CN116070143A - 一种基于人工智能的配电网多源异构数据融合方法及系统 - Google Patents
一种基于人工智能的配电网多源异构数据融合方法及系统 Download PDFInfo
- Publication number
- CN116070143A CN116070143A CN202211580574.1A CN202211580574A CN116070143A CN 116070143 A CN116070143 A CN 116070143A CN 202211580574 A CN202211580574 A CN 202211580574A CN 116070143 A CN116070143 A CN 116070143A
- Authority
- CN
- China
- Prior art keywords
- data
- source heterogeneous
- power distribution
- distribution network
- module
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000007500 overflow downdraw method Methods 0.000 title abstract description 3
- 230000004927 fusion Effects 0.000 claims abstract description 76
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000004140 cleaning Methods 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 27
- 238000012795 verification Methods 0.000 claims description 23
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000007621 cluster analysis Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及配电网技术领域，具体公开了一种基于人工智能的配电网多源异构数据融合方法及系统，所述系统包括配电网数据获取模块、多源异构数据清洗模块、人工智能数据融合模块、云数据库模块、云模拟验证模块、故障预警模块，所述配电网数据获取模块用于安装在配电网中的智能数据接收器对各类数据进行分类，获取各个类别的准确数据，所述多源异构数据清洗模块量各类连续的数据分为若干个数据段并清洗数据冗余。本发明通过人工智能数据融合模块利用数据集合相似度进行聚类分析，获得聚类分布状态和聚类中心，为多源异构数据融合提高了处理精度，缩短了融合时间，配电网发生数据异常时能快速辨别故障原因。
Description
技术领域
本发明涉及配电网技术领域，更具体地说，本发明涉及一种基于人工智能的配电网多源异构数据融合方法及系统。
背景技术
随着社会的快速进步和科学技术的不断发展，智能化配电网越来越应用于电力系统中，在配电网本身的复杂程度的情况下，设备数量和员工数量的不断增加，配电网数据的获取从简单的文件数据库到复杂的网络数据库，构成了多源的异构数据，如何智能化管理配电网的数据是电网企业提高运营能力的主要途径，配电网的多源数据融合是将各种不同的电网数据信息源相互综合，获取准确数据并从中提取统一且数据特征更加明显的数据，将多源异构数据融合后通过展示的方式便于管理人员实时监测配电网运行情况。
目前配电网的数据处理通过大量的历史数据中进行挖掘有效数据，例如利用气象、用户终端设备以及监测设备的数据对配电网运行状态进行分析，通过人工来辨别配电网整体运行数据是否异常，虽然通过人工在一定程度上解决了配电网异常情况，但是常规的人工辨别配电网数据是否异常造成了分析效率低下，还有设置异常数据阈值来判断配电网运行状态，此方式虽然提高了分析辨别的效率，但是设置异常数据阈值只能针对于配电网日常的故障分析，对配电网数据出现异常变动时不易分辨是否为故障，使得配电网发生数据异常时不能及时分析辨别故障原因，导致配电网故障抢修进度慢，影响用户用电。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于人工智能的配电网多源异构数据融合方法及系统，解决现有配电网数据融合过程中处理精度低、故障判断慢，影响故障抢修进度的问题，进一步缩短多源异构数据数据融合的融合时间，并提高融合的准确性。
为实现上述目的，本发明提供如下技术方案：一种基于人工智能的配电网多源异构数据融合系统，包括：
配电网数据获取模块，用于安装在配电网的智能数据接收器上，对各类数据进行分类，获取各个类别的准确数据；
多源异构数据清洗模块，用于将所述配电网数据获取模块获取的各类连续数据分为若干个数据段并清洗数据冗余；
人工智能数据融合模块，利用聚类算法技术对所述多源异构数据清洗模块处理过的多源异构数据融合；
