CN115097376A - 计量设备的校验数据的处理方法、装置和计算机设备 - Google Patents
计量设备的校验数据的处理方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN115097376A CN115097376A CN202211020693.1A CN202211020693A CN115097376A CN 115097376 A CN115097376 A CN 115097376A CN 202211020693 A CN202211020693 A CN 202211020693A CN 115097376 A CN115097376 A CN 115097376A
- Authority
- CN
- China
- Prior art keywords
- historical reference
- target error
- reference number
- metering equipment
- groups
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/08—Error detection or correction by redundancy in data representation, e.g. by using checking codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种计量设备的校验数据的处理方法、装置、计算机设备、存储介质和计算机程序产品。方法包括:获取至少两组计量设备的历史参考数列目标误差数列。将历史参考数列与目标误差数列作差得到至少两组计量设备的校验序列。根据至少两组计量设备的校验序列和关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度。将至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,校验预测模型输出计量设备校验周期的预测值。根据计量设备校验周期的预测值调整计量设备的校验周期。基于历史参考数列与目标误差数列对计量设备的校验周期进行准确预测。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种计量设备的校验数据的处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着近几年的快速发展,目前全国各地分布着几亿的电能表,并且其数量还在迅速增加。随着电能表数量逐渐增加,电能表现场检验过程的档案资料也逐年增加。
传统的计量现场检验的方式通常是定时校验。定时校验的方式不能及时发现计量设备的异常,而导致计量设备的准确度降低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够及时发现异常,提高计量设备准确度的计量设备的校验数据的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种计量设备的校验数据的处理方法,所述方法包括:
获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列;
将所述多组历史参考数列与所述目标误差数列作差得到多组校验序列;
根据所述多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与所述目标误差数列的关联度;
将至少两组所述历史参考数列与所述目标误差数列的关联度输入校验预测模型,所述校验预测模型输出计量设备校验周期的预测值;
根据所述计量设备校验周期的预测值调整计量设备的校验周期。
在其中一个实施例中,将所述多组历史参考数列与所述目标误差数列作差得到多组校验序列,包括:
将所述历史参考数列和所述目标误差数列分别进行归一化处理;
将归一化后的每组历史参考数列和目标误差数列分别作差得到多组校验序列。
在其中一个实施例中,所述根据所述多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与所述目标误差数列的关联度,包括:
根据多组校验序列中的极值、校验序列和所述预设的关联度分辨系数分别确定各组的所述历史参考数列与所述目标误差数列的关联系数数列;
根据各组的关联系数数列得到各组所述历史参考数列与所述目标误差数列的关联度;
从各组所述历史参考数列与所述目标误差数列的关联度确定至少两组历史参考数列与所述目标误差数列的关联度;所述多个校验维度至少为三个。
在其中一个实施例中,所述根据各组的关联系数数列得到各组所述历史参考数列与所述目标误差数列的关联度,包括:
将各组的关联系数数列求均值,得到各组所述历史参考数列与所述目标误差数列的关联度;
所述从各组所述历史参考数列与所述目标误差数列的关联度确定至少两组历史参考数列与所述目标误差数列的关联度,包括,将各组所述历史参考数列与所述目标误差数列的关联度进行排序,选取目标区间内的所述关联度得到至少两组历史参考数列与所述目标误差数列的关联度。
在其中一个实施例中,所述根据所述计量设备校验周期的预测值调整计量设备的校验周期,包括:
根据计量设备的等级类型确定计量设备校验周期的阈值;
根据所述计量设备校验周期的阈值和所述计量设备校验周期的预测值确定所述计量设备的校验周期。
在其中一个实施例中,所述方法,包括:
根据所述计量设备校验周期的预测值生成计量设备的画像,所述计量设备的画像包括校验误差类型和校验误差发生时段,所述计量设备的画像用于评估所述计量设备的校验周期。
第二方面,本申请提供了一种计量设备的校验数据的处理装置,所述装置包括:
获取模块,用于获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列;
计算模块,用于将所述多组历史参考数列与所述目标误差数列作差得到多组校验序列;
预处理模块,用于根据所述多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与所述目标误差数列的关联度校验序列;
处理模块,用于将至少两组所述历史参考数列与所述目标误差数列的关联度输入校验预测模型,所述校验预测模型输出计量设备校验周期的预测值;
