CN116258467B - 一种电力施工管控系统 - Google Patents
一种电力施工管控系统 Download PDFInfo
- Publication number
- CN116258467B CN116258467B CN202310544425.8A CN202310544425A CN116258467B CN 116258467 B CN116258467 B CN 116258467B CN 202310544425 A CN202310544425 A CN 202310544425A CN 116258467 B CN116258467 B CN 116258467B
- 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.)
- Active
Links
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
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
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:
其中,WI表示总工作强度指数,Wi表示第i项工作的工作强度指数,n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:Wi=Wair*Wtemp*Whum*Wwind/10000。
其中,设定空气质量因素的权重为Wair、温度因素的权重为Wtemp、湿度因素的权重为Wjum和风速因素的权重为Wwind;满足以下条件:
Wair+Wtemp+Whum+Wwind=40。
其中,Wair、Wtemp、Whum和Wwind的取值范围均为1-10。
进一步的,所述空气质量因素的权重Wair根据以下公式计算得到:
Wair=-2.5,当
当/>
当/>
Wair=-10,当PM2.5浓度>200μg/m3。
其中,PM2.5浓度的单位为μg/m3。
进一步的,所述温度因素的权重Wtemp根据以下公式计算得到:
Wtemp=-10,当25℃≤T≤28℃;
当28℃<T≤35℃;
Wtemp=-3,当35℃<T≤40℃;
Wtemp=-0,当T>40℃或T<25℃。
其中,T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Wi,计算出每项工作的完成时间ti:
ti=Wi*T0/Ei。
其中,T0表示标准完成时间,Ei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ti按照从小到大的顺序排序,得到工作完成时间序列t1,t2,...,tn;根据工作完成时间序列t1,t2,...,tn,将电力施工过程划分为若干个时间段[t0,t1],[t1,t2],...,[tn-1,tn],其中t0表示开始施工的时间点,tn表示所有工作完成的时间点;根据每项工作的完成时间ti和工作强度指数Wi,计算出每项工作的工作等级Li:
Li=Wi/(ti-ti-1)。
其中,ti-1表示上一项工作完成的时间点,Li表示每项工作的工作强度等级;将每项工作的工作等级Li按照从大到小的顺序排序,得到工作强度等级序列:L1,L2,...,Ln;根据工作强度等级序列L1,L2,...,Ln,将电力施工过程划分为若干个工作等级时间段[tL1,tL2],[tL2,tL3],...,[tLn-1,tLn],其中tL1表示工作强度最高的工作开始施工的时间点,tLn表示所有工作完成的时间点;据每项工作的完成时间ti和工作强度等级Li,确定每项工作的施工时间段[tstart,i,tend,i]:
tend,i=-tstart,i+Wi/Li。
其中,tstart,i表示第i项工作开始施工的时间点,tend,i表示第i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[tstart,i,tend,i]和工作强度等级Li,使用如下公式计算出每项工作的施工质量指数Qi:
Qi=Li*(tend,i-tstart,i)/Wi。
其中,Qi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Qi按照从小到大的顺序排序,得到工作施工质量指数序列Q1,Q2,...,Qn;根据工作施工质量指数序列Q1,Q2,...,Qn,将电力施工过程划分为若干个质量等级时间[tQ1,tQ2],[tQ2,tQ3],...,[tQn-1,tQn],其中tQ1表示施工质量最高的工作开始施工的时间点,tQn表示所有工作完成的时间点;根据工作施工质量指数序列Q1,Q2,...,Qn,计算出电力施工过程的总质量指数Q:
其中,Q表示电力施工过程的总质量指数;根据总质量指数Q和标准质量指数Q0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Q>=Q0;则评估电力施工过程质量良好;
若Q<Q0;则评估电力施工过程质量不佳;
其中,Q0表示标准质量指数,n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:
其中,WI表示总工作强度指数,Wi表示第i项工作的工作强度指数,n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:
Wi=Wair*Wtemp*Whum*Wwind/10000。
其中,设定空气质量因素的权重为Wair、温度因素的权重为Wtemp、湿度因素的权重为Whum和风速因素的权重为Wwind;满足以下条件:
Wair+Wtemp+Whum+Wwind=40。
其中,Wair、Wtemp、Whum和Wwind的取值范围均为1-10。
具体地,所述空气质量因素的权重Wair根据以下公式计算得到:
Wair=-2.5,当
当/>
当/>
Wair=-10,当PM2.5浓度>200μg/m3。
其中,PM2.5浓度的单位为μg/m3。
具体地,所述温度因素的权重Wtemp根据以下公式计算得到:
Wtemp=-10,当25℃≤T≤28℃;
当28℃<T≤35℃;
Wtemp=-3,当35℃<T≤40℃;
Wtemp=-0,当T>40℃或T<25℃。
其中,R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
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Wi,计算出每项工作的完成时间ti:
ti=Wi*T0/Ei。
其中,T0表示标准完成时间,Ei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ti按照从小到大的顺序排序,得到工作完成时间序列t1,t2,...,tn;根据工作完成时间序列t1,t2,...,tn,将电力施工过程划分为若干个时间段[t0,t1],[t1,t2],...,[tn-1,tn],其中t0表示开始施工的时间点,tn表示所有工作完成的时间点;根据每项工作的完成时间ti和工作强度指数Wi,计算出每项工作的工作等级Li:
Li=Wi/(ti-ti-1)。
其中,ti-1表示上一项工作完成的时间点,Li表示每项工作的工作强度等级;将每项工作的工作等级Li按照从大到小的顺序排序,得到工作强度等级序列:L1,L2,...,Ln;根据工作强度等级序列L1,L2,...,Ln,将电力施工过程划分为若干个工作等级时间段[tL1,tL2],[tL2,tL3],...,[tLn-1,tLn],其中tL1表示工作强度最高的工作开始施工的时间点,tLn表示所有工作完成的时间点;据每项工作的完成时间ti和工作强度等级Li,确定每项工作的施工时间段[tstart,i,tend,i]:
tend,i=-tstart,i+Wi/Li。
其中,tstart,i表示第i项工作开始施工的时间点,tend,i表示第i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[tstart,i,tend,i]和工作强度等级Li,使用如下公式计算出每项工作的施工质量指数Qi:
Qi=Li*(tend,i-tstart,i)/Wi。
其中,Qi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Qi按照从小到大的顺序排序,得到工作施工质量指数序列Q1,Q2,...,Qn;根据工作施工质量指数序列Q1,Q2,...,Qn,将电力施工过程划分为若干个质量等级时间[tQ1,tQ2],[tQ2,tQ3],...,[tQn-1,tQn],其中tQ1表示施工质量最高的工作开始施工的时间点,tQn表示所有工作完成的时间点;根据工作施工质量指数序列Q1,Q2,...,Qn,计算出电力施工过程的总质量指数Q:
其中,Q表示电力施工过程的总质量指数;根据总质量指数Q和标准质量指数Q0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Q>=Q0;则评估电力施工过程质量良好;
若Q<Q0;则评估电力施工过程质量不佳;
其中,Q0表示标准质量指数,n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:
其中,k表示时间步,xi(k)表示第i个设备参数在时间步k的状态;x(k)为设备参数的状态向量。
设z(k)为设备参数的观测向量,F为状态转移矩阵,H为观测矩阵,Q为过程噪声协方差矩阵,R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:
其中,表示在k时刻时对设备参数的状态向量的估计,P(k|k)表示在k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X=x1,x2,...,xm离散化,将每个维度上的状态空间划分为k个区间。设第i个维度的状态空间为Si=si1,si2,...,sik,则多维状态空间X可以表示为:
接着,将多维状态空间X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Y=y1,y2,...,yd,其中d<m,则多方向数据扩张映射可以表示为以下公式:
yi=fi(x1,x2,...,xm),i=1,2,...,d。
其中,fi(·)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x映射为低维状态向量y,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:
其中,wij为多项式系数。
接着,利用马尔科夫链对低维状态空间Y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y(k)=y1(k),y2(k),...,yd(k),则马尔科夫链状态转移概率可以表示为以下公式:
其中,Nij表示从状态i转移到状态j的样本数,ni表示第i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Y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yi1,yi2,…,yi(k-1),yik为第i个维度上的k个状态,我们将它们沿着第i个维度进行扩张,得到k个新的状态:
/>
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Pij为从状态i扩张后的状态向量转移到状态j扩张后的状态向量的概率,则Pij可以表示为以下公式:
其中,Nij表示从状态i扩张后的状态向量转移到状态j扩张后的状态向量的样本数,ni表示第i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 (3)
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;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;所述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:
其中,WI表示总工作强度指数,Wi表示第i项工作的工作强度指数,n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:Wi=Wair*Wtemp*Whum*Wwind/10000;
其中,设定空气质量因素的权重为Wair、温度因素的权重为Wtemp、湿度因素的权重为Whum和风速因素的权重为Wwind;
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Wi,计算出每项工作的完成时间ti:
ti=Wi*T0/Ei;
其中,T0表示标准完成时间,Ei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ti按照从小到大的顺序排序,得到工作完成时间序列t1,t2,…,tn;根据工作完成时间序列t1,t2,…,tn,将电力施工过程划分为若干个时间段[t0,t1],[t1,t2],…,[tn-1,tn],其中t0表示开始施工的时间点,tn表示所有工作完成的时间点;根据每项工作的完成时间ti和工作强度指数Wi,计算出每项工作的工作等级Li:
Li=Wi/(ti-ti-1);
其中,ti-1表示上一项工作完成的时间点,Li表示每项工作的工作强度等级;将每项工作的工作等级Li按照从大到小的顺序排序,得到工作强度等级序列:L1,L2,…,Ln;根据工作强度等级序列L1,L2,…,Ln,将电力施工过程划分为若干个工作等级时间段[tL1,tL2],[tL2,tL3],…,[tLn-1,tLn],其中tL1表示工作强度最高的工作开始施工的时间点,tLn表示所有工作完成的时间点;根据每项工作的完成时间ti和工作强度等级Li,确定每项工作的施工时间段[tstart,i,tend,i]:
tend,i=-tstart,i+Wi/Li;
其中,tstart,i表示第i项工作开始施工的时间点,tend,i表示第i项工作完成的时间点;
