CN115330285A - 一种变电站数据处理方法及系统 - Google Patents
一种变电站数据处理方法及系统 Download PDFInfo
- Publication number
- CN115330285A CN115330285A CN202211263911.4A CN202211263911A CN115330285A CN 115330285 A CN115330285 A CN 115330285A CN 202211263911 A CN202211263911 A CN 202211263911A CN 115330285 A CN115330285 A CN 115330285A
- Authority
- CN
- China
- Prior art keywords
- historical data
- data
- historical
- preset
- image
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 75
- 239000013598 vector Substances 0.000 claims description 72
- 239000011159 matrix material Substances 0.000 claims description 48
- 238000011144 upstream manufacturing Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 9
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2468—Fuzzy queries
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种变电站数据处理方法及系统,其方法通过对上游终端下发的工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合,将处理数据在任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据,若匹配失败,则将处理数据中的关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端,提高了处理变电站数据的工作效率,有利于快速消缺。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种变电站数据处理方法及系统。
背景技术
目前,变电站内每天都有大量的信号数据需要进行交互式传送,变电站内处理信号流程主要是由调度或者监控后台进行发送,然后再由运行人员确认处理信号,最终完成闭环工作。
由于变电站内信号数据量大,正常工作或者操作出现的信号频发告警会影响工作的效率,例如在特殊操作过程中,智能调度多次下发处理信号,这给现场人员带来额外的干扰。其次,日常维护工作也需要跟调度多次汇报,工作流程繁琐,信号数据量大且多,对运行人员技术水平要求高,在查阅历史处理记录过程中耗时较长,且每个变电站由于初期建设原因,部分信号存在差异,这对运行人员消缺工作带来困难,导致工作效率较低。
发明内容
本发明提供了一种变电站数据处理方法及系统,用于解决处理变电站数据工作效率较低的技术问题。
有鉴于此,本发明第一方面提供了一种变电站数据处理方法,包括以下步骤:
获取上游终端下发的处理数据;
获取所述处理数据中的关键信息,所述关键信息包括处理内容和处理状态;
获取生产管理系统内的工作任务;
将所述工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合;
将所述处理数据与所述任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据,若查询不到相应的任务数据,则执行下一步;
将所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
优选地,所述将所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端的步骤具体包括:
通过下式计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度,记为R(t):
式中,Tnew表示关键信息的实际发生时间,Told表示历史数据的历史发生时间;
获取关键信息对应的当前设备状态图像,将所述当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度;
根据每条历史数据出现的频次和总历史数据条数通过下式计算相应的历史数据的重复率:
通过下式计算所述关键信息与每条历史数据的匹配度为,
式中,P1表示所述关键信息与每条历史数据的匹配度,R(p)表示图像相似度,A、B、C分别为时间关联度、图像相似度和重复率分别对应的权重,其中,
将每条历史数据对应的匹配度进行比较,得到匹配度最高的历史数据;
比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值,若判断匹配度最高的历史数据对应的匹配度大于预设的匹配阈值,则执行下一步;
获取匹配度最高的历史数据对应的预设的执行结果,根据所述预设的执行结果生成执行参考指令发送至上游终端。
