类中心的多个距离，其中，类中心为一类供电采样数据的中心，每个类具有不同的电能质量特性，每个类中心均对应一个类标识；
对于每个所述当前采样数据，选取距离最小的类中心作为目标类中心；
以所述目标类中心对应的类标识，作为节点指数索引。
3.根据权利要求2所述的有源配电网电能质量评价方法，其特征在于，所述多个类中心，通过如下步骤获得：
获得多个有源配电网节点的历史采样数据，历史采样数据包括多个不同历史时段的采样数据；
对于每个有源配电网节点，执行如下步骤：
获取预定数量的多个类中心，类中心为随机选取的历史时段的采样数据；
中心距离确定步骤：确定每个历史时段的采样数据与各个所述类中心的距离；
将每个历史时段的采样数据归类到距离最小的类中心的类；
计算每个类的中心作为聚类中心；
计算每个类中心与所述聚类中心的距离；
若所述每个类中心与所述聚类中心的距离均小于阈值，则将所述聚类中心作为所述类的类中心；
否则，将所述聚类中心作为所述类的类中心，并跳转至所述中心距离确定步骤。
4.根据权利要求3所述的有源配电网电能质量评价方法，其特征在于，所述样本指数对照表，按照以下步骤获得：
根据多个节点指数索引，获取多个类中心；
对于所述每个类中心，进行指数化处理，获取由多个指数构成的节点指数集；
将所述每个类中心相对应的类中心索引与所述多个节点指数集关联，获得所述样本指数对照表。
5.根据权利要求1所述的有源配电网电能质量评价方法，其特征在于，所述评价模型通过以下步骤获得：
获取评价模型以及训练集，其中，所述训练集包括多个训练样本，所述多个训练样本设有多个对应有源配电网节点的标签以及多个评分标签；
训练步骤：根据训练样本的有源配电网节点的标签，将所述训练样本输入至所述评价模型，获取所述评价模型的输出；
若所述训练样本的评分标签与所述输出的偏差大于阈值，则调整所述评价模型的权重，并跳转至所述训练步骤；
否则，固定所述评价模型的权重。
6.根据权利要求5所述的有源配电网电能质量评价方法，其特征在于，在所述固定所述评价模型的权重步骤之后，包括：
获取验证集，其中，所述验证集包括多个验证样本，所述多个验证样本设有多个有源配电网节点的标签以及多个评分标签；
根据所述多个验证样本的多个有源配电网节点的标签，将所述多个验证样本输入至所述评价模型，获取所述评价模型的多个验证输出；
计算所述评价模型的多个验证输出总和，作为验证总输出；
计算所述多个验证样本的多个评分标签的总和，作为验证和；
若所述验证总输出与所述验证和的偏差大于阈值，则跳转至训练步骤。
7.根据权利要求1-6任一项所述的有源配电网电能质量评价方法，其特征在于，所述评价模型为：
式中，score为电能质量评分，f(x n )为评分核心函数，x n 为节点指数集的第n个元素，w n 为权重，k为节点指数集中元素的数量，b为总偏置值。
8.一种有源配电网电能质量评价装置，其特征在于，包括：
样本索引获取模块，用于获取多个节点指数索引以及多个节点标识，其中，节点指数索引基于有源配电网节点的采样数据生成，节点标识用于标识有源配电网节点；
指数查找模块，用于根据样本指数对照表以及所述多个节点指数索引，获取多个节点指数集，其中，所述样本指数对照表记录有所述节点指数索引相对应的节点指数集，所述节点指数集用于表征有源配电网节点的电能质量指数；
标签制作模块，用于根据所述多个节点指数集与多个有源配电网节点的对应关系，用所述多个节点标识制作所述多个节点指数集的标签；
以及评分模块，用于根据所述多个节点指数集的标签，将所述多个节点指数集输入至评价模型，获取配电网的电能质量评分。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210381556.4A CN114462901B (zh) | 2022-04-13 | 2022-04-13 | 有源配电网电能质量评价方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210381556.4A CN114462901B (zh) | 2022-04-13 | 2022-04-13 | 有源配电网电能质量评价方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114462901A true CN114462901A (zh) | 2022-05-10 |
| CN114462901B CN114462901B (zh) | 2022-07-12 |
Family
ID=81418659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210381556.4A Active CN114462901B (zh) | 2022-04-13 | 2022-04-13 | 有源配电网电能质量评价方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114462901B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| PL410633A1 (pl) * | 2014-12-23 | 2016-07-04 | Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie | System i sposób pomiaru jakości energii elektrycznej |
| US20170141571A1 (en) * | 2015-11-13 | 2017-05-18 | University Of Macau | Mixed signal controller |
| CN108520347A (zh) * | 2018-03-30 | 2018-09-11 | 广州供电局有限公司 | 全景可视化电网电压质量展示方法、系统和计算机设备 |
| CN108573227A (zh) * | 2018-04-09 | 2018-09-25 | 深圳竹信科技有限公司 | 心电图数据质量评价方法及装置 |
| CN110263834A (zh) * | 2019-06-13 | 2019-09-20 | 东华大学 | 一种新能源电能质量异常值的检测方法 |
| CN111244978A (zh) * | 2020-01-19 | 2020-06-05 | 国网冀北电力有限公司电力科学研究院 | 基于单相用户功率特性的低压配电网三相平衡方法 |
| CN112950580A (zh) * | 2021-02-25 | 2021-06-11 | 北京金山云网络技术有限公司 | 质量评价方法、质量评价模型的训练方法和装置 |
| CN113743452A (zh) * | 2021-07-21 | 2021-12-03 | 深圳供电局有限公司 | 电能质量评估方法及装置 |
| CN113806660A (zh) * | 2021-09-17 | 2021-12-17 | 北京百度网讯科技有限公司 | 数据评估方法、训练方法、装置、电子设备以及存储介质 |
