CN116840766A - 基于知识图谱的电力计量设备状态追踪与异常监控方法 - Google Patents
基于知识图谱的电力计量设备状态追踪与异常监控方法 Download PDFInfo
- Publication number
- CN116840766A CN116840766A CN202310719815.4A CN202310719815A CN116840766A CN 116840766 A CN116840766 A CN 116840766A CN 202310719815 A CN202310719815 A CN 202310719815A CN 116840766 A CN116840766 A CN 116840766A
- Authority
- CN
- China
- Prior art keywords
- power metering
- data
- fault
- metering equipment
- unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 25
- 230000007257 malfunction Effects 0.000 claims abstract description 8
- 230000010354 integration Effects 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于知识图谱的电力计量设备状态追踪与异常监控方法,涉及电力计量技术领域,包括以下步骤,系统获取电力计量设备的信息数据、电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据,然后对不正确的数据或者重复的数据进行清除,构建电力计量设备故障知识图谱,将电力计量设备和发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和发生的历史故障之间的对应关系作为知识图谱之间的关系,通过故障预测算法预测电力计量设备在未来某时刻与故障节点之间可能存在的联系,本发明在电力计量设备实际上发生故障前就加以预告,让工作人员可以及时检修或更换电力计量设备。
Description
技术领域
本发明涉及电力计量设备技术领域,具体为基于知识图谱的电力计量设备状态追踪与异常监控方法。
背景技术
电力计量设备是用于电力测量的计量型设备,方便统计电能使用情况,随着科技的进步与发展,电力事业也在不断发展,电力计量设备在电力事业中起着重要的作用,而维持电力计量设备的正常运行则是一项更为重要的工作;
目前市场上有着许多关于电力计量设备故障的检修方法,但是都是在电力计量设备发生故障后对其进行检修,此时电力计量设备发生故障已造成了不可挽回的损失,如果不能提前预测电力设备发生异常故障,那么就不能提前对电力计量设备进行更换维修,也不能及时阻止电力计量设备发生故障对电力事业造成的巨大损失,使电力事业的电力无法及时得到统计,增加了事后处理繁琐的工作量,同时也造成了资金的浪费,也不能及时发现并阻止窃电行为。
发明内容
本发明的目的在于提供基于知识图谱的电力计量设备状态追踪与异常监控方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:基于知识图谱的电力计量设备状态追踪与异常监控方法,包括以下步骤:
S1、电力计量设备数据获取:通过外部终端获取电力计量设备的信息数据,从数据库中查找电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据;
S2、清除数据:对S1中不正确的数据,例如数据字段缺失和数据自身不是与电力计量设备有关的数据,和重复的数据进行清除;
S3、构建电力计量设备故障知识图谱:通过S2中确认后的数据构建电力计量设备故障知识图谱,将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和历史发生的故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性;
S4、预测故障:通过故障预测算法计算出当前电力计量设备发生故障的概率,当概率越大时,发生该故障的概率越大,并通知工作人员对电力计量设备进行检修,由此完成电力计量设备的故障预测。
优选的,还包括获取数据单元、数据整合单元、图数据库单元、故障预测单元和故障检索单元:
所述获取数据单元用于获取电力计量设备的信息数据、电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据,所述获取数据单元的发射端与数据整合单元的接收端电性连接,且将获取的电力计量设备的信息数据电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据发送至数据整合单元;
所述数据整合单元用于接收数据获取单元传来的数据,且用于清除传来的数据中不正确的和重复的数据,所述数据整合单元的发射端与图数据库单元的接收端电性连接,且将清除掉不正确的数据,例如数据字段缺失和数据自身不是与电力计量设备有关的数据,和重复的数据发送给图数据库单元;
所述图数据库单元用于接收数据整合单元传来的数据并存储数据,且使用这些数据构建知识图谱,所述图数据库单元的发射端与故障预测单元的接收端电性连接;
所述故障预测单元使用图数据库单元构建出的知识图谱通过故障预测算法提前预测出电力计量设备的故障,并给工作人员提前预告和警醒。
优选的,所述图数据库单元的发射端与故障检索单元的接收端电性连接,所述故障检索单元用于在电力计量设备发生故障后,可以通过图数据库单元构建出的知识图谱检索出故障所对应的故障类型、故障检修方法和处置建议。
优选的,所述图数据库单元还包括构建知识图谱模块,所述构建知识图谱模块用于构建电力计量设备故障知识图谱,所述构建知识图谱模块将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和发生的历史故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性,知识图谱模型构建公式如下:
其中,是经过第l层的节点表示,do表示邻居节点的数目,/>表示节点之间对不同关系的映射,R表示在某时间段的设备节点和故障节点之间对应的关系矩阵。
优选的,所述图数据库单元还包括知识图谱管理模块,所述知识图谱管理模块的发射端与构建知识图谱模块的接收端电性连接,且用于对已构建的知识图谱进行更新。
优选的,所述故障预测单元还包括故障预测判断模块,所述故障预测判断模块通过故障预测算法计算出电力计量设备发生故障的概率,且通知工作人员对电力计量设备进行检修,故障预测算法通过计算出电力计量设备节点与故障节点之间的联系的概率来预测可能的故障类型,当计算出的概率越大时,该类型的故障所发生的概率则越大,故障预测算法计算概率公式如下:
p(o|s,r,Et,Rt)=σ(Etφ(st,rt))
其中,s表示电力计量设备节点,o表示故障节点,Et表示在第t个时间设备节点和故障节点的矩阵,Rt表示在第t个时间设备节点和故障节点之间对应的关系矩阵,r∈R。
优选的,所述故障检索单元还包括故障信息检索模,所述故障信息检索模块用于对电力计量设备发生的故障进行检索,通过输入关键字,故障信息检索模块自动实现关键字联想功能,检索出所有与该故障有关的信息,例如故障类型、故障检修方法和处置建议。
优选的,所述故障检索单元还包括故障信息可视化模块,所述故障信息可视化模块将目标查询结果关联的节点,如故障类型、电力计量设备信息、历史发生该故障的时间和检修人员信息以图的形式展示在终端上。
与现有技术相比,本发明的有益效果是:
本发明结合知识图谱构建电力计量设备故障知识图谱,并结合故障预测算法对电力计量设备可能发生的故障进行预测,在电力计量设备实际上发生故障前就加以预告,然后及时检修或更换电力计量设备,使电力计量设备不会突然损坏,造成电力事业的电力不能及时得到统计,减轻了电力计量设备突然发生故障后的工作量,保障了电力事业的正常运作。
附图说明
图1为本发明实施例提供方法步骤图;
图2为本发明实施例提供的整体结构示意图;
图3为本发明实施例提供的图数据库单元内部模块图;
图4为本发明实施例提供的故障预测的单元内部模块图;
图5为本发明实施例提供的故障检索单元内部模块图。
图中:1、获取数据单元;2、数据整合单元;3、图数据库单元;4、故障预测单元;5、故障检索单元;31、构建知识图谱模块;32、知识图谱管理模块;41、故障预测判断模块;51、故障信息检索模块;52、故障信息可视化模块。
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。
请参阅图1-5,本发明提供一种技术方案:基于知识图谱的电力计量设备状态追踪与异常监控方法,包括以下步骤:
S1、电力计量设备数据获取:通过外部终端获取电力计量设备的信息数据,从数据库中查找电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据;
S2、清除数据:对S1中不正确的数据,例如数据字段缺失和数据自身不是与电力计量设备有关的数据,和重复的数据进行清除;
S3、通过S2中确认后的数据构建电力计量设备故障知识图谱,将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和历史发生的故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性;
S4、预测故障:通过故障预测算法计算出当前电力计量设备发生故障的概率,当概率越大时,发生该故障的概率越大,并通知工作人员对电力计量设备进行检修,由此完成电力计量设备的故障预测。
基于知识图谱的电力计量设备状态追踪与异常监控系统,包括获取数据单元1、数据整合单元2、图数据库单元3、故障预测单元4和故障检索单元5:
获取数据单元1用于从外部终端获取电力计量设备的信息数据、从数据库中查找电力计量备历史发生故障的信息数据和检修记录与运维人员信息数据,获取数据单元1的发射端与数据整合单元2的接收端电性连接,且将获取的电力计量设备的信息数据电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据发送至数据整合单元2;
数据整合单元2用于接收数据获取单元1传来的数据,且用于清除传来的数据中不正确的数据,例如数据字段缺失和数据自身不是与电力计量设备有关的数据,和重复的数据,数据整合单元2的发射端与图数据库单元3的接收端电性连接,且将清除掉不正确和重复的数据发送给图数据库单元3;
图数据库单元3用于接收数据整合单元2传来的数据并存储数据,且使用这些数据构建知识图谱,所述图数据库单元3的发射端与故障预测单元4的接收端电性连接;
故障预测单元4使用图数据库单元3构建出的知识图谱通过故障预测算法提前预测出电力计量设备的故障,并给工作人员提前预告和警醒。
图数据库单元3的发射端与故障检索单元5的接收端电性连接,故障检索单元5用于在电力计量设备发生故障后,可以通过图数据库单元3构建出的知识图谱检索出故障所对应的故障类型、故障检修方法和处置建议。
图数据库单元3还包括构建知识图谱模块31,构建知识图谱模块31用于构建电力计量设备故障知识图谱,构建知识图谱模块31将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和发生的历史故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性,知识图谱每个节点的建模公式如下:
其中,是经过第l层的节点表示,do表示邻居节点的数目,/>表示节点之间对不同关系的映射。
图数据库单元3还包括知识图谱管理模块32,知识图谱管理模块32的发射端与构建知识图谱模块31的接收端电性连接,且用于对已构建的知识图谱进行更新。
故障预测单元4还包括故障预测判断模块41,故障预测判断模块41通过故障预测算法计算出电力计量设备发生故障的概率,且通知工作人员对电力计量设备进行检修,故障预测算法通过计算出电力计量设备节点与故障节点之间的联系的概率来预测可能的故障类型,当计算出的概率越大时,该类型的故障所发生的概率则越大,故障预测算法计算概率公式如下:
p(o|s,r,Et,Rt)=σ(Etφ(st,rt))
其中,s表示电力计量设备节点,o表示故障节点,Et表示在第t个时间设备节点和故障节点的矩阵,Rt表示在第t个时间设备节点和故障节点之间对应的关系矩阵,r∈R。
故障检索单元51还包括故障信息检索模51,故障信息检索模块51用于对电力计量设备发生的故障进行检索,通过输入关键字,故障信息检索模块51自动实现关键字联想功能,检索出所有与该故障有关的信息,例如故障类型、故障检修方法和处置建议,便于工作人员查找发生故障的原因。
故障检索单元还包括故障信息可视化模块52,故障信息可视化模块52将目标查询结果关联的节点,如故障类型、电力计量设备信息、历史发生该故障的时间和检修人员信息以图的形式展示在终端上,便于工作人员快速的了解故障数据。
工作原理:数据获取单元1获取电力计量设备的信息数据、电力计量
备历史发生故障的信息数据和检修记录与运维人员信息数据,且将这些数据发送给数据整合单元2进行清除不正确的和重复的数据,数据整合单元2在清除不正确的和重复的数据后,将这些数据发送给图数据库单元3进行构建电力计量设备故障知识图谱,构建知识图谱模块31将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和发生的历史故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性,知识图谱管理模块32可对已构建完成的知识图谱进行更新,故障预测单元4通过故障预测算法提前预测出电力计量设备的故障,并给工作人员提前预告和警醒,电力计量设备发生故障后,可以通过故障检索单元5检索出故障所对应的故障类型、故障检修方法和处置建议。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.基于知识图谱的电力计量设备状态追踪与异常监控方法,其特征在于包括以下步骤:
S1、电力计量设备数据获取:通过外部终端获取电力计量设备的信息数据,从数据库中查找电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据;
S2、清除数据:对S1中不正确的数据,例如数据字段缺失和数据自身不是与电力计量设备有关的数据,和重复的数据进行清除;
S3、构建电力计量设备故障知识图谱:通过S2中确认后的数据构建电力计量设备故障知识图谱,将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和历史发生的故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性;
S4、预测故障:通过故障预测算法计算出当前电力计量设备发生故障的概率,当概率越大时,发生该故障的概率越大,并通知工作人员对电力计量设备进行检修,由此完成电力计量设备的故障预测。
2.根据权利要求1所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:包括获取数据单元(1)、数据整合单元(2)、图数据库单元(3)、故障预测单元(4)和故障检索单元(5):
所述获取数据单元(1)用于从外部终端获取电力计量设备的信息数据、从数据库中查找电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据,所述获取数据单元(1)的发射端与数据整合单元(2)的接收端电性连接,且将获取的电力计量设备的信息数据电力计量设备历史发生故障的信息数据和检修记录与运维人员信息数据发送至数据整合单元(2);
所述数据整合单元(2)用于接收数据获取单元(1)传来的数据,且用于清除传来的数据中不正确的数据,例如数据字段缺失和数据自身不是与电力计量设备有关的数据,和重复的数据,所述数据整合单元(2)的发射端与图数据库单元(3)的接收端电性连接,且将确认后的数据发送给图数据库单元(3);
所述图数据库单元(3)用于接收数据整合单元(2)传来的确认后的数据并存储数据,且使用这些数据构建知识图谱,所述图数据库单元(3)的发射端与故障预测单元(4)的接收端电性连接;
所述故障预测单元(4)使用图数据库单元(3)构建出的知识图谱通过故障预测算法提前预测出电力计量设备的故障,并给工作人员提前预告和警醒。
3.根据权利要求2所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:所述图数据库单元(3)的发射端与故障检索单元(5)的接收端电性连接,所述故障检索单元(5)用于在电力计量设备发生故障后,可以通过图数据库单元(3)构建出的知识图谱检索出故障所对应的故障类型、故障检修方法和处置建议。
4.根据权利要求2所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:所述图数据库单元(3)还包括构建知识图谱模块(31),所述构建知识图谱模块(31)用于构建电力计量设备故障知识图谱,所述构建知识图谱模块(31)将电力计量设备和可能发生的故障,例如电力计量设备结构损坏或电力计量设备计量功能失常,作为知识图谱上的节点,将电力计量设备和发生的历史故障之间的对应关系作为知识图谱之间的关系,将电力计量设备的属性和运行状态信息作为节点的属性。
5.根据权利要求2所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:所述图数据库单元(3)还包括知识图谱管理模块(32),所述知识图谱管理模块(32)用于对已构建的知识图谱进行更新。
6.根据权利要求2所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:所述故障预测单元(4)还包括故障预测判断模块(41),所述故障预测判断模块(41)通过故障预测算法计算出电力计量设备发生故障的概率,当概率数值越大时,发生该故障的概率越大,且通知工作人员对电力计量设备进行检修。