优选地,所述获取关键信息对应的当前设备状态图像,将所述当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度的步骤具体包括:
获取关键信息对应的当前设备状态图像,所述当前设备状态图像包括实时一次设备图像、实时二次设备图像和实时光子牌图像;
将所述实时一次设备图像进行灰度化处理,得到灰度值矩阵,将所述灰度值矩阵进行空间向量转换,得到灰度值空间向量,将所述灰度值空间向量与每条历史数据的预设的一次设备图像的灰度值空间向量计算欧式距离,得到相应的一次设备相似度;
对所述实时二次设备图像进行分块处理,得到若干个图像块,提取所述图像块中的像素值,建立相应的像素值矩阵,将所述像素值矩阵进行空间向量转换,得到像素值向量,将所述像素值向量与每条历史数据的预设的二次设备图像的像素值向量计算欧式距离,得到相应的二次设备相似度;
将所有实时光子牌图像按照相应的位置构建光子牌矩阵,其中,若光子牌为灭灯状态,则光子牌矩阵中相应位置的元素为0,若光子牌为亮灯状态,则光子牌矩阵中相应位置的元素为1,将所述光子牌矩阵进行空间向量转换,得到光子牌向量,将所述光子牌向量与每条历史数据的预设的光子牌向量计算欧式距离,得到相应的光子牌相似度;
将所述一次设备相似度、所述二次设备相似度和所述光子牌相似度进行加权计算,得到所述当前设备状态图像与每条历史数据的预设的历史设备状态图像的综合图像相似度。
优选地,所述比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值,若判断匹配度最高的历史数据对应的匹配度大于预设的匹配阈值,则执行下一步的步骤之后还包括:
若判断匹配度最高的历史数据对应的匹配度不大于预设的匹配阈值,则将匹配度最高的历史数据对应的预设的执行结果与所述关键信息进行关联,并保存至历史数据库。
优选地,本方法还包括:
根据预设的词库对所述关键信息去除特殊词,所述特殊词包括间隔名称和编号;
将去除特殊词后的所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
优选地,所述将去除特殊词后的所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端的步骤具体包括:
计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度;
根据每条历史数据出现的频次和总历史数据条数计算相应的历史数据的重复率;
通过下式计算关键信息与每条历史数据的拓扑关联度:
式中,R(g)表示拓扑关联度,KJ表示设备型号二进制值,其中,若设备型号相同,则KJ=1,若设备型号不同,则KJ=0,XH表示同属母线二进制值,其中,若同属一条母线,则XH=1,若不同属一条母线,则XH=0;
通过下式计算去除特殊词后的所述关键信息与每条历史数据的匹配度为,
式中,P2表示去除特殊词后的所述关键信息与每条历史数据的匹配度。
第二方面,本发明还提供了一种变电站数据处理系统,包括:
数据获取模块,用于获取上游终端下发的处理数据;
关键信息获取模块,用于获取所述处理数据中的关键信息,所述关键信息包括处理内容和处理状态;
任务获取模块,用于获取生产管理系统内的工作任务;
查询模块,用于将所述工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合;
字段匹配模块,用于将所述处理数据与所述任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据;
数据匹配模块,用于将所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
优选地,所述数据匹配模块具体包括:
时间关联计算模块,用于通过下式计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度,记为R(t):
式中,Tnew表示关键信息的实际发生时间,Told表示历史数据的历史发生时间;
图像相似度计算模块,用于获取关键信息对应的当前设备状态图像,将所述当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度;
重复率计算模块,用于根据每条历史数据出现的频次和总历史数据条数通过下式计算相应的历史数据的重复率:
匹配计算模块,用于通过下式计算所述关键信息与每条历史数据的匹配度为,
式中,P1表示所述关键信息与每条历史数据的匹配度,R(p)表示图像相似度,A、B、C分别为时间关联度、图像相似度和重复率分别对应的权重,其中,
匹配比较模块,用于将每条历史数据对应的匹配度进行比较,得到匹配度最高的历史数据;
判断模块,用于比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值;
执行获取模块,用于获取匹配度最高的历史数据对应的预设的执行结果,根据所述预设的执行结果生成执行参考指令发送至上游终端。
优选地,所述图像相似度计算模块具体包括:
图像获取子模块,用于获取工作任务对应的当前设备状态图像,所述当前设备状态图像包括实时一次设备图像、实时二次设备图像和实时光子牌图像;
第一相似度计算子模块,用于将所述实时一次设备图像进行灰度化处理,得到灰度值矩阵,将所述灰度值矩阵进行空间向量转换,得到灰度值空间向量,将所述灰度值空间向量与每条历史数据的预设的一次设备图像的灰度值空间向量计算欧式距离,得到相应的一次设备相似度;
