CN115327469A - 电能表检定数据的监控方法以及系统 - Google Patents
电能表检定数据的监控方法以及系统 Download PDFInfo
- Publication number
- CN115327469A CN115327469A CN202210946906.7A CN202210946906A CN115327469A CN 115327469 A CN115327469 A CN 115327469A CN 202210946906 A CN202210946906 A CN 202210946906A CN 115327469 A CN115327469 A CN 115327469A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- verification
- subunit
- hardware
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 319
- 238000012795 verification Methods 0.000 title claims abstract description 278
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 8
- 239000000523 sample Substances 0.000 description 13
- 239000000284 extract Substances 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种电能表检定数据的监控方法及系统、存储介质、终端,涉及电力领域,主要目的在于改善现有无法实时掌握检定过程中运行数据,存在损坏流水线硬件的风险,以致于监控效率降低的问题。包括:解析检定工单中电能表的目标检定项目,并确定与目标检定项目匹配的监控组件;当启动电能表的检定操作后,向硬件监控子单元发送数据采集指令,并向软件监控子单元发送数据记录指令;获取硬件监控子单元采集的数据,并获取软件监控子单元记录的运行状态数据;提取图像数据和/或红外信号的硬件监控特征,以及运行状态数据的软件监控特征,并基于数据状态监控模型对硬件监控特征、软件监控特征进行监控处理,确定检定数据的监控结果。
Description
技术领域
本发明涉及一种电力技术领域,特别是涉及一种电能表检定数据的监控方法及系统。
背景技术
随着智能电力系统的快速发展,电能表作为计量设备,用于对各个检测点进行电量检测,为了确保智能电力系统的供电、计费等功能的实现,电能表需要较高的质检要求,因此,需要对投入应用的电能表进行检定。
目前,现有在对电能表进行检定过程中,通常是将电能表置于检定流水线上,以驱动检定流水线上的检定项目对电能表进行自动定检。但是,由于对电能表进行定检的过程是全自动的,无法实时掌握检定过程中全部运行数据,若运行数据中存在异常会对整条检定流水线产生硬件损坏,同时,大大降低了电能表检定数据的监控效率。
发明内容
有鉴于此,本发明提供一种电能表检定数据的监控方法及系统、存储介质、终端,主要目的在于改善现有无法实时掌握检定过程中全部运行数据,存在损坏流水线硬件的风险,以致于监控效率降低的问题。
依据本发明一个方面,提供了一种电能表检定数据的监控方法,包括:
解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;
当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;
按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;
提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。
优选的,所述解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件包括:
提取所述检定工单中的文本标识,并基于预设检定项目列表查找与所述文本标识匹配的目标检定项目;
搜索已完成预启动的监控组件,并获取所述监控组件中处于正常运行状态的硬件监控子单元标识、软件监控子单元标识;
基于预设软硬件检定匹配映射关系查找与所述目标检定项目匹配的硬件监控子单元标识、软件监控子单元标识,确定包含硬件监控子单元、软件监控子单元的至少一项监控组件;或,
接收用户选取的与所述目标检定项目匹配的包含硬件监控子单元、软件监控子单元的至少一项监控组件。
优选的,所述硬件监控子单元包括图像采集设备、红外线传感器,所述软件监控子单元包括运行数据打点单元、运行数据存储单元;所述当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令包括:
按照所述检定工单驱动检定流水线对所述电能表进行传输后,获取所述电能表的执行检定操作的操作位置,所述操作位置对应一个目标检定项目;
向设置于所述操作位置的所述图像采集设备以及所述红外传感器发送数据采集指令,以启动数据采集操作;
所述向所述软件监控子单元发送数据记录指令包括:
当检测到所述图像采集设备以及所述红外传感器启动数据采集操作后,向所述运行数据打点单元以及所述运行数据存储单元发送数据记录指令,以记录存储所述目标检定项目的运行状态。
优选的,所述硬件监控特征包括图像特征数据以及红外特征数据,所述提取所述图像数据和/或所述红外信号的硬件监控特征包括:
基于已完成训练的图像特征提取模型对所述图像数据进行特征提取,得到图像特征数据,所述图像特征提取模型为基于标记硬件特征的图像训练集进行训练的;
解析所述红外信号中的凸点或凸状信号,根据红外特征映射关系匹配与所述凸点或所述凸状信号所对应的红外特征数据,所述红外特征映射关系中包含有不同凸点或不同凸状信号分别对应的红外特征数据。
优选的,所述提取所述运行状态数据的软件监控特征包括:
获取运行状态特征参照线,所述运行状态特征参照线为基于不同目标检定项目的预设状态阈值进行拟合得到;
将所述运行状态数据超过所述运行状态特征参照线的数据对象确定为软件监控特征。
优选的,其特征在于,所述基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理之前,所述方法还包括:
获取带有标记的硬件监控特征,以及软件监控特征所匹配的训练样本集;
构建双输入单输出的卷积神经网络,并基于所述训练样本集对所述卷积神经网络进行训练,得到数据状态监控模型,所述卷积神经网络中的层级权重为基于目标检定项目的个数进行配置。
优选的,所述方法还包括:
若所述监控结果为异常监控状态,则发送告警指令,并向检定流水线发送停止指令,以对所述电能表的检定操作进行巡检。
依据本发明另一个方面,提供了一种电能表检定数据的监控系统,包括:
解析模块,用于解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;
发送模块,用于当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;
第一获取模块,用于按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;
监控模块,用于提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。
优选的,所述解析模块包括:
查找单元,用于提取所述检定工单中的文本标识,并基于预设检定项目列表查找与所述文本标识匹配的目标检定项目;
第一获取单元,用于搜索已完成预启动的监控组件,并获取所述监控组件中处于正常运行状态的硬件监控子单元标识、软件监控子单元标识;
第一确定单元,用于基于预设软硬件检定匹配映射关系查找与所述目标检定项目匹配的硬件监控子单元标识、软件监控子单元标识,确定包含硬件监控子单元、软件监控子单元的至少一项监控组件;或,
接收单元,用于接收用户选取的与所述目标检定项目匹配的包含硬件监控子单元、软件监控子单元的至少一项监控组件。
优选的,所述硬件监控子单元包括图像采集设备、红外线传感器,所述软件监控子单元包括运行数据打点单元、运行数据存储单元;所述发送模块包括:
传输单元,用于按照所述检定工单驱动检定流水线对所述电能表进行传输后,获取所述电能表的执行检定操作的操作位置,所述操作位置对应一个目标检定项目;
发送单元,用于向设置于所述操作位置的所述图像采集设备以及所述红外传感器发送数据采集指令,以启动数据采集操作;
所述发送模块包括:
所述发送单元,还用于当检测到所述图像采集设备以及所述红外传感器启动数据采集操作后,向所述运行数据打点单元以及所述运行数据存储单元发送数据记录指令,以记录存储所述目标检定项目的运行状态。
优选的,所述硬件监控特征包括图像特征数据以及红外特征数据,所述监控模块包括:
提取单元,用于基于已完成训练的图像特征提取模型对所述图像数据进行特征提取,得到图像特征数据,所述图像特征提取模型为基于标记硬件特征的图像训练集进行训练的;
解析单元,用于解析所述红外信号中的凸点或凸状信号,根据红外特征映射关系匹配与所述凸点或所述凸状信号所对应的红外特征数据,所述红外特征映射关系中包含有不同凸点或不同凸状信号分别对应的红外特征数据。
优选的,所述所述监控模块还包括:
第二获取单元,用于获取运行状态特征参照线,所述运行状态特征参照线为基于不同目标检定项目的预设状态阈值进行拟合得到;
第二确定单元,用于将所述运行状态数据超过所述运行状态特征参照线的数据对象确定为软件监控特征。
优选的,其特征在于,所述监控模块之前,所述装置还包括:
第二获取模块,用于获取带有标记的硬件监控特征,以及软件监控特征所匹配的训练样本集;
构建模块,用于构建双输入单输出的卷积神经网络,并基于所述训练样本集对所述卷积神经网络进行训练,得到数据状态监控模型,所述卷积神经网络中的层级权重为基于目标检定项目的个数进行配置。
优选的,所述系统还包括:
告警模块,用于若所述监控结果为异常监控状态,则发送告警指令,并向检定流水线发送停止指令,以对所述电能表的检定操作进行巡检。
根据本发明的又一方面,提供了一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述电能表检定数据的监控方法对应的操作。
根据本发明的再一方面,提供了一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述电能表检定数据的监控方法对应的操作。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明提供了一种电能表检定数据的监控方法及系统、存储介质、终端,首先解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;其次当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;再次按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;最后提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。与现有技术相比,本发明实施例通过解析检定工单中记载的目标检定项目,确定与之匹配的监控组件,并控制监控组件采集以及记录检定操作所产生的数据,进一步对操作所产生的的数据进行特征提取,并基于数据状态监控模型对其进行监控处理,得到监控结果,通过实时掌握检定过程中全部运行数据,避免了由于异常运行数据导致流水线硬件损坏的情况,从而提高了电能表检定数据的监控效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种电能表检定数据的监控方法流程图;
图2示出了本发明实施例提供的一种电能表检定数据的监控系统组成框图;
图3示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种电能表检定数据的监控方法,如图1所示,该方法包括:
101、解析检定工单中电能表预期检定的目标检定项目,并确定与目标检定项目匹配的至少一项监控组件。
本发明实施例中,当前执行主体可以是电能表检定数据的监控系统,用于监控电能表检定的流程。可以理解的是,每个待检定的电能表均通过检定工单确定目标定检项目,此时,检定工单中记录有电能表预期所需要进行检定的目标检定项目,例如,电压检定项目,外壳检定项目、电能表接头检定项目等。通过对检定工单进行解析,即可获知当前电能表预期检定的目标检定项目,进一步确定与目标检定项目相匹配的监控组件,例如,检定工单中包含外壳检定项目,则确定用于监控外壳检定项目的监控组件。其中,监控组件包括硬件监控子单元、软件监控子单元。
需要说明的是,硬件监控子单元用于监控检定操作发生时的硬件实况,可以通过摄像设备进行图像数据的获取,也可以通过红外信号监测设备进行红外信号的监测等,本发明实施例不做具体限定。软件监控子单元用于记录电能表检定操作过程中所产生的数据,例如,运行数据、电能表测试数据等,本发明实施例不做具体限定。
102、当启动电能表的检定操作后,向硬件监控子单元发送数据采集指令,并向软件监控子单元发送数据记录指令。
其中,硬件监控子单元设置于目标检定项目的操作位置处,软件监控子单元用于记录目标检定项目的运行状态。
本发明实施例中,当电能表置于检定流水线上启动传输执行检定操作后,当前执行端向与目标检定项目的操作位置处设置的硬件监控子单元发送数据采集指令,以采集检定操作硬件的实况,并向软件监控子单元发送数据记录指令,以记录电能表检定操作过程中所产生的数据。
需要说明的是,硬件监控子单元设置于目标检定项目的操作位置处,以便于获取到检定操作硬件的实况,此时,不同的检定项目处均配置一组监控组件,即每一个检定项目的操作位置处,配置有一个硬件监控子单元以及一个软件监控子单元,以便执行到各检定项目时,向相应的硬件监控子单元发送数据采集指令。相同的,软件监控子单元与对应的硬件监控子单元是配套设置的,以全面的记录每个检定项目的运行状态,软件监控子单元优选为数据存储单元,或日志生成单元,以便记录检定项目所对应的运行状态。
103、按照预设时间间隔获取硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据。
本发明实施例中,由于硬件监控子单元可以包括但不限于用于获取图像数据的摄像设备,或用于检测红外信号的红外信号检测设备等,为了进行监控数据的判断,按照预设时间间隔分别获取硬件监控子单元与软件监控子单元采集以及记录的数据,此时,预设时间间隔可以为1小时,也可以为1天,本发明实施例不做具体限定。所述运行状态数据包括但不限于检定电压、检定电流、检定电能表探头通电状态,以便通过运行状态数据表示检定项目对电能表的检定内容,本发明实施例不做具体限定。
104、提取图像数据和/或红外信号的硬件监控特征,以及运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对硬件监控特征、软件监控特征进行监控处理,确定检定数据的监控结果。
本发明实施例中,对于获取到的硬件监控子单元与软件监控子单元采集以及记录的数据后,对其进行特征提取,并通过已完成训练的数据状态监控模型对其进行监控处理,以确定检定数据的监控结果。其中,硬件监控特征为针对图像数据以及红外信号中识别出的用于表征预期对硬件检定情况进行判断监控状态的特征内容,软件监控特征为针对运行状态数据中提取出的用于表征预期对软件检定情况进行判断监控状态的特征内容,本发明实施例不做具体限定。
需要说明的是,当提取出硬件监控特征以及软件监控特征后,为了实现智能性的数据监控,基于已完成模型训练的数据状态监控模型对硬件监控特征以及软件监控特征进行监控处理,得到检定数据的监控结果。其中,数据状态监控模型可以为基于神经网络、卷积神经网络、支持向量机等机器学习算法构建,本发明实施例不做具体限定。
与现有技术相比,本发明实施例通过解析检定工单中记载的目标检定项目,确定与之匹配的监控组件,并控制监控组件采集以及记录检定操作所产生的数据,进一步对操作所产生的的数据进行特征提取,并基于数据状态监控模型对其进行监控处理,得到监控结果,通过实时掌握检定过程中全部运行数据,避免了由于异常运行数据导致流水线硬件损坏的情况,从而提高了电能表检定数据的监控效率。
为了进一步说明以及限定,本发明实施例中,解析检定工单中电能表预期检定的目标检定项目,并确定与目标检定项目匹配的至少一项监控组件包括:
提取检定工单中的文本标识,并基于预设检定项目列表查找与文本标识匹配的目标检定项目;
搜索已完成预启动的监控组件,并获取监控组件中处于正常运行状态的硬件监控子单元标识、软件监控子单元标识;
基于预设软硬件检定匹配映射关系查找与目标检定项目匹配的硬件监控子单元标识、软件监控子单元标识,确定包含硬件监控子单元、软件监控子单元的至少一项监控组件;或,
接收用户选取的与目标检定项目匹配的包含硬件监控子单元、软件监控子单元的至少一项监控组件。
需要说明的是,通常情况下,在电能表的检定过程中会通过在检定工单中标明文本标识,并结合检定项目列表的方式来说明目标检定项目,例如,检定项目列表中I表示需要对电能表进行电流检定,U表示需要对电能表进行电压检定,提取检定工单中的文本标识,得知文本标识为I,通过查找检定项目列表得知与文本标识I相匹配的目标检定项目为电流检定。为了确保监控组件的正常监控效果,在进行电能表检定操作前,需要对所有监控组件进行预启动,如启动硬件监控子单元的供电,启动软件监控子单元的记录数据操作等。完成预启动后,搜索已完成预启动的监控组件,同时获取监控组件中预启动成功并处于正常运行状态下的硬件监控子单元标识和软件监控子单元标识。此时,在完成预启动后,会进行各个硬件监控子单元、软件监控子单元的状态检测,具体的,针对硬件监控子单元,获取预启动的图像设备采集图像,或获取预启动的红外传感器采集红外信号,同时,获取软件监控子单元预启动的记录数据,若能够正常获取到上述图像、红外信号、记录数据,则说明监控组件处于正常运行状态。
