CN116258467A - 一种电力施工管控系统 - Google Patents

一种电力施工管控系统 Download PDF

Info

Publication number
CN116258467A
CN116258467A CN202310544425.8A CN202310544425A CN116258467A CN 116258467 A CN116258467 A CN 116258467A CN 202310544425 A CN202310544425 A CN 202310544425A CN 116258467 A CN116258467 A CN 116258467A
Authority
CN
China
Prior art keywords
work
power construction
data
time
construction
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
Application number
CN202310544425.8A
Other languages
English (en)
Other versions
CN116258467B (zh
Inventor
张伟
曾佳佳
黎刚伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Rongyao Hechuang Electric Power Technology Co ltd
Original Assignee
Jinan Rongyao Hechuang Electric Power Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Rongyao Hechuang Electric Power Technology Co ltd filed Critical Jinan Rongyao Hechuang Electric Power Technology Co ltd
Priority to CN202310544425.8A priority Critical patent/CN116258467B/zh
Publication of CN116258467A publication Critical patent/CN116258467A/zh
Application granted granted Critical
Publication of CN116258467B publication Critical patent/CN116258467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/10—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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种电力施工管控系统，涉及电力施工管控技术领域，该系统包括数据获取单元、电力施工调度单元和设备监控单元。数据获取单元可获取电力施工过程中各项设备参数和实时环境数据，包括温度、湿度、空气质量和风速等。电力施工调度单元可基于环境数据计算每项工作的工作强度指数、施工质量指数和工作完成时间，从而进行电力施工调度。设备监控单元通过数据融合判断设备是否出现异常，并通过多方向数据扩张映射对问题设备进行定位。本发明提高了电力施工的效率和质量，并能及时发现设备异常并进行定位，从而减少了设备维修时间和费用。

Description

一种电力施工管控系统
技术领域
本发明涉及电力施工管控技术领域，特别涉及一种电力施工管控系统。
背景技术
电力施工管控是一项非常重要的任务，其目的是确保在电力工程的建设过程中实现质量、安全和效率的最佳平衡。然而，传统的电力施工管控方式存在一些问题，如信息反馈缓慢、管理不及时、工作效率低下等。
现有的电力施工管控系统主要包括了施工计划管理、现场作业监控、设备状态监测、人员定位与安全防护等多个模块。例如，施工计划管理模块可以为施工人员提供精确的施工计划，以及实时的施工进度更新，帮助工程管理人员对施工过程进行有效的控制和管理；现场作业监控模块能够对施工现场的作业状态进行实时的监控，及时发现并预防潜在的安全隐患；设备状态监测模块可以对施工设备的运行状态进行实时的监测，提前发现设备的故障，保障施工的顺利进行；人员定位与安全防护模块则能够实时地了解施工人员的位置和安全状况，为施工安全提供有效的保障。
然而，尽管现有的电力施工管控系统在一定程度上提高了电力施工的效率和安全性，但是依然存在一些问题和不足。
首先，现有的电力施工管控系统在数据采集、处理和分析上的能力有限。在现场作业监控和设备状态监测等模块中，系统往往需要处理大量的数据，包括视频、音频、图像、传感器数据等。然而，现有系统对于这些数据的采集和处理往往不够及时和准确，导致分析结果的准确性和实时性受到影响。
其次，现有的电力施工管控系统在智能化程度上还有待提高。尽管一些系统已经实现了部分自动化功能，如自动化的施工进度更新和设备故障预警等，但在更高层次的决策支持和智能优化等方面，现有系统的能力仍然有限。
最后，现有的电力施工管控系统在系统集成和数据交互方面还存在一些问题。一方面，由于各个模块的设计和实现往往是独立的，导致系统集成的难度较大，且可能出现数据交互不顺畅的问题。另一方面，现有的系统往往无法与其他系统（如设计系统、采购系统等）进行有效的数据交互，导致数据的利用效率不高，且可能影响施工的效率和质量。
综上所述，现有的电力施工管控系统在数据处理、智能化、灵活性和稳定性、系统集成和数据交互等方面都存在一些问题和不足。因此，需要研发新的电力施工管控系统，以解决上述问题，满足现代电力施工的需求。
发明内容
本发明的目的是提供一种电力施工管控系统，可以实现电力施工过程的智能化调度和管理，提高施工效率和质量，降低施工风险和成本。
为解决上述技术问题，本发明提供一种电力施工管控系统，所述系统包括：数据获取单元，配置用于获取电力施工过程中的各项设备的参数，以及实时获取电力施工现场的环境数据；所述环境数据至少包括：温度数据、湿度数据、空气质量数据和风速数据；电力施工调度单元，配置用于基于采集到的环境数据，计算电力施工过程中的每项工作的工作强度指数、施工质量指数和工作完成时间，基于计算出的工作强度指数、施工质量指数和工作完成时间，进行电力施工调度；设备监控单元，配置用于基于电力施工过程中的各项设备的参数和环境数据，进行数据融合，根据数据融合的结果，判断是否有设备出现异常，若判断有设备出现异常，则将数据融合的结果进行多方向数据扩张映射，对每个方向的数据扩张映射结果进行分析，以定位出现问题的设备。
进一步的，所述数据获取单元包括：传感器网络和设备监控装置；所述设备监控装置，配置用于获取电力施工过程中的各项设备的参数；所述传感器网络由多个不同种类的传感器构成；所述传感器网络中的传感器的种类至少包括：空气传感器、温度传感器、湿度传感器和风速传感器。
进一步的，电力施工调度单元通过以下公式计算电力施工现场的总工作强度指数：
Figure SMS_1
。
其中，
Figure SMS_2
表示总工作强度指数，
Figure SMS_3
表示第
Figure SMS_4
项工作的工作强度指数，
Figure SMS_5
表示总共的 工作项数；所述电力施工单元通过以下公式计算每个工作项的工作强度指数：
Figure SMS_6
。
其中，设定空气质量因素的权重为
Figure SMS_7
、温度因素的权重为
Figure SMS_8
、湿度因素的 权重为
Figure SMS_9
和风速因素的权重为
Figure SMS_10
；满足以下条件：
Figure SMS_11
。
其中，
Figure SMS_12
、
Figure SMS_13
、
Figure SMS_14
和
Figure SMS_15
的取值范围均为1-10。
进一步的，所述空气质量因素的权重
Figure SMS_16
根据以下公式计算得到：
Figure SMS_17
；
Figure SMS_18
；
Figure SMS_19
；
Figure SMS_20
。
其中，
Figure SMS_21
浓度的单位为
Figure SMS_22
。
进一步的，所述温度因素的权重
Figure SMS_23
根据以下公式计算得到：
Figure SMS_24
；
Figure SMS_25
；
Figure SMS_26
；
Figure SMS_27
。
其中，
Figure SMS_28
表示温度，单位为摄氏度。
进一步的，所述电力施工调度单元使用如下公式根据每项工作的工作强度指数
Figure SMS_29
，计算出每项工作的完成时间
Figure SMS_30
：
Figure SMS_31
。
其中，
Figure SMS_33
表示标准完成时间，
Figure SMS_35
表示每项工作的工作效率，单位为工时/单位工作 量；将每项工作的完成时间
Figure SMS_38
按照从小到大的顺序排序，得到工作完成时间序列
Figure SMS_34
；根据工作完成时间序列
Figure SMS_37
，将电力施工过程划分为若干个时间段
Figure SMS_40
，其中
Figure SMS_42
表示开始施工的时间点，
Figure SMS_32
表示所有工作完成的时 间点；根据每项工作的完成时间
Figure SMS_36
和工作强度指数
Figure SMS_39
，计算出每项工作的工作等级
Figure SMS_41
：
Figure SMS_43
。
其中，
Figure SMS_44
表示上一项工作完成的时间点，
Figure SMS_49
表示每项工作的工作强度等级；将每 项工作的工作等级
Figure SMS_52
按照从大到小的顺序排序，得到工作强度等级序列：
Figure SMS_45
；根 据工作强度等级序列
Figure SMS_47
，将电力施工过程划分为若干个工作等级时间段
Figure SMS_50
，其中
Figure SMS_53
表示工作强度最高的工作开始施工的时间 点，
Figure SMS_46
表示所有工作完成的时间点；据每项工作的完成时间
Figure SMS_48
和工作强度等级
Figure SMS_51
，确定每 项工作的施工时间段
Figure SMS_54
：
Figure SMS_55
；
Figure SMS_56
。
其中，
Figure SMS_57
表示第
Figure SMS_58
项工作开始施工的时间点，
Figure SMS_59
表示第
Figure SMS_60
项工作完成的时间 点。
进一步的，所述电力施工调度单元根据每项工作的施工时间段
Figure SMS_61
和 工作强度等级
Figure SMS_62
，使用如下公式计算出每项工作的施工质量指数
Figure SMS_63
：
Figure SMS_64
。
其中，
Figure SMS_65
表示每项工作的施工质量指数。
将每项工作的施工质量指数
Figure SMS_68
按照从小到大的顺序排序，得到工作施工质量指数 序列
Figure SMS_69
；根据工作施工质量指数序列
Figure SMS_71
，将电力施工过程划分为若 干个质量等级时间
Figure SMS_67
，其中
Figure SMS_70
表示施工质量最高的工 作开始施工的时间点，
Figure SMS_72
表示所有工作完成的时间点；根据工作施工质量指数序列
Figure SMS_73
，计算出电力施工过程的总质量指数
Figure SMS_66
：
Figure SMS_74
。
其中，
Figure SMS_75
表示电力施工过程的总质量指数；根据总质量指数
Figure SMS_76
和标准质量指数
Figure SMS_77
的比较结果，使用如下方法，对电力施工过程进行质量评估：
若
Figure SMS_78
；则评估电力施工过程质量良好；
若
Figure SMS_79
；则评估电力施工过程质量不佳；
其中，
Figure SMS_80
表示标准质量指数，
Figure SMS_81
表示总共的工作项数。
进一步的，所述数据获取单元获取的电力施工过程中的各项设备的参数至少包括：电压、电流和功率。
进一步的，所述设备监控单元包括：异常判断单元和异常定位单元；所述异常判断单元，配置用于基于电力施工过程中的各项设备的参数和环境数据，使用基于卡尔曼滤波算法进行数据融合，根据数据融合的结果，判断是否有设备出现异常；所述异常定位单元，配置用于在判断有设备出现异常的情况下，则将数据融合的结果进行基于马尔科夫链的多方向数据扩张映射，对每个方向的数据扩张映射结果进行分析，以定位出现问题的设备。
进一步的，基于马尔科夫链的多方向数据扩张映射的具体过程包括：将多维状态向量离散化，将每个维度上的状态空间划分为多个区间；将多维状态空间中的每个状态映射到一个低维度空间中；利用马尔科夫链对低维状态空间进行建模；对于低维状态空间中的每个状态，沿着不同维度进行扩张，以得到多个新的状态；对于其他维度上的状态，也进行相应的扩张，最终得到多个新的状态向量；使用这些扩张后的状态向量来更新马尔科夫链状态转移矩阵，以反映状态空间中的状态分布情况。
本发明的一种电力施工管控系统，具有以下有益效果：首先，本发明提供了一种基于人工智能技术的电力施工管控系统。传统的电力施工过程中，通常需要大量的人工调度和管理，不仅效率低下，而且容易出现错误，从而导致施工质量下降。而本专利的电力施工管控系统可以自动地对电力施工过程进行智能化调度和管理，避免了人工干预的影响，提高了施工效率和质量。此外，该系统还具有良好的自适应性和鲁棒性，可以应对复杂的施工环境和不确定因素的影响。
其次，本发明提出了一种新颖的电力施工过程智能调度算法。该算法通过引入工作强度指数、工作效率等多个因素，实现了对电力施工过程的优化调度。在实际应用中，该算法可以有效地降低电力施工成本和周期，提高施工效率和质量。同时，该算法还可以动态调整施工进度，适应复杂的施工环境，从而保证了施工进度的稳定性和可靠性。
此外，本发明提供了一种基于工作等级和施工质量指数的电力施工过程质量评估方法。传统的质量评估方法通常只考虑工作完成的时间和成本等因素，而无法准确地评估施工的质量。而本专利的评估方法可以全面、准确地评估电力施工过程的质量，对提高电力施工质量具有重要意义。此外，该方法还可以为电力施工过程的质量管理提供有效支持，从而降低了施工风险和成本。
总的来说，本专利提供了一种高效、智能、准确的电力施工管控系统和相关算法和方法，可以有效地提高电力施工效率和质量，降低施工风险和成本，具有广阔的应用前景和实用价值。这些有益效果不仅可以推动电力行业的发展，而且可以对提高全社会的生产力和经济效益产生积极的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种电力施工管控系统的系统结构示意图。
具体实施方式
本发明的核心是提供一种电力施工管控系统，该系统通过利用数据融合和多方向数据扩张映射技术对电力施工过程中的各项设备参数进行实时监测和分析，实现了对施工过程的全面管控和调度。具体地，系统通过计算施工质量指数、工作完成时间点和工作强度指数等指标，实现了施工过程的智能调度和优化。同时，系统还利用多方向数据扩张映射技术，基于马尔科夫链模型和DTW算法，实现了对异常设备状态的定位和分析，从而提高了电力施工过程的效率和安全性。本专利技术可广泛应用于电力施工领域，对提高电力施工的效率和质量具有重要意义。
为使本发明实施例的目的、技术方案和优点更加清楚，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。
一种电力施工管控系统，所述系统包括：数据获取单元，配置用于获取电力施工过程中的各项设备的参数，以及实时获取电力施工现场的环境数据；所述环境数据至少包括：温度数据、湿度数据、空气质量数据和风速数据；电力施工调度单元，配置用于基于采集到的环境数据，计算电力施工过程中的每项工作的工作强度指数、施工质量指数和工作完成时间，基于计算出的工作强度指数、施工质量指数和工作完成时间，进行电力施工调度；设备监控单元，配置用于基于电力施工过程中的各项设备的参数和环境数据，进行数据融合，根据数据融合的结果，判断是否有设备出现异常，若判断有设备出现异常，则将数据融合的结果进行多方向数据扩张映射，对每个方向的数据扩张映射结果进行分析，以定位出现问题的设备。
具体地，所述数据获取单元包括：传感器网络和设备监控装置；所述设备监控装置，配置用于获取电力施工过程中的各项设备的参数；所述传感器网络由多个不同种类的传感器构成；所述传感器网络中的传感器的种类至少包括：空气传感器、温度传感器、湿度传感器和风速传感器。
具体地，电力施工调度单元通过以下公式计算电力施工现场的总工作强度指数：
Figure SMS_82
。
其中，
Figure SMS_83
表示总工作强度指数，
Figure SMS_84
表示第
Figure SMS_85
项工作的工作强度指数，
Figure SMS_86
表示总共的 工作项数；所述电力施工单元通过以下公式计算每个工作项的工作强度指数：
Figure SMS_87
。
其中，设定空气质量因素的权重为
Figure SMS_88
、温度因素的权重为
Figure SMS_89
、湿度因素的 权重为
Figure SMS_90
和风速因素的权重为
Figure SMS_91
；满足以下条件：
Figure SMS_92
。
其中，
Figure SMS_93
、
Figure SMS_94
、
Figure SMS_95
和
Figure SMS_96
的取值范围均为1-10。
具体地，所述空气质量因素的权重
Figure SMS_97
根据以下公式计算得到：
Figure SMS_98
；
Figure SMS_99
；
Figure SMS_100
；
Figure SMS_101
。
其中，
Figure SMS_102
浓度的单位为
Figure SMS_103
。
具体地，所述温度因素的权重
Figure SMS_104
根据以下公式计算得到：
Figure SMS_105
；
Figure SMS_106
；
Figure SMS_107
；
Figure SMS_108
。
其中，
Figure SMS_109
表示温度，单位为摄氏度。
湿度因素的权重可以通过多种方法进行计算。以下列举两种常用的计算方法：
通过专家评估确定权重：可以邀请电力施工领域的专家，根据其经验和专业知识，对各项施工因素的重要程度进行评估，并确定各项因素的权重。例如，可以使用AHP（层次分析法）或FAHP（模糊层次分析法）等方法，进行专家评估和权重计算。
通过统计分析确定权重：可以通过历史数据和现场监测数据，进行统计分析和数据挖掘，计算各项施工因素对施工质量的影响程度，并据此确定各项因素的权重。例如，可以使用多元回归分析或人工神经网络等方法，进行数据分析和权重计算。
在计算湿度因素的权重时，可以根据实际情况和需求，选择合适的计算方法和权重分配方案。同时，需要注意权重的分配应当尽可能地客观和科学，以保证算法的准确性和可靠性。
针对风速因素的权重计算方法具体包括：
根据电力施工现场的实际情况，设置不同的风速等级，例如：无风、微风、3级风、5级风等。
基于实际施工经验和专家意见，对不同风速等级下的影响程度进行权重评估，可以采用AHP、FAHP等方法进行权重计算，得到不同风速等级的权重分配方案。
根据实际监测数据和历史记录，对不同风速等级下的影响程度进行数据分析和统计分析，可以使用多元回归分析、人工神经网络等方法，计算不同风速等级下的权重分配方案。
根据实际需求和数据情况，综合考虑不同方法的计算结果，确定最终的风速因素权重分配方案，以实现电力施工过程的智能化调度和管理。
总之，风速因素的权重计算需要考虑实际情况和需求，结合多种方法进行综合计算，以得到准确和可靠的权重分配方案。
以下为针对湿度因素的权重和风速因素的权重进行举例说明：
针对风速因素的权重：首先，根据实际情况设置不同的风速等级，例如：无风、微风、3级风、5级风等。然后，基于实际施工经验和专家意见，对不同风速等级下的影响程度进行权重评估，可以采用AHP、FAHP等方法进行权重计算，得到不同风速等级的权重分配方案。
以AHP方法为例，计算风速因素的权重分配过程如下：
步骤1：构建判断矩阵，记录两两比较不同风速等级下的重要程度，如表1所示：
表1 两两比较不同风速等级下的重要程度
Figure SMS_110
。
步骤2：计算权重向量，得到不同风速等级的权重，例如：[0.073, 0.165, 0.291,0.471]。
步骤3：进行一致性检验，检查判断矩阵的一致性是否符合要求。如果一致性通过，则认为该权重分配方案可行。
综上所述，通过AHP等方法计算风速因素的权重，可以根据不同风速等级下的重要程度，得到合理和科学的权重分配方案，实现电力施工过程的智能化调度和管理。
湿度因素是影响电力施工质量的另一个重要因素，其权重计算方法如下：
首先，根据实际情况设置不同的湿度等级，例如：干燥、潮湿、极度潮湿等。然后，通过专家评估或统计分析等方法，计算不同湿度等级下的权重。
以统计分析方法为例，计算湿度因素的权重分配过程如下：
步骤1：收集历史数据和现场监测数据，包括不同湿度等级下的施工质量指标，例如工作完成时间、施工质量等级、工作强度指数等。
步骤2：进行数据分析，计算不同湿度等级下的施工质量指数、工作完成时间、工作强度指数等的平均值、方差等统计指标。
步骤3：计算各项指标的标准化得分，以消除各项指标之间的量纲和单位差异。
步骤4：基于实际需求和数据情况，采用加权平均法、熵权法等方法，计算不同湿度等级下的权重分配方案。
以熵权法为例，计算湿度因素的权重分配过程如下：
步骤1：计算各项指标的熵值，得到不同湿度等级下的熵向量，例如：[0.6, 0.4,0.8]；
步骤2：计算各项指标的权重向量，得到不同湿度等级下的权重分配方案，例如：[0.3, 0.2, 0.5]。
综上所述，通过统计分析、加权平均法、熵权法等方法计算湿度因素的权重，可以根据不同湿度等级下的实际数据和需求，得到合理和科学的权重分配方案，实现电力施工过程的智能化调度和管理。
总之，风速因素和湿度因素的权重计算方法可以根据实际情况和需求，选择合适的计算方法和权重分配方案。在权重计算过程中，需要综合考虑不同因素的重要程度和影响程度，以实现电力施工过程的智能化调度和管理。
具体地，所述电力施工调度单元使用如下公式根据每项工作的工作强度指数
Figure SMS_111
， 计算出每项工作的完成时间
Figure SMS_112
：
Figure SMS_113
。
其中，
Figure SMS_115
表示标准完成时间，
Figure SMS_119
表示每项工作的工作效率，单位为工时/单位工作 量；将每项工作的完成时间
Figure SMS_122
按照从小到大的顺序排序，得到工作完成时间序列
Figure SMS_116
；根据工作完成时间序列
Figure SMS_118
，将电力施工过程划分为若干个时间段
Figure SMS_121
，其中
Figure SMS_124
表示开始施工的时间点，
Figure SMS_114
表示所有工作完成的时 间点；根据每项工作的完成时间
Figure SMS_117
和工作强度指数
Figure SMS_120
，计算出每项工作的工作等级
Figure SMS_123
：
Figure SMS_125
。
其中，
Figure SMS_127
表示上一项工作完成的时间点，
Figure SMS_129
表示每项工作的工作强度等级；将每 项工作的工作等级
Figure SMS_132
按照从大到小的顺序排序，得到工作强度等级序列：
Figure SMS_128
；根 据工作强度等级序列
Figure SMS_131
，将电力施工过程划分为若干个工作等级时间段
Figure SMS_134
，其中
Figure SMS_136
表示工作强度最高的工作开始施工的时间 点，
Figure SMS_126
表示所有工作完成的时间点；据每项工作的完成时间
Figure SMS_130
和工作强度等级
Figure SMS_133
，确定每 项工作的施工时间段
Figure SMS_135
：
Figure SMS_137
；
Figure SMS_138
。
其中，
Figure SMS_139
表示第
Figure SMS_140
项工作开始施工的时间点，
Figure SMS_141
表示第
Figure SMS_142
项工作完成的时间 点具体地，所述电力施工调度单元根据每项工作的施工时间段
Figure SMS_143
和工作强度 等级
Figure SMS_144
，使用如下公式计算出每项工作的施工质量指数
Figure SMS_145
：
Figure SMS_146
。
其中，
Figure SMS_147
表示每项工作的施工质量指数。
将每项工作的施工质量指数
Figure SMS_149
按照从小到大的顺序排序，得到工作施工质量指数 序列
Figure SMS_151
；根据工作施工质量指数序列
Figure SMS_153
，将电力施工过程划分为若 干个质量等级时间
Figure SMS_150
，其中
Figure SMS_152
表示施工质量最高的工 作开始施工的时间点，
Figure SMS_154
表示所有工作完成的时间点；根据工作施工质量指数序列
Figure SMS_155
，计算出电力施工过程的总质量指数
Figure SMS_148
：
Figure SMS_156
。
其中，
Figure SMS_157
表示电力施工过程的总质量指数；根据总质量指数
Figure SMS_158
和标准质量指数
Figure SMS_159
的比较结果，使用如下方法，对电力施工过程进行质量评估：
若
Figure SMS_160
；则评估电力施工过程质量良好；
若
Figure SMS_161
；则评估电力施工过程质量不佳；
其中，
Figure SMS_162
表示标准质量指数，
Figure SMS_163
表示总共的工作项数。
具体地，所述数据获取单元获取的电力施工过程中的各项设备的参数至少包括：电压、电流和功率。
具体地，所述设备监控单元包括：异常判断单元和异常定位单元；所述异常判断单元，配置用于基于电力施工过程中的各项设备的参数和环境数据，使用基于卡尔曼滤波算法进行数据融合，根据数据融合的结果，判断是否有设备出现异常；所述异常定位单元，配置用于在判断有设备出现异常的情况下，则将数据融合的结果进行基于马尔科夫链的多方向数据扩张映射，对每个方向的数据扩张映射结果进行分析，以定位出现问题的设备。
设备监控单元是本专利的一个重要组成部分，通过对电力施工过程中各项设备参数的监控和数据融合，实现对设备状态的智能化监测和异常诊断。设备监控单元的核心功能是数据融合和异常诊断。
在数据融合方面，设备监控单元可以通过配置各项设备的参数，例如电流、电压、温度、功率等，进行实时数据采集和处理。通过采用多种数据融合算法，如卡尔曼滤波、粒子滤波等，对不同参数的数据进行融合，得到更为准确和可靠的设备状态信息。
在异常诊断方面，设备监控单元可以通过对数据融合结果进行分析和比较，检测是否存在异常情况。例如，对于某个设备的功率参数，如果数据融合结果超出了一定的范围或偏离了历史数据的分布，就会判断该设备出现了异常情况。同时，为了进一步确定异常的具体位置和原因，设备监控单元还可以进行多方向数据扩张映射，对异常数据进行分析和处理，以定位出现问题的设备。
具体来说，多方向数据扩张映射是一种针对多参数、多维度的数据分析方法，通过将原始数据进行多方向映射，得到更为全面和精细的数据分布情况。在设备监控中，多方向数据扩张映射可以用于对设备异常数据进行处理和分析，例如对某一设备的电压、电流、功率、温度等多项参数进行扩张映射，得到该设备在多个维度上的数据分布情况，以便更为准确地确定异常位置和原因。
综上所述，设备监控单元作为本专利的一个重要组成部分，可以通过对设备参数的实时监测和数据融合，实现对设备状态的智能化监测和异常诊断。其核心功能是数据融合和异常诊断，其中多方向数据扩张映射是一种有效的异常诊断方法，能够进一步定位和分析设备异常情况，为电力施工过程的安全和稳定提供有力支持。
具体地，基于马尔科夫链的多方向数据扩张映射的具体过程包括：将多维状态向量离散化，将每个维度上的状态空间划分为多个区间；将多维状态空间中的每个状态映射到一个低维度空间中；利用马尔科夫链对低维状态空间进行建模；对于低维状态空间中的每个状态，沿着不同维度进行扩张，以得到多个新的状态；对于其他维度上的状态，也进行相应的扩张，最终得到多个新的状态向量；使用这些扩张后的状态向量来更新马尔科夫链状态转移矩阵，以反映状态空间中的状态分布情况。
设备监控单元中的异常检测算法主要包括数据融合和多方向数据扩张映射两部分。
数据融合主要是对多个设备参数进行综合分析，以得到更全面、准确的设备状态信息。在设备监控单元中，我们采用卡尔曼滤波算法对设备参数进行数据融合。卡尔曼滤波算法是一种基于状态空间模型的最优滤波算法，主要用于估计系统状态和输出。在设备监控单元中，将设备参数的状态向量表示为：
Figure SMS_164
。
其中，
Figure SMS_165
表示时间步，
Figure SMS_166
表示第
Figure SMS_167
个设备参数在时间步
Figure SMS_168
的状态；
Figure SMS_169
为设备参 数的状态向量。
设
Figure SMS_170
为设备参数的观测向量，
Figure SMS_171
为状态转移矩阵，
Figure SMS_172
为观测矩阵，
Figure SMS_173
为过程噪声 协方差矩阵，
Figure SMS_174
为观测噪声协方差矩阵，则卡尔曼滤波算法可以表示为以下公式：
Figure SMS_175
。
其中，
Figure SMS_176
表示在
Figure SMS_177
时刻时对设备参数的状态向量的估计，
Figure SMS_178
表示在
Figure SMS_179
时 刻的状态估计误差协方差矩阵。
在数据融合之后，我们将得到多个设备参数的状态信息，需要进行异常检测以判断设备是否出现异常。为了有效地检测设备的异常状态，我们采用基于马尔科夫链的多方向数据扩张映射算法。
首先，将多维状态向量
Figure SMS_180
离散化，将每个维度上的状态空间划分 为
Figure SMS_181
个区间。设第
Figure SMS_182
个维度的状态空间为
Figure SMS_183
，则多维状态空间
Figure SMS_184
可以表示 为：
Figure SMS_185
。
接着，将多维状态空间
Figure SMS_186
中的每个状态映射到一个低维度空间中，以便更方便地 进行异常检测。设映射后的低维空间为
Figure SMS_187
，其中
Figure SMS_188
，则多方向数据扩 张映射可以表示为以下公式：
Figure SMS_189
。
其中，
Figure SMS_190
为一种非线性映射函数，可以采用多项式、径向基函数等进行定义。在 实际实现中，采用多项式函数来进行映射，将原始状态向量
Figure SMS_191
映射为低维状态向量
Figure SMS_192
，以下 对低维状态向量中的第一项和第二项的计算进行举例：
Figure SMS_193
。
其中，
Figure SMS_194
为多项式系数。
接着，利用马尔科夫链对低维状态空间
Figure SMS_195
进行建模，以实现对设备状态的异常检 测。设低维状态向量为
Figure SMS_196
，则马尔科夫链状态转移概率可 以表示为以下公式：
Figure SMS_197
。
其中，
Figure SMS_198
表示从状态
Figure SMS_199
转移到状态
Figure SMS_200
的样本数，
Figure SMS_201
表示第
Figure SMS_202
维状态空间的大小。
为了更好地实现异常检测，我们采用了多方向数据扩张的方法来对状态空间进行 扩张。对于低维状态空间
Figure SMS_203
中的每个状态，我们将其沿着不同维度进行扩张，以得到多个新 的状态，这些状态可以用来更准确地表示原始状态的不同方面。设
Figure SMS_204
为第
Figure SMS_205
个维度上的
Figure SMS_206
个状态，我们将它们沿着第
Figure SMS_207
个维度进行扩张，得到
Figure SMS_208
个新的状态：
Figure SMS_209
。
同理，对于其他维度上的状态，也进行相应的扩张。最终，我们得到了多个新的状态向量，这些向量可以用来更全面地表示原始状态的不同方面。
接下来，我们使用这些扩张后的状态向量来更新马尔科夫链状态转移矩阵，以更 准确地反映状态空间中的状态分布情况。设
Figure SMS_210
为从状态
Figure SMS_211
扩张后的状态向量转移到状态
Figure SMS_212
扩张后的状态向量的概率，则
Figure SMS_213
可以表示为以下公式：
Figure SMS_214
。
其中，
Figure SMS_215
表示从状态
Figure SMS_216
扩张后的状态向量转移到状态
Figure SMS_217
扩张后的状态向量的样本 数，
Figure SMS_218
表示第
Figure SMS_219
维状态空间扩张后的大小。
通过对多个维度上的状态空间进行扩张，我们得到了更多的状态向量，并且更新了马尔科夫链状态转移矩阵，以更准确地反映状态分布情况。接着，我们可以利用这个马尔科夫链来判断设备状态是否异常，以及定位出现问题的设备。
在利用马尔科夫链来判断设备状态是否异常时，我们将当前设备的状态向量作为起点，通过多步状态转移，预测设备未来的状态。我们将这个预测的状态序列与实际观测到的状态序列进行比较，如果它们之间的距离超过了某个阈值，则判断设备状态异常。
具体地，我们采用动态时间规整算法（DTW）来计算预测状态序列与观测状态序列之间的距离。DTW算法可以处理两个不同长度的序列之间的比较，并且可以将序列中的每个元素映射到另一个序列中的一个或多个元素。
在定位出现问题的设备时，我们首先确定哪些维度上的状态异常，然后沿着其他维度进行多方向数据扩张，以得到更多的状态向量。接着，我们利用这些扩张后的状态向量更新马尔科夫链状态转移矩阵，并使用DTW算法来计算每个设备的状态序列与预期的状态序列之间的距离。距离越小，表明设备的状态越接近正常状态，反之则表示设备存在异常。
最终，我们可以将异常状态的设备进行定位，并进行相应的维修或更换，以保证电力施工过程的顺利进行。
设备异常的定位是基于多方向数据扩张映射中的多维度数据映射实现的。具体的定位过程如下：
获取异常设备的状态向量：当设备状态被判断为异常时，我们可以通过数据融合得到该设备的状态向量。例如，在对电力变压器进行监测时，当某个变压器的输出电压异常、温度异常等状态被判断为异常时，我们可以得到该变压器的状态向量。
对异常设备的状态向量进行多方向数据扩张：对于异常设备的状态向量，我们可以将其沿着不同维度进行扩张，以得到多个新的状态向量。例如，在对电力变压器进行监测时，我们可以将异常变压器的状态向量沿着输出电压维度进行扩张，以得到多个新状态向量，分别描述变压器在不同输出电压情况下的状态。
多维度数据映射：对于扩张后的每个状态向量，我们利用马尔科夫链模型和DTW算法计算该状态向量与历史数据中所有设备状态向量之间的距离，以得到该状态向量在历史数据中的最近邻状态向量。例如，在对电力变压器进行监测时，我们可以利用历史数据计算异常变压器在不同输出电压情况下的最近邻状态向量，从而确定该变压器在不同输出电压情况下的状态。
设备状态分析与定位：将多维度数据映射得到的最近邻状态向量进行分析，可以得到该设备异常的原因和具体位置。例如，在对电力变压器进行监测时，当异常变压器在输出电压较低的情况下出现温度异常状态时，我们可以判断变压器的散热系统出现了故障，从而确定散热系统的位置，进行相应的维修或更换。
通过这样的定位过程，我们可以快速准确地定位异常设备的位置，并进行相应的维修或更换，从而保证电力施工过程的顺利进行。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种电力施工管控系统，其特征在于，所述系统包括：数据获取单元，配置用于获取电力施工过程中的各项设备的参数，以及实时获取电力施工现场的环境数据；所述环境数据至少包括：温度数据、湿度数据、空气质量数据和风速数据；电力施工调度单元，配置用于基于采集到的环境数据，计算电力施工过程中的每项工作的工作强度指数、施工质量指数和工作完成时间，基于计算出的工作强度指数、施工质量指数和工作完成时间，进行电力施工调度；设备监控单元，配置用于基于电力施工过程中的各项设备的参数和环境数据，进行数据融合，根据数据融合的结果，判断是否有设备出现异常，若判断有设备出现异常，则将数据融合的结果进行多方向数据扩张映射，对每个方向的数据扩张映射结果进行分析，以定位出现问题的设备。
2.根据权利要求1所述的系统，其特征在于，所述数据获取单元包括：传感器网络和设备监控装置；所述设备监控装置，配置用于获取电力施工过程中的各项设备的参数；所述传感器网络由多个不同种类的传感器构成；所述传感器网络中的传感器的种类至少包括：空气传感器、温度传感器、湿度传感器和风速传感器。
3.根据权利要求2所述的系统，其特征在于，电力施工调度单元通过以下公式计算电力施工现场的总工作强度指数：
Figure QLYQS_1
；
其中，
Figure QLYQS_2
表示总工作强度指数，/>
Figure QLYQS_3
表示第/>
Figure QLYQS_4
项工作的工作强度指数，/>
Figure QLYQS_5
表示总共的工作项数；所述电力施工单元通过以下公式计算每个工作项的工作强度指数：
Figure QLYQS_6
；
其中，设定空气质量因素的权重为
Figure QLYQS_7
、温度因素的权重为/>
Figure QLYQS_8
、湿度因素的权重为
Figure QLYQS_9
和风速因素的权重为/>
Figure QLYQS_10
；满足以下条件：
Figure QLYQS_11
；
其中，
Figure QLYQS_12
、/>
Figure QLYQS_13
、/>
Figure QLYQS_14
和/>
Figure QLYQS_15
的取值范围均为1-10。
4.根据权利要求3所述的系统，其特征在于，所述空气质量因素的权重
Figure QLYQS_16
根据以下公式计算得到：
Figure QLYQS_17
；
Figure QLYQS_18
；
Figure QLYQS_19
；
Figure QLYQS_20
；
其中，
Figure QLYQS_21
浓度的单位为/>
Figure QLYQS_22
。
5.根据权利要求3所述的系统，其特征在于，所述温度因素的权重
Figure QLYQS_23
根据以下公式计算得到：
Figure QLYQS_24
；/>
Figure QLYQS_25
；
Figure QLYQS_26
；
Figure QLYQS_27
；
其中，
Figure QLYQS_28
表示温度，单位为摄氏度。
6.根据权利要求3所述的系统，其特征在于，所述电力施工调度单元使用如下公式根据每项工作的工作强度指数
Figure QLYQS_29
，计算出每项工作的完成时间/>
Figure QLYQS_30
：
Figure QLYQS_31
；
其中，
Figure QLYQS_33
表示标准完成时间，/>
Figure QLYQS_35
表示每项工作的工作效率，单位为工时/单位工作量；将每项工作的完成时间/>
Figure QLYQS_38
按照从小到大的顺序排序，得到工作完成时间序列/>
Figure QLYQS_34
；根据工作完成时间序列/>
Figure QLYQS_36
，将电力施工过程划分为若干个时间段
Figure QLYQS_39
，其中/>
Figure QLYQS_41
表示开始施工的时间点，/>
Figure QLYQS_32
表示所有工作完成的时间点；根据每项工作的完成时间/>
Figure QLYQS_37
和工作强度指数/>
Figure QLYQS_40
，计算出每项工作的工作等级/>
Figure QLYQS_42
：
Figure QLYQS_43
；
其中，
Figure QLYQS_44
表示上一项工作完成的时间点，/>
Figure QLYQS_47
表示每项工作的工作强度等级；将每项工作的工作等级/>
Figure QLYQS_50
按照从大到小的顺序排序，得到工作强度等级序列：/>
Figure QLYQS_46
；根据工作强度等级序列/>
Figure QLYQS_48
，将电力施工过程划分为若干个工作等级时间段
Figure QLYQS_51
，其中/>
Figure QLYQS_53
表示工作强度最高的工作开始施工的时间点，/>
Figure QLYQS_45
表示所有工作完成的时间点；据每项工作的完成时间/>
Figure QLYQS_49
和工作强度等级/>
Figure QLYQS_52
，确定每项工作的施工时间段/>
Figure QLYQS_54
：
Figure QLYQS_55
；
Figure QLYQS_56
；
其中，
Figure QLYQS_57
表示第/>
Figure QLYQS_58
项工作开始施工的时间点，/>
Figure QLYQS_59
表示第/>
Figure QLYQS_60
项工作完成的时间点。
7.根据权利要求6所述的系统，其特征在于，所述电力施工调度单元根据每项工作的施工时间段
Figure QLYQS_61
和工作强度等级/>
Figure QLYQS_62
，使用如下公式计算出每项工作的施工质量指数/>
Figure QLYQS_63
：
Figure QLYQS_64
；
其中，
Figure QLYQS_65
表示每项工作的施工质量指数；
将每项工作的施工质量指数
Figure QLYQS_67
按照从小到大的顺序排序，得到工作施工质量指数序列
Figure QLYQS_69
；根据工作施工质量指数序列/>
Figure QLYQS_71
，将电力施工过程划分为若干个质量等级时间/>
Figure QLYQS_68
，其中/>
Figure QLYQS_70
表示施工质量最高的工作开始施工的时间点，/>
Figure QLYQS_72
表示所有工作完成的时间点；根据工作施工质量指数序列
Figure QLYQS_73
，计算出电力施工过程的总质量指数/>
Figure QLYQS_66
：/>
Figure QLYQS_74
；
其中，
Figure QLYQS_75
表示电力施工过程的总质量指数；根据总质量指数/>
Figure QLYQS_76
和标准质量指数/>
Figure QLYQS_77
的比较结果，使用如下方法，对电力施工过程进行质量评估：
若
Figure QLYQS_78
；则评估电力施工过程质量良好；
若
Figure QLYQS_79
；则评估电力施工过程质量不佳；
其中，
Figure QLYQS_80
表示标准质量指数，/>
Figure QLYQS_81
表示总共的工作项数。
8.根据权利要求1所述的系统，其特征在于，所述数据获取单元获取的电力施工过程中的各项设备的参数至少包括：电压、电流和功率。
9.根据权利要求8所述的系统，其特征在于，所述设备监控单元包括：异常判断单元和异常定位单元；所述异常判断单元，配置用于基于电力施工过程中的各项设备的参数和环境数据，使用基于卡尔曼滤波算法进行数据融合，根据数据融合的结果，判断是否有设备出现异常；所述异常定位单元，配置用于在判断有设备出现异常的情况下，则将数据融合的结果进行基于马尔科夫链的多方向数据扩张映射，对每个方向的数据扩张映射结果进行分析，以定位出现问题的设备。
10.如权利要求9所述的系统，其特征在于，基于马尔科夫链的多方向数据扩张映射的具体过程包括：将多维状态向量离散化，将每个维度上的状态空间划分为多个区间；将多维状态空间中的每个状态映射到一个低维度空间中；利用马尔科夫链对低维状态空间进行建模；对于低维状态空间中的每个状态，沿着不同维度进行扩张，以得到多个新的状态；对于其他维度上的状态，也进行相应的扩张，最终得到多个新的状态向量；使用这些扩张后的状态向量来更新马尔科夫链状态转移矩阵，以反映状态空间中的状态分布情况。
CN202310544425.8A 2023-05-16 2023-05-16 一种电力施工管控系统 Active CN116258467B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310544425.8A CN116258467B (zh) 2023-05-16 2023-05-16 一种电力施工管控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310544425.8A CN116258467B (zh) 2023-05-16 2023-05-16 一种电力施工管控系统

Publications (2)

Publication Number Publication Date
CN116258467A true CN116258467A (zh) 2023-06-13
CN116258467B CN116258467B (zh) 2023-08-18

Family

ID=86688381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310544425.8A Active CN116258467B (zh) 2023-05-16 2023-05-16 一种电力施工管控系统

Country Status (1)

Country Link
CN (1) CN116258467B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120290347A1 (en) * 2010-08-10 2012-11-15 King Fahd University Of Petroleum And Minerals Progress monitoring method
CN109784681A (zh) * 2018-12-26 2019-05-21 中国大唐集团科学技术研究院有限公司 电力工程项目投资管理系统
CN112104083A (zh) * 2020-09-17 2020-12-18 贵州电网有限责任公司 一种基于态势感知的电网生产指挥系统
CN112184134A (zh) * 2019-07-02 2021-01-05 广联达科技股份有限公司 网络计划合理性评测维度设计法、评测方法、系统、装置
CN112837184A (zh) * 2021-02-22 2021-05-25 辽宁科技学院 一种适用于建筑工程的项目管理系统
CN114676984A (zh) * 2022-03-09 2022-06-28 上海有间建筑科技有限公司 一种智慧建造施工用系统
CN115048699A (zh) * 2022-06-17 2022-09-13 王宏忻 一种基于bim的施工管理方法
CN115730801A (zh) * 2022-11-25 2023-03-03 国网河南省电力公司宁陵县供电公司 一种配网建设项目施工多维管理方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120290347A1 (en) * 2010-08-10 2012-11-15 King Fahd University Of Petroleum And Minerals Progress monitoring method
CN109784681A (zh) * 2018-12-26 2019-05-21 中国大唐集团科学技术研究院有限公司 电力工程项目投资管理系统
CN112184134A (zh) * 2019-07-02 2021-01-05 广联达科技股份有限公司 网络计划合理性评测维度设计法、评测方法、系统、装置
CN112104083A (zh) * 2020-09-17 2020-12-18 贵州电网有限责任公司 一种基于态势感知的电网生产指挥系统
CN112837184A (zh) * 2021-02-22 2021-05-25 辽宁科技学院 一种适用于建筑工程的项目管理系统
CN114676984A (zh) * 2022-03-09 2022-06-28 上海有间建筑科技有限公司 一种智慧建造施工用系统
CN115048699A (zh) * 2022-06-17 2022-09-13 王宏忻 一种基于bim的施工管理方法
CN115730801A (zh) * 2022-11-25 2023-03-03 国网河南省电力公司宁陵县供电公司 一种配网建设项目施工多维管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SAMIRA NADAFI等: "Predicting the project time and costs using EVM based on gray numbers", 《ENGINEERING, CONSTRUCTION AND ARCHITECTURAL MANAGEMENT》, vol. 26, no. 9, pages 2107 - 2119 *

Also Published As

Publication number Publication date
CN116258467B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN113036913B (zh) 一种综合能源设备状态监测方法及装置
CN116028887B (zh) 一种连续性工业生产数据的分析方法
CN112580858A (zh) 设备参数预测分析方法及系统
CN115619592A (zh) 一种光伏组串损失电量计算方法及系统
CN117082105A (zh) 一种绿色智慧医院设施监控系统及方法
CN117590159A (zh) 一种基于深度学习的隧道电缆供电状态监测方法及系统
CN117192369A (zh) 基于数字孪生技术的曳引电机监测与诊断方法
US11339763B2 (en) Method for windmill farm monitoring
CN116258467B (zh) 一种电力施工管控系统
CN111382946B (zh) 设备健康状态的自主评估方法、系统及工业互联网设备
Zhang Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data
Scott et al. A structural PHM framework for aircraft control surface free-play
KR102573254B1 (ko) 연합 학습을 이용한 기계설비 고장 예지 분석 시스템
CN117272844B (zh) 配电盘工作寿命的预测方法及系统
CN117875946B (zh) 一种用于变电站设备运维的人机协同自主红外巡检方法
CN117113157B (zh) 一种基于人工智能的台区用电故障检测系统
Kolodenkova et al. Development of a unified diagnostic complex of electrical equipment for intelligent systems
CN117589444B (zh) 一种基于联邦学习的风力发电机齿轮箱故障诊断方法
Hu et al. A framework of cloud model similarity-based quality control method in data-driven production process
CN114414938B (zh) 一种配电网故障的动态响应方法及系统
CN118035814A (zh) 基于数字孪生场域数据分析设备状态故障预警方法及系统
CN118094438A (zh) 一种基于大数据的配电电缆运行分析方法及系统
Hu et al. Detection of chiller energy efficiency faults using expectation maximization
CN117408162A (zh) 基于数字孪生的电网故障控制方法
CN118128775A (zh) 一种优化后风机的性能追踪监测方法及系统

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