7.根据权利要求3所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:所述故障检索单元(5)还包括故障信息检索模块(51),所述故障信息检索模块(51)用于对电力计量设备发生的故障进行检索,通过输入关键字,故障信息检索模块(51)自动实现关键字联想功能,检索出所有与该故障有关的信息,例如故障类型、故障检修方法和处置建议。
8.根据权利要求3所述的基于知识图谱的电力计量设备状态追踪与异常监控系统,其特征在于:所述故障检索单元(5)还包括故障信息可视化模块(52),所述故障信息可视化模块(52)将目标查询结果关联的节点,如故障类型、电力计量设备信息、历史发生该故障的时间和检修人员信息以图的形式展示在终端上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310719815.4A CN116840766A (zh) | 2023-06-17 | 2023-06-17 | 基于知识图谱的电力计量设备状态追踪与异常监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310719815.4A CN116840766A (zh) | 2023-06-17 | 2023-06-17 | 基于知识图谱的电力计量设备状态追踪与异常监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116840766A true CN116840766A (zh) | 2023-10-03 |
Family
ID=88159123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310719815.4A Pending CN116840766A (zh) | 2023-06-17 | 2023-06-17 | 基于知识图谱的电力计量设备状态追踪与异常监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116840766A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117647697A (zh) * | 2023-11-21 | 2024-03-05 | 广东电网有限责任公司江门供电局 | 一种基于知识图谱的电力计量流水线故障定位方法及系统 |
-
2023
- 2023-06-17 CN CN202310719815.4A patent/CN116840766A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117647697A (zh) * | 2023-11-21 | 2024-03-05 | 广东电网有限责任公司江门供电局 | 一种基于知识图谱的电力计量流水线故障定位方法及系统 |
CN117647697B (zh) * | 2023-11-21 | 2024-05-14 | 广东电网有限责任公司江门供电局 | 一种基于知识图谱的电力计量流水线故障定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114282434A (zh) | 一种工业设备健康管理系统及方法 | |
CN110806743A (zh) | 基于人工智能的设备故障检测与预警系统及方法 | |
CN110502398B (zh) | 一种基于人工智能的交换机故障预测系统及方法 | |
JP3085844B2 (ja) | 集中監視システムにおける障害表示方式 | |
CN116840766A (zh) | 基于知识图谱的电力计量设备状态追踪与异常监控方法 | |
CN105187239A (zh) | 基于数据挖掘的通信告警分析系统及其处理方法 | |
CN112559237B (zh) | 运维系统排障方法、装置、服务器和存储介质 | |
CN113542017A (zh) | 基于网络拓扑和多指标的一种网络故障定位方法 | |
CN112072642B (zh) | 电力系统运行异常状态预估方法 | |
CN117235169A (zh) | 一种智慧运维数据存储平台 | |
CN117331794A (zh) | 基于大数据的应用软件监控分析系统及方法 | |
CN114969370A (zh) | 基于大数据的图谱分析修正系统 | |
CN115524002A (zh) | 一种电厂旋转设备的运行状态预警方法、系统及存储介质 | |
CN117931570A (zh) | 面向监控数据的采集、检索分析及故障预测方法和系统 | |
CN118014558A (zh) | 故障处理的方法及装置、非易失性存储介质、电子设备 | |
CN112054510B (zh) | 电力系统运行异常状态预估方法 | |
CN117391675A (zh) | 一种数据中心基础设施运维管理方法 | |
CN115330285B (zh) | 一种变电站数据处理方法及系统 | |
CN113297307B (zh) | 数据库请求识别、异常检测方法、装置、设备及介质 | |
CN111784064A (zh) | 一种基于大数据的电厂设备智能预测检修方法和系统 | |
CN113296994A (zh) | 一种基于国产计算平台的故障诊断系统及方法 | |
CN112612676A (zh) | 设备的监控方法及监控装置 | |
CN111539642A (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN110797833B (zh) | 二次设备在线监视系统的实时监视与故障诊断装置 | |
Agbulu et al. | Healthy-State and Time-To-Failure Assessment of Induction Motors and Pumps for Maintenance Scheduling Using Cloud-Enabled Fault Prediction and Reporting System with MLScheme |
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 |