进一步的,本申请实施例中,通过预设软硬件检定匹配映射关系来配置各个检定项目和与其相匹配的硬件监控子单元标识和软件监控子单元标识,在确定了与检定工单中的文本标识相匹配的目标检定项目后,基于预设软硬件检定匹配映射关系确定与目标检定项目相匹配的硬件监控子单元标识和软件监控子单元标识,从而确定包含该硬件监控子单元、软件监控子单元的监控组件,此时,预设软件检定匹配映射关系中可以基于人为选取配置有不同检定项目与各自操作位置上的硬件监控子单元标识、软件监控子单元标识所对应的绑定关系,从而进行匹配。另外,除了通过查找预设软硬件检定匹配映射关系来确定监控组件外,还可以通过直接接收用户选取的与目标检定项目匹配的包含硬件监控子单元、软件监控子单元的监控组件,以实现监控组件选定的多样性。
为了进一步说明以及限定,本发明实施例中,硬件监控子单元包括图像采集设备、红外线传感器,软件监控子单元包括运行数据打点单元、运行数据存储单元;当启动所述电能表的检定操作后,向硬件监控子单元发送数据采集指令包括:
按照检定工单驱动检定流水线对电能表进行传输后,获取电能表的执行检定操作的操作位置,操作位置对应一个目标检定项目;
向设置于操作位置的图像采集设备以及红外传感器发送数据采集指令,以启动数据采集操作;
向软件监控子单元发送数据记录指令包括:
当检测到图像采集设备以及所述红外传感器启动数据采集操作后,向运行数据打点单元以及运行数据存储单元发送数据记录指令,以记录存储目标检定项目的运行状态。
本发明实施例中,为了有效驱动硬件监控子单元以及软件监控子单元进行对应的数据采集,在向硬件监控子单元发送数据采集指令时,首先驱动检定流水线对检定工单所对应的电能表进行传输,以将电能表传输至各个检定项目处进行检定操作,并发送数据采集指令。具体的,本发明实施例中,检定流水线上的各个检定项目所执行的检定项目可以为人为操作,也可以为机械臂触发执行,因此,获取各个检定项目执行检定操作所对应的操作位置,此时,每个操作位置配置有一组监控组件,即一个硬件监控子单元,以及一个软件监控子单元,此时,若为人为检定,则人为检定的工具配置有数据通信模块,以便将检定得到的数据传输至配置的软件监控子单元中。同时,硬件监控子单元可以与软件监控子单元并行与当前执行端进行数据传输,即一个打点时间下,当前执行端并行获取硬件监控子单元以及软件监控子单元所采集到的数据。当通过解析检定工单可以得到目标检定项目,按照目标检定项目电能表传输至可以执行目标检定项目检定操作的操作位置处,同时获取该操作位置,并向负责该操作位置的图像采集设备以及红外传感器发送数据采集指令,以启动数据采集操作。
进一步的,当图像采集设备以及红外传感器开始采集数据后,控制运行数据打点单元以及运行数据存储单元记录存储目标检定项目的运行状态,使得每个打点时刻可以用时采集到图像数据、红外信号、打点时间、存储的运行状态数据,以进行一个打点时间下的硬件特征以及软件特征的提取。与现有技术中从检定流程开始就进行数据采集相比,通过上述方式可以实现对数据采集的精准控制,大大减少了采集到的数据中所包含的无用数据,节省了资源。
为了进一步说明以及限定,本发明实施例中,硬件监控特征包括图像特征数据以及红外特征数据,提取所述图像数据和/或红外信号的硬件监控特征包括:
基于已完成训练的图像特征提取模型对图像数据进行特征提取,得到图像特征数据,图像特征提取模型为基于标记硬件特征的图像训练集进行训练的;
解析红外信号中的凸点或凸状信号,根据红外特征映射关系匹配与凸点或凸状信号所对应的红外特征数据,红外特征映射关系中包含有不同凸点或不同凸状信号分别对应的红外特征数据。
为了准确提取硬件监控特征,首先获取历史图像并对其硬件特征进行人为标记,生成图像训练集,然后基于图像训练集对如神经网络、支持向量机构建的图像特征提取模型进行训练得到已完成训练的图像特征提取模型,用于对图像数据进行特征提取,本发明实施例对模型的构建以及模型的训练不做具体限定。
另外,由于红外信号为红外发射模块发射红外线后经过物体后通过红外接收模块接收到的的,因此,为了确定红外特征数据,通过解析红外传感器获取到的红外信号中的凸点或凸状信号,以提取红外特征数据。具体的,凸点或凸状信号即为从反射回的红外信号中识别出的凸出或凸状的信号,例如,10条红外反射线中,1条红外反射线被遮挡异常,则确定此一条红外反射线与另外9条红外反射线组成带有一个凸点的平面信号线图,若多条红外反射线为遮挡异常,则对应组成带有一个凸状的平面信号线图,本发明实施例不做具体限定。然后,通过查找包含有不同凸点或不同凸状信号分别对应的红外特征数据的红外特征映射关系得到红外特征数据,此时,红外特征映射关系中预先配置有包含不同凸点或不同凸状信号分别对应的红外特征数据,以便直接提取对应的红外特征数据,以通过红外特征数据表征红外信号被监控的内容。
为了进一步说明以及限定,本发明实施例中,提取运行状态数据的软件监控特征包括:获取运行状态特征参照线;将运行状态数据超过运行状态特征参照线的数据对象确定为软件监控特征。
具体的,由于软件监控特征为针对运行状态进行提取的,针对检定的运行状态,预先构建运行状态特征参照线,此时,运行状态特征参照线是基于不同目标检定项目的预设状态阈值进行拟合得到,预设状态阈值包括运行正常阈值、运行异常阈值,通过各预设状态阈值下不同检定电压、检定电流、检定电能表探头通电状态数值所对应的阈值确定一个提取软件监控特征的运行状态特征参照线,从而基于此线划分出软件监控特征。其中,可以基于三个检定电压、检定电流、检定电能表探头通电状态数值的属于正常状态下的一个平均值作为正常阈值,即运行状态特征参照线的上线,并设定三个检定电压、检定电流、检定电能表探头通电状态数值的属于异常状态下的一个平均值作为异常阈值,即运行状态特征参照线的下线,以便针对运行状态数据超过运行状态特征参照线后,超过的部分作为数据对象的软件监控特征。
为了进一步说明以及限定,本发明实施例中,基于已完成训练的数据状态监控模型对硬件监控特征、软件监控特征进行监控处理之前,实施例方法还包括:
获取带有标记的硬件监控特征,以及软件监控特征所匹配的训练样本集;构建双输入单输出的卷积神经网络,并基于训练样本集对卷积神经网络进行训练,得到数据状态监控模型,卷积神经网络中的层级权重为基于目标检定项目的个数进行配置。
需要说明的是,构建双输入单输出的卷积神经网络,即将硬件监控特征以及软件监控特征作为模型输入,并基于训练样本集对其进行训练,使得完成训练的数据状态监控模型可以输出最终的监控结果,如正常监控状态、异常监控状态,本发明实施例不做具体限定。其中,层级权重为基于目标检定项目的个数进行配置,例如,目标检定项目为电流检定,电压检定,外壳检定,目标检定项目的个数为3个,那么层级权重可以为三分之一、三分之一、三分之一,也可以根据实际情况具体配置,本发明实施例不做具体限定。
可选的,为了避免流水线硬件被损坏,本发明实施例中,实施例方法还包括:若监控结果为异常监控状态,则发送告警指令,并向检定流水线发送停止指令,以对电能表的检定操作进行巡检。
本发明提供了一种电能表检定数据的监控方法,首先解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;其次当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;再次按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;最后提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。与现有技术相比,本发明实施例通过解析检定工单中记载的目标检定项目,确定与之匹配的监控组件,并控制监控组件采集以及记录检定操作所产生的数据,进一步对操作所产生的的数据进行特征提取,并基于数据状态监控模型对其进行监控处理,得到监控结果,通过实时掌握检定过程中全部运行数据,避免了由于异常运行数据导致流水线硬件损坏的情况,从而提高了电能表检定数据的监控效率。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种电能表检定数据的监控系统,如图2所示,该系统包括:
解析模块21,发送模块22,第一获取模块23,监控模块24。
解析模块21,用于解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;
发送模块22,用于当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;
第一获取模块23,用于按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;
监控模块24,用于提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。
在具体的应用场景中,所述解析模块包括:
查找单元,用于提取所述检定工单中的文本标识,并基于预设检定项目列表查找与所述文本标识匹配的目标检定项目;
第一获取单元,用于搜索已完成预启动的监控组件,并获取所述监控组件中处于正常运行状态的硬件监控子单元标识、软件监控子单元标识;
第一确定单元,用于基于预设软硬件检定匹配映射关系查找与所述目标检定项目匹配的硬件监控子单元标识、软件监控子单元标识,确定包含硬件监控子单元、软件监控子单元的至少一项监控组件;或,
接收单元,用于接收用户选取的与所述目标检定项目匹配的包含硬件监控子单元、软件监控子单元的至少一项监控组件。
在具体的应用场景中,所述硬件监控子单元包括图像采集设备、红外线传感器,所述软件监控子单元包括运行数据打点单元、运行数据存储单元;所述发送模块包括:
传输单元,用于按照所述检定工单驱动检定流水线对所述电能表进行传输后,获取所述电能表的执行检定操作的操作位置,所述操作位置对应一个目标检定项目;
发送单元,用于向设置于所述操作位置的所述图像采集设备以及所述红外传感器发送数据采集指令,以启动数据采集操作;
所述发送模块包括:
所述发送单元,还用于当检测到所述图像采集设备以及所述红外传感器启动数据采集操作后,向所述运行数据打点单元以及所述运行数据存储单元发送数据记录指令,以记录存储所述目标检定项目的运行状态。
在具体的应用场景中,所述硬件监控特征包括图像特征数据以及红外特征数据,所述监控模块包括:
提取单元,用于基于已完成训练的图像特征提取模型对所述图像数据进行特征提取,得到图像特征数据,所述图像特征提取模型为基于标记硬件特征的图像训练集进行训练的;
解析单元,用于解析所述红外信号中的凸点或凸状信号,根据红外特征映射关系匹配与所述凸点或所述凸状信号所对应的红外特征数据,所述红外特征映射关系中包含有不同凸点或不同凸状信号分别对应的红外特征数据。
在具体的应用场景中,所述所述监控模块还包括:
第二获取单元,用于获取运行状态特征参照线,所述运行状态特征参照线为基于不同目标检定项目的预设状态阈值进行拟合得到;
第二确定单元,用于将所述运行状态数据超过所述运行状态特征参照线的数据对象确定为软件监控特征。
优选的,其特征在于,所述监控模块之前,所述装置还包括:
第二获取模块,用于获取带有标记的硬件监控特征,以及软件监控特征所匹配的训练样本集;
构建模块,用于构建双输入单输出的卷积神经网络,并基于所述训练样本集对所述卷积神经网络进行训练,得到数据状态监控模型,所述卷积神经网络中的层级权重为基于目标检定项目的个数进行配置。
在具体的应用场景中,所述系统还包括:
告警模块,用于若所述监控结果为异常监控状态,则发送告警指令,并向检定流水线发送停止指令,以对所述电能表的检定操作进行巡检。