第二相似度计算子模块,用于对所述实时二次设备图像进行分块处理,得到若干个图像块,提取所述图像块中的像素值,建立相应的像素值矩阵,将所述像素值矩阵进行空间向量转换,得到像素值向量,将所述像素值向量与每条历史数据的预设的二次设备图像的像素值向量计算欧式距离,得到相应的二次设备相似度;
第三相似度计算子模块,用于将所有实时光子牌图像按照相应的位置构建光子牌矩阵,其中,若光子牌为灭灯状态,则光子牌矩阵中相应位置的元素为0,若光子牌为亮灯状态,则光子牌矩阵中相应位置的元素为1,将所述光子牌矩阵进行空间向量转换,得到光子牌向量,将所述光子牌向量与每条历史数据的预设的光子牌向量计算欧式距离,得到相应的光子牌相似度;
加权计算模块,用于将所述一次设备相似度、所述二次设备相似度和所述光子牌相似度进行加权计算,得到所述当前设备状态图像与每条历史数据的预设的历史设备状态图像的综合图像相似度。
优选地,本系统还包括:
保存模块,用于若判断匹配度最高的历史数据对应的匹配度不大于预设的匹配阈值,则将匹配度最高的历史数据对应的预设的执行结果与所述关键信息进行关联,并保存至历史数据库。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过对上游终端下发的工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合,将处理数据在任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据,若匹配失败,则将处理数据中的关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端,提高了处理变电站数据的工作效率,有利于快速消缺。
附图说明
图1为本发明实施例提供的一种变电站数据处理方法的流程图;
图2为本发明实施例提供的一种变电站数据处理系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,一种变电站数据处理方法,包括以下步骤:
S1、获取上游终端下发的处理数据。
可以理解的是,上游终端可以包括调度端和变电站端,如智慧监控中心、变电站监控端或生产管理系统。
S2、获取处理数据中的关键信息,关键信息包括处理内容和处理状态。
其中,处理数据包括处理内容和实时的处理状态,其中,处理内容为需要处理的事项,如主变风机电源切换、主变压器定检、主变压器取油、主变压器运行转冷备用、退出主变压器主一保护等,而处理状态为设备的当前状态,如开关油泵电机故障、开关压力告警、电压越下限、电压越下限。
S3、获取生产管理系统内的工作任务。
S4、将工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合。
其中,预设的任务数据库包括工作任务库、和操作任务库,工作任务库可以根据每年的计划工作安排进行建立,分为巡视、维护、检修、试验等工作项目内容,操作任务库可以根据设备的全部操作类型。
S5、将处理数据与任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据,若查询不到相应的任务数据,则执行下一步;
其中,字段匹配可以采用字段相似度的计算方式,来确定匹配度。通过将关键信息与任务数据集合中的每条工作任务进行逐一字段匹配,若匹配度最高的工作任务的匹配度大于预设的匹配阈值,则说明该处理数据是正常发出来的数据号,则可以不经过运行人员确认,而是可以查询到对应的执行结果生成执行指令发送至上游终端,使上游终端执行相应的执行指令,其中,预设的任务数据库中包含处理数据与执行结果之间的映射关系。而若任务数据库中所有工作任务的匹配度不满足预设的匹配阈值,则说明该工作任务与操作或工作任务可能不相关,存在异常因素,需要进一步排查。
S6、将关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
在本实施例中,历史数据库是包含历史时间发生的相关处理数据以及执行结果,通过将关键信息在历史数据库中与每条历史数据进行逐条匹配,若关键数据与多条历史数据可以匹配上,且在历史数据库中存在多条相应的执行结果,则筛选出匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端,以供上游终端在执行操作过程中进行参考操作。
可以理解的是,本实施例提供了一种变电站数据处理方法,通过对上游终端下发的工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合,将处理数据在任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据,若匹配失败,则将处理数据中的关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端,提高了处理变电站数据的工作效率,有利于快速消缺。
在一个具体实施例中,步骤S6具体包括:
S601、通过下式计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度,记为R(t):
式中,Tnew表示关键信息的实际发生时间,Told表示历史数据的历史发生时间。
可以理解的是,若处理数据的实际发生时间与历史数据的历史发生时间趋于集中在一个区间,则说明其数据之间的关联度越高。
S602、获取关键信息对应的当前设备状态图像,将当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度;
可以理解的是,因为对于同一信号可能处理方式以及原因都会不一样,最终保留的处理结果也是不一样的。例如消防告警,可以是消防主机故障、感温探头故障、或者烟感探头故障、又或者是有火灾出现。其中,通过计算两者之间的设备状态图像的相似度,可以得到历史数据与实时数据的设备状态图像之间的关联程度,关联程度越高,其匹配程度则越高。
S603、根据每条历史数据出现的频次和总历史数据条数通过下式计算相应的历史数据的重复率:
其中,重复率的计算公式如下:
S604、通过下式计算关键信息与每条历史数据的匹配度为,
式中,P1表示关键信息与每条历史数据的匹配度,R(p)表示图像相似度,A、B、C分别为时间关联度、图像相似度和重复率分别对应的权重,其中,
S605、将每条历史数据对应的匹配度进行比较,得到匹配度最高的历史数据;
S606、比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值,若判断匹配度最高的历史数据对应的匹配度大于预设的匹配阈值,则执行下一步;
S607、获取匹配度最高的历史数据对应的预设的执行结果,根据预设的执行结果生成执行参考指令发送至上游终端。
具体地,步骤S602具体包括:
S6021、获取关键信息对应的当前设备状态图像,当前设备状态图像包括实时一次设备图像、实时二次设备图像和实时光子牌图像;
S6022、将实时一次设备图像进行灰度化处理,得到灰度值矩阵,将灰度值矩阵进行空间向量转换,得到灰度值空间向量,将灰度值空间向量与每条历史数据的预设的一次设备图像的灰度值空间向量计算欧式距离,得到相应的一次设备相似度;
可以理解的是,一般情况下,一次设备是设置于户外,则可以将其图像进行灰度化,得到灰度值进行相似度计算。
S6023、对实时二次设备图像进行分块处理,得到若干个图像块,提取图像块中的像素值,建立相应的像素值矩阵,将像素值矩阵进行空间向量转换,得到像素值向量,将像素值向量与每条历史数据的预设的二次设备图像的像素值向量计算欧式距离,得到相应的二次设备相似度;
可以理解的是,一般情况下,二次设备是设置于室内,其具有颜色特征,则需要提取其像素值,构建像素值矩阵进行相似度计算。
S6024、将所有实时光子牌图像按照相应的位置构建光子牌矩阵,其中,若光子牌为灭灯状态,则光子牌矩阵中相应位置的元素为0,若光子牌为亮灯状态,则光子牌矩阵中相应位置的元素为1,将光子牌矩阵进行空间向量转换,得到光子牌向量,将光子牌向量与每条历史数据的预设的光子牌向量计算欧式距离,得到相应的光子牌相似度;
其中,光子牌是根据工作状态对灯光进行变化的,其包含亮灯和灭灯两种状态,同时,光子牌是按照相应位置排列而成的,因此,可以根据所有光子牌的灯光状态构建光子牌矩阵。
S6025、将一次设备相似度、二次设备相似度和光子牌相似度进行加权计算,得到当前设备状态图像与每条历史数据的预设的历史设备状态图像的综合图像相似度。
其中,一次设备相似度、二次设备相似度和光子牌相似度的权重可以依据人工经验自行设定,如1:1:1。
在一个具体实施例中,步骤S406之后还包括:
若判断匹配度最高的历史数据对应的匹配度不大于预设的匹配阈值,则将匹配度最高的历史数据对应的预设的执行结果与关键信息进行关联,并保存至历史数据库。
在一个具体实施例中,本方法还包括:
S111、根据预设的词库对关键信息去除特殊词,特殊词包括间隔名称和编号。
可以理解的是,对于同一间隔下的执行结果息是更为准确地,因此,可以优先对同一间隔下的执行结果进行查找,若查找失败,则识别关键信息中的特殊词,并去除特殊词,其包含间隔名称和编号,以便于去其它间隔查找相应的执行结果以作为参考执行。
S112、将去除特殊词后的关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
在一个具体实施例中,步骤S112具体包括:
S1121、计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度;
S1122、根据每条历史数据出现的频次和总历史数据条数计算相应的历史数据的重复率;
S1123、通过下式计算关键信息与每条历史数据的拓扑关联度:
式中,R(g)表示拓扑关联度,KJ表示设备型号二进制值,其中,若设备型号相同,则KJ=1,若设备型号不同,则KJ=0,XH表示同属母线二进制值,其中,若同属一条母线,则XH=1,若不同属一条母线,则XH=0;
S1124、通过下式计算去除特殊词后的关键信息与每条历史数据的匹配度为,
式中,P2表示去除特殊词后的关键信息与每条历史数据的匹配度。
以上为本发明提供的一种变电站数据处理方法的实施例的详细描述,以下为本发明提供的一种变电站数据处理系统的实施例的详细描述。
为了方便理解,请参阅图2,本发明提供的一种变电站数据处理系统,包括:
数据获取模块100,用于获取上游终端下发的处理数据;
关键信息获取模块200,用于获取处理数据中的关键信息,关键信息包括处理内容和处理状态;
任务获取模块300,用于获取生产管理系统内的工作任务;
查询模块400,用于将工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合;
字段匹配模块500,用于将处理数据与任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据;
数据匹配模块600,用于将关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
在一个具体实施例中,数据匹配模块具体包括:
时间关联计算模块,用于通过下式计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度,记为R(t):
式中,Tnew表示关键信息的实际发生时间,Told表示历史数据的历史发生时间;
图像相似度计算模块,用于获取关键信息对应的当前设备状态图像,将当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度;
重复率计算模块,用于根据每条历史数据出现的频次和总历史数据条数通过下式计算相应的历史数据的重复率:
匹配计算模块,用于通过下式计算关键信息与每条历史数据的匹配度为,
式中,P1表示关键信息与每条历史数据的匹配度,R(p)表示图像相似度,A、B、C分别为时间关联度、图像相似度和重复率分别对应的权重,其中,
匹配比较模块,用于将每条历史数据对应的匹配度进行比较,得到匹配度最高的历史数据;
判断模块,用于比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值;
执行获取模块,用于获取匹配度最高的历史数据对应的预设的执行结果,根据预设的执行结果生成执行参考指令发送至上游终端。
在一个具体实施例中,图像相似度计算模块具体包括:
图像获取子模块,用于获取工作任务对应的当前设备状态图像,当前设备状态图像包括实时一次设备图像、实时二次设备图像和实时光子牌图像;
第一相似度计算子模块,用于将实时一次设备图像进行灰度化处理,得到灰度值矩阵,将灰度值矩阵进行空间向量转换,得到灰度值空间向量,将灰度值空间向量与每条历史数据的预设的一次设备图像的灰度值空间向量计算欧式距离,得到相应的一次设备相似度;
第二相似度计算子模块,用于对实时二次设备图像进行分块处理,得到若干个图像块,提取图像块中的像素值,建立相应的像素值矩阵,将像素值矩阵进行空间向量转换,得到像素值向量,将像素值向量与每条历史数据的预设的二次设备图像的像素值向量计算欧式距离,得到相应的二次设备相似度;
第三相似度计算子模块,用于将所有实时光子牌图像按照相应的位置构建光子牌矩阵,其中,若光子牌为灭灯状态,则光子牌矩阵中相应位置的元素为0,若光子牌为亮灯状态,则光子牌矩阵中相应位置的元素为1,将光子牌矩阵进行空间向量转换,得到光子牌向量,将光子牌向量与每条历史数据的预设的光子牌向量计算欧式距离,得到相应的光子牌相似度;
加权计算模块,用于将一次设备相似度、二次设备相似度和光子牌相似度进行加权计算,得到当前设备状态图像与每条历史数据的预设的历史设备状态图像的综合图像相似度。
在一个具体实施例中,本系统还包括:
保存模块,用于若判断匹配度最高的历史数据对应的匹配度不大于预设的匹配阈值,则将匹配度最高的历史数据对应的预设的执行结果与关键信息进行关联,并保存至历史数据库。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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例方案的目的。
另外,在本发明各个实施例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。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例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例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例技术方案的精神和范围。
Claims (10)
1.一种变电站数据处理方法,其特征在于,包括以下步骤:
获取上游终端下发的处理数据;
获取所述处理数据中的关键信息,所述关键信息包括处理内容和处理状态;
获取生产管理系统内的工作任务;
将所述工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合;
将所述处理数据与所述任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据,若查询不到相应的任务数据,则执行下一步;
将所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
2.根据权利要求1所述的变电站数据处理方法,其特征在于,所述将所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端的步骤具体包括:
通过下式计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度,记为R(t):
式中,Tnew表示关键信息的实际发生时间,Told表示历史数据的历史发生时间;
获取关键信息对应的当前设备状态图像,将所述当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度;
根据每条历史数据出现的频次和总历史数据条数通过下式计算相应的历史数据的重复率:
通过下式计算所述关键信息与每条历史数据的匹配度为,
式中,P1表示所述关键信息与每条历史数据的匹配度,R(p)表示图像相似度,A、B、C分别为时间关联度、图像相似度和重复率分别对应的权重,其中,
将每条历史数据对应的匹配度进行比较,得到匹配度最高的历史数据;