预测模块,用于根据所述计量设备校验周期的预测值调整计量设备的校验周期。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述计量设备的校验数据的处理方法、装置、计算机设备、存储介质和计算机程序产品,将多组历史参考数列与目标误差数列作差得到多组校验序列,校验序列表征了历史参考数据与目标误差数据的关联程度。多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度,关联度的大小表征了历史参考数列与目标误差数列的整体的关联程度。将至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,校验预测模型输出计量设备校验周期的预测值,并根据计量设备校验周期的预测值调整计量设备的校验周期,得到预测值表示了计量设备在未来时间段内的产生的误差程度,根据预测值可以调整计量设备的校验周期,以便及时发现计量设备的异常。
附图说明
图1为一个实施例中计量设备的校验数据的处理方法的流程示意图;
图2为一个实施例中计量设备的校验数据的处理系统示意图;
图3为一个实施例中现场误差试验的流程示意图;
图4为一个实施例中报告管理模块中工作报告导入和导出的流程示意图;
图5为另一个实施例中计量设备的校验数据的处理方法的流程示意图;
图6为一个实施例中计量设备的校验数据的处理系统的业务流程的示意图;
图7为一个实施例中计量设备的校验数据的处理装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种计量设备的校验数据的处理方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
步骤200,获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列。
其中,计量设备可以是电能表、电流互感器或电压互感器中的一种。如,计量设备为电能表。
通过对不同级别的计量设备的不同时段进行校验实验,从而得到计量设备的历史参考数列,具体地,电能表分为Ⅰ、Ⅱ、Ⅲ、Ⅳ类,Ⅰ类电能表至少每3个月现场校验一次,Ⅱ类电能表至少每6个月现场校验一次,Ⅲ类电能表至少每年现场校验一次,根据不同级别的电能表的级别类型得到电能表的历史参考数列。计量设备的历史参考数列表示在该维度下不同时间段测得的多组数据,如,对于计量设备的准确度等级这一维度,该维度下的历史参考数据代表在历史的时间段内测得的多个准确度等级这一数据。
其中,计量设备的目标误差数列可以是,对计量设备当前进行校验实验,所得到的计量设备的当前的误差数据。需说明的是,计量设备的目标误差数列中各参数与计量设备的历史参考数列中各参数一一对应。
其中,每组历史参考数列是计量设备一个维度的校验数据,该校验数据一般有多个,校验数据分别在不同时间段内测得。具体地,计量设备的历史参考数列的维度可以包括计量设备的准确度等级、额定电压、额定电流、环境温度、环境湿度、运行电压、运行电流、运行时长、校验周期、安装位置参数等。参考数列可以为:
目标误差数列可以为:
在历史参考数列和目标误差数列中,m为计量设备的历史参考数列包含维度的数量,n为潜在待分析的影响因子的个数,可以理解的是每一次校验实验都会产生一组历史参考数据和一组目标误差数据,进行多次校验实验后,多组历史参考数据和多组目标误差数据,并通过对不同维度的校验数据进行校验实验,得到计量设备的历史参考数列和计量设备的目标误差数列,n≤m。
以计量设备为电能表为例,根据电能表的级别类型,对电能表进行校验实验,从而获取至少不同时间段内的两组电能表的历史参考数列(准确度等级、额定电压、额定电流、环境温度、环境湿度、运行电压、运行电流、运行时长、校验周期、安装位置参数等)以及与电能表的历史参考数列对应的电能表目标误差数列。
通过获取至少两组计量设备的历史参考数列与目标误差数列。得到了参考数据和误差数据之间的初步关系,便于后续的对参考数据和误差数据关联程度的分析。
步骤202,将多组历史参考数列与目标误差数列作差得到多组校验序列。
通过将历史参考数列与目标误差数列作差得到多组计量设备的校验序列,校验序列表征了参考数据与误差数据的关联程度。
步骤204,根据多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度。
将计量设备的校验序列和关联度分辨系数依据关联系数计算公式,得到历史参考数列与目标误差数列的关联度。
历史参考数列与目标误差数列的关联度通常为多个,可以对关联度大小进行排序,筛选出较大的几个关联度,作为排序后的历史参考数列与目标误差数列的关联度。
其中,多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度,关联度的大小表征了历史参考数列与目标误差数列的整体的关联程度。
步骤206,将至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,校验预测模型输出计量设备校验周期的预测值。
校验预测模型可以是:
其中,、、……、为通过多元线性回归求解计算出的历史参考数列与目标误差数列的关联系数,为校验预测模型输出计量设备校验周期的预测值,、、……、表示历史参考数列,i表示计量设备的历史参考数列的不同维度,k表示计量设备某一维度的历史参考数列的不同时间段。
通过至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,对计量设备校验周期的预测值进行准确预测。
步骤208,根据计量设备校验周期的预测值调整计量设备的校验周期。
其中,根据预测值Y的大小以及计量设备的等级调整计量设备的校验周期,对于同一计量设备,预测值Y越大计量设备的误差越大,对应的计量设备的校验周期应该缩短。预测值Y越小,则代表计量设备的误差越小,对应的计量设备的校验周期可以适当延长。
上述计量设备的校验数据的处理方法中,将多组历史参考数列与目标误差数列作差得到多组校验序列,校验序列表征了历史参考数据与目标误差数据的关联程度。多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度,关联度的大小表征了历史参考数列与目标误差数列的整体的关联程度。将至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,校验预测模型输出计量设备校验周期的预测值,并根据计量设备校验周期的预测值调整计量设备的校验周期,得到预测值表示了计量设备在未来时间段内的产生的误差程度,根据预测值可以调整计量设备的校验周期,以便及时发现计量设备的异常。
在一个实施例中,将多组历史参考数列与目标误差数列作差得到多组校验序列,包括:将历史参考数列和目标误差数列分别进行归一化处理,将归一化后的每组历史参考数列和目标误差数列分别作差多组校验序列。
其中,计量设备的历史参考数列和目标误差数列涉及多参数多量纲,为了避免量纲差异引起比较分析不方便和不准确,对历史参考数列和目标误差数列进行归一化处理。
其中,归一化处理有两种方式,第一种归一化处理方式,是把数变为0~1之间的小数,第二种归一化处理方式,是将有量纲的表达式转化为无量纲的表达式。以第二种归一化处理方式为例,进行说明。
具体地,可以是对计量设备的历史参考数列和目标误差数列通过计算均值像、初值像和极值像进行归一化处理。以采用均值像进行归一化处理为例,计算公式如下:
其中,为计量设备的历史参考数列,为计量设备的目标误差数列,代表归一化处理后的计量设备的历史参考数列,代表归一化处理后的计量设备的目标误差数列。i表示计量设备的历史参考数列的不同维度,k表示计量设备某一维度的历史参考数列的不同时间段。
本实施例中,通过对计量设备的历史参考数列和目标误差数列进行归一化处理,避免了因为量纲差异引起比较分析不方便和不准确的问题。将归一化后的历史参考数列与归一化后的目标误差数列作差得到多组计量设备的校验序列。得到的计量设备的校验序列,校验序列表征了参考数据与误差数据的关联程度。
在一个实施例中,根据多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度,包括:根据多组校验序列中的极值、校验序列和预设的关联度分辨系数分别确定各组的历史参考数列与目标误差数列的关联系数数列,根据各组的关联系数数列得到各组历史参考数列与目标误差数列的关联度,从各组历史参考数列与目标误差数列的关联度确定至少两组历史参考数列与目标误差数列的关联度,多个校验维度至少为三个。
其中,关联系数的计算公式为:
进而,根据历史参考数列与目标误差数列的关联系数得到历史参考数列与目标误差数列的关联度。
关联度的计算公式如下:
表示历史参考数列与目标误差数列的关联度,i表示计量设备的历史参考数列的不同维度,如i为1时,该校验维度为运行电压。k表示计量设备某一维度的历史参考数列的不同时间段。如k=3时,代表得到三组历史参考数列,如,对计量设备的运行电压进行了三次校验实验得到了三组计量设备运行电压的历史参考数列。
需说明的是,校验维度i≥3,根据三组及以上的校验维度、各组历史参考数列与目标误差数列的关联度确定至少两组历史参考数列与目标误差数列的关联度。
在一个实施例中,根据各组的关联系数数列得到各组历史参考数列与目标误差数列的关联度,包括:将各组的关联系数数列求均值,得到各组历史参考数列与目标误差数列的关联度,从各组历史参考数列与目标误差数列的关联度确定至少两组历史参考数列与目标误差数列的关联度,包括,将各组历史参考数列与目标误差数列的关联度进行排序,选取目标区间内的关联度得到至少两组历史参考数列与目标误差数列的关联度。
其中,将关联度按数值大小进行排序,选取目标区间内的关联度作为历史参考数列与目标误差数列的关联度。目标区间可以是关联度中数值大小排前列的80%。具体地,关联度,i=1,2,……n。将关联度进行排序得到排序后的关联度,i=1,2,……N,N≤n。
本实施例中,根据求得的关联度系数进行排序,再根据排序后的关联度系数建立基于机器学习的多元线性回归分析方程,计算出历史参考数列与目标误差数列的关联系数、、……、,最后根据关联系数、、……、和历史参考数列组成的参考数列,k=1,2,……N以及校验预测模型得到计量设备校验周期的预测值,预测值用于预测不同时间段内(也即不同校验周期内)的计量设备的历史参考数列对计量设备的整体误差影响程度。
在一个实施例中,根据计量设备校验周期的预测值调整计量设备的校验周期,包括:根据计量设备的等级类型确定计量设备校验周期的阈值。根据计量设备校验周期的阈值和计量设备校验周期的预测值确定计量设备的校验周期。
其中,计量设备的等级类型是预先得知的,如0.5级、1级或2级等。
具体地,以计量设备为电能表为例进行说明,根据电能表的等级类型确定电能表校验周期的阈值,如电能表的等级类型为0.5级,代表允许的误差在±0.5%以内。
电能表校验周期的预测值应该在电能表校验周期的阈值的±0.5%之内,若电能表校验周期的预测值在电能表校验周期的阈值范围外,则应该对应减小该电能表的校验周期。若电能表校验周期的预测值在电能表校验周期的阈值范围内,则可以不调整电能表的校验周期。可以理解,电能表校验周期的预测值与电能表校验周期的阈值差值越大,调整后的电能表的校验周期越短。
在一些实施例中,根据计量设备校验周期的预测值生成计量设备的画像,计量设备的画像包括校验误差类型和校验误差发生时段,计量设备的画像用于评估计量设备的校验周期。
其中,计量设备校验周期的预测值包含单个计量设备的误差水平,单个计量设备的误差水平包含:计量设备的制造水平、计量设备的性能水平和平均运行时间。通过对多个计量设备以及多个计量设备对应的预测值进行对比分析可以得到计量设备的最佳投运年限。
同时,可以预测计量设备误差大小的趋势,根据实际情况动态调整设备后期的检验周期。根据同一厂家的所有设备历次出现误差次数,可判断厂家可靠性,为采购部门做支撑。
设备画像包括:设备品牌比例、供货厂家比例、设备投运年限比例、发生误差次数最多的设备统计、发生误差最高时间段统计等内容。
具体地,计量设备的校验误差类型可以是出现误差的原因,比如,电压波动、系统误差、测量误差等。计量设备的校验误差发生时段可以是计量设备出现误差的具体时间段,通过统计量设备出现误差的具体时间段可以丰富计量设备的设备画像。为计量设备的画像评估计量设备的校验周期提供基础。
在本实施例中,根据计量设备校验周期的预测值生成计量设备的画像,可以根据计量设备画像评估计量设备的校验周期。
其中,为实现对计量设备的校验数据进行管理,还可以提供一种计量设备的校验数据的处理系统。
在一些实施例中,如图2所示,为了执行计量设备的校验数据的处理方法,提供了计量设备的校验数据的处理系统。计量设备的校验数据的处理系统包括:计划管理模块、任务管理模块、方案管理模块、步骤管理模块、报告管理模块、编码管理模块、签名管理模块、分析模块、用户管理模块、权限管理模块和系统管理模块。分析模块,执行本申请的计量设备的校验数据的处理方法。