本发明提供了一种电能表检定数据的监控系统,首先解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;其次当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;再次按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;最后提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。与现有技术相比,本发明实施例通过解析检定工单中记载的目标检定项目,确定与之匹配的监控组件,并控制监控组件采集以及记录检定操作所产生的数据,进一步对操作所产生的的数据进行特征提取,并基于数据状态监控模型对其进行监控处理,得到监控结果,通过实时掌握检定过程中全部运行数据,避免了由于异常运行数据导致流水线硬件损坏的情况,从而提高了电能表检定数据的监控效率。
根据本发明一个实施例提供了一种存储介质,所述存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的电能表检定数据的监控方法。
图3示出了根据本发明一个实施例提供的一种终端的结构示意图,本发明具体实施例并不对终端的具体实现做限定。
如图3所示,该终端可以包括:处理器(processor)302、通信接口(CommunicationsInterface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。
通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器302,用于执行程序310,具体可以执行上述电能表检定数据的监控方法实施例中的相关步骤。
具体地,程序310可以包括程序代码,该程序代码包括计算机操作指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序310具体可以用于使得处理器302执行以下操作:
解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;
当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;
按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;
提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种电能表检定数据的监控方法,其特征在于,包括:
解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;
当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;
按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;
提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。
2.根据权利要求1所述的方法,其特征在于,所述解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件包括:
提取所述检定工单中的文本标识,并基于预设检定项目列表查找与所述文本标识匹配的目标检定项目;
搜索已完成预启动的监控组件,并获取所述监控组件中处于正常运行状态的硬件监控子单元标识、软件监控子单元标识;
基于预设软硬件检定匹配映射关系查找与所述目标检定项目匹配的硬件监控子单元标识、软件监控子单元标识,确定包含硬件监控子单元、软件监控子单元的至少一项监控组件;或,
接收用户选取的与所述目标检定项目匹配的包含硬件监控子单元、软件监控子单元的至少一项监控组件。
3.根据权利要求1所述的方法,其特征在于,所述硬件监控子单元包括图像采集设备、红外线传感器,所述软件监控子单元包括运行数据打点单元、运行数据存储单元;所述当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令包括:
按照所述检定工单驱动检定流水线对所述电能表进行传输后,获取所述电能表的执行检定操作的操作位置,所述操作位置对应一个目标检定项目;
向设置于所述操作位置的所述图像采集设备以及所述红外传感器发送数据采集指令,以启动数据采集操作;
所述向所述软件监控子单元发送数据记录指令包括:
当检测到所述图像采集设备以及所述红外传感器启动数据采集操作后,向所述运行数据打点单元以及所述运行数据存储单元发送数据记录指令,以记录存储所述目标检定项目的运行状态。
4.根据权利要求1所述的方法,其特征在于,所述硬件监控特征包括图像特征数据以及红外特征数据,所述提取所述图像数据和/或所述红外信号的硬件监控特征包括:
基于已完成训练的图像特征提取模型对所述图像数据进行特征提取,得到图像特征数据,所述图像特征提取模型为基于标记硬件特征的图像训练集进行训练的;
解析所述红外信号中的凸点或凸状信号,根据红外特征映射关系匹配与所述凸点或所述凸状信号所对应的红外特征数据,所述红外特征映射关系中包含有不同凸点或不同凸状信号分别对应的红外特征数据。
5.根据权利要求4所述的方法,其特征在于,所述提取所述运行状态数据的软件监控特征包括:
获取运行状态特征参照线,所述运行状态特征参照线为基于不同目标检定项目的预设状态阈值进行拟合得到;
将所述运行状态数据超过所述运行状态特征参照线的数据对象确定为软件监控特征。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理之前,所述方法还包括:
获取带有标记的硬件监控特征,以及软件监控特征所匹配的训练样本集;
构建双输入单输出的卷积神经网络,并基于所述训练样本集对所述卷积神经网络进行训练,得到数据状态监控模型,所述卷积神经网络中的层级权重为基于目标检定项目的个数进行配置。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
若所述监控结果为异常监控状态,则发送告警指令,并向检定流水线发送停止指令,以对所述电能表的检定操作进行巡检。
8.一种电能表检定数据的监控系统,其特征在于,包括:
解析模块,用于解析检定工单中电能表预期检定的目标检定项目,并确定与所述目标检定项目匹配的至少一项监控组件,所述监控组件包括硬件监控子单元、软件监控子单元;