故障预警模块，用于接收人所述工智能数据融合模块的数据，分析结果并向配电网维修人员发送故障代码以及位置。
在一个优选的实施方式中，所述配电网多源异构数据融合系统还包括云数据库模块和云模拟验证模块，
所述云数据库模块用于存储所述故障预警模块实时获取的准确数据，并将故障数据类型进行分类、创建分类索引，同时将存储的内容分为共享存储与加密存储；
所述云模拟验证模块用于对所述人工智能数据融合模块的对多源异构数据融合进行验证，其以所述云数据存储模块中存储的数据和实时监测数据为基础依据，获取各个配电网的历史故障数据特征为参考，通过虚拟化云计算进行多源异构数据融合模拟验证。
在一个优选的实施方式中，所述配电网数据获取模块获取的数据包括：
配电网内部发出的异常波长、异常电压电流数据及持续时间，所述异常波长、异常电压电流数据是指各个配电网整体波长、电压电流数据合格率、超上限和超下限数据；
以及配电网日常的分布式电源数据、电动汽车充电桩数据、用户设备终端和电能表记录的数据。
在一个优选的实施方式中，所述配电网数据获取模块按照获取源进行分类并传输至所述多源异构数据清洗模块，在数据获取过程中，出现的数据缺失情况按照数据属性使用平均值补充。
在一个优选的实施方式中，所述多源异构数据清洗模块是在多源异构数据中出现数据错误、数据不完整或重复对其进行数据清洗，所述数据清洗的方式是在多个数据输入端口和一个数据输出端口中按照多源异构数据源精度为标准筛选精确数据。
在一个优选的实施方式中，所述人工智能数据融合模块通过机器学习的方式对所述多源异构数据清洗模块的数据进行实时获取，计算多源异构数据集合中的相似度并进行聚类，再提取多源异构数据聚类后的数据特征。
在一个优选的实施方式中，提取数据特征获得多源异构数据特征分布状态Fjl，其计算公式为
其中，Sjl为多源异构数据加权输出阈值，Yjl为设定条件，Zjl为多源异构数据自适应调节参数；
获得多源异构数据特征分布状态后通过数据平均值特征量提取的方式获得聚类中心O，计算公式为
其中，J为各个聚类间距，K为聚类中心频率，Si为各个聚类中心的时间梯度，C为线性约束参考数值。
在一个优选的实施方式中，所述云模拟验证模块的多源异构数据融合模拟验证包括：获得模拟结果划分贴合度等级，利用决策树方法从候选集中做出最后的故障判断，决策函数为G(x)＝argmaxxp∈y(p|x)，
其中，G(x)为决策结果，xp∈y(p|x)为第x个决策树叶子概率密度。
在一个优选的实施方式中，所述故障预警模块将故障信息发送给故障运维人员进行维修，在运维人员进行故障抢修时对数据进行实时存储与查询，遇到典型的故障类型时进行分类存储。
在一个优选的实施方式中，一种基于人工智能的配电网多源异构数据融合系统的运行方法，具体包括下列步骤：
步骤S10、首先所述配电网数据获取模块安装在配电网中的智能数据接收器上对各类数据进行分类，获取各个类别的准确数据；
步骤S20、接着所述多源异构数据清洗模块将各类连续的数据分为若干个数据段并清洗数据冗余；
步骤S30、然后人所述工智能数据融合模块利用聚类算法技术获得多源异构数据融合；
步骤S40、接着云模拟验证模块依据大数据和云数据库模块通过虚拟化技术对多源异构数据融合进行模拟验证并综合分析，判断人工智能数据融合准确度；
步骤S50、最后所述故障预警模块接收数据分析结果并向配电网维修人员发送故障代码，并对电网故障抢修的数据上传至云数据库模块，丰富云数据库。
本发明的技术效果和优点：
本发明具体通过多源异构数据清洗模块恢复数据的完成性，减少不完整数据分析带来了数据偏差问题，保证多源异构数据融合的准确性，通过人工智能数据融合模块利用数据集合相似度进行聚类分析，获得聚类分布状态和聚类中心，为多源异构数据融合提高了处理精度，缩短了融合时间，为配电网发生数据异常时快速辨别故障原因，通过云模拟验证模块对人工智能数据融合模块对多源异构数据融合进行验证，进一步保证了多源异构数据数据融合的准确性。
附图说明
图1为本发明的基于人工智能的配电网多源异构数据融合系统结构框图。
图2为本发明的基于人工智能的配电网多源异构数据融合系统运行方法流程图。
具体实施方式
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。
本申请实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
实施例
本实施例提供了如图1所示一种基于人工智能的配电网多源异构数据融合系统，包括配电网数据获取模块、多源异构数据清洗模块、人工智能数据融合模块、云数据库模块、云模拟验证模块、故障预警模块。所述配电网数据获取模块用于安装在配电网中的智能数据接收器对各类数据进行分类，获取各个类别的准确数据；所述多源异构数据清洗模块将各类连续的数据分为若干个数据段并清洗数据冗余；所述人工智能数据融合模块利用聚类算法技术获得多源异构数据融合；所述云数据库模块用于存储实时获取的准确数据，并将故障数据类型进行分类、创建分类索引，将存储的内容分为共享存储与加密存储；所述云模拟验证模块依据大数据和云数据库模块通过虚拟化技术对多源异构数据融合进行模拟验证并综合分析判断，验证人工智能数据融合准确度；所述故障预警模块接收数据分析结果并向配电网维修人员发送故障代码以及位置，并对电网故障抢修的数据上传至云数据库模块，丰富云数据库。