| CN113887916A (zh) * | 2021-09-27 | 2022-01-04 | 国网山西省电力公司电力科学研究院 | 一种配电网线损动态量化评估方法及系统 |
| CN114298175A (zh) * | 2021-12-14 | 2022-04-08 | 国网河北能源技术服务有限公司 | 基于边缘计算的电力设备状态监测与故障预警方法及系统 |
-
2022
- 2022-04-13 CN CN202210381556.4A patent/CN114462901B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| PL410633A1 (pl) * | 2014-12-23 | 2016-07-04 | Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie | System i sposób pomiaru jakości energii elektrycznej |
| US20170141571A1 (en) * | 2015-11-13 | 2017-05-18 | University Of Macau | Mixed signal controller |
| CN108520347A (zh) * | 2018-03-30 | 2018-09-11 | 广州供电局有限公司 | 全景可视化电网电压质量展示方法、系统和计算机设备 |
| CN108573227A (zh) * | 2018-04-09 | 2018-09-25 | 深圳竹信科技有限公司 | 心电图数据质量评价方法及装置 |
| CN110263834A (zh) * | 2019-06-13 | 2019-09-20 | 东华大学 | 一种新能源电能质量异常值的检测方法 |
| CN111244978A (zh) * | 2020-01-19 | 2020-06-05 | 国网冀北电力有限公司电力科学研究院 | 基于单相用户功率特性的低压配电网三相平衡方法 |
| CN112950580A (zh) * | 2021-02-25 | 2021-06-11 | 北京金山云网络技术有限公司 | 质量评价方法、质量评价模型的训练方法和装置 |
| CN113743452A (zh) * | 2021-07-21 | 2021-12-03 | 深圳供电局有限公司 | 电能质量评估方法及装置 |
| CN113806660A (zh) * | 2021-09-17 | 2021-12-17 | 北京百度网讯科技有限公司 | 数据评估方法、训练方法、装置、电子设备以及存储介质 |
| CN113887916A (zh) * | 2021-09-27 | 2022-01-04 | 国网山西省电力公司电力科学研究院 | 一种配电网线损动态量化评估方法及系统 |
| CN114298175A (zh) * | 2021-12-14 | 2022-04-08 | 国网河北能源技术服务有限公司 | 基于边缘计算的电力设备状态监测与故障预警方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 柴福帅: ""区域配电网稳态电能质量评价方法研究"", 《中国优秀博硕士学位论文全文数据库（硕士） 工程科技II辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114462901B (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111537884B (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
| CN105354595A (zh) | 一种鲁棒视觉图像分类方法及系统 | |
| CN111177216B (zh) | 综合能源消费者行为特征的关联规则生成方法及装置 | |
| WO2021104216A1 (zh) | 一种用于设备模型趋势相似度的评估方法及装置 | |
| CN113112099A (zh) | 电网日电量预测模型训练方法和电网日电量预测方法 | |
| CN109359665A (zh) | 一种基于支持向量机的家电负荷识别方法及装置 | |
| CN111582315B (zh) | 样本数据处理方法、装置及电子设备 | |
| CN116362823A (zh) | 用于行为稀疏场景的推荐模型训练方法、推荐方法及装置 | |
| CN117748507B (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
| CN117236022A (zh) | 互感器剩余寿命预测模型训练方法、应用方法及电子设备 | |
| CN114462901B (zh) | 有源配电网电能质量评价方法、装置、终端及存储介质 | |
| CN115081515A (zh) | 能效评价模型构建方法、装置、终端及存储介质 | |
| Wu et al. | Optimization and improvement based on K-Means Cluster algorithm | |
| Li et al. | Real‐time approach for oscillatory stability assessment in large‐scale power systems based on MRMR classifier | |
| CN115222018A (zh) | 非侵入式负荷分解方法及装置 | |
| CN109241146A (zh) | 集群环境下的学生智助方法和系统 | |
| CN111882289B (zh) | 一种项目数据审核指标区间测算的装置和方法 | |
| CN110896218B (zh) | 一种用于建立集合性居民负荷的谐波建模方法及系统 | |
| CN113256092A (zh) | 基于改进优化隶属度函数的便携式电量计量装置评估方法 | |
| CN113376564A (zh) | 基于数据分析的智能电表计量校正方法、装置及终端 | |
| CN112598228A (zh) | 企业竞争力的分析方法、装置、设备及存储介质 | |
| CN116187299B (zh) | 一种科技项目文本数据检定评价方法、系统及介质 | |
| CN114155038B (zh) | 受疫情影响用户识别方法 | |
| CN113901999B (zh) | 一种高压并联电抗器故障诊断方法和系统 | |
| CN116128482A (zh) | 电力计量设备运行维护方法、装置、终端及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |