CN116452054A - 一种电力系统物资抽检管理方法和装置 - Google Patents

一种电力系统物资抽检管理方法和装置 Download PDF

Info

Publication number
CN116452054A
CN116452054A CN202310427044.1A CN202310427044A CN116452054A CN 116452054 A CN116452054 A CN 116452054A CN 202310427044 A CN202310427044 A CN 202310427044A CN 116452054 A CN116452054 A CN 116452054A
Authority
CN
China
Prior art keywords
materials
spot
distribution
data
preset parameter
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
Application number
CN202310427044.1A
Other languages
English (en)
Inventor
魏俊涛
苏琇贞
杨翠茹
陈天生
郑晓光
雷璟
王宇
郑亚茹
李佳
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.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202310427044.1A priority Critical patent/CN116452054A/zh
Publication of CN116452054A publication Critical patent/CN116452054A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)

Abstract

本发明公开了一种电力系统物资抽检管理方法和装置，方法包括：获取电力系统的待抽检物资的清单，从数据库中调取待抽检物资的历史质量数据；根据第一预设参数和第二预设参数，建立待抽检物资的故障函数；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，生成第一预设参数和第二预设参数的平均值作为质量结果；根据第一预设参数和第二预设参数的数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果，以实现对待抽检物资进行差异化抽检，提高了物资抽检的精度。

Description

一种电力系统物资抽检管理方法和装置
技术领域
本发明涉及物资抽检管理技术领域，尤其涉及一种电力系统物资抽检管理方法、装置及存储介质。
背景技术
近年来，随着中国经济建设的高速发展，用电需求急剧增长，对电网建设的需求亦日益强烈。而电网能否安全稳定、高效运行取决于电力物资的质量是否可靠，所以电力物资管理就要准确地找出质量缺陷，避免质量事故，提高设备运行的可靠性。其中抽样检验是产品质量控制重要工具，有效的抽样检验策略可以减少质量检验的成本和时间，并对出货质量进行统计控制。而目前电网物资抽检策略大都根据经验确定，没有明确的理论支撑。物资抽检是供应链中的重要环节，质量可靠的电网物资是电网安全稳定运行的基础。
目前，电网物资质量检测和品控管理技术存在诸多问题：
(1)抽检工作不规范、缺乏相关理论和标准支撑。传统的国标GB/T13264-2008抽样理论不适用于电网物资测试费用高、带有破坏性的抽检。
(2)缺少对抽检物资历史数据的分析和挖掘。对质量问题突出的品类和供应商严加抽检，缺少相关的标准。
(3)未体现对不同抽检物资的差异化管理策略。到货抽检通常强调抽检样品的全面性，全品类物资检测数量的分布不合理。
(4)未统筹考虑抽检成本和不合格产品导致的损失等多因素影响，无法实现品控资源投资收益的最大化。
发明内容
本发明提供了一种电力系统物资抽检管理方法和装置，通过对待抽检物资的历史质量数据进行分析，根据分析结果对待抽检物资进行差异化抽检，提高了物资抽检的精度。
为了实现提高了物资抽检的精度，本发明实施例提供了一种电力系统物资抽检管理方法，包括：获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据；所述历史质量数据包括投运数据的历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间；
根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数；其中，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果；
根据所述质量结果，生成所述第一预设参数和所述第二预设参数的数值信息；根据所述数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果。
作为优选方案，本发明根据待抽检物资的历史质量数据，通过贝叶斯网络预测待检测物资的故障分布状况，生成质量结果。根据该质量结果，对不同厂商的待抽检物资进行统计和排序，并结合预设的抽检比例系数对待抽检物资进行抽检，用不同的抽检比例对不同质量的待抽检物资进行抽检，实现了对待抽检物资进行差异化抽检，提高了物资抽检的精度。
作为优选方案，获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据之前，还包括：
获取所有第一物资的物资信息，并对所述物资信息进行分类处理，生成对应的品类标签存入数据库；所述物资信息包括：物资名单、历史质量数据、历年抽检结果数据和入库信息清单；
根据所述物资信息，计算所述待抽检物资的第一故障率、第一缺陷率和第一抽检合格率，并生成所述第一故障率、所述第一缺陷率和所述第一抽检合格率与入库数量之间的第一关联度数据。
作为优选方案，本发明收集反映电网物资质量的数据信息，建立全生命周期质量数据库，对物资信息进行分类处理，并赋予全品类物资和供应商特定的标签信息，实现从数据库快速调取待抽检物资的质量检测数据和运行质量数据以进行自动统计和关联分析，提高物资抽检的效率。
作为优选方案，根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数，具体为：
令待抽检物资的故障发生时间服从双参数Weibull分布，计算所述待抽检物资的概率密度函数和故障函数：
其中，f(t)为故障概率密度函数，F(t)故障函数，t为故障发生时间，第一预设参数为β，β为形状参数，用于表示故障分布的分散性，第二预设参数为η，η为尺度参数，用于表示物资故障的平均故障年限。
作为优选方案，本发明通过待抽检物资的故障发生时间服从双参数Weibull分布，对待抽检物资的概率密度函数和故障函数的计算，根据故障分布状况对物资的运行质量情况进行量化，根据公式中形状参数和尺度参数判断待抽检物资的故障分布，进而判断物资的运行质量风险。本发明通过对待抽检物资的运行质量风险进行预测和分析，进而实现对待抽检物资进行差异化抽检，提高了物资抽检的精度。
作为优选方案，第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布，具体为：
其中，a和b均为反映β分布的常数，x为变量；
其中，μ和σ2分别为η的平均值和方差大小。
作为优选方案，本发明根据历史统计经验，尺度参数β的分布符合Gamma分布，其值表示故障分布的分散性，形状参数η的分布符合正态分布，其值表示物资故障的平均故障年限。根据形状参数和尺度参数判断待抽检物资的故障分布，判断物资的运行质量风险，进而实现对待抽检物资进行差异化抽检，提高了物资抽检的精度。
作为优选方案，通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数的分布概率和第二预设参数的分布概率之前，还包括：
根据待抽检物资的概率密度函数和故障函数，构建历史质量数据的似然函数，从待抽检物资的投运数据中提取n个样本数据，所述样本数据包含r个历史故障数据和(n-r)个历史截尾数据，所述待抽检物资的历史故障数据或者历史截尾数据的投运时间为ti；根据待求参数η和β得到物资的似然函数如下：
式中，σi为截尾指示变量，当第i个样本数据为历史截尾数据时取0，若第i个样本数据为历史故障数据时取1；L(D|β,η)为似然函数，D表示待抽检物资的历史质量数据的样本状况。
作为优选方案，本发明根据待抽检物资的概率密度函数和故障函数构造似然函数，再将待抽检物资的历史质量数据导入似然函数，以便将待抽检物资的历史质量数据以似然函数的形式，计算出形状参数和尺度参数的后验分布情况，判断物资的运行质量风险。
作为优选方案，通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，具体为：
根据似然函数，通过贝叶斯网络对故障函数的分布进行预测，计算出η和β的后验分布情况：
其中，π(β,η)是η和β的联合分布，f(β,η|D)是η和β的后验分布。
作为优选方案，本发明根据构造的似然函数，通过贝叶斯网络计算出η和β的后验分布情况，对η和β的分布情况进行确定，获得η和β的联合分布，进而判断待抽检物资的故障分别状况。
作为优选方案，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果，具体为：
根据后验分布中η和β的联合分布，分别计算η和β的平均值：
其中，E(η)为η的平均值，E(β)为β的平均值。
作为优选方案，本发明根据后验分布计算出η和β的平均值，其中，η表示物资的运行年限特征值，η的均值越大表明物资的运行风险越低，质量越高，β表示故障分布的分散性，数值越小表示缺陷分布越分散，β越大故障分布越集中，根据η和β来判断待抽检物资的故障分布，判断物资的运行质量风险，进而实现对待抽检物资进行差异化抽检，提高了物资抽检的精度。
作为优选方案，对不同厂商的待抽检物资进行抽检，生成抽检结果，具体为：
若待抽检物资的抽检不合格数不低于第一阈值，则生成抽检不通过的抽检结果；
若待抽检物资的抽检不合格数为0，则生成抽检通过的抽检结果；
若待抽检物资的抽检不合格数低于第一阈值且不等于0，则加抽预设个待抽检物资；
若加抽预设个待抽检物资中的抽检不合格数为0，则生成抽检通过的抽检结果；
若加抽预设个待抽检物资中的抽检不合格数不低于第二阈值，则生成抽检不通过的抽检结果。
作为优选方案，本发明在根据待抽检物资的运行质量风险，对待抽检物资进行排序，并利用不同的抽检系数对不同质量的待抽检物资进行抽检，实现待抽检物资的差异化抽检。另外，在差异化抽检的基础上，利用预设的抽检合格标准，根据待抽检物资的质量状况调整抽检不合格数的阈值，对待抽检物资进行初步的抽检，根据初步的抽检结果进行分析是否有必要对部分不合格物资进行加抽，提高物资抽检的精度。
作为优选方案，根据抽检结果生成抽检合格率；根据第二预设参数的数值信息作为物资风险预测值，计算物资风险预测值与所述抽检合格率的第二关联度数据。
作为优先方案，本发明通过物资质量风险预测结果与抽检合格率的关联度数据评估待抽检物资的质量风险预测精确度和差异化抽检作用，关联度数据越接近1对应风险预测越准以及差异化抽检作用越显著。
相应地，本发明还提供一种电力系统物资抽检管理装置，包括：数据获取模块、质量预测模块和抽检模块；
其中，所述数据获取模块用于获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据；所述历史质量数据包括投运数据的历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间；
所述质量预测模块用于根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数；其中，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果；
所述抽检模块用于根据所述质量结果，生成所述第一预设参数和所述第二预设参数的数值信息；根据所述数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果。
作为优选方案，本发明装置质量预测模块根据待抽检物资的历史质量数据，通过贝叶斯网络预测待检测物资的故障分布状况，生成质量结果。抽检模块根据该质量结果，对不同厂商的待抽检物资进行统计和排序，并结合预设的抽检比例系数对待抽检物资进行抽检，用不同的抽检比例对不同质量的待抽检物资进行抽检，实现了对待抽检物资进行差异化抽检，提高了物资抽检的精度。
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如本发明内容所述的一种电力系统物资抽检管理方法。
附图说明
图1是本发明提供的一种电力系统物资抽检管理方法的一种实施例的流程示意图；
图2是本发明提供的一种电力系统物资抽检管理方法的一种实施例的第一预设参数β的分布示意图；
图3是本发明提供的一种电力系统物资抽检管理方法的一种实施例的第二预设参数η的分布示意图；
图4是本发明提供的一种电力系统物资抽检管理方法的一种实施例的η和β的联合分布的分布示意图；
图5是本发明提供的一种电力系统物资抽检管理装置的一种实施例的结构示意图。
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作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。
实施例一
请参照图1，为本发明实施例提供的一种电力系统物资抽检管理方法，包括步骤S101-S103：
步骤S101：获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据；所述历史质量数据包括投运数据的历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间；
在本实施例中，获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据之前，还包括：
获取所有第一物资的物资信息，并对所述物资信息进行分类处理，生成对应的品类标签存入数据库；所述物资信息包括：物资名单、历史质量数据、历年抽检结果数据和入库信息清单；
根据所述物资信息，计算所述第一物资的第一故障率、第一缺陷率和第一抽检合格率，并生成所述第一故障率、所述第一缺陷率和所述第一抽检合格率与入库数量之间的第一关联度数据。
进一步地，在本实施例中，获取所有第一物资的物资信息，并对所述物资信息进行分类处理，生成对应的品类标签存入数据库，具体为：
根据电力系统的第一物资的清单，建立全品类物资名单并将名单中的物资名称和供应商名称赋予对应的信息；从电网故障和缺陷统计清单中获取第一物资的相关的故障信息和缺陷清单；从电网抽检单位中获取第一物资的历年电网物资抽检清单；获取第一物资的历年来的电网物资入库信息清单。
从物资故障和缺陷清单中提取历年来第一物资的故障品类、生产年限、故障原因、故障时间和物资生产商等质量信息；从物资抽检清单中提取第一物资的抽检物资品类、物资供应商、抽检数量、抽检结果和抽检比例等抽检信息；从电网物资入库清单中提取第一物资的物资购买信息，确定物资品类、供应商信息、入库时间、入库数量和入库金额等入库信息。
对第一物资的质量信息进行分类处理，建立第一物资的全品类清单，根据物资重要程度将全品类清单分为“关键管控品类物资”和“常规管控品类物资”，并将物资归属情况分为范围从大到小的三级目录，其中一级目录分为一次设备、智能设备和自动化类设备等，二级目录为设备类别如：变压器、电缆和避雷器等；三级目录为设备规格信息如：10kV柱上负荷开关和10kV柱上断路器等。统计所有第一物资的抽检信息、运行质量信息、生产信息和入库信息等分类数据，并将分类数据规整至所属信息标签中，并存入数据库。
在本实施例中，根据物资数据库内容，统计第一物资的故障率、缺陷率、抽检合格率等信息，其计算下式如下所示：
式中：κ为物资故障率、缺陷率或者抽检合格率，n为对应的故障数、缺陷数或者抽检合格数，N为物资总量。
建立物资故障、缺陷、抽检和入库数据的关联分析，得到物资故障率、缺陷率、物资抽检合格率与入库数量的关联度信息，具体表达式如下：
式中，m为入库数据的数据量，xi为物资故障率、缺陷率、物资抽检合格率和入库数量四项数据中的任意两项数据的关联搭配值，yi为物资故障率、缺陷率、物资抽检合格率和入库数量四项数据中的任意两项数据的关联搭配值，且yi选中的两项数据与xi选中的两项数据不完全相同。此时，皮尔逊相关系数P(x,y)的取值范围在-1～1之间，相关系数越接近于1，相关性越高，表明物资故障率、缺陷率与物资抽检合格率、入库数量中进行关联分析的两项数据之间关联度越好。
在本实施例中，第一物资包括所有待抽检物资。在获取电力系统的待抽检物资的清单后，根据待抽检物资的品类，从数据库中记载的所有第一物资的不同标签的数据中，调取所述待抽检物资的历史质量数据，包括入库数、入库年份、故障数、故障时间、抽检数和抽检比例等，生成历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间。
步骤S102：根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数；其中，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果；
在本实施例中，根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数，具体为：
令待抽检物资的故障发生时间服从双参数Weibull分布，计算所述待抽检物资的概率密度函数和故障函数：
其中，f(t)为故障概率密度函数，F(t)故障函数，t为故障发生时间，第一预设参数为β，β为形状参数，用于表示故障分布的分散性，第二预设参数为η，η为尺度参数，用于表示物资故障的平均故障年限。根据η和β的参数情况影响物资故障的分布情况，决定了物资的运行质量风险。
在本实施例中，第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布，具体为：
其中，a和b均为反映β分布的常数，x为变量；
其中，μ和σ2分别为η的平均值和方差大小。
在本实施例中，根据历史运行质量数据的统计结果，分别设a为1和b为2，得到的β分布情况：β～Gamma(x,1,2)＝xex；其分布果如图2所示。
同理，根据历史统计信息，设μ和σ2分别为40和0.1，得到的η的分布情况为：其分布结果如图3所示。
在本实施例中，通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数的分布概率和第二预设参数的分布概率之前，还包括：
根据待抽检物资的概率密度函数和故障函数，构建历史质量数据的似然函数，从待抽检物资的投运数据中提取n个样本数据，所述样本数据包含r个历史故障数据和(n-r)个历史截尾数据，所述待抽检物资的历史故障数据或者历史截尾数据的投运时间为ti；根据待求参数η和β得到物资的似然函数如下：
式中，σi为截尾指示变量，当第i个样本数据为历史截尾数据时取0，若第i个样本数据为历史故障数据时取1；L(D|β,η)为似然函数，D表示待抽检物资的历史质量数据的样本状况。
由于η和β与运行质量数据挂钩，其实际值无法直接计算，因此，通过贝叶斯网络对故障函数的分布情况预测结果可以分析η和β的分布概率。根据η和β两者的先验分布，通过贝叶斯网络确定两者的实际分布概率情况，其中，贝叶斯网络为：
其中，Hj是先验概率的分布情况，Hi为检测观察时间，E为测试结果，P(X)为X的概率，X为Hi或Hj；P(A|B)是在B发生的情况下A发生的概率；A为E或者Hj，B为E、Hi或Hj；
在本实施例中，通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，具体为：
根据似然函数，通过贝叶斯网络对故障函数的分布进行预测，计算出η和β的后验分布情况：
其中，π(β,η)是η和β的联合分布，其分布结果如图4所示；f(β,η|D)是η和β的后验分布。
在本实施例中，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果，具体为：
根据后验分布中η和β的联合分布，分别计算η和β的平均值：
其中，E(η)为η的平均值，E(β)为β的平均值。
在本实施例中，计算出η和β的平均值以表达物资质量状况，其中η表示物资的运行年限特征值，η的均值越大表明物资的运行风险越低，质量越高，β表示故障分布的分散性，数值越小表示缺陷分布越分散，由于其故障可能存在于运行寿命的全周期，首先根据η的数值大小判定物资的质量状况，而更容易针对故障风险采取高效的应对措施，因此，在η一致的情况下β越大越物资风险损失越低质量情况越高。
步骤S103：根据所述质量结果，生成所述第一预设参数和所述第二预设参数的数值信息；根据所述数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果。
在本实施例中，根据质量结果，建立反映待抽检物资中每个品类的物资的质量的数据集，统计η和β的数值信息，其中，η是反映物资运行质量信息年限的特征值，统计每个品类的物资的不同厂商的η值并按照物资质量从高到低进行排序，即η值由高到低排序。示例性地，当统计到的第一品类的物资的生产供应商有n1个，得到的第一品类的物资共有n2种生产方式，经排序得到n2个η值排序结果。β为分散性指标，是同步获取的辅助性参数，η和β需要同步计算，β的信息作为辅助信息存储于数据库。
计物资抽检比例分布情况为：
其中，P为平均抽检比例，m为历史抽检份数，n和N分别为抽检数和物资总数，经过统计分析得出该类物资在数值范围内的平均抽检情况。
对排序后的每个η值赋予预设的抽检比例系数，其初步抽检比例为：P1＝k×P；式中：k为预设的抽检比例系数，P1为初步抽检比例。
对于风险质量排序前10％的物资，即n2个η值排名前10％的物资，设k＝0.8；对风险质量排序在10％-80％的物资，设k＝1；对风险质量排序在最后20％的物资，设定k＝1.2，以实现物资质量的差异化抽检。
在本实施例中，对于质量情况较差(风险质量排序在最后20％)的数据赋予k>1的抽检比例系数，以确保物资质量水平，降低使用风险；对于物资历史质量分析结果较好(风险质量排序前10％)的数据，赋予k<1的比例系数，以减少不必要的工作冗余，提高工作效率。
在本实施例中，对不同厂商的待抽检物资进行抽检，生成抽检结果，具体为：
若待抽检物资的抽检不合格数不低于第一阈值，则生成抽检不通过的抽检结果；
若待抽检物资的抽检不合格数为0，则生成抽检通过的抽检结果；
若待抽检物资的抽检不合格数低于第一阈值且不等于0，则加抽预设个待抽检物资；
若加抽预设个待抽检物资中的抽检不合格数为0，则生成抽检通过的抽检结果；
若加抽预设个待抽检物资中的抽检不合格数不低于第二阈值，则生成抽检不通过的抽检结果。
在本实施例中，对抽检全部通过的物资，判定抽检合格并直接通过；
当抽检不合格数为1时，制定合适的加抽方案；如果加抽不合格数为0，认定抽检通过；当加抽不合格数大于等于1时，认定抽检不合格；
对于初步抽检过程中，抽检不合格数大于等于2的时候，直接认定物资质量不合格，不再制定加抽策略，直接拒收该批物资。
在本实施例中，根据抽检结果生成抽检合格率；根据第二预设参数的数值信息作为物资风险预测值，计算物资风险预测值与所述抽检合格率的第二关联度数据。
进一步地，在抽检之后，统计该批待抽检物资的抽检的物资品类、供应商信息、物资生产日期、抽检日期、抽检耗时、抽检费用、物资总量、抽检费用和加抽方案信息等数据，并将数据导入数据库中。
对统计结果进行关联分析，分析物资质量风险预测结果与抽检合格率的关联度，统计方案如公式所示：
式中，m为待抽检物资的入库数据量，xi为η值，即物资风险预测值，yi为待抽检物资的抽检合格率。P(x,y)越大，皮尔逊相关系数P(x,y)的取值范围在-1～1之间，相关系数越接近于1，相关性越高，表明物资风险预测值与抽检合格率的关联度越好，物资质量风险预测结果与抽检合格率的关联度越接近1对应风险预测越准、差异化抽检作用越显著。
根据抽检结果，得出物资质量结论，将信息发送给对应电网单位和供应商等，对于初步抽检不合格的物资，对供应商提出改进要求，以确保下一次抽检的质量。
实施本发明实施例，具有如下效果：
本发明根据待抽检物资的历史质量数据，通过贝叶斯网络预测待检测物资的故障分布状况，生成质量结果。根据该质量结果，对不同厂商的待抽检物资进行统计和排序，并结合预设的抽检比例系数对待抽检物资进行抽检，用不同的抽检比例对不同质量的待抽检物资进行抽检，实现了对待抽检物资进行差异化抽检，提高了物资抽检的精度。
实施例二
请参照图5，为本发明实施例提供的一种电力系统物资抽检管理装置，包括：数据获取模块201、质量预测模块202和抽检模块203；
其中，所述数据获取模块201用于获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据；所述历史质量数据包括投运数据的历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间；
所述质量预测模块202用于根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数；其中，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果；
所述抽检模块203用于根据所述质量结果，生成所述第一预设参数和所述第二预设参数的数值信息；根据所述数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果。
质量预测模块202包括：故障函数构建单元、似然函数构建单元、后验分布计算单元和质量结果计算单元；
所述故障函数构建单元用于令待抽检物资的故障发生时间服从双参数Weibull分布，计算所述待抽检物资的概率密度函数和故障函数：
/>
其中，f(t)为故障概率密度函数，F(t)故障函数，t为故障发生时间，第一预设参数为β，β为形状参数，用于表示故障分布的分散性，第二预设参数为η，η为尺度参数，用于表示物资故障的平均故障年限。
其中，第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布，具体为：
其中，a和b均为反映β分布的常数，x为变量；
其中，μ和σ2分别为η的平均值和方差大小。
所述似然函数构建单元用于根据待抽检物资的概率密度函数和故障函数，构建历史质量数据的似然函数，从待抽检物资的投运数据中提取n个样本数据，所述样本数据包含r个历史故障数据和(n-r)个历史截尾数据，所述待抽检物资的历史故障数据或者历史截尾数据的投运时间为ti；根据待求参数η和β得到物资的似然函数如下：
式中，σi为截尾指示变量，当第i个样本数据为历史截尾数据时取0，若第i个样本数据为历史故障数据时取1；L(D|β,η)为似然函数，D表示待抽检物资的历史质量数据的样本状况。
所述后验分布计算单元用于通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，具体为：
根据似然函数，通过贝叶斯网络对故障函数的分布进行预测，计算出η和β的后验分布情况：
其中，π(β,η)是η和β的联合分布，f(β,η|D)是η和β的后验分布。
所述质量结果计算单元用于根据后验分布中η和β的联合分布，分别计算η和β的平均值：
其中，E(η)为η的平均值，E(β)为β的平均值。
抽检模块203包括：抽检处理单元；
所述抽检处理单元用于若待抽检物资的抽检不合格数不低于第一阈值，则生成抽检不通过的抽检结果；
若待抽检物资的抽检不合格数为0，则生成抽检通过的抽检结果；
若待抽检物资的抽检不合格数低于第一阈值且不等于0，则加抽预设个待抽检物资；
若加抽预设个待抽检物资中的抽检不合格数为0，则生成抽检通过的抽检结果；
若加抽预设个待抽检物资中的抽检不合格数不低于第二阈值，则生成抽检不通过的抽检结果。
所述电力系统物资抽检管理装置，还包括：数据库构建模块和评估模块；
所述数据库构建模块用于获取所有第一物资的物资信息，并对所述物资信息进行分类处理，生成对应的品类标签存入数据库；所述物资信息包括：物资名单、历史质量数据、历年抽检结果数据和入库信息清单；
根据所述物资信息，计算所述待抽检物资的第一故障率、第一缺陷率和第一抽检合格率，并生成所述第一故障率、所述第一缺陷率和所述第一抽检合格率与入库数量之间的第一关联度数据。
所述评估模块用于根据抽检结果生成抽检合格率；根据第二预设参数的数值信息作为物资风险预测值，计算物资风险预测值与所述抽检合格率的第二关联度数据。
上述的电力系统物资抽检管理装置可实施上述方法实施例的电力系统物资抽检管理方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
实施本发明实施例，具有如下效果：
本发明装置质量预测模块根据待抽检物资的历史质量数据，通过贝叶斯网络预测待检测物资的故障分布状况，生成质量结果。抽检模块根据该质量结果，对不同厂商的待抽检物资进行统计和排序，并结合预设的抽检比例系数对待抽检物资进行抽检，用不同的抽检比例对不同质量的待抽检物资进行抽检，实现了对待抽检物资进行差异化抽检，提高了物资抽检的精度。
实施例三
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的电力系统物资抽检管理方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据移动终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电力系统物资抽检管理方法，其特征在于，包括：
获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据；所述历史质量数据包括投运数据的历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间；
根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数；其中，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果；
根据所述质量结果，生成所述第一预设参数和所述第二预设参数的数值信息；根据所述数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果。
2.如权利要求1所述的一种电力系统物资抽检管理方法，其特征在于，所述获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据之前，还包括：
获取所有第一物资的物资信息，并对所述物资信息进行分类处理，生成对应的品类标签存入数据库；所述物资信息包括：物资名单、历史质量数据、历年抽检结果数据和入库信息清单；
根据所述物资信息，计算所述待抽检物资的第一故障率、第一缺陷率和第一抽检合格率，并生成所述第一故障率、所述第一缺陷率和所述第一抽检合格率与入库数量之间的第一关联度数据。
3.如权利要求1所述的一种电力系统物资抽检管理方法，其特征在于，所述根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数，具体为：
令待抽检物资的故障发生时间服从双参数Weibul l分布，计算所述待抽检物资的概率密度函数和故障函数：
其中，f(t)为故障概率密度函数，F(t)故障函数，t为故障发生时间，第一预设参数为β，β为形状参数，用于表示故障分布的分散性，第二预设参数为η，η为尺度参数，用于表示物资故障的平均故障年限。
4.如权利要求3所述的一种电力系统物资抽检管理方法，其特征在于，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布，具体为：
其中，a和b均为反映β分布的常数，x为变量；
其中，μ和σ2分别为η的平均值和方差大小。
5.如权利要求3所述的一种电力系统物资抽检管理方法，其特征在于，所述通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数的分布概率和第二预设参数的分布概率之前，还包括：
根据待抽检物资的概率密度函数和故障函数，构建历史质量数据的似然函数，从待抽检物资的投运数据中提取n个样本数据，所述样本数据包含r个历史故障数据和(n-r)个历史截尾数据，所述待抽检物资的历史故障数据或者历史截尾数据的投运时间为ti；根据待求参数η和β得到物资的似然函数如下：
式中，σi为截尾指示变量，当第i个样本数据为历史截尾数据时取0，若第i个样本数据为历史故障数据时取1；L(D|β,η)为似然函数，D表示待抽检物资的历史质量数据的样本状况。
6.如权利要求5所述的一种电力系统物资抽检管理方法，其特征在于，所述通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，具体为：
根据似然函数，通过贝叶斯网络对故障函数的分布进行预测，计算出η和β的后验分布情况：
其中，π(β,η)是η和β的联合分布，f(β,η|D)是η和β的后验分布。
7.如权利要求6所述的一种电力系统物资抽检管理方法，其特征在于，所述根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果，具体为：
根据后验分布中η和β的联合分布，分别计算η和β的平均值：
其中，E(η)为η的平均值，E(β)为β的平均值。
8.如权利要求1所述的一种电力系统物资抽检管理方法，其特征在于，所述对不同厂商的待抽检物资进行抽检，生成抽检结果，具体为：
若待抽检物资的抽检不合格数不低于第一阈值，则生成抽检不通过的抽检结果；
若待抽检物资的抽检不合格数为0，则生成抽检通过的抽检结果；
若待抽检物资的抽检不合格数低于第一阈值且不等于0，则加抽预设个待抽检物资；
若加抽预设个待抽检物资中的抽检不合格数为0，则生成抽检通过的抽检结果；
若加抽预设个待抽检物资中的抽检不合格数不低于第二阈值，则生成抽检不通过的抽检结果。
9.如权利要求8所述的一种电力系统物资抽检管理方法，其特征在于，所述对不同厂商的待抽检物资进行抽检，生成抽检结果之后，还包括：
根据抽检结果生成抽检合格率；根据第二预设参数的数值信息作为物资风险预测值，计算物资风险预测值与所述抽检合格率的第二关联度数据。
10.一种电力系统物资抽检管理装置，其特征在于，包括：数据获取模块、质量预测模块和抽检模块；
其中，所述数据获取模块用于获取电力系统的待抽检物资的清单，并根据待抽检物资的品类，从数据库中调取所述待抽检物资的历史质量数据；所述历史质量数据包括投运数据的历史故障数据和历史截尾数据；所述历史截尾数据包括尚未发生故障的待抽检物资的运行时间；
所述质量预测模块用于根据第一预设参数和第二预设参数，建立所述待抽检物资的故障函数；其中，所述第一预设参数的分布符合Gamma分布以及所述第二预设参数的分布符合正态分布；通过贝叶斯网络对故障函数的分布进行预测，并导入待抽检物资的历史质量数据，确定第一预设参数和第二预设参数的后验分布，根据所述后验分布，生成所述第一预设参数和所述第二预设参数的平均值作为质量结果；
所述抽检模块用于根据所述质量结果，生成所述第一预设参数和所述第二预设参数的数值信息；根据所述数值信息对不同厂商的待抽检物资进行统计和排序，生成排序结果；根据排序结果和预设的抽检比例系数，对不同厂商的待抽检物资进行抽检，生成抽检结果。
CN202310427044.1A 2023-04-19 2023-04-19 一种电力系统物资抽检管理方法和装置 Pending CN116452054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310427044.1A CN116452054A (zh) 2023-04-19 2023-04-19 一种电力系统物资抽检管理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310427044.1A CN116452054A (zh) 2023-04-19 2023-04-19 一种电力系统物资抽检管理方法和装置

Publications (1)

Publication Number Publication Date
CN116452054A true CN116452054A (zh) 2023-07-18

Family

ID=87119910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310427044.1A Pending CN116452054A (zh) 2023-04-19 2023-04-19 一种电力系统物资抽检管理方法和装置

Country Status (1)

Country Link
CN (1) CN116452054A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116882847A (zh) * 2023-09-07 2023-10-13 山东盛日电力集团有限公司 用于光伏组件的安装质量检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116882847A (zh) * 2023-09-07 2023-10-13 山东盛日电力集团有限公司 用于光伏组件的安装质量检测方法及系统
CN116882847B (zh) * 2023-09-07 2023-12-01 山东盛日电力集团有限公司 用于光伏组件的安装质量检测方法及系统

Similar Documents

Publication Publication Date Title
CN106570778A (zh) 一种基于大数据的数据集成与线损分析计算的方法
CN111786385B (zh) 一种电网运维方案规划方法、系统及设备
CN116452054A (zh) 一种电力系统物资抽检管理方法和装置
CN116562596A (zh) 一种退役电池处理方法、装置、退役电池仓储立库及介质
CN115438663A (zh) 一种电网工作票据的风险分析方法、装置、设备及介质
CN115034927A (zh) 数据处理方法、装置、电子设备及存储介质
CN111242424A (zh) 质量数据的处理方法及装置
CN109583773A (zh) 一种纳税信用积分确定的方法、系统及相关装置
CN117349624A (zh) 一种电力能源监控方法、系统、终端设备及存储介质
CN107194529B (zh) 基于挖掘技术的配电网可靠性经济效益分析方法及装置
CN110807082A (zh) 质量抽检项目确定方法、系统、电子设备及可读存储介质
CN114626433A (zh) 一种智能电能表故障预测并分类方法、装置及系统
CN113935819A (zh) 核算异常特征提取方法
CN113065234A (zh) 一种智能电表的批次可靠性风险等级评估方法及系统
CN113537519A (zh) 一种识别异常设备的方法和装置
CN111612302A (zh) 一种集团级数据管理方法和设备
CN115018366B (zh) 储能系统工作状态监测方法、装置、存储介质及电子设备
CN115062495B (zh) 材料绝缘性能分析方法、装置、电子设备及存储介质
CN112308608B (zh) 变电站造价的数据处理方法、装置、电子设备及存储介质
CN117312295B (zh) 一种电网物资抽检数据治理的方法、装置、介质及设备
CN114581263A (zh) 一种电网负荷分析方法、装置、电子设备及存储介质
CN112463929A (zh) 一种故障信息的自动分类方法
CN115409381A (zh) 线损原因的确定方法、装置、电子设备及存储介质
JP2024015999A (ja) 配電変圧器の異常容量に対するビッグデータ・スクリーニング・システム
CN117520319A (zh) 一种电网物资数据分析方法、装置、终端设备及存储介质

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