本实施例提供了如图2所示一种基于人工智能的配电网多源异构数据融合方法，其具体步骤如下：
步骤S10、首先配电网数据获取模块安装在配电网中的智能数据接收器上，对各类数据进行分类，获取各个类别的准确数据；
本实施例需要具体说明的是配电网数据获取模块安装在配电网智能数据接收器上，自动获取或定时获取配电网内部发出的异常波长、异常电压电流，并对异常波长、异常电压电流进行数据采集、统计异常数据持续时间、分类处理和数据传输；其中，异常波长、异常电压电流是指各个配电网整体波长、电压电流数据合格率、超上限和超下限数据。智能数据接收器还接受日常的分布式电源数据、电动汽车充电桩数据、用户设备终端和电能表记录的数据，按照获取源进行分类并传输至多源异构数据清洗模块，在数据获取过程中，出现的数据缺失情况按照数据属性使用平均值补充，减少不完整数据分析带来了数据偏差问题。
步骤S20、接着多源异构数据清洗模块量各类连续的数据分为若干个数据段并清洗数据冗余；
本实施例需要具体说明的是多源异构数据清洗模块是指在多源异构数据中出现数据错误、数据不完整或重复对其进行数据清洗，造成数据错误、数据重复问题的原因是在若干个配电网中传感器出现的故障、通信端口出现异常、通信端口出现录入错误或由于若干个配电网传感器位于环境恶劣的条件下导致的数据严重偏离设定值或数据丢失。数据清洗的方式是在多个数据输入端口和一个数据输出端口中按照多源异构数据源精度为标准筛选精确数据，通过多源异构数据清洗模块恢复数据的完成性，减少不完整数据分析带来了数据偏差问题，保证多源异构数据融合的准确性。
步骤S30、然后人工智能数据融合模块利用聚类算法技术获得多源异构数据融合；
本实施例需要具体说明的是人工智能数据融合模块通过机器学习的方式对多源异构数据清洗模块的数据进行实时获取，计算多源异构数据集合中相似度并进行聚类，在提取多源异构数据聚类后的数据特征，提取数据特征获得多源异构数据特征分布状态Fjl，其计算公式为
Sjl为多源异构数据加权输出阈值，Yjl为设定条件，Zjl为多源异构数据自适应调节参数，获得多源异构数据特征分布状态后通过数据平均值特征量提取的方式获得聚类中心O，计算公式为
J为各个聚类间距，K为聚类中心频率，Si为各个聚类中心的时间梯度，C为线性约束参考数值，通过人工智能数据融合模块利用数据集合相似度进行聚类分析，获得聚类分布状态和聚类中心，为多源异构数据融合提高了处理精度，缩短了融合时间，为配电网发生数据异常时快速辨别故障原因。
步骤S40、接着云模拟验证模块依据大数据和云数据库模块通过虚拟化技术对多源异构数据融合进行模拟验证并综合分析，判断人工智能数据融合准确度；
本实施例需要具体说明的是云模拟验证模块为人工智能数据融合模块对多源异构数据融合进行验证，以云数据存储模块中存储的数据和实时监测数据为基础依据，获取各个配电网的历史故障数据特征为参考，通过虚拟化云计算进行多源异构数据融合模拟验证，获得模拟结果划分贴合度等级，利用决策树方法从候选集中做出最后的故障判断，决策函数为
G(x)＝argmaxxp∈y(px)，其中G(x)为决策结果，xp∈y(px)为第x个决策树叶子概率密度，通过云模拟验证模块对人工智能数据融合模块对多源异构数据融合进行验证，进一步保证了多源异构数据数据融合的准确性。
步骤S50、最后故障预警模块接收数据分析结果并向配电网维修人员发送故障代码，并对电网故障抢修的数据上传至云数据库模块，丰富云数据库。
本实施例需要具体说明的是故障预警模块将故障信息发送给故障运维人员进行维修，在运维人员进行故障抢修时对数据进行实时存储与查询，遇到典型的故障类型是进行分类存储，丰富云数据库模块的数据存储，为人工智能数据融合模块后续快速预判奠定了基础。
综上所述，本发明通过人工智能数据融合模块利用数据集合相似度进行聚类分析，获得聚类分布状态和聚类中心，为多源异构数据融合提高了处理精度，缩短了融合时间，配电网发生数据异常时能快速辨别故障原因。
最后：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，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，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人工智能的配电网多源异构数据融合系统，其特征在于，包括：
配电网数据获取模块，用于安装在配电网的智能数据接收器上，对各类数据进行分类，获取各个类别的准确数据；
多源异构数据清洗模块，用于将所述配电网数据获取模块获取的各类连续数据分为若干个数据段并清洗数据冗余；
人工智能数据融合模块，利用聚类算法技术对所述多源异构数据清洗模块处理过的多源异构数据融合；
故障预警模块，用于接收人所述工智能数据融合模块的数据，分析结果并向配电网维修人员发送故障代码以及位置。
2.根据权利要求1所述的基于人工智能的配电网多源异构数据融合系统，其特征在于：还包括云数据库模块和云模拟验证模块，
所述云数据库模块用于存储所述故障预警模块实时获取的准确数据，并将故障数据类型进行分类、创建分类索引，同时将存储的内容分为共享存储与加密存储；