比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值,若判断匹配度最高的历史数据对应的匹配度大于预设的匹配阈值,则执行下一步;
获取匹配度最高的历史数据对应的预设的执行结果,根据所述预设的执行结果生成执行参考指令发送至上游终端。
3.根据权利要求2所述的变电站数据处理方法,其特征在于,所述获取关键信息对应的当前设备状态图像,将所述当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度的步骤具体包括:
获取关键信息对应的当前设备状态图像,所述当前设备状态图像包括实时一次设备图像、实时二次设备图像和实时光子牌图像;
将所述实时一次设备图像进行灰度化处理,得到灰度值矩阵,将所述灰度值矩阵进行空间向量转换,得到灰度值空间向量,将所述灰度值空间向量与每条历史数据的预设的一次设备图像的灰度值空间向量计算欧式距离,得到相应的一次设备相似度;
对所述实时二次设备图像进行分块处理,得到若干个图像块,提取所述图像块中的像素值,建立相应的像素值矩阵,将所述像素值矩阵进行空间向量转换,得到像素值向量,将所述像素值向量与每条历史数据的预设的二次设备图像的像素值向量计算欧式距离,得到相应的二次设备相似度;
将所有实时光子牌图像按照相应的位置构建光子牌矩阵,其中,若光子牌为灭灯状态,则光子牌矩阵中相应位置的元素为0,若光子牌为亮灯状态,则光子牌矩阵中相应位置的元素为1,将所述光子牌矩阵进行空间向量转换,得到光子牌向量,将所述光子牌向量与每条历史数据的预设的光子牌向量计算欧式距离,得到相应的光子牌相似度;
将所述一次设备相似度、所述二次设备相似度和所述光子牌相似度进行加权计算,得到所述当前设备状态图像与每条历史数据的预设的历史设备状态图像的综合图像相似度。
4.根据权利要求2所述的变电站数据处理方法,其特征在于,所述比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值,若判断匹配度最高的历史数据对应的匹配度大于预设的匹配阈值,则执行下一步的步骤之后还包括:
若判断匹配度最高的历史数据对应的匹配度不大于预设的匹配阈值,则将匹配度最高的历史数据对应的预设的执行结果与所述关键信息进行关联,并保存至历史数据库。
5.根据权利要求4所述的变电站数据处理方法,其特征在于,还包括:
根据预设的词库对所述关键信息去除特殊词,所述特殊词包括间隔名称和编号;
将去除特殊词后的所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
6.根据权利要求5所述的变电站数据处理方法,其特征在于,所述将去除特殊词后的所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端的步骤具体包括:
计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度;
根据每条历史数据出现的频次和总历史数据条数计算相应的历史数据的重复率;
通过下式计算关键信息与每条历史数据的拓扑关联度:
式中,R(g)表示拓扑关联度,KJ表示设备型号二进制值,其中,若设备型号相同,则KJ=1,若设备型号不同,则KJ=0,XH表示同属母线二进制值,其中,若同属一条母线,则XH=1,若不同属一条母线,则XH=0;
通过下式计算去除特殊词后的所述关键信息与每条历史数据的匹配度为,
式中,P2表示去除特殊词后的所述关键信息与每条历史数据的匹配度。
7.一种变电站数据处理系统,其特征在于,包括:
数据获取模块,用于获取上游终端下发的处理数据;
关键信息获取模块,用于获取所述处理数据中的关键信息,所述关键信息包括处理内容和处理状态;
任务获取模块,用于获取生产管理系统内的工作任务;
查询模块,用于将所述工作任务在预设的任务数据库中进行模糊查询,将查询到的任务数据构建成任务数据集合;
字段匹配模块,用于将所述处理数据与所述任务数据集合中的每条任务数据进行逐一字段匹配,若匹配到相应的任务数据,则允许上游终端执行相应的处理数据;
数据匹配模块,用于将所述关键信息在预设的历史数据库中与每条历史数据进行逐条匹配,确定匹配度最高的历史数据对应的执行结果生成执行参考指令发送至上游终端。
8.根据权利要求7所述的变电站数据处理系统,其特征在于,所述数据匹配模块具体包括:
时间关联计算模块,用于通过下式计算关键信息的实际发生时间与每条历史数据的历史发生时间的时间关联度,记为R(t):
式中,Tnew表示关键信息的实际发生时间,Told表示历史数据的历史发生时间;
图像相似度计算模块,用于获取关键信息对应的当前设备状态图像,将所述当前设备状态图像与每条历史数据的预设的历史设备状态图像进行计算图像相似度;
重复率计算模块,用于根据每条历史数据出现的频次和总历史数据条数通过下式计算相应的历史数据的重复率:
匹配计算模块,用于通过下式计算所述关键信息与每条历史数据的匹配度为,
式中,P1表示所述关键信息与每条历史数据的匹配度,R(p)表示图像相似度,A、B、C分别为时间关联度、图像相似度和重复率分别对应的权重,其中,
匹配比较模块,用于将每条历史数据对应的匹配度进行比较,得到匹配度最高的历史数据;
判断模块,用于比较匹配度最高的历史数据对应的匹配度是否大于预设的匹配阈值;
执行获取模块,用于获取匹配度最高的历史数据对应的预设的执行结果,根据所述预设的执行结果生成执行参考指令发送至上游终端。
9.根据权利要求8所述的变电站数据处理系统,其特征在于,所述图像相似度计算模块具体包括:
图像获取子模块,用于获取工作任务对应的当前设备状态图像,所述当前设备状态图像包括实时一次设备图像、实时二次设备图像和实时光子牌图像;
第一相似度计算子模块,用于将所述实时一次设备图像进行灰度化处理,得到灰度值矩阵,将所述灰度值矩阵进行空间向量转换,得到灰度值空间向量,将所述灰度值空间向量与每条历史数据的预设的一次设备图像的灰度值空间向量计算欧式距离,得到相应的一次设备相似度;
第二相似度计算子模块,用于对所述实时二次设备图像进行分块处理,得到若干个图像块,提取所述图像块中的像素值,建立相应的像素值矩阵,将所述像素值矩阵进行空间向量转换,得到像素值向量,将所述像素值向量与每条历史数据的预设的二次设备图像的像素值向量计算欧式距离,得到相应的二次设备相似度;
第三相似度计算子模块,用于将所有实时光子牌图像按照相应的位置构建光子牌矩阵,其中,若光子牌为灭灯状态,则光子牌矩阵中相应位置的元素为0,若光子牌为亮灯状态,则光子牌矩阵中相应位置的元素为1,将所述光子牌矩阵进行空间向量转换,得到光子牌向量,将所述光子牌向量与每条历史数据的预设的光子牌向量计算欧式距离,得到相应的光子牌相似度;
加权计算模块,用于将所述一次设备相似度、所述二次设备相似度和所述光子牌相似度进行加权计算,得到所述当前设备状态图像与每条历史数据的预设的历史设备状态图像的综合图像相似度。
10.根据权利要求8所述的变电站数据处理系统,其特征在于,还包括:
保存模块,用于若判断匹配度最高的历史数据对应的匹配度不大于预设的匹配阈值,则将匹配度最高的历史数据对应的预设的执行结果与所述关键信息进行关联,并保存至历史数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211263911.4A CN115330285B (zh) | 2022-10-17 | 2022-10-17 | 一种变电站数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211263911.4A CN115330285B (zh) | 2022-10-17 | 2022-10-17 | 一种变电站数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330285A true CN115330285A (zh) | 2022-11-11 |
CN115330285B CN115330285B (zh) | 2023-01-24 |
Family
ID=83915313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211263911.4A Active CN115330285B (zh) | 2022-10-17 | 2022-10-17 | 一种变电站数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330285B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493498A (zh) * | 2024-01-02 | 2024-02-02 | 陕西博古德智能科技有限公司 | 基于工业互联网的电力数据挖掘与分析系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020219A (zh) * | 2012-12-10 | 2013-04-03 | 广东电网公司电力科学研究院 | 一种用于电网故障诊断的基于网络的专家系统工具 |
CN109740837A (zh) * | 2018-11-20 | 2019-05-10 | 海南电网有限责任公司 | 基于调控一体化的电网省地网络发令及安全防误方法 |
WO2020110131A1 (en) * | 2018-11-27 | 2020-06-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and crew allocation system for allocating a field technician for executing a work order |
CN113642835A (zh) * | 2021-07-01 | 2021-11-12 | 国网福建省电力有限公司 | 一种基于数据相似度的工作票生成方法及终端 |
US20220138198A1 (en) * | 2020-10-29 | 2022-05-05 | Sap Se | Configurable entity matching system |
CN114498910A (zh) * | 2020-11-11 | 2022-05-13 | 上海许继电气有限公司 | 具有防误功能的一键顺控系统及控制方法 |
CN114973274A (zh) * | 2022-06-21 | 2022-08-30 | 广东电网有限责任公司 | 一种变电设备台账校核方法及系统 |
-
2022
- 2022-10-17 CN CN202211263911.4A patent/CN115330285B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020219A (zh) * | 2012-12-10 | 2013-04-03 | 广东电网公司电力科学研究院 | 一种用于电网故障诊断的基于网络的专家系统工具 |