其中,计划管理模块根据不同计量设备类型制定对应的检验计划。电能表分为I、Ⅱ、Ⅲ、Ⅳ类,I类电能表至少每3个月现场检验一次;Ⅱ类电能表至少每6个月现场检验一次;Ⅲ类电能表至少每年现场检验一次。
任务管理模块包括任务制定、任务执行、任务存储三部分内容。
(1)任务制定:根据检验计划生成对应的任务。任务内容包括任务名称、任务地点、任务时间、任务内容、作业人员等。
(2)任务执行:作业人员接收到任务后前往现场根据以规范的工作步骤进行作业,作业完成后对执行过程中的内容进行回传。
(3)任务存储:对所有任务信息进行统一管理,并标记不同任务的执行状态,包括未执行、执行中、已完成等。
方案管理模块,用于针对现场校验工作任务信息(工作方案)进行管理,该模块包括工作概述、工作任务、工作时间、工作范围、工作准备、组织措施、技术措施、安全注意事项、特殊时期安全防护措施、环境保护措施、作业现场实施步骤、作业现场任务变更流程、作业风险评估及管控措施、相关附件等信息。该界面支持离线导入工作方案模板以及用户自定义添加、修改、删除等操作。
其中,工作方案可通过文本识别实现快速导入,省去人工录入的步骤,减少工作人员的工作量,避免发生人因失误。系统提前录入不同电能表现场校验时的工作方案,根据制定的任务内容,实现自动匹配对应的工作方案。同时工作方案可通过系统自定义设置,支持迭代更新。
步骤管理模块,用于对现场校验前准备工作、现场误差试验具体步骤等信息以及具体操作时间进行记录管理。该模块支持用户自定义添加、修改、删除等操作。
现场校验前准备工作具体步骤如下:设备校验、蓝牙通讯、台账校验、选择本次校验的是主表还是副表,并选择接线盒类型、录入环境数据。
如图3所示的计量设备的校验数据的处理系统中现场误差试验的流程示意图。现场误差试验具体步骤如下:安装红外读写光电头、主表外观、接线检查、检查当前电压电流、检查试验测试线、设备、接电流线、划开连片、接电压线、确认试验前数据、试验设置、安装脉冲光电头、自动记录数据、拆除脉冲光电头、拆除电压线、恢复连片、拍照记录、拆除电流线、读取试验后主表数据、读取试验后副表数据、拆除红外读写光电头、安装铅封并记录信息、粘贴合格证、生成试验档案。
报告管理模块用于对试验报告、二次措施单等文件进行统一管理。系统根据安全校验的结果数据自动生成报告,支持报告下载,下载功能根据用户定义的模板导出相关校验信息、试验过程记录报告,支持导出Excel、Word、PPT格式。
利用freemarker模板引擎技术、Apache提供的POI技术,实现对报告的导入导出。作业过程中离线导入的数据包括:检验计划、工作方案模板;导出的数据包括:试验报告、二次措施单等文本表格。
如图4所示的报告管理模块的流程示意图,工作报告导入和导出步骤包括:
步骤500,确定文件的模板为Word、Excel、PPT中一种或多种。
步骤502,将模板需要替换部分的内容进行标记。
步骤504,将文件模板保存为固定格式。
步骤506,从数据库中提取数据,动态替换标记部分的内容。
步骤508,导出对应格式要求的工作报告。
具体地,电能表误差试验报告包含报告编号、检验日期、环境温度、检验设备、设备型号、设备编号、检验依据、电能表基本参数、外观检查和时钟示值偏差试验、接线检查、工作误差试验、计数器电能示值组合误差试验、试验后核实电能表电压、电流值、试验结论、检验人员、核验人员等内容。该界面支持用户自定义添加、修改、删除等操作。
互感器二次回路压降及负荷试验报告包含报告编号、检验日期、环境温度、检验设备、设备型号、设备编号、检验依据、基本参数、电压互感器二次压降测试、电压互感器二次负荷测试、电流互感器二次负荷测试、试验结论、检验人员、核验人员等内容。该界面支持用户自定义添加、修改、删除等操作。
二次措施单包括报告编号、安全技术措施内容、是否执行、执行时间、是否恢复、恢复时间、工作负责人、执行人、回复人、监护人以及备注等内容。该界面支持用户自定义添加、修改、删除等操作。
编码管理模块,用于针对现场校验工作中的工作方案、试验报告、二次措施单进行编码,保障报告编码唯一性,更好地区分、存储文件,从最初制定每个报告编号只会作废并不删除。
(1)工作方案编码规则:公司-局端-站点-YYMMDD-XXXX,YYMMDD代表试验报告生成时间,年月日,后面XXXX代表四位数编码,表示该报告排列序号,当该四位数为9999时,下一个编码变为A001,当编码为A999时,则下一个编码为B001,以此类推)。例如,EHVTC-GZB-DongFang-CS-20210314-0001,表示某换流站2021年3月14日生成的第1份工作方案。
(2)试验报告编码规则:公司-局端-站点-试验类型-YYMMDD-XXXX,试验类型包括电能表误差试验WHET、电压互感器二次压降PTSVDT、电压互感器二次负荷试验PTSLT、电流互感器二次负荷试验CTSVDT,YYMMDD代表试验报告生成时间,年月日,后面XXXX代表四位数编码,表示该报告排列序号,当该四位数为9999时,下一个编码变为A001,当编码为A999时,则下一个编码为B001,以此类推)。例如,EHVTC-GZB-DongFang CS-WHET-20210305-A031,表示某换流站2021年3月5日生成的第1031份电能表误差试验报告。
(3)二次措施单编码规则:公司-局端-站点-SM-YYMMDD-XXXX,SM代表二次措施单,YYMMDD代表二次措施单生成时间,年月日,后面XXXX代表四位数编码,表示该报告排列序号,当该四位数为9999时,下一个编码变为A001,当编码为A999时,则下一个编码为B001,以此类推)。
签名管理模块,用于对人员电子签名进行统一管控。
分析模块,执行计量设备的校验数据的处理方法,如图5所示的一种计量设备的校验数据的处理方法,包括:
步骤600,获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列。
步骤602,将历史参考数列和目标误差数列分别进行归一化处理,将归一化后的每组历史参考数列和目标误差数列分别作差多得到组校验序列。
步骤604,根据多组校验序列中的极值、校验序列和关联度分辨系数分别确定各组的历史参考数列与目标误差数列的关联系数数列,根据各组的关联系数数列得到各组历史参考数列与目标误差数列的关联度,从各组历史参考数列与目标误差数列的关联度确定至少两组历史参考数列与目标误差数列的关联度。