所述云模拟验证模块用于对所述人工智能数据融合模块的对多源异构数据融合进行验证，其以所述云数据存储模块中存储的数据和实时监测数据为基础依据，获取各个配电网的历史故障数据特征为参考，通过虚拟化云计算进行多源异构数据融合模拟验证。
3.根据权利要求1所述的一种基于人工智能的配电网多源异构数据融合系统，其特征在于：所述配电网数据获取模块获取的数据包括：
配电网内部发出的异常波长、异常电压电流数据及持续时间，所述异常波长、异常电压电流数据是指各个配电网整体波长、电压电流数据合格率、超上限和超下限数据；
以及配电网日常的分布式电源数据、电动汽车充电桩数据、用户设备终端和电能表记录的数据。
4.根据权利要求3所述的一种基于人工智能的配电网多源异构数据融合系统，其特征在于：所述配电网数据获取模块按照获取源进行分类并传输至所述多源异构数据清洗模块，在数据获取过程中，出现的数据缺失情况按照数据属性使用平均值补充。
5.根据权利要求1所述的基于人工智能的配电网多源异构数据融合系统，其特征在于：所述多源异构数据清洗模块是在多源异构数据中出现数据错误、数据不完整或重复对其进行数据清洗，所述数据清洗的方式是在多个数据输入端口和一个数据输出端口中按照多源异构数据源精度为标准筛选精确数据。
6.根据权利要求1所述的基于人工智能的配电网多源异构数据融合系统，其特征在于：所述人工智能数据融合模块通过机器学习的方式对所述多源异构数据清洗模块的数据进行实时获取，计算多源异构数据集合中的相似度并进行聚类，再提取多源异构数据聚类后的数据特征。
7.根据权利要求6所述的基于人工智能的配电网多源异构数据融合系统，其特征在于：
提取数据特征获得多源异构数据特征分布状态Fjl，其计算公式为
其中，Sjl为多源异构数据加权输出阈值，Yjl为设定条件，Zjl为多源异构数据自适应调节参数；
获得多源异构数据特征分布状态后通过数据平均值特征量提取的方式获得聚类中心O，计算公式为
其中，J为各个聚类间距，K为聚类中心频率，Si为各个聚类中心的时间梯度，C为线性约束参考数值。
8.根据权利要求1所述的基于人工智能的配电网多源异构数据融合系统，其特征在于：所述云模拟验证模块的多源异构数据融合模拟验证包括：获得模拟结果划分贴合度等级，利用决策树方法从候选集中做出最后的故障判断，决策函数为G(x)＝argmaxxp∈y(p|x)，
其中，G(x)为决策结果，xp∈y(p|x)为第x个决策树叶子概率密度。
9.根据权利要求1所述的一种基于人工智能的配电网多源异构数据融合系统，其特征在于：所述故障预警模块将故障信息发送给故障运维人员进行维修，在运维人员进行故障抢修时对数据进行实时存储与查询，遇到典型的故障类型时进行分类存储。
10.根据权利要求1-9任一项所述的基于人工智能的配电网多源异构数据融合系统的运行方法，其特征在于：具体包括下列步骤：
步骤S10、首先所述配电网数据获取模块安装在配电网中的智能数据接收器上对各类数据进行分类，获取各个类别的准确数据；
步骤S20、接着所述多源异构数据清洗模块将各类连续的数据分为若干个数据段并清洗数据冗余；
步骤S30、然后人所述工智能数据融合模块利用聚类算法技术获得多源异构数据融合；
步骤S40、接着云模拟验证模块依据大数据和云数据库模块通过虚拟化技术对多源异构数据融合进行模拟验证并综合分析，判断人工智能数据融合准确度；
步骤S50、最后所述故障预警模块接收数据分析结果并向配电网维修人员发送故障代码，并对电网故障抢修的数据上传至云数据库模块，丰富云数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211580574.1A CN116070143A (zh) | 2022-12-09 | 2022-12-09 | 一种基于人工智能的配电网多源异构数据融合方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211580574.1A CN116070143A (zh) | 2022-12-09 | 2022-12-09 | 一种基于人工智能的配电网多源异构数据融合方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116070143A true CN116070143A (zh) | 2023-05-05 |
Family
ID=86177791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211580574.1A Pending CN116070143A (zh) | 2022-12-09 | 2022-12-09 | 一种基于人工智能的配电网多源异构数据融合方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116070143A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116680423A (zh) * | 2023-08-03 | 2023-09-01 | 国网浙江浙电招标咨询有限公司 | 电力供应链多源异构数据的管理方法、装置、设备及介质 |