发送模块,用于当启动所述电能表的检定操作后,向所述硬件监控子单元发送数据采集指令,并向所述软件监控子单元发送数据记录指令,所述硬件监控子单元设置于所述目标检定项目的操作位置处,所述软件监控子单元用于记录所述目标检定项目的运行状态;
第一获取模块,用于按照预设时间间隔获取所述硬件监控子单元采集的图像数据和/或红外信号,并获取软件监控子单元记录的运行状态数据;
监控模块,用于提取所述图像数据和/或所述红外信号的硬件监控特征,以及所述运行状态数据的软件监控特征,并基于已完成训练的数据状态监控模型对所述硬件监控特征、所述软件监控特征进行监控处理,确定检定数据的监控结果。
9.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的电能表检定数据的监控方法对应的操作。
10.一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的电能表检定数据的监控方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946906.7A CN115327469A (zh) | 2022-08-09 | 2022-08-09 | 电能表检定数据的监控方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946906.7A CN115327469A (zh) | 2022-08-09 | 2022-08-09 | 电能表检定数据的监控方法以及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115327469A true CN115327469A (zh) | 2022-11-11 |
Family
ID=83922191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210946906.7A Pending CN115327469A (zh) | 2022-08-09 | 2022-08-09 | 电能表检定数据的监控方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115327469A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930957A (zh) * | 2016-04-12 | 2016-09-07 | 国网江苏省电力公司电力科学研究院 | 一种用于电能表自动化检定线的风险预警方法 |
CN106019195A (zh) * | 2016-07-22 | 2016-10-12 | 国网浙江省电力公司电力科学研究院 | 一种电力计量自动化检定流水线故障诊断系统 |
CN106646325A (zh) * | 2016-08-26 | 2017-05-10 | 国家电网公司 | 一种针对单相智能电能表自动检定流水线的监测方法 |
CN109507968A (zh) * | 2018-12-06 | 2019-03-22 | 国网四川省电力公司电力科学研究院 | 一种适用于流水线的可视化监控和回溯仿真系统 |
CN109541521A (zh) * | 2019-01-21 | 2019-03-29 | 广东电网有限责任公司 | 一种电能计量设备自动检定流水线运维监控系统 |
CN109614298A (zh) * | 2018-12-10 | 2019-04-12 | 华东理工大学 | 一种基于监控视频的硬件系统状态监测和预警方法 |
CN109800895A (zh) * | 2019-01-18 | 2019-05-24 | 广东电网有限责任公司 | 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 |
CN110031791A (zh) * | 2019-04-25 | 2019-07-19 | 广东电网有限责任公司 | 计量检定系统的监控方法、装置、设备及可读存储介质 |
CN110095748A (zh) * | 2019-06-14 | 2019-08-06 | 广东电网有限责任公司 | 一种基于计量检定设备的检测装置和方法 |
CN112752027A (zh) * | 2020-12-31 | 2021-05-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种通信模块检测流水线智能运维系统 |
CN113259486A (zh) * | 2021-06-24 | 2021-08-13 | 国网天津市电力公司营销服务中心 | 一种基于数字孪生的计量设备自动化检定线运维系统 |
CN113361932A (zh) * | 2021-06-07 | 2021-09-07 | 广东电网有限责任公司 | 一种计量设备检定流水线预警方法、装置、设备及介质 |
CN113866698A (zh) * | 2021-09-09 | 2021-12-31 | 国网河北省电力有限公司营销服务中心 | 计量装置检定流水线的检测系统、检测方法和服务器 |
CN114137302A (zh) * | 2021-11-30 | 2022-03-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种电能计量器具检定全过程监控系统 |
-
2022
- 2022-08-09 CN CN202210946906.7A patent/CN115327469A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930957A (zh) * | 2016-04-12 | 2016-09-07 | 国网江苏省电力公司电力科学研究院 | 一种用于电能表自动化检定线的风险预警方法 |