其中,多个校验维度至少为三个。
步骤606,将各组历史参考数列与目标误差数列的关联度进行排序,选取目标区间内的关联度得到至少两组历史参考数列与目标误差数列的关联度。
步骤608,将至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,校验预测模型输出计量设备校验周期的预测值。
步骤610,根据计量设备校验周期的预测值调整计量设备的校验周期。
步骤612,根据计量设备校验周期的预测值生成计量设备的画像,计量设备的画像包括校验误差类型和校验误差发生时段,计量设备的画像用于评估计量设备的校验周期。
其中,围绕人和设备等开展多维度的关联分析,实现可靠性评估、可用性预测,建立人员和设备的画像。
人员画像模块可实现人员学历比例、党员政治面貌比例、岗位比例、入企年限比例、员工操作雷达图、操作问题次数统计、操作问题率统计、同一块电能表人员投入时间统计、不同岗位人员能力分析等内容统计分析,同步生成人员画像。
用户管理模块,用于实现用户信息的维护及对应权限的管理,包括对用户名、密码、姓名、角色、电话号码、电子邮箱、创建时间等内容的管理。该界面提供添加、修改、删除、配置角色、功能权限等功能。
设备画像模块可实现设备品牌比例、供货厂家比例、设备投运年限比例、发生误差次数最多的设备统计、发生误差最高时间段统计等内容统计分析,同步生成设备画像。
权限管理模块,用于针对不同单位、不同站点、不同职位的技术人员分配不同的权限。
系统管理模块,用于对系统版本、系统菜单进行管理维护。
具体地,如图6所示的计量设备的校验数据的处理系统的业务流程的示意图。
首先,后台服务器数据库会对计量现场检验实施管理系统的基础信息、系统管理配置信息进行维护,系统根据设备台账信息对不同类型的计量设备制定对应的检验计划,通过审批的检验计划会生成检验任务,分配对应作业人员,系统根据任务内容自动从数据库中匹配对应的工作方案。作业人员通过移动端APP登录计量现场检验实施管理系统,进入系统后作业人员下载需要执行的任务,并前往现场进行操作,任务执行过程中严格按照移动端现场检验步骤流程进行操作,检验步骤不能跳过或省略。针对作业过程中监测到的实时数据,按照上述试验报告、二次措施单展示字段进行筛选提取,根据模板自动生成预览报告。试验预览报告以及二次措施单上都需要作业人员进行签名,在作业人员第一次执行完任务生成试验报告时,需要在签字板上手动输入签名,输入一次后电子签名将统一存储在系统签名管理模块,当作业人员登录自己账号执行完成任务输入签名时,点击检验人员、校核人员位置,下拉框显示任务关联的人员电子签名,作业人员根据实际情况对应选择。完成签名后将任务数据同步到后台数据库中,对试验数据进行分析,同时生成最终版的试验报告以及二次措施单,系统按照不同报告类型,统一进行编码管理。任务一经制定将会在任务存储模块中进行管理,并根据实际情况注明该任务状态:未执行、执行中、已完成。系统根据历次检验数据进行分析,可实现电能表误差的模型预测,动态调整设备后期检验周期。
本实施例中,对现场校验前准备工作、现场误差试验具体步骤等信息以及具体操作时间进行记录管理,严格规范检验人员在作业过程中的检验步骤。实现标准化的作业流程管控,保障作业安全,避免人因失误。基于两组计量设备的历史参考数列目标误差数列,采用基于灰色关联层次分析法,提取与误差关联的关键特征因素,再基于机器学习或者神经网络算法,建立误差数据与关键特征量的数学模型,计算关联系数,通过计算关联度以及排序,得到各关键特征量对于电能表误差的影响程度,从而在后期检验工作计划中有针对性的进行排期检验。实现标准化的作业流程管控,保障作业安全,避免人因失误,实现检验过程数据自动记录以及报告自动生成、归档,减少人员工作量,开发系统分析数据深化应用、提高数据管理效率,形成现场检验实施全过程信息化管理模式,提升现场校验实施工作智能化管理水平,降低现场校验实施工作精益化管理成本。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的计量设备的校验数据的处理方法的计量设备的校验数据的处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个计量设备的校验数据的处理装置实施例中的具体限定可以参见上文中对于计量设备的校验数据的处理方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种计量设备的校验数据的处理装置,包括:获取模块700、计算模块701、预处理模块702、处理模块703和预测模块704,其中:
获取模块700,用于获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列。
计算模块701,用于将多组历史参考数列与目标误差数列作差得到多组校验序列。
预处理模块702,用于根据多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与目标误差数列的关联度。
处理模块703,用于将至少两组历史参考数列与目标误差数列的关联度输入校验预测模型,校验预测模型输出计量设备校验周期的预测值。
预测模块704,用于根据计量设备校验周期的预测值调整计量设备的校验周期。
在一个实施例中,计算模块701,还用于将历史参考数列和目标误差数列分别进行归一化处理,将归一化后的每组历史参考数列和目标误差数列分别作差得到多组校验序列。
在一个实施例中,预处理模块702,还用于根据多组校验序列中的极值、校验序列和关联度分辨系数分别确定各组的历史参考数列与目标误差数列的关联系数数列,根据各组的关联系数数列得到各组历史参考数列与目标误差数列的关联度,从各组历史参考数列与目标误差数列的关联度确定至少两组历史参考数列与目标误差数列的关联度,多个校验维度至少为三个。
在一个实施例中,预处理模块702,还用于将各组的关联系数数列求均值,得到各组历史参考数列与目标误差数列的关联度,从各组历史参考数列与目标误差数列的关联度确定至少两组历史参考数列与目标误差数列的关联度,包括,将各组历史参考数列与目标误差数列的关联度进行排序,选取目标区间内的关联度得到至少两组历史参考数列与目标误差数列的关联度。
在一个实施例中,预测模块704,还用于根据计量设备的等级类型确定计量设备校验周期的阈值。根据计量设备校验周期的阈值和计量设备校验周期的预测值确定计量设备的校验周期。