所述电力施工调度单元根据每项工作的施工时间段[tstart,i,tend,i]和工作强度等级Li,使用如下公式计算出每项工作的施工质量指数Qi:
Qi=Li*(tend,i-tstart,i)/Wi;
其中,Qi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Qi按照从小到大的顺序排序,得到工作施工质量指数序列Q1,Q2,…,Qn;根据工作施工质量指数序列Q1,Q2,…,Qn,将电力施工过程划分为若干个质量等级时间[tQ1,tQ2],[tQ2,tQ3],…,[tQn-1,tQn],其中tQ1表示施工质量最高的工作开始施工的时间点,tQn表示所有工作完成的时间点;根据工作施工质量指数序列Q1,Q2,…,Qn,计算出电力施工过程的总质量指数Q:
其中,Q表示电力施工过程的总质量指数;根据总质量指数Q和标准质量指数Q0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Q>=Q0;则评估电力施工过程质量良好;
若Q<Q0;则评估电力施工过程质量不佳;
其中,Q0表示标准质量指数,n表示总共的工作项数;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。
2.根据权利要求1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。
3.如权利要求2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。
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 CN116258467A (zh) | 2023-06-13 |
CN116258467B true 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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
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 |
-
2023
- 2023-05-16 CN CN202310544425.8A patent/CN116258467B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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)
Title |
---|
Predicting the project time and costs using EVM based on gray numbers;Samira Nadafi等;《Engineering, Construction and Architectural Management》;第26卷(第9期);第2107-2119页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116258467A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alaswad et al. | A review on condition-based maintenance optimization models for stochastically deteriorating system | |
CN107991870B (zh) | 一种电扶梯设备的故障预警与寿命预测方法 | |
CN108280543B (zh) | 基于分类回归模式的工况自适应的设备健康度评估方法 | |
Baraldi et al. | Reconstruction of missing data in multidimensional time series by fuzzy similarity | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
CN115899964A (zh) | 基于多维的空调智能监测方法与系统 | |
CN110757510A (zh) | 一种机器人剩余寿命预测方法及系统 | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及系统 | |
CN113850475A (zh) | 一种基于大数据的生产设备性能评估系统 | |
CN115713320A (zh) | 设备的运维策略优化方法、装置、设备及存储介质 | |
Kong et al. | Remaining useful life prediction for degrading systems with random shocks considering measurement uncertainty | |
CN103487250A (zh) | 基于二维投射的煤矿设备预知维护方法 | |
CN116258467B (zh) | 一种电力施工管控系统 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
Zhou et al. | Quantification of value of information associated with optimal observation actions within partially observable Markov decision processes | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN114036035A (zh) | 一种基于实时数据流量化复杂度的异常识别的方法 | |
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 | |
CN113406537B (zh) | 一种电力设备故障程度的定量评估方法 | |
Esteves et al. | Prognostics health management: perspectives in engineering systems reliability prognostics | |
CN117272844B (zh) | 配电盘工作寿命的预测方法及系统 | |
Scott et al. | A structural PHM framework for aircraft control surface free-play | |
KR102573254B1 (ko) | 연합 학습을 이용한 기계설비 고장 예지 분석 시스템 | |
Hu et al. | A framework of cloud model similarity-based quality control method in data-driven production process | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 |
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 |