CN116933052A - 一种变电站数据化在线监测系统和方法 - Google Patents

一种变电站数据化在线监测系统和方法 Download PDF

Info

Publication number
CN116933052A
CN116933052A CN202310880870.1A CN202310880870A CN116933052A CN 116933052 A CN116933052 A CN 116933052A CN 202310880870 A CN202310880870 A CN 202310880870A CN 116933052 A CN116933052 A CN 116933052A
Authority
CN
China
Prior art keywords
data
array
square
processing
dynamic
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
CN202310880870.1A
Other languages
English (en)
Other versions
CN116933052B (zh
Inventor
马洪波
李净雅
方梦然
邱凯义
蔡立
刘洁
张正超
薛文凤
肖迪
陈沭沭
王政
何伟
陈广亮
肖亚婷
杨少利
师春林
席跃卿
王琪
陈兴伟
陈琳
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.)
Information and Telecommunication Branch of State Grid Beijing Electric Power Co Ltd
Original Assignee
Information and Telecommunication Branch of State Grid Beijing Electric Power 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 Information and Telecommunication Branch of State Grid Beijing Electric Power Co Ltd filed Critical Information and Telecommunication Branch of State Grid Beijing Electric Power Co Ltd
Priority to CN202310880870.1A priority Critical patent/CN116933052B/zh
Publication of CN116933052A publication Critical patent/CN116933052A/zh
Application granted granted Critical
Publication of CN116933052B publication Critical patent/CN116933052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

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)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种变电站数据化在线监测系统和方法，基于二维规范数据阵列的全局或其选定子集进行动态化的相对关联数据处理，包括β全局数据或其选定子集数据的整体交互式动态关联处理，γ全局数据或其选定子集数据内部一对一的交互式动态关联处理；前者面向基于单一参数的变电运行状态初始预警，后者面向初始预警后进一步的变电运行细节化数据识别与核查。本发明具有高度的人工智能系统兼容性，能够实现面向变电运行状态的初始预警及变电运行细节化数据识别与核查。

Description

一种变电站数据化在线监测系统和方法
技术领域
本发明涉及电力智能化技术，尤其是一种基于智能集成变电辅控的变电站数据化在线监测系统和方法。
背景技术
目前，变电站的现代化、智能化、信息化建设已经获得了广泛而深入的发展。一般而言，智能变电站辅助控制系统是以远程传感设备和智能处理设备为基础，综合采用动力环境、图像监测、消防、照明以及监测、预警和控制等技术手段，广泛采用自动化技术、计算机技术、网络通信技术、视频设备技术以及基于传感和信息控制的综合技术手段，对变电站动力环境、图像、火灾报警、消防、照明、采暖通风、安防报警、门禁识别控制等实现在线监测和可靠控制；并按需或实时交互传输到电网系统的监控中心或调度中心或者对应云端总控中心。
按照智能变电站辅助控制系统最新的发展趋势，在视频图像监测、电气传感、通信网络和分布式控制等技术的基础上，目前几个核心的技术应用和融合点包括：①视频图像要素的自动识别及其动态追踪技术，并将被追踪的动态要素进行空间数据信息流的自动生成；②高精度传感器技术，高精度传感器技术的引入和普及应用，使得实时监测变电站设备的电流、电压、温度等参数越来越精准；③分布式及云端化通信技术，在包括物联网、5G等技术的支撑下，智能变电站辅助控制系统能够实现设备之间的远程监控、远程操作与远程通信，同时支持数据的实时传输和云端存储；④电网中控可视化智能运维技术: 与智能变电站辅助控制系统进行实时数据链接和交互，并形成实时可视化平台，不仅能够实现远程运维对设备状态的监控，同时通过智能化运维技术系统实现变电设备的自动化巡检、维护和保养；⑤数据处理与分析技术，为智能变电站辅助控制系统装备上基于大数据、人工智能和机器学习全新数据手段，对监测到的数据进行处理和分析，实现对设备状态的实时监测、预测和故障诊断。
其中，基于大数据平台并与人工智能数据处理系统进行链接的数据处理与分析技术，目前不仅发展极为迅猛，快速成为智能变电站辅助控制系统当下最热门同时也是最具实质意义的技术改进趋势，同时也成为了其他相关关键技术发展和实现的重要基础。
发明内容
本发明要解决的技术问题是提供一种基于智能集成变电辅控的变电站数据化在线监测系统和方法。
为解决上述技术问题，本发明所采取的技术方案如下。
一种变电站数据化在线监测方法，针对任意单项变电辅控监测事件，将该监测事件所包含的被监测对象在变电辅控系统内视频子系统及各电气传感子系统下获取的空间和电气数据，经数据处理和格式规范得到二维规范数据阵列，在所得二维规范数据阵列中，至少包括来源于视频子系统并经其二维或三维空间算法矫正后获得的二维或三维空间坐标数据，以及来源于电气传感子系统的一至多项电学信号数据；所得二维规范数据阵列其依照单项变电辅控监测事件所包含的全部被监测对象构建，相对于当下被监测目标的具有全局属性；所有这些对应于单项检测任务的全局数据库的并，构成智能变电站整体的全局数据库；不同智能变电站的全局数据库进一步在不同层级的电网运维中控平台进行汇总和云存储，得到各自级别的层级化数据库；该变电站数据化在线监测方法基于二维规范数据阵列的全局或其选定子集进行动态化的相对关联数据处理，包括β全局数据或其选定子集数据的整体交互式动态关联处理，γ全局数据或其选定子集数据内部一对一的交互式动态关联处理；前者面向基于单一参数的变电运行状态初始预警，后者面向初始预警后进一步的变电运行细节化数据识别与核查。
作为本发明的一种优选技术方案，该方法在β和γ数据处理进程之前，还包括α、数据阵列的动态相对化处理，具体包括：
基于二维规范数据阵列内部数据的单位和量级差异化以及其自身的动态化属性，首先对数据进行动态相对化处理，α-1、首先构建一个时间间隔序列（τk=k×min-span-t），k=∈（1，2，3，……，max-span-t/min-span-t）；其中min-span-t为硬件系统在最高采样频率的对应的最小采样时长间隔，max-span-t为硬件系统针对当下变电辅控监测事件的最大工作时间跨度；k的取值及其取值个数，对应生成不同精细程度和不同数目的动态相对化数据阵列；
α-2、其次，基于选定的τk从原始的全局和全时段二维规范数据阵列中抽提出一个动态数据子序列，其为依照时序进行排序的离散化数据序列，并用τk进行标记；
α-3、然后从所得动态数据子序列的初始数据未开始，依次求取相邻两个单项数据的差值，注意这里是求取二维数据阵列的差值，采用矩阵运算进行处理，
α-4、进一步以τk的倒数为关联参值对全部所得差值数据阵列序列进行矩阵数乘运算，最终得到k个基于不同时间间隔和具有不同精细度的动态相对化数据阵列。
作为本发明的一种优选技术方案，α数据处理进程还包括一个可选数据一致化处理，具体包括：可选的数据进程还包括数值的全局一致相对化，选定一个数值如1或100或100％，将任一所得动态相对化数据阵列中的具有最大绝对值的数值与选定数值等价，其余全部数据进行等比例扩大或缩小，实现数据阵列内数值的全局一致相对化。
作为本发明的一种优选技术方案，β、全局数据或其选定子集数据的整体交互式动态关联处理，具体包括：
β-1、首先进行子阵列的抽提，对于初始的二维规范数据阵列，其两个数据维度分别基于单项变电辅控监测事件当中被监测客体的数量和被监测客体所具有的包括空间坐标和电气传感数据在内的参数数量，因此对于初始的二维规范数据阵列而言，其数据构型未必为行列一致的方阵，而呈现为n×m的矩形数阵，这时，n或m的较小者决定了子阵列方阵的最高阶数；在此基础上，可以得到多个阶数不大于n或m中较小者的多个子数据阵列；设置了两种可选的子数据阵列抽提数据进程：
β-1-A、首先指定方形子数据阵列的阶数l，l不大于n或m中的较小者，然后以遍历算法自动生成全部指定阶数的全部方阵；
β-1-B、初始的二维规范数据阵列的两个数据维度分别基于单项变电辅控监测事件当中被监测客体和被监测客体的空间信息和电气传感信息，基于变电站的建设和运行规则能够确定在物理上和空间上具有真实关联度的一个或多个具体维度，以此为依据划定被抽提子数据阵列的行维度和列维度；
β-2、然后对全局数据或其选定子集数据进行面向整体交互式动态关联的数据处理，经过步骤α的数据阵列的动态相对化处理，以及上述的子阵列抽提，在两个相互交互的数据处理进程下，即在k个间隔下和j个子阵列下，加上初始的二维规范数据阵列，则对全局数据或其选定子集数据进行面向整体交互式动态关联的数据处理的数据客体规模为k×（j＋1）；显然，步骤α的数据阵列的动态相对化处理，以及上述的子阵列抽提这两个数据进程的交叉运用和调序运用，对k×（j＋1）的客体数据规模不会产生影响；
β-2-1、具体的，对于方阵而言，直接计算数据阵列的平方体积，首先将方阵构建为等价的行列式，使用线性代数约化方法，将这个矩阵化简为一个上三角行列式，计算上三角矩阵的行列式取绝对值，得到方阵的体积；进一步的，为了与非方阵情况下交互式动态关联数据保持一致，将所得方阵的体积的数据进行平方化处理；
β-2-2、对于初始的二维规范数据阵列以及可选子数据阵列抽提数据进程B生成的多数子数据阵列而言，其并非方形数据阵列，此时基于方阵行列式的体积求取采取同样的数据处理进程获得代表其内部数据关联性的体积数值，具体的，在方阵行列式体积求取中，将一个二维数据阵列看成是多个行向量，这些行向量作为边界在多维空间中组成的一个几何体，则各个行向量的关联度越高几何体越扁平，对应其体积越小；当各个行向量关联度越小或其正交性越强，则几何体对应的体积越大；因此，对于非方形数据阵列[n×m]，固定其行列之后，再通过转置操作得到[m×n]构型的转置数阵，然后通过矩阵乘法得到基于行向量自身内积的[n×n]数阵，则通过正交化验证其行列式的绝对值再取二次方根，即对应上述上述意义下的数阵体积，这里直接取其绝对值而不在平方根化，而是反过来将前述的方阵行列式数值平方化以保持前后一致。
作为本发明的一种优选技术方案，γ、全局数据或其选定子集数据内部一对一的交互式动态关联处理，具体包括：
γ-1、此数据处理进程与β步骤的全局数据或其选定子集数据的整体交互式动态关联处理相比，其可选的子数据阵列抽提数据进程包括：
γ-1-A、首先指定子数据阵列的行数或列数为2，然后以遍历算法自动生成全部指定列数的全部数阵，注意此时的数阵并非方阵，而是2×m/n构型；
γ-1-B、基于变电站的建设和运行规则能够确定在物理上和空间上具有真实关联度，将具有两两关联度的全部行维度或列维度抽提出来，得到多个2×m/n构型子数据阵列；
γ-2、进一步，与β步骤的全局数据或其选定子集数据的整体交互式动态关联处理相比，其数据处理直接采用两组空间向量的欧几里得内积算法进行处理即可，内积算法所得同样为平方化数值，但是其数值大小与两组数据的交互关联度构成相较于体积算法的负相关，因此，对于内积算法所得平方数值再进行倒数运算即可。
一种数据系统，包括上述方法所采用的初始数据库、跟随其数据处理进程得到的中间数据库、由其数据处理结果得到的数据集和，以及基于上述数据的积累得到的汇总数据库。
上述数据库的用途，用于变电站数据化智能监测的机器学习数据训练和人工智能自动监测平台构建。
采用上述技术方案所产生的有益效果在于：详见下文的实施例，本发明成功开发了一种变电站数据化在线监测方法，具有高度的人工智能系统兼容性，能够基于二维规范数据阵列的全局或其选定子集进行动态化的相对关联数据处理，实现面向变电运行状态的初始预警及变电运行细节化数据识别与核查。
具体实施方式
在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
实施例1、智能变电站辅控二维规范数据阵列的数据进程
智能集成变电辅控系统的硬件系统基于网络化信息互联的多个可选子系统进行选配组构，多个可选子系统常规包括：网络视频监控平台子系统、防盗平台子系统、火灾及消防平台子系统、门禁平台子系统、其他辅控集成子系统；其中，网络视频监控平台子系统为必选项；其中，其他辅控集成子系统依据实际辅控需求对各类单体传感单元进行选配组构，各单体传感单元选自/购自现有的常规电力和电气工业数据信号传感器。
结合智能集成变电辅控系统与大数据处理平台、机器学习系统进行数据链接交互和功能导向下衍进迭代的需求，首先需要基于现有智能集成变电辅控系统的原始数据库进行数据基础构建。具体的，对于智能集成变电辅控系统中的视频平台和传感单元等硬件系统物理采集的原始空间数据和基础电气信号数据，保持与现有变电辅控系统的一致性，在系统改进工况下允许直接读取现有变电辅控系统存储的原始数据，在新装系统工况下直接链接硬件系统的数据端口获得原始物理和/或空间数据。
在此基础上，为了针对传统变电辅控系统中基于传感数据与标定报警阈值直接进行比对的数据处理方式进行数据系统的改进，将现有单一和生硬的非交互式变电辅控数据系统转换为交互式并具有多角度和多重深度数据挖掘兼容性的数据系统，第一步进行可交换双重赋序数据整理：在基础数据的存储读取或直接获取后，面向数据系统的交互性及数据挖掘兼容性，对原始数据进行数据构型的改进，通过可交换双重赋序数据整理来实现。可交换双重赋序数据整理具体为：①在数据结构的形式上，设定两个相互正交的可填充并可延展的空数据位，其相交数据位设定为null保持空白，然后从null数据位开始分别沿两个正交数据位方向依序进行自然序号的填充赋予；在这种数据填充构型下，两组正交可延展数据位，只要始终依照初始赋予的序号，则两个正交方向上的数据均兼容跟随正交数据位本身进行交换；因此对两个正交数据的初始序号赋予也是任选的；进一步，在这种可交换双重数据位初始架构下，如果变电辅控基础空间和物理数据的获取是在系统改进工况下从现有变电辅控系统中读取获得，则依照现有系统自身的数据记录格式自然读取即可，并不对现有系统及其数据记录的格式进行限定和预处理；其中，自然序号首选但并不限定于自然数序号，允许采用其他任意数据序列标记符号；对于两个正交延展数据位，采用两种不同的自然序号，如数字序号与字母序号；②在数据结构的内涵上，两个相互正交的可延展数据位可交换的分别映射对应两项实体数据，命名为(水平)实体数据H和(竖直)实体数据V；可交换意味着二者的命名、数据结构的形式、数据结构的内涵均兼容相互交换；由于原始的可拓展数据为设定为相互正交，则二者的交换在数据构型上体现为转置交换，这也为后续开发不同角度和不同重深度的数据挖掘模块带来了兼容性和便利性，其中，实体数据H对应变电辅控数据系统的监测客体实体，实体数据V对应实体数据H所对应物理客体在变电辅控数据系统内部所设置视频子系统和各电气传感子系统下被监测获取的空间或物理实体数据。基于变电辅控数据系统正交可交换数据位上实体数据的内涵设定，实体数据H和实体数据V分别采用序数标号数据格式和数值数据格式是最优的；其中，关于竖直实体数据V的数据表型及其数值化，基于其数据内涵一般原始获取的基础数据均直接呈现为数值数据，如温度、压力、电流、功率等。另外，关于竖直实体数据V的数据表型及其数值化，对于个别特殊的开关型数据，采用0-1赋值法或0-∞赋值法进行数据转化后得到数值数据格式，或者直接采用其自身的非数值数据。此环节注意进行额外的人工标记，以防数据执行错乱后进行回查。
为了直接与大数据平台和现有开源的人工智能训练系统对接，需要进一步进行数据规范化处理，形成一个具有基础性和通用性的智能集成变电辅控数据系统。具体的，结合前述实施例的数据处理方法和智能变电辅控系统的监测数据特性，进行双维度下数据格式的规范化。变电辅控数据系统获取的原始数据经过可交换双重赋序数据整理得到一个基础的二维数据阵列，但其是不规范的，在可交换双重赋序数据整理中设定的实体数据H的各个单项延展数据位上，与其任一单项延展数据位对应的实体数据V的数据可延展性各不相同，基于实体数据V的延展性实际情况或实体数据H任一延展数据位上所对应变电物理客体在变电辅控数据系统内部所设置视频子系统和各电气传感子系统下被监测获取的空间或物理数据实际情况，对可交换双重赋序数据整理后所得非规范数据阵列进行双维度数据格式的规范化。
双维度数据格式的规范化具体包括如下的数据处理范式①：①-1、首先基于实体数据V上数据延展的频次特性进行经验性的数据位排序交换整理；①-2在此基础上进一步基于实体数据V上数据延展的长度特性，并以选定的长延展为标准对其他短延展上的空白数据位进行多属性数据填充，得到规范化的双维度数据格式。其中，①-1中，在当下具体的变电辅控任务中，基于实体数据H任一延展数据位上所对应变电物理客体在变电辅控数据系统内部所设置视频子系统和各电气传感子系统下被监测获取的空间或物理数据出现的实际频次，其频次高低与实体数据V上数据延展的频次特性直接对应，此时回溯对可交换双重赋序数据整理进程中沿两正交数据位方向依序进行自然序号的填充赋予，则依照频次高低进行序号调整，一般采用高频词低序号的数据模式，进行正交数据位的整体化数据连携交换；其中，①-2中：①-2-1，标准延展度的选定标准同时包括：ω条件，最长数据延展度即具有最多非空数据延展位数；ψ条件，最全数据延展度即具有所有其他实体数据V上的全部数据延展位；当存在多个实体数据V同时满足ω条件和ψ条件时，其实质是等同的，因此同时选定为延展标准；当不存在同时满足ω条件和ψ条件的实体数据V时，选定最接近者为延展标准；①-2-2基于后续不同可能数据挖掘算法的运用，空白数据位的数据填充采用不同的范式，为此设定为多属性数据填充，多属性包括null、数值0、非零数值、无穷数值、语句-物理状态描述、语句-工程或管理描述、字母、其他符号；在数据表型上，所有空白数据位采用全部选定的多属性数据进行填充，在数据格式上，所有被选定的多属性数据按照同样顺序依序合并到一个括号中，不同属性数据之间用逗号隔开。双维度数据格式的规范化的数据处理范式②：基于数据处理范式①的数据处理实质和数据处理结果开发双维度数据格式自动规范算法进行自动生成。第②种数据处理范式基于数据处理范式①开发算法进行自动生成，具体包括两方面，②-1，考察数据处理范式①的数据处理实质，其以二维数据阵列左上角容纳最大的基于真实原始数据的矩形子数据阵列为第一规范，并在其余数据位上对空白数据位进行统一标准下的多属性数据填充；②-②，基于上述数据规范实质开发数据算法进行自动化数据规范化处理。
实施例2、应用示例：变电站监测单项任务的全局和局部交互关联数据处理模型
基于上述研究可见，在智能集成变电辅控系统与大数据处理平台、机器学习系统进行数据链接交互和衍进迭代的需求下，基于现有智能集成变电辅控系统的原始数据库进行数据挖掘算法的相关开发，与传统变电辅控系统中基于传感数据与标定报警阈值比对的数据处理方式相比，本研究构建的全局化、双维度、规范性动态数据模型及以此为基础形成的动态数据库，能够适应大数据处理平台和机器学习中常见的数据特征提取和数据内涵挖掘算法，将传统单一和生硬的非交互式变电辅控数据系统转换为交互式并具有多角度和多重深度数据挖掘兼容性的数据系统，从而为智能变电辅控系统的大数据化、人工智能化提供一个基础的数据挖掘和分析处理方法。
作为诸多应用可能性之一，可以基于大数据处理平台，通过构建二维规范数据阵列或其特定子阵列（在我们构建的模型下，一般为集中在左上角区域的矩形子阵数据）的行列式绝对值参数，对一个某单项变电辅控监测作业下的局部动态数据库在任意时刻进行内部关联性分析；再基于累月或累年变电站大规模既往数据的积累及各个数据下的故障特征数据库，将上述基于行列式绝对值的关联参数体系进行机器学习神经网络训练，只要数据精度和数据量足够高，即可实现基于上述关联数据参数的人工智能协同化变电系统故障自动监测。具体的数据进程如下。
针对任意单项变电辅控监测事件，将该监测事件所包含的被监测对象在变电辅控系统内视频子系统及各电气传感子系统下获取的空间和电气数据，经数据处理和格式规范得到二维规范数据阵列，在所得二维规范数据阵列中，至少包括来源于视频子系统并经其二维或三维空间算法矫正后获得的二维或三维空间坐标数据，以及来源于电气传感子系统的一至多项电学信号数据；所得二维规范数据阵列其依照单项变电辅控监测事件所包含的全部被监测对象构建，相对于当下被监测目标的具有全局属性。
另外，所有这些对应于单项检测任务的全局数据库的并，构成智能变电站整体的全局数据库；不同智能变电站的全局数据库进一步在不同层级的电网运维中控平台进行汇总和云存储，得到各自级别的层级化数据库。在此基础上，该变电站数据化在线监测方法基于二维规范数据阵列的全局或其选定子集进行动态化的相对关联数据处理，包括：α、数据阵列的动态相对化处理、β全局数据或其选定子集数据的整体交互式动态关联处理、γ全局数据或其选定子集数据内部一对一的交互式动态关联处理；前者面向基于单一参数的变电运行状态初始预警，后者面向初始预警后进一步的变电运行细节化数据识别与核查。
α、数据阵列的动态相对化处理详述如下。
二维规范数据阵列直接基于被监测对象在变电辅控系统内视频子系统及各电气传感子系统下获取的空间和电气数据而整理获得，其数值一般直接对应被监测的变电站对象的空间坐标和物理状态绝对值，由于各个参值自身的数值范围不同，有时是因为衡量单位的不同而使得这些绝对数值并不直接适用于进一步的数据信息挖掘和数据特征提取，因其或无故放大误差，缩小数据的置信度区间；另一方面，所有这些数据都天然是动态化的，基于硬件系统的采样频率，上述动态化在数据呈现角度表征为依照时序进行排序的离散化数据序列。
基于上述两个方面，即二维规范数据阵列内部数据的单位和量级差异化以及其自身的动态化属性，首先对数据进行动态相对化处理，首先构建一个时间间隔序列（τk=k×min-span-t），k=∈（1，2，3，……，max-span-t/min-span-t）；其中min-span-t为硬件系统在最高采样频率的对应的最小采样时长间隔，max-span-t为硬件系统针对当下变电辅控监测事件的最大工作时间跨度；k的取值及其取值个数，对应生成不同精细程度和不同数目的动态相对化数据阵列；其次，基于选定的τk从原始的全局和全时段二维规范数据阵列中抽提出一个动态数据子序列，其为依照时序进行排序的离散化数据序列，并用τk进行标记；然后从所得动态数据子序列的初始数据未开始，依次求取相邻两个单项数据的差值，注意这里是求取二维数据阵列的差值，采用矩阵运算进行处理，进一步以τk的倒数为关联参值对全部所得差值数据阵列序列进行矩阵数乘运算，最终得到k个基于不同时间间隔和具有不同精细度的动态相对化数据阵列。
其中不同精细度的含义是相对的，对于快速变动变电辅控监测数据，高精细度的动态相对化数据阵列相比低精细度的的动态相对化数据阵列更具有表征性，反之对于偶发变动一类监测数据，则不然。
另外，可选的数据进程还包括数值的全局一致相对化，选定一个数值如1或100或100％，将任一所得动态相对化数据阵列中的具有最大绝对值的数值与选定数值等价，其余全部数据进行等比例扩大或缩小，实现数据阵列内数值的全局一致相对化。
β、全局数据或其选定子集数据的整体交互式动态关联处理详述如下。
首先进行子阵列的抽提，对于初始的二维规范数据阵列，其两个数据维度分别基于单项变电辅控监测事件当中被监测客体的数量和被监测客体所具有的包括空间坐标和电气传感数据在内的参数数量，因此对于初始的二维规范数据阵列而言，其数据构型未必为行列一致的方阵，而呈现为n×m的矩形数阵，这时，n或m的较小者决定了子阵列方阵的最高阶数；在此基础上，可以得到多个阶数不大于n或m中较小者的多个子数据阵列；设置了两种可选的子数据阵列抽提数据进程：A、首先指定方形子数据阵列的阶数l，l不大于n或m中的较小者，然后以遍历算法自动生成全部指定阶数的全部方阵；B、初始的二维规范数据阵列的两个数据维度分别基于单项变电辅控监测事件当中被监测客体和被监测客体的空间信息和电气传感信息，基于变电站的建设和运行规则能够确定在物理上和空间上具有真实关联度的一个或多个具体维度，以此为依据划定被抽提子数据阵列的行维度和列维度；
然后对全局数据或其选定子集数据进行面向整体交互式动态关联的数据处理，经过步骤α的数据阵列的动态相对化处理，以及上述的子阵列抽提，在两个相互交互的数据处理进程下，即在k个间隔下和j个子阵列下，加上初始的二维规范数据阵列，则对全局数据或其选定子集数据进行面向整体交互式动态关联的数据处理的数据客体规模为k×（j＋1）；显然，步骤α的数据阵列的动态相对化处理，以及上述的子阵列抽提这两个数据进程的交叉运用和调序运用，对k×（j＋1）的客体数据规模不会产生影响；具体的，对于方阵而言，直接计算数据阵列的平方体积，首先将方阵构建为等价的行列式，使用线性代数约化方法，将这个矩阵化简为一个上三角行列式，计算上三角矩阵的行列式取绝对值，得到方阵的体积；进一步的，为了与非方阵情况下交互式动态关联数据保持一致，将所得方阵的体积的数据进行平方化处理；对于初始的二维规范数据阵列以及可选子数据阵列抽提数据进程B生成的多数子数据阵列而言，其并非方形数据阵列，此时基于方阵行列式的体积求取采取同样的数据处理进程获得代表其内部数据关联性的体积数值，具体的，在方阵行列式体积求取中，将一个二维数据阵列看成是多个行向量，这些行向量作为边界在多维空间中组成的一个几何体，则各个行向量的关联度越高几何体越扁平，对应其体积越小；当各个行向量关联度越小或其正交性越强，则几何体对应的体积越大；因此，对于非方形数据阵列[n×m]，固定其行列之后，再通过转置操作得到[m×n]构型的转置数阵，然后通过矩阵乘法得到基于行向量自身内积的[n×n]数阵，则通过正交化验证其行列式的绝对值再取二次方根，即对应上述上述意义下的数阵体积，这里直接取其绝对值而不在平方根化，而是反过来将前述的方阵行列式数值平方化以保持前后一致。
γ、全局数据或其选定子集数据内部一对一的交互式动态关联处理，详述如下。
此数据处理进程与β步骤的全局数据或其选定子集数据的整体交互式动态关联处理相比，其可选的子数据阵列抽提数据进程包括：A、首先指定子数据阵列的行数或列数为2，然后以遍历算法自动生成全部指定列数的全部数阵，注意此时的数阵并非方阵，而是2×m/n构型；B、基于变电站的建设和运行规则能够确定在物理上和空间上具有真实关联度，将具有两两关联度的全部行维度或列维度抽提出来，得到多个2×m/n构型子数据阵列；进一步，与β步骤的全局数据或其选定子集数据的整体交互式动态关联处理相比，其数据处理直接采用两组空间向量的欧几里得内积算法进行处理即可，内积算法所得同样为平方化数值，但是其数值大小与两组数据的交互关联度构成相较于体积算法的负相关，因此，对于内积算法所得平方数值再进行倒数运算即可。
另外，如前，所有这些对应于单项检测任务的局数据库的并，构成智能变电站整体的全局数据库；不同智能变电站的全局数据库进一步在不同层级的电网运维中控平台进行汇总和云存储，得到各自级别的层级化数据库。另一方面包括初始数据库、中间数据库和结果数据集合等，作为基础数据用于变电站数据化智能监测的机器学习数据训练和人工智能自动监测平台构建，具有高度的协同实用性和直接的实用意义，也是本研究的进一步开发目标和研究立项方向。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
在各个实施例中，技术的硬件实现可以直接采用现有的智能设备，包括但不限于工控机、PC机、智能手机、手持单机、落地式单机等。其输入设备优选采用屏幕键盘，其数据存储和计算模块采用现有的存储器、计算器、控制器，其内部通信模块采用现有的通信端口和协议，其远程通信采用现有的gprs网络、万维互联网等。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。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，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，计算机程序包括计算机程序代码，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。计算机可读介质可以包括：能够携带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(Read-Only Memory，ROM)、随机存取存储器(Random Acces Memory，RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (7)

1.一种变电站数据化在线监测方法，针对任意单项变电辅控监测事件，将该监测事件所包含的被监测对象在变电辅控系统内视频子系统及各电气传感子系统下获取的空间和电气数据，经数据处理和格式规范得到二维规范数据阵列，在所得二维规范数据阵列中，至少包括来源于视频子系统并经其二维或三维空间算法矫正后获得的二维或三维空间坐标数据，以及来源于电气传感子系统的一至多项电学信号数据；所得二维规范数据阵列其依照单项变电辅控监测事件所包含的全部被监测对象构建，相对于当下被监测目标的具有全局属性；其特征在于：该变电站数据化在线监测方法基于二维规范数据阵列的全局或其选定子集进行动态化的相对关联数据处理，包括β全局数据或其选定子集数据的整体交互式动态关联处理，γ全局数据或其选定子集数据内部一对一的交互式动态关联处理；前者面向基于单一参数的变电运行状态初始预警，后者面向初始预警后进一步的变电运行细节化数据识别与核查。
2.根据权利要求1所述的一种变电站数据化在线监测方法，其特征在于：该方法在β和γ数据处理进程之前，还包括α、数据阵列的动态相对化处理，具体包括：
基于二维规范数据阵列内部数据的单位和量级差异化以及其自身的动态化属性，首先对数据进行动态相对化处理，α-1、首先构建一个时间间隔序列（τk=k×min-span-t），k=∈（1，2，3，……，max-span-t/min-span-t）；其中min-span-t为硬件系统在最高采样频率的对应的最小采样时长间隔，max-span-t为硬件系统针对当下变电辅控监测事件的最大工作时间跨度；k的取值及其取值个数，对应生成不同精细程度和不同数目的动态相对化数据阵列；
α-2、其次，基于选定的τk从原始的全局和全时段二维规范数据阵列中抽提出一个动态数据子序列，其为依照时序进行排序的离散化数据序列，并用τk进行标记；
α-3、然后从所得动态数据子序列的初始数据未开始，依次求取相邻两个单项数据的差值，注意这里是求取二维数据阵列的差值，采用矩阵运算进行处理，
α-4、进一步以τk的倒数为关联参值对全部所得差值数据阵列序列进行矩阵数乘运算，最终得到k个基于不同时间间隔和具有不同精细度的动态相对化数据阵列。
3.根据权利要求2所述的一种变电站数据化在线监测方法，其特征在于：α数据处理进程还包括一个可选数据一致化处理，具体包括：可选的数据进程还包括数值的全局一致相对化，选定一个数值如1或100或100％，将任一所得动态相对化数据阵列中的具有最大绝对值的数值与选定数值等价，其余全部数据进行等比例扩大或缩小，实现数据阵列内数值的全局一致相对化。
4.根据权利要求1所述的一种变电站数据化在线监测方法，其特征在于：β、全局数据或其选定子集数据的整体交互式动态关联处理，具体包括：
β-1、首先进行子阵列的抽提，对于初始的二维规范数据阵列，其两个数据维度分别基于单项变电辅控监测事件当中被监测客体的数量和被监测客体所具有的包括空间坐标和电气传感数据在内的参数数量，因此对于初始的二维规范数据阵列而言，其数据构型未必为行列一致的方阵，而呈现为n×m的矩形数阵，这时，n或m的较小者决定了子阵列方阵的最高阶数；在此基础上，可以得到多个阶数不大于n或m中较小者的多个子数据阵列；设置了两种可选的子数据阵列抽提数据进程：
β-1-A、首先指定方形子数据阵列的阶数l，l不大于n或m中的较小者，然后以遍历算法自动生成全部指定阶数的全部方阵；
β-1-B、初始的二维规范数据阵列的两个数据维度分别基于单项变电辅控监测事件当中被监测客体和被监测客体的空间信息和电气传感信息，基于变电站的建设和运行规则能够确定在物理上和空间上具有真实关联度的一个或多个具体维度，以此为依据划定被抽提子数据阵列的行维度和列维度；
β-2、然后对全局数据或其选定子集数据进行面向整体交互式动态关联的数据处理，经过步骤α的数据阵列的动态相对化处理，以及上述的子阵列抽提，在两个相互交互的数据处理进程下，即在k个间隔下和j个子阵列下，加上初始的二维规范数据阵列，则对全局数据或其选定子集数据进行面向整体交互式动态关联的数据处理的数据客体规模为k×（j＋1）；显然，步骤α的数据阵列的动态相对化处理，以及上述的子阵列抽提这两个数据进程的交叉运用和调序运用，对k×（j＋1）的客体数据规模不会产生影响；
β-2-1、具体的，对于方阵而言，直接计算数据阵列的平方体积，首先将方阵构建为等价的行列式，使用线性代数约化方法，将这个矩阵化简为一个上三角行列式，计算上三角矩阵的行列式取绝对值，得到方阵的体积；进一步的，为了与非方阵情况下交互式动态关联数据保持一致，将所得方阵的体积的数据进行平方化处理；
β-2-2、对于初始的二维规范数据阵列以及可选子数据阵列抽提数据进程B生成的多数子数据阵列而言，其并非方形数据阵列，此时基于方阵行列式的体积求取采取同样的数据处理进程获得代表其内部数据关联性的体积数值，具体的，在方阵行列式体积求取中，将一个二维数据阵列看成是多个行向量，这些行向量作为边界在多维空间中组成的一个几何体，则各个行向量的关联度越高几何体越扁平，对应其体积越小；当各个行向量关联度越小或其正交性越强，则几何体对应的体积越大；因此，对于非方形数据阵列[n×m]，固定其行列之后，再通过转置操作得到[m×n]构型的转置数阵，然后通过矩阵乘法得到基于行向量自身内积的[n×n]数阵，则通过正交化验证其行列式的绝对值再取二次方根，即对应上述上述意义下的数阵体积，这里直接取其绝对值而不在平方根化，而是反过来将前述的方阵行列式数值平方化以保持前后一致。
5.根据权利要求1所述的一种变电站数据化在线监测方法，其特征在于：γ、全局数据或其选定子集数据内部一对一的交互式动态关联处理，具体包括：
γ-1、此数据处理进程与β步骤的全局数据或其选定子集数据的整体交互式动态关联处理相比，其可选的子数据阵列抽提数据进程包括：
γ-1-A、首先指定子数据阵列的行数或列数为2，然后以遍历算法自动生成全部指定列数的全部数阵，注意此时的数阵并非方阵，而是2×m/n构型；
γ-1-B、基于变电站的建设和运行规则能够确定在物理上和空间上具有真实关联度，将具有两两关联度的全部行维度或列维度抽提出来，得到多个2×m/n构型子数据阵列；
γ-2、进一步，与β步骤的全局数据或其选定子集数据的整体交互式动态关联处理相比，其数据处理直接采用两组空间向量的欧几里得内积算法进行处理即可，内积算法所得同样为平方化数值，但是其数值大小与两组数据的交互关联度构成相较于体积算法的负相关，因此，对于内积算法所得平方数值再进行倒数运算即可。
6.一种数据系统，其特征在于：包括权利要求1-5任一项所述方法所采用的初始数据库、跟随其数据处理进程得到的中间数据库、由其数据处理结果得到的数据集和，以及基于上述数据的积累得到的汇总数据库。
7.权利要求6所述数据库的用途，其特征在于：用于变电站数据化智能监测的机器学习数据训练和人工智能自动监测平台构建。
CN202310880870.1A 2023-07-18 2023-07-18 一种变电站数据化在线监测系统和方法 Active CN116933052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310880870.1A CN116933052B (zh) 2023-07-18 2023-07-18 一种变电站数据化在线监测系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310880870.1A CN116933052B (zh) 2023-07-18 2023-07-18 一种变电站数据化在线监测系统和方法

Publications (2)

Publication Number Publication Date
CN116933052A true CN116933052A (zh) 2023-10-24
CN116933052B CN116933052B (zh) 2024-01-23

Family

ID=88389009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310880870.1A Active CN116933052B (zh) 2023-07-18 2023-07-18 一种变电站数据化在线监测系统和方法

Country Status (1)

Country Link
CN (1) CN116933052B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406668A (zh) * 2023-12-14 2024-01-16 邢台金昆冶金机械有限公司 基于数值分析的轧辊质量控制数据模型及其应用
CN117910479A (zh) * 2024-03-19 2024-04-19 湖南蚁坊软件股份有限公司 聚合新闻判断方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105843803A (zh) * 2015-01-12 2016-08-10 上海悦程信息技术有限公司 大数据安全可视化交互分析系统及方法
CN111708817A (zh) * 2020-05-18 2020-09-25 国网河北省电力有限公司 一种变电站监控信息的智能处置方法
CN111784026A (zh) * 2020-05-28 2020-10-16 国网信通亿力科技有限责任公司 基于云边端协同感知的变电站电气设备全方位体检系统
WO2021232387A1 (zh) * 2020-05-22 2021-11-25 南京云创大数据科技股份有限公司 一种多功能的智能信号控制系统
CN114186764A (zh) * 2020-09-14 2022-03-15 国网甘肃省电力公司天水供电公司 一种变电站监控信息特征提取方法及装置
CN116185243A (zh) * 2023-04-28 2023-05-30 苏州市世为科技有限公司 一种人机交互数据处理评估预警系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105843803A (zh) * 2015-01-12 2016-08-10 上海悦程信息技术有限公司 大数据安全可视化交互分析系统及方法
CN111708817A (zh) * 2020-05-18 2020-09-25 国网河北省电力有限公司 一种变电站监控信息的智能处置方法
WO2021232387A1 (zh) * 2020-05-22 2021-11-25 南京云创大数据科技股份有限公司 一种多功能的智能信号控制系统
CN111784026A (zh) * 2020-05-28 2020-10-16 国网信通亿力科技有限责任公司 基于云边端协同感知的变电站电气设备全方位体检系统
CN114186764A (zh) * 2020-09-14 2022-03-15 国网甘肃省电力公司天水供电公司 一种变电站监控信息特征提取方法及装置
CN116185243A (zh) * 2023-04-28 2023-05-30 苏州市世为科技有限公司 一种人机交互数据处理评估预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PEIJIE ZHANG ET AL.: "Autoregressive matrix factorization for imputation and forecasting of spatiotemporal structural monitoring time series", MECHANICAL SYSTEMS AND SIGNAL PROCESSING, vol. 169, pages 1 - 14 *
王红: "基于数据驱动的风电机组健康状态监测方法研究", 中国博士学位论文全文数据库工程科技Ⅱ辑, vol. 2021, no. 07, pages 042 - 2 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406668A (zh) * 2023-12-14 2024-01-16 邢台金昆冶金机械有限公司 基于数值分析的轧辊质量控制数据模型及其应用
CN117406668B (zh) * 2023-12-14 2024-02-23 邢台金昆冶金机械有限公司 基于数值分析的轧辊质量控制数据模型及其应用
CN117910479A (zh) * 2024-03-19 2024-04-19 湖南蚁坊软件股份有限公司 聚合新闻判断方法、装置、设备及介质
CN117910479B (zh) * 2024-03-19 2024-06-04 湖南蚁坊软件股份有限公司 聚合新闻判断方法、装置、设备及介质

Also Published As

Publication number Publication date
CN116933052B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN116933052B (zh) 一种变电站数据化在线监测系统和方法
CN111062282B (zh) 基于改进yolov3模型的变电站指针式仪表识别方法
CN109858476B (zh) 标签的扩充方法和电子设备
CN117010532B (zh) 基于多模态深度学习的综合管廊火灾趋势预测方法
CN112070135A (zh) 电力设备图像检测方法、装置、电力设备及存储介质
CN109840671A (zh) 运行改进效果计算设备、运行改进效果计算方法和记录介质
CN114511718B (zh) 一种建筑施工用物料智能管理方法及系统
CN115392937A (zh) 一种用户欺诈风险识别方法、装置、电子设备及存储介质
CN109829413B (zh) 一种基于快速多图融合学习的立体视觉对象识别系统
CN117155771B (zh) 一种基于工业物联网的设备集群故障溯源方法及装置
CN112040002B (zh) 一种基于配电云平台的数据融合方法、装置及设备
CN116522096B (zh) 基于动作捕捉的三维数字孪生内容智能制作方法
CN116894064B (zh) 一种智能集成的变电辅控数据系统和方法
CN114708264B (zh) 一种光斑质量判别方法、装置、设备和存储介质
CN116597246A (zh) 模型训练方法、目标检测方法、电子设备及存储介质
WO2022134579A1 (zh) 业务交易数据的异常检测方法、装置及计算机设备
CN108073934A (zh) 近重复图像检测方法与装置
CN112488174A (zh) 一种相似零件智能检索方法
JP7164060B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN112926566B (zh) 一种基于网页验证码的图像标注方法
CN117591813B (zh) 基于多维特征的复杂装备故障诊断方法及系统
CN117828280B (zh) 基于物联网的消防信息智能采集及管理方法
CN118131918B (zh) 一种电力设备检修的vr模拟方法、装置和系统
Chen et al. Application of deep learning model in computer data mining intrusion detection
CN117893884A (zh) 一种基于图像识别的人工智能电力作业行为管控方法及系统

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