| CN117763023A (zh) * | 2023-12-04 | 2024-03-26 | 长江水利委员会长江科学院 | 一种多源异构大坝安全监测数据动态适配交换方法及系统 |
-
2022
- 2022-12-09 CN CN202211580574.1A patent/CN116070143A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116680423A (zh) * | 2023-08-03 | 2023-09-01 | 国网浙江浙电招标咨询有限公司 | 电力供应链多源异构数据的管理方法、装置、设备及介质 |
| CN116680423B (zh) * | 2023-08-03 | 2023-10-20 | 国网浙江浙电招标咨询有限公司 | 电力供应链多源异构数据的管理方法、装置、设备及介质 |
| CN117763023A (zh) * | 2023-12-04 | 2024-03-26 | 长江水利委员会长江科学院 | 一种多源异构大坝安全监测数据动态适配交换方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116070143A (zh) | 一种基于人工智能的配电网多源异构数据融合方法及系统 | |
| CN110493025B (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
| CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN109787846A (zh) | 一种5g网络服务质量异常监测和预测方法及系统 | |
| US11409962B2 (en) | System and method for automated insight curation and alerting | |
| US10444746B2 (en) | Method for managing subsystems of a process plant using a distributed control system | |
| CN117411192B (zh) | 一种不间断电源并机系统的监控方法及系统 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
| CN115689320A (zh) | 基站运行的健康管理方法、装置及计算机可读存储介质 | |
| CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
| CN115293236A (zh) | 一种基于混合聚类的电力设备并行故障诊断方法及装置 | |
| CN111143835B (zh) | 基于机器学习的电力计量系统业务逻辑非侵入式防护方法 | |
| CN114816468A (zh) | 云边协同系统、数据处理方法、电子设备及存储介质 | |
| Ren et al. | Online anomaly detection using machine learning and HPC for power system synchrophasor measurements | |
| CN115877068A (zh) | 基于深度学习的区域电网的电压暂降传播轨迹识别方法 | |
| CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
| CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
| Hou et al. | A Federated Learning‐Based Fault Detection Algorithm for Power Terminals | |
| CN117171548A (zh) | 一种基于电网大数据的网络安全态势智能预测方法 | |
| CN112000708A (zh) | 一种基于调控配用数据融合的异常数据处理方法及系统 | |
| CN116595353A (zh) | 一种调相机远程故障诊断及智能决策系统 | |
| CN115904916A (zh) | 一种硬盘故障预测的方法、装置、电子设备以及存储介质 | |
| CN117792864A (zh) | 一种告警处理方法、装置、存储介质及电子装置 | |
| CN115456065A (zh) | 一种基于云边协同的配电终端健康状态诊断方法和装置 | |
| Rosenlund et al. | Clustering and dimensionality-reduction techniques applied on power quality measurement data |
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 |