CN116990744A - 一种电能表检测方法、装置、设备及介质 - Google Patents
一种电能表检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116990744A CN116990744A CN202311235417.1A CN202311235417A CN116990744A CN 116990744 A CN116990744 A CN 116990744A CN 202311235417 A CN202311235417 A CN 202311235417A CN 116990744 A CN116990744 A CN 116990744A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- zero
- probability
- power
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 230000005611 electricity Effects 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Abstract
本发明涉及电数字数据处理技术领域,尤其涉及一种电能表检测方法、装置、设备及介质。其中,方法包括:定时检测目标台区中的各个电能表中是否存在零电量电能表;若检测到存在零电量电能表,则将零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率;根据输出的零电量电能表是故障电能表的概率,确定零电量电能表是故障电能表的目标概率;根据目标概率确定零电量电能表是否是故障电能表。本发明实施例可以通过预先训练的梯度提升树模型,根据零电量电能表的用电特征,确定零电量电能表是故障电能表的概率,可以快速而准确地确定零电量电能表是否是故障电能表。
Description
技术领域
本发明涉及电数字数据处理技术领域,尤其涉及一种电能表检测方法、装置、设备及介质。
背景技术
电能表是电力系统中的用于进行数据采集的基本设备。在电力系统中,台区是指一台变压器的供电区域或供电范围。台区中设置有用于采集台区的各个用户的用电量的电能表。在电能表的运行过程中,需要对电能表进行运行监测和状态评估,及时确定出现故障的电能表并采取措施处理。通常情况下,电能表出现故障或用户处于非用电状态会导致电能表在一段时间内采集的用电量为0。因此,若台区中存在电能表在一段时间内采集的用电量为0,需要对在一段时间内采集的用电量为0的电能表进行检测,判断电能表是否是出现故障的电能表。
相关技术中,常用的电能表检测方案为:基于技术人员的个人经验,对在一段时间内采集的用电量为0的电能表进行检测,判断电能表是否是出现故障的电能表。相关技术中的电能表检测方案依赖技术人员的个人经验,会耗费大量的人力成本和时间成本,效率比较低,而且准确度无法保证。
发明内容
本发明提供了一种电能表检测方法、装置、设备及介质,以解决相关技术中的电能表检测方案依赖技术人员的个人经验,会耗费大量的人力成本和时间成本,效率比较低,而且准确度无法保证的问题。
根据本发明的一方面,提供了一种电能表检测方法,包括:
定时检测目标台区中的各个电能表中是否存在零电量电能表;
若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率;
根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率;
根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
根据本发明的另一方面,提供了一种电能表检测装置,包括:
电能表检测模块,用于定时检测目标台区中的各个电能表中是否存在零电量电能表;
概率获取模块,用于若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率;
概率确定模块,用于根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率;
电能表确定模块,用于根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器网络通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电能表检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电能表检测方法。
本发明实施例的技术方案,通过定时检测目标台区中的各个电能表中是否存在零电量电能表;若检测到目标台区中的各个电能表中存在零电量电能表,则将零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率;然后根据预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率,确定零电量电能表是故障电能表的目标概率;最后根据零电量电能表是故障电能表的目标概率,确定零电量电能表是否是故障电能表,解决了相关技术中的电能表检测方案依赖技术人员的个人经验,会耗费大量的人力成本和时间成本,效率比较低,而且准确度无法保证的问题,可以自动检测台区中的各个电能表中是否存在零电量电能表,可以在检测到台区中存在零电量电能表之后,通过预先训练的梯度提升树模型,根据零电量电能表的用电特征,确定零电量电能表是故障电能表的概率,可以根据零电量电能表是故障电能表的概率,快速而准确地确定零电量电能表是否是故障电能表,实现了在检测到台区中存在电能表在一段时间内采集的用电量为0之后,自动基于预先训练的梯度提升树模型对在一段时间内采集的用电量为0的电能表进行检测,快速而准确地判断电能表是否是出现故障的电能表,降低电能表检测过程的人力成本和时间成本,提高电能表的检测效率和准确度的有益效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种电能表检测方法的流程图。
图2为本发明实施例二提供的一种电能表检测方法的流程图。
图3为本发明实施例三提供的一种电能表检测装置的结构示意图。
图4为实现本发明实施例的电能表检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包含”、“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种电能表检测方法的流程图。本实施例可适用于对电力系统中的各个台区中设置的各个电能表进行监测,在监测到台区中存在电能表在一段时间内采集的用电量为0之后,对在一段时间内采集的用电量为0的电能表进行检测,判断电能表是否是出现故障的电能表的情况。该方法可以由电能表检测装置来执行,该电能表检测装置可以采用硬件和/或软件的形式实现,该电能表检测装置可配置于电子设备中。电子设备用于对电力系统中的各个台区中设置的各个电能表进行管理。如图1所示,该方法包括:
步骤101、定时检测目标台区中的各个电能表中是否存在零电量电能表。
可选的,目标台区是电力系统中的需要电子设备管理的一个或多个台区。目标台区中的各个电能表即目标台区中设置的各个电能表。零电量电能表是采集的目标日期的用电量为0的电能表。目标日期为当前日期的前一天。零电量电能表即为在一段时间内采集的用电量为0的电能表。电子设备需要对目标台区中设置的各个电能表进行监测,在监测到目标台区中存在电能表在一段时间内采集的用电量为0之后,对在一段时间内采集的用电量为0的电能表进行检测,判断电能表是否是出现故障的电能表。
可选的,定时检测目标台区中的各个电能表中是否存在零电量电能表,包括:定时获取目标台区中的各个电能表采集的目标日期的用电量;其中,所述目标日期为当前日期的前一天;检测各个电能表采集的目标日期的用电量是否为0;若检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中存在零电量电能表,将采集的目标日期的用电量为0的电能表确定为零电量电能表;若没有检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中不存在零电量电能表。
可选的,定时获取目标台区中的各个电能表采集的目标日期的用电量,包括:在每天的预设时间点从监测服务器中获取目标台区中的各个电能表采集的目标日期的用电量。目标日期为当前日期的前一天。每天的预设时间点可以根据业务需求进行设置。示例性的,每天的预设时间点为每天的2点。电子设备在每天的2点从监测服务器中获取目标台区中的各个电能表采集的当前日期的前一天的用电量。
可选的,监测服务器是用于对电力系统中的各个台区进行监测,收集电力系统中的各个台区中设置的电能表采集的每天的用电量、电力系统中的各个台区在每天的线损、线损率以及总供电量的服务器。电子设备与监测服务器建立了通信连接,可以基于建立的通信连接进行信息交互。电子设备可以从监测服务器中获取目标台区中的各个电能表采集的目标日期的用电量。
可选的,在每一次获取到目标台区中的各个电能表采集的目标日期的用电量之后,检测各个电能表采集的目标日期的用电量是否为0。若检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中存在零电量电能表,将采集的目标日期的用电量为0的电能表确定为零电量电能表。若没有检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中不存在零电量电能表,继续等待下一次获取目标台区中的各个电能表采集的目标日期的用电量。
步骤102、若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率。
可选的,故障电能表是出现故障的电能表。正常电能表是可以正常运行,没有出现故障的电能表。
可选的,所述预先训练的梯度提升树模型包括第一梯度提升树模型和第二梯度提升树模型;将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,包括:将所述零电量电能表的用电特征输入至所述第一梯度提升树模型,并获取所述第一梯度提升树模型输出的所述零电量电能表是故障电能表的第一概率;将所述零电量电能表的用电特征输入至所述第二梯度提升树模型,并获取所述第二梯度提升树模型输出的所述零电量电能表是故障电能表的第二概率;其中,所述零电量电能表的用电特征包括:所述零电量电能表采集的目标日期的用电量、所述零电量电能表所属台区在目标日期的线损、所述零电量电能表所属台区在目标日期的线损率、所述零电量电能表所属台区在目标日期的总供电量、所述零电量电能表采集的目标日期的前一天的用电量、所述零电量电能表所属台区在目标日期的前一天的线损、所述零电量电能表所属台区在目标日期的前一天的线损率、以及所述零电量电能表所属台区在目标日期的前一天的总供电量。
可选的,预先训练的梯度提升树模型用于接收零电量电能表的用电特征,输出零电量电能表是故障电能表的概率。
可选的,预先训练的梯度提升树模型包括第一梯度提升树模型和第二梯度提升树模型。第一梯度提升树模型和第二梯度提升树模型是基于预先构建的不同类型的梯度提升树模型训练出来的用于接收零电量电能表的用电特征,输出零电量电能表是故障电能表的概率的模型。预先构建的不同类型的梯度提升树模型可以包括预先构建的极致梯度提升树(eXtreme Gradient Boosting,XGBoost)模型和预先构建的轻量梯度提升树(LightGradient Boosting Machine,LightGBM)模型。
可选的,在定时检测目标台区中的各个电能表中是否存在零电量电能表之前,还包括:获取设定数量的确定是故障电能表的零电量电能表的用电特征、以及设定数量的确定是正常电能表的零电量电能表的用电特征;将各所述零电量电能表的用电特征作为训练样本,对预先构建的XGBoost模型进行训练,得到第一梯度提升树模型;其中,所述第一梯度提升树模型的输入为零电量电能表的用电特征,输出为零电量电能表是故障电能表的概率。
可选的,在定时检测目标台区中的各个电能表中是否存在零电量电能表之前,还包括:获取设定数量的确定是故障电能表的零电量电能表的用电特征、以及设定数量的确定是正常电能表的零电量电能表的用电特征;将各所述零电量电能表的用电特征作为训练样本,对预先构建的LightGBM模型进行训练,得到第二梯度提升树模型;其中,所述第二梯度提升树模型的输入为零电量电能表的用电特征,输出为零电量电能表是故障电能表的概率。
可选的,获取设定数量的确定是故障电能表的零电量电能表的用电特征、以及设定数量的确定是正常电能表的零电量电能表的用电特征,包括:获取目标用户上传的设定数量的确定是故障电能表的零电量电能表的用电特征、以及设定数量的确定是正常电能表的零电量电能表的用电特征。目标用户可以是负责管理电力系统的技术人员。目标用户通过终端设备将设定数量的确定是故障电能表的零电量电能表的用电特征、以及设定数量的确定是正常电能表的零电量电能表的用电特征上传至电子设备。设定数量的可以根据业务需求进行设置。示例性的,设定数量为1000。
可选的,所述零电量电能表所属台区即为目标台区。电子设备可以从监测服务器中获取所述零电量电能表的用电特征。所述零电量电能表的用电特征包括:所述零电量电能表采集的目标日期的用电量、所述零电量电能表所属台区在目标日期的线损、所述零电量电能表所属台区在目标日期的线损率、所述零电量电能表所属台区在目标日期的总供电量、所述零电量电能表采集的目标日期的前一天的用电量、所述零电量电能表所属台区在目标日期的前一天的线损、所述零电量电能表所属台区在目标日期的前一天的线损率、以及所述零电量电能表所属台区在目标日期的前一天的总供电量。然后将所述零电量电能表的用电特征输入至所述第一梯度提升树模型,并获取所述第一梯度提升树模型输出的所述零电量电能表是故障电能表的第一概率。第一概率是第一梯度提升树模型输出的所述零电量电能表是故障电能表的概率。然后将所述零电量电能表的用电特征输入至所述第二梯度提升树模型,并获取所述第二梯度提升树模型输出的所述零电量电能表是故障电能表的第二概率。第二概率是第二梯度提升树模型输出的所述零电量电能表是故障电能表的概率。
步骤103、根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率。
可选的,目标概率是基于预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率确定的所述零电量电能表是故障电能表的概率。
可选的,根据预设的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率,包括:判断所述第一概率和所述第二概率是否大于预设概率阈值;若所述第一概率和所述第二概率都大于所述预设概率阈值,则将所述第一概率和所述第二概率中的较大值确定为所述零电量电能表是故障电能表的目标概率。
可选的,零电量电能表是故障电能表的概率越大,表明零电量电能表越可能是故障电能表。零电量电能表是故障电能表的概率越小,表明零电量电能表越不可能是故障电能表。预设概率阈值是一个预先设置的概率值。通常情况下,若所述第一概率大于预设概率阈值,表明第一梯度提升树模型判定所述零电量电能表是故障电能表。若所述第二概率大于预设概率阈值,表明第二梯度提升树模型判定所述零电量电能表是故障电能表。
可选的,所述第一概率和所述第二概率中的较大值是所述第一概率和所述第二概率中的可以充分表征零电量电能表是故障电能表的概率。若所述第一概率和所述第二概率都大于所述预设概率阈值,表明第一梯度提升树模型和第二梯度提升树模型都判定所述零电量电能表是故障电能表,则将所述第一概率和所述第二概率中的较大值确定为所述零电量电能表是故障电能表的目标概率,从而将所述第一概率和所述第二概率中的可以充分表征零电量电能表是故障电能表的概率确定为所述零电量电能表是故障电能表的目标概率。
可选的,在判断所述第一概率和所述第二概率是否大于预设概率阈值之后,还包括:若所述第一概率或所述第二概率小于等于所述预设概率阈值,则对所述第一概率和所述第二概率进行加权相加,得到所述零电量电能表是故障电能表的目标概率。
可选的,若所述第一概率或所述第二概率小于等于所述预设概率阈值,表明第一梯度提升树模型和第二梯度提升树模型存在一个或两个梯度提升树模型判定所述零电量电能表是正常电能表。在此情况下,一个梯度提升树模型输出的概率可能是不准确定的,基于两个梯度提升树模型输出的概率确定的概率的准确性更高。因此,若所述第一概率或所述第二概率小于等于所述预设概率阈值,则对所述第一概率和所述第二概率进行加权相加,得到所述零电量电能表是故障电能表的目标概率,从而基于所述第一概率和所述第二概率确定一个更准确的所述零电量电能表是故障电能表的目标概率。
可选的,对所述第一概率和所述第二概率进行加权相加,得到所述零电量电能表是故障电能表的目标概率,包括:使用下述加权求和公式,确定所述零电量电能表是故障电能表的目标概率:
,
其中,Pm为所述零电量电能表是故障电能表的目标概率,P1为所述第一概率,P2为所述第二概率,a和b是预设的加权求和系数。示例性的,a为0.5,b为0.5。
步骤104、根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
可选的,根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表,包括:判断所述零电量电能表是故障电能表的目标概率是否大于预设概率阈值;若所述目标概率大于所述预设概率阈值,则确定所述零电量电能表是故障电能表;若所述目标概率小于等于所述预设概率阈值,则确定所述零电量电能表是正常电能表。
可选的,通常情况下,若所述目标概率大于所述预设概率阈值,表明所述零电量电能表是出现故障的电能表,则确定所述零电量电能表是故障电能表。若所述目标概率小于等于所述预设概率阈值,表明所述零电量电能表是可以正常运行,没有出现故障的电能表,则确定所述零电量电能表是正常电能表。
可选的,在确定所述零电量电能表是故障电能表之后,还包括:将所述零电量电能表的电能表信息发送至目标用户。电子设备将所述零电量电能表的电能表信息发送至目标用户,以使目标用户根据所述零电量电能表的电能表信息,确定所述零电量电能表出现故障导致所述零电量电能表在一段时间内采集的用电量为0,需要及时采取措施处理。
可选的,目标用户可以是负责管理电力系统中的各个台区的技术人员。将所述零电量电能表的电能表信息发送至目标用户,包括:将所述零电量电能表的电能表信息发送至目标用户的终端设备。目标用户的终端设备是目标用户使用的终端设备。所述零电量电能表的电能表信息可以包括所述零电量电能表的标识信息和所述零电量电能表所属台区的标识信息。电能表的标识信息是用于唯一标识电能表的信息。电能表的标识信息可以是电能表对应的数字编号或字符串。台区的标识信息是用于唯一标识台区的信息。台区的标识信息可以是台区对应的数字编号或字符串。
本发明实施例的技术方案,通过定时检测目标台区中的各个电能表中是否存在零电量电能表;若检测到目标台区中的各个电能表中存在零电量电能表,则将零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率;然后根据预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率,确定零电量电能表是故障电能表的目标概率;最后根据零电量电能表是故障电能表的目标概率,确定零电量电能表是否是故障电能表,解决了相关技术中的电能表检测方案依赖技术人员的个人经验,会耗费大量的人力成本和时间成本,效率比较低,而且准确度无法保证的问题,可以自动检测台区中的各个电能表中是否存在零电量电能表,可以在检测到台区中存在零电量电能表之后,通过预先训练的梯度提升树模型,根据零电量电能表的用电特征,确定零电量电能表是故障电能表的概率,可以根据零电量电能表是故障电能表的概率,快速而准确地确定零电量电能表是否是故障电能表,实现了在检测到台区中存在电能表在一段时间内采集的用电量为0之后,自动基于预先训练的梯度提升树模型对在一段时间内采集的用电量为0的电能表进行检测,快速而准确地判断电能表是否是出现故障的电能表,降低电能表检测过程的人力成本和时间成本,提高电能表的检测效率和准确度的有益效果。
实施例二
图2为本发明实施例二提供的一种电能表检测方法的流程图。本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示,该方法包括:
步骤201、定时检测目标台区中的各个电能表中是否存在零电量电能表。
步骤202、若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至第一梯度提升树模型,并获取所述第一梯度提升树模型输出的所述零电量电能表是故障电能表的第一概率。