CN106019195A (zh) * | 2016-07-22 | 2016-10-12 | 国网浙江省电力公司电力科学研究院 | 一种电力计量自动化检定流水线故障诊断系统 |
CN106646325A (zh) * | 2016-08-26 | 2017-05-10 | 国家电网公司 | 一种针对单相智能电能表自动检定流水线的监测方法 |
CN109507968A (zh) * | 2018-12-06 | 2019-03-22 | 国网四川省电力公司电力科学研究院 | 一种适用于流水线的可视化监控和回溯仿真系统 |
CN109614298A (zh) * | 2018-12-10 | 2019-04-12 | 华东理工大学 | 一种基于监控视频的硬件系统状态监测和预警方法 |
CN109800895A (zh) * | 2019-01-18 | 2019-05-24 | 广东电网有限责任公司 | 一种基于增强现实技术在计量自动化流水线故障预警和维护的方法 |
CN109541521A (zh) * | 2019-01-21 | 2019-03-29 | 广东电网有限责任公司 | 一种电能计量设备自动检定流水线运维监控系统 |
CN110031791A (zh) * | 2019-04-25 | 2019-07-19 | 广东电网有限责任公司 | 计量检定系统的监控方法、装置、设备及可读存储介质 |
CN110095748A (zh) * | 2019-06-14 | 2019-08-06 | 广东电网有限责任公司 | 一种基于计量检定设备的检测装置和方法 |
CN112752027A (zh) * | 2020-12-31 | 2021-05-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种通信模块检测流水线智能运维系统 |
CN113361932A (zh) * | 2021-06-07 | 2021-09-07 | 广东电网有限责任公司 | 一种计量设备检定流水线预警方法、装置、设备及介质 |
CN113259486A (zh) * | 2021-06-24 | 2021-08-13 | 国网天津市电力公司营销服务中心 | 一种基于数字孪生的计量设备自动化检定线运维系统 |
CN113866698A (zh) * | 2021-09-09 | 2021-12-31 | 国网河北省电力有限公司营销服务中心 | 计量装置检定流水线的检测系统、检测方法和服务器 |
CN114137302A (zh) * | 2021-11-30 | 2022-03-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种电能计量器具检定全过程监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180120384A1 (en) | Tester for equipment, apparatus or component with distributed processing function | |
WO2022007710A1 (zh) | 一种检测车辆发电机的方法及电池检测仪 | |
CN110221979A (zh) | 应用程序的性能测试方法、装置、设备及存储介质 | |
CN110691009B (zh) | 一种网络设备巡检方法和装置 | |
CN114227717B (zh) | 基于巡检机器人的智能巡检方法、装置、设备及存储介质 | |
CN112903120B (zh) | 批量检测红外温度传感器的检测系统及其检测方法 | |
CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
CN115561583A (zh) | 一种基于数字孪生技术的电力设备巡检方法、装置及系统 | |
CN111693089A (zh) | 装配线的产品质量控制方法、装置、设备及存储介质 | |
CN115826521B (zh) | 一种生产过程管控方法、装置、电子设备及存储介质 | |
CN114460439A (zh) | 一种数字集成电路测试系统 | |
CN111459616A (zh) | 一种测试方法、装置、设备及存储介质 | |
CN109597389B (zh) | 一种嵌入式控制系统的测试系统 | |
CN117411804A (zh) | 服务器网络测试方法、装置、电子设备及存储介质 | |
CN115327469A (zh) | 电能表检定数据的监控方法以及系统 | |
CN216209508U (zh) | 一种检测设备以及检测系统 | |
CN109412880B (zh) | 一种列车网络通信设备启动异常的测试方法 | |
CN116166536A (zh) | 一种测试方法、装置、电子设备及存储介质 | |
CN116774679B (zh) | 一种自动驾驶车辆测试方法、系统、装置和存储介质 | |
CN111198774A (zh) | 无人车仿真异常追踪方法、装置、设备及计算机可读介质 | |
CN114020590A (zh) | 压测方法及装置、电子设备及存储介质 | |
CN111800296B (zh) | 实时系统网络数据捕获与分析方法、系统、设备及存储介质 | |
CN117828499B (zh) | Pcba异常件确定方法、系统、存储介质及电子设备 | |
GB2626048A (en) | Automatic paper counting control method and system, electronic device, and computer storage medium | |
CN113985111A (zh) | 机器人电源管理板的测试系统、方法及电子设备 |
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 |