在一个实施例中,画像生成模块,用于根据计量设备校验周期的预测值生成计量设备的画像,计量设备的画像包括校验误差类型和校验误差发生时段,计量设备的画像用于评估计量设备的校验周期。
上述计量设备的校验数据的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储计量设备的校验数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种计量设备的校验数据的处理方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种计量设备的校验数据的处理方法,其特征在于,所述方法包括:
获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列;
将所述多组历史参考数列与所述目标误差数列作差得到多组校验序列;
根据所述多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与所述目标误差数列的关联度;
将至少两组所述历史参考数列与所述目标误差数列的关联度输入校验预测模型,所述校验预测模型输出计量设备校验周期的预测值;
根据所述计量设备校验周期的预测值调整所述计量设备的校验周期。
2.根据权利要求1所述的方法,其特征在于,将所述多组历史参考数列与所述目标误差数列作差得到多组校验序列,包括:
将所述历史参考数列和所述目标误差数列分别进行归一化处理;
将归一化后的每组历史参考数列和目标误差数列分别作差得到多组校验序列。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与所述目标误差数列的关联度,包括:
根据所述多组校验序列中的极值、校验序列和所述预设的关联度分辨系数分别确定各组的所述历史参考数列与所述目标误差数列的关联系数数列;
根据各组的关联系数数列得到各组所述历史参考数列与所述目标误差数列的关联度;
从各组所述历史参考数列与所述目标误差数列的关联度确定至少两组历史参考数列与所述目标误差数列的关联度,所述多个校验维度至少为三个。
4.根据权利要求3所述的方法,其特征在于,所述根据各组的关联系数数列得到各组所述历史参考数列与所述目标误差数列的关联度,包括:
将各组的关联系数数列求均值,得到各组所述历史参考数列与所述目标误差数列的关联度;
所述从各组所述历史参考数列与所述目标误差数列的关联度确定至少两组历史参考数列与所述目标误差数列的关联度,包括,将各组所述历史参考数列与所述目标误差数列的关联度进行排序,选取目标区间内的所述关联度得到至少两组历史参考数列与所述目标误差数列的关联度。
5.根据权利要求1所述的方法,其特征在于,所述根据所述计量设备校验周期的预测值调整所述计量设备的校验周期,包括:
根据所述计量设备的等级类型确定计量设备校验周期的阈值;
根据所述计量设备校验周期的阈值和所述计量设备校验周期的预测值确定所述计量设备的校验周期。
6.根据权利要求1所述的方法,其特征在于,所述方法,包括:
根据所述计量设备校验周期的预测值生成所述计量设备的画像,所述计量设备的画像包括校验误差类型和校验误差发生时段,所述计量设备的画像用于评估所述计量设备的校验周期。
7.一种计量设备的校验数据的处理装置,其特征在于,所述装置包括:
获取模块,用于获取计量设备的多个校验维度对应的多组历史参考数列与目标误差数列;
计算模块,用于将所述多组历史参考数列与所述目标误差数列作差得到多组校验序列;
预处理模块,用于根据所述多组校验序列和预设的关联度分辨系数确定至少两组历史参考数列与所述目标误差数列的关联度校验序列;
处理模块,用于将至少两组所述历史参考数列与所述目标误差数列的关联度输入校验预测模型,所述校验预测模型输出计量设备校验周期的预测值;
预测模块,用于根据所述计量设备校验周期的预测值调整所述计量设备的校验周期。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020693.1A CN115097376B (zh) | 2022-08-24 | 2022-08-24 | 计量设备的校验数据的处理方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020693.1A CN115097376B (zh) | 2022-08-24 | 2022-08-24 | 计量设备的校验数据的处理方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115097376A true CN115097376A (zh) | 2022-09-23 |
CN115097376B CN115097376B (zh) | 2022-11-01 |
Family
ID=83301420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020693.1A Active CN115097376B (zh) | 2022-08-24 | 2022-08-24 | 计量设备的校验数据的处理方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097376B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115758862A (zh) * | 2022-10-18 | 2023-03-07 | 深圳思谋信息科技有限公司 | 设备校准方法、装置、计算机设备及计算机可读存储介质 |
CN116934354A (zh) * | 2023-07-21 | 2023-10-24 | 浙江远图技术股份有限公司 | 一种药品计量称的监管方法、装置、电子设备及介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7587330B1 (en) * | 2003-01-31 | 2009-09-08 | Hewlett-Packard Development Company, L.P. | Method and system for constructing prediction interval based on historical forecast errors |