CN109740837A (zh) * | 2018-11-20 | 2019-05-10 | 海南电网有限责任公司 | 基于调控一体化的电网省地网络发令及安全防误方法 |
WO2020110131A1 (en) * | 2018-11-27 | 2020-06-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and crew allocation system for allocating a field technician for executing a work order |
US20220138198A1 (en) * | 2020-10-29 | 2022-05-05 | Sap Se | Configurable entity matching system |
CN114498910A (zh) * | 2020-11-11 | 2022-05-13 | 上海许继电气有限公司 | 具有防误功能的一键顺控系统及控制方法 |
CN113642835A (zh) * | 2021-07-01 | 2021-11-12 | 国网福建省电力有限公司 | 一种基于数据相似度的工作票生成方法及终端 |
CN114973274A (zh) * | 2022-06-21 | 2022-08-30 | 广东电网有限责任公司 | 一种变电设备台账校核方法及系统 |
Non-Patent Citations (3)
Title |
---|
LI HENGXUAN 等: "An Implementation Method of Intelligent Substation Sequence Control", 《IEEE》 * |
郝蛟等: "基于KMP算法的电网远动数据校核方法研究", 《电气应用》 * |
陈创: "浅谈程序化控制在变电站中的应用", 《机电信息》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493498A (zh) * | 2024-01-02 | 2024-02-02 | 陕西博古德智能科技有限公司 | 基于工业互联网的电力数据挖掘与分析系统 |
CN117493498B (zh) * | 2024-01-02 | 2024-04-02 | 陕西博古德智能科技有限公司 | 基于工业互联网的电力数据挖掘与分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115330285B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11062212B2 (en) | Outage prevention in an electric power distribution grid using smart meter messaging | |
CN109597836B (zh) | 一种基于加权矩阵的通信设备告警关联规则挖掘方法 | |
CN107358366B (zh) | 一种配电变压器故障风险监测方法及系统 | |
CN106780121B (zh) | 一种基于用电负荷模式分析的用电异常识别方法 | |
CN108445410A (zh) | 一种监测蓄电池组运行状态的方法及装置 | |
CN109840157A (zh) | 故障诊断的方法、装置、电子设备和存储介质 | |
CN115330285B (zh) | 一种变电站数据处理方法及系统 | |
CN110221145A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
CN113676343B (zh) | 电力通信网故障源定位方法及装置 | |
CN110688389A (zh) | 变电站二次设备缺陷云管理系统 | |
CN114740343B (zh) | 断路器用实时检测系统 | |
CN113740666B (zh) | 一种数据中心电力系统告警风暴根源故障的定位方法 | |
KR20220073314A (ko) | 공정 모니터링 시스템 및 방법 | |
CN114721352A (zh) | Dcs系统的状态监测与故障诊断方法及系统 | |
CN116010456A (zh) | 设备的处理方法、服务器和轨道交通系统 | |
CN117474357A (zh) | 基于深度学习的配电房运维管理方法及系统 | |
CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及系统 | |
CN114118245A (zh) | 一种电网设备资产台账异常数据自动修复系统及方法 | |
CN112965990A (zh) | 低压联络柜故障解决方案生成方法、装置 | |
CN111274056A (zh) | 智能电能表故障库的自学习方法与装置 | |
CN117312611A (zh) | 一种电力故障快速定位及诊断方法及相关装置 | |
CN114675789B (zh) | 一种基于计算机系统的大数据分析存储系统及方法 | |
CN104714205B (zh) | 电表错置侦测系统及其方法 | |
CN116136897A (zh) | 信息处理方法以及装置 | |
CN113825162B (zh) | 电信网络故障原因定位方法及装置 |
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 |