US9470747B1 (en) * | 2014-01-23 | 2016-10-18 | Southern Company Services, Inc. | Mislinked meter identifier |
CN106203732A (zh) * | 2016-07-26 | 2016-12-07 | 国网重庆市电力公司 | 基于itd和时间序列分析的计量误差计算方法 |
CN106970346A (zh) * | 2017-03-21 | 2017-07-21 | 中国电力科学研究院 | 一种用于电能计量设备远程校准的方法及系统 |
CN107454143A (zh) * | 2017-06-30 | 2017-12-08 | 国网四川省电力公司电力科学研究院 | 一种广域测量方式的数字化电能表计量性能智能巡检方法 |
CN108445435A (zh) * | 2018-02-05 | 2018-08-24 | 国电南瑞科技股份有限公司 | 一种电能表检定装置误差在线评估方法 |
US20180335499A1 (en) * | 2017-05-16 | 2018-11-22 | Panasonic Intellectual Property Management Co., Ltd. | Determining method and determining apparatus |
CN109816165A (zh) * | 2019-01-16 | 2019-05-28 | 国能日新科技股份有限公司 | 风电超短期功率预测方法及系统 |
CN111693928A (zh) * | 2020-06-22 | 2020-09-22 | 广东电网有限责任公司计量中心 | 电能表计量误差计算方法、装置和计算机设备 |
CN112596021A (zh) * | 2021-01-05 | 2021-04-02 | 杨继敏 | 小电量台区单相电能表运行误差监测改进方法及改进系统 |
CN112684396A (zh) * | 2020-11-20 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 电能表运行误差监测模型的数据预处理方法及系统 |
CN113190429A (zh) * | 2021-06-03 | 2021-07-30 | 河北师范大学 | 服务器性能预测方法、装置及终端设备 |
CN114358186A (zh) * | 2022-01-04 | 2022-04-15 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及计算机可读存储介质 |
CN114418450A (zh) * | 2022-02-07 | 2022-04-29 | 中国建设银行股份有限公司 | 一种数据处理方法及装置 |
-
2022
- 2022-08-24 CN CN202211020693.1A patent/CN115097376B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7587330B1 (en) * | 2003-01-31 | 2009-09-08 | Hewlett-Packard Development Company, L.P. | Method and system for constructing prediction interval based on historical forecast errors |
US9470747B1 (en) * | 2014-01-23 | 2016-10-18 | Southern Company Services, Inc. | Mislinked meter identifier |
CN106203732A (zh) * | 2016-07-26 | 2016-12-07 | 国网重庆市电力公司 | 基于itd和时间序列分析的计量误差计算方法 |
CN106970346A (zh) * | 2017-03-21 | 2017-07-21 | 中国电力科学研究院 | 一种用于电能计量设备远程校准的方法及系统 |
US20180335499A1 (en) * | 2017-05-16 | 2018-11-22 | Panasonic Intellectual Property Management Co., Ltd. | Determining method and determining apparatus |
CN107454143A (zh) * | 2017-06-30 | 2017-12-08 | 国网四川省电力公司电力科学研究院 | 一种广域测量方式的数字化电能表计量性能智能巡检方法 |
CN108445435A (zh) * | 2018-02-05 | 2018-08-24 | 国电南瑞科技股份有限公司 | 一种电能表检定装置误差在线评估方法 |
CN109816165A (zh) * | 2019-01-16 | 2019-05-28 | 国能日新科技股份有限公司 | 风电超短期功率预测方法及系统 |
CN111693928A (zh) * | 2020-06-22 | 2020-09-22 | 广东电网有限责任公司计量中心 | 电能表计量误差计算方法、装置和计算机设备 |
CN112684396A (zh) * | 2020-11-20 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 电能表运行误差监测模型的数据预处理方法及系统 |
CN112596021A (zh) * | 2021-01-05 | 2021-04-02 | 杨继敏 | 小电量台区单相电能表运行误差监测改进方法及改进系统 |
CN113190429A (zh) * | 2021-06-03 | 2021-07-30 | 河北师范大学 | 服务器性能预测方法、装置及终端设备 |
CN114358186A (zh) * | 2022-01-04 | 2022-04-15 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及计算机可读存储介质 |
CN114418450A (zh) * | 2022-02-07 | 2022-04-29 | 中国建设银行股份有限公司 | 一种数据处理方法及装置 |
Non-Patent Citations (3)
Title |
---|
ZHOU FENG ET AL.: "Construction of Multidimensional Electric Energy Meter Abnormal Diagnosis Model Based on Decision Tree Group", 《2019 IEEE 8TH JOINT INTERNATIONAL INFORMATION TECHNOLOGY AND ARTIFICIAL INTELLIGENCE CONFERENCE》 * |
姚栋方等: "一种新型数字直流电能表现场校验仪的设计与应用", 《电子器件》 * |
李振华等: "基于Q-ARMA的电子式电压互感器误差状态预测", 《中国科学:技术科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115758862A (zh) * | 2022-10-18 | 2023-03-07 | 深圳思谋信息科技有限公司 | 设备校准方法、装置、计算机设备及计算机可读存储介质 |
CN115758862B (zh) * | 2022-10-18 | 2023-05-30 | 深圳思谋信息科技有限公司 | 设备校准方法、装置、计算机设备及计算机可读存储介质 |
CN116934354A (zh) * | 2023-07-21 | 2023-10-24 | 浙江远图技术股份有限公司 | 一种药品计量称的监管方法、装置、电子设备及介质 |
CN116934354B (zh) * | 2023-07-21 | 2024-04-05 | 浙江远图技术股份有限公司 | 一种药品计量称的监管方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115097376B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115097376B (zh) | 计量设备的校验数据的处理方法、装置和计算机设备 | |
Zou et al. | Strategies for minimizing building energy performance gaps between the design intend and the reality | |
US6832205B1 (en) | System and method for automatically predicting the timing and costs of service events in a life cycle of a product | |
US20210287177A1 (en) | Automatic monitoring and reporting system | |
Grbac et al. | A second replicated quantitative analysis of fault distributions in complex software systems | |
US20050143953A1 (en) | A method and system for targeting and monitoring the energy performance of manufacturing facilities | |
CN113407517B (zh) | 一种基于多维分析技术的数据质量健康度分析方法及系统 | |
CN106651653B (zh) | 一种智能配电网工程辅助管理系统 | |
CN110728422A (zh) | 用于施工项目的建筑信息模型、方法、装置和结算系统 | |
Liu et al. | Quantitative evaluation of the building energy performance based on short-term energy predictions | |
Velasco et al. | Next day electric load forecasting using Artificial Neural Networks | |
CN111737249A (zh) | 基于Lasso算法的异常数据检测方法及装置 | |
CN115147012A (zh) | 一种基于神经网络模型的碳排放量核算方法及装置 | |
CN115879748A (zh) | 一种基于大数据的企业信息化管理集成平台 | |
CN112184072B (zh) | 机房设备管理方法及装置 | |
CN111080364A (zh) | 一种工程造价数据中心管理系统及装置 | |
CN114819487A (zh) | 供应商持续稳定供应能力评价方法、装置和计算机设备 | |
Doganaksoy et al. | Getting the right data up front: A key challenge | |
Alquthami et al. | Importance of smart meters data processing–case of saudi arabia | |
CN111274128A (zh) | 测试方法、装置、计算机设备及计算机可读存储介质 | |
Chen et al. | The effect of linear regression modeling approaches on determining facility wide energy savings | |
Pham et al. | AGR-2 Final Data Qualification Report for US Capsules-ATR Cycles 147A Through 154B | |
Alqodri et al. | Helpdesk ticket support system based on fuzzy Tahani algorithm | |
CN113190553B (zh) | 一种基于bpmn的数据上报系统及数据上报方法 | |
Mayenberger | 20 Robust Model Development in Reverse Stress Testing |
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 |