步骤203、将所述零电量电能表的用电特征输入至第二梯度提升树模型,并获取所述第二梯度提升树模型输出的所述零电量电能表是故障电能表的第二概率。
其中,所述零电量电能表的用电特征包括:所述零电量电能表采集的目标日期的用电量、所述零电量电能表所属台区在目标日期的线损、所述零电量电能表所属台区在目标日期的线损率、所述零电量电能表所属台区在目标日期的总供电量、所述零电量电能表采集的目标日期的前一天的用电量、所述零电量电能表所属台区在目标日期的前一天的线损、所述零电量电能表所属台区在目标日期的前一天的线损率、以及所述零电量电能表所属台区在目标日期的前一天的总供电量。
步骤204、判断所述第一概率和所述第二概率是否大于预设概率阈值。
步骤205、若所述第一概率和所述第二概率都大于所述预设概率阈值,则将所述第一概率和所述第二概率中的较大值确定为所述零电量电能表是故障电能表的目标概率。
步骤206、根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
本发明实施例的技术方案,可以自动检测台区中的各个电能表中是否存在零电量电能表,可以在检测到台区中存在零电量电能表之后,通过预先训练的第一梯度提升树模型和第二梯度提升树模型,根据零电量电能表的用电特征,确定零电量电能表是故障电能表的概率,可以根据零电量电能表是故障电能表的概率,快速而准确地确定零电量电能表是否是故障电能表,实现了在检测到台区中存在电能表在一段时间内采集的用电量为0之后,自动基于预先训练的第一梯度提升树模型和第二梯度提升树模型对在一段时间内采集的用电量为0的电能表进行检测,快速而准确地判断电能表是否是出现故障的电能表,降低电能表检测过程的人力成本和时间成本,提高电能表的检测效率和准确度的有益效果。
实施例三
图3为本发明实施例三提供的一种电能表检测装置的结构示意图。所述装置可以配置于电子设备中。如图3所示,所述装置包括:电能表检测模块301、概率获取模块302、概率确定模块303以及电能表确定模块304。
其中,电能表检测模块301,用于定时检测目标台区中的各个电能表中是否存在零电量电能表;概率获取模块302,用于若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率;概率确定模块303,用于根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率;电能表确定模块304,用于根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
本发明实施例的技术方案,通过定时检测目标台区中的各个电能表中是否存在零电量电能表;若检测到目标台区中的各个电能表中存在零电量电能表,则将零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率;然后根据预先训练的梯度提升树模型输出的零电量电能表是故障电能表的概率,确定零电量电能表是故障电能表的目标概率;最后根据零电量电能表是故障电能表的目标概率,确定零电量电能表是否是故障电能表,解决了相关技术中的电能表检测方案依赖技术人员的个人经验,会耗费大量的人力成本和时间成本,效率比较低,而且准确度无法保证的问题,可以自动检测台区中的各个电能表中是否存在零电量电能表,可以在检测到台区中存在零电量电能表之后,通过预先训练的梯度提升树模型,根据零电量电能表的用电特征,确定零电量电能表是故障电能表的概率,可以根据零电量电能表是故障电能表的概率,快速而准确地确定零电量电能表是否是故障电能表,实现了在检测到台区中存在电能表在一段时间内采集的用电量为0之后,自动基于预先训练的梯度提升树模型对在一段时间内采集的用电量为0的电能表进行检测,快速而准确地判断电能表是否是出现故障的电能表,降低电能表检测过程的人力成本和时间成本,提高电能表的检测效率和准确度的有益效果。
在本发明实施例的一个可选实施方式中,可选的,电能表检测模块301具体用于:定时获取目标台区中的各个电能表采集的目标日期的用电量;其中,所述目标日期为当前日期的前一天;检测各个电能表采集的目标日期的用电量是否为0;若检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中存在零电量电能表,将采集的目标日期的用电量为0的电能表确定为0电量电能表;若没有检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中不存在零电量电能表。
在本发明实施例的一个可选实施方式中,可选的,所述预先训练的梯度提升树模型包括第一梯度提升树模型和第二梯度提升树模型;概率获取模块302在执行将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率的操作时,具体用于:将所述零电量电能表的用电特征输入至所述第一梯度提升树模型,并获取所述第一梯度提升树模型输出的所述零电量电能表是故障电能表的第一概率;将所述零电量电能表的用电特征输入至所述第二梯度提升树模型,并获取所述第二梯度提升树模型输出的所述零电量电能表是故障电能表的第二概率;其中,所述零电量电能表的用电特征包括:所述零电量电能表采集的目标日期的用电量、所述零电量电能表所属台区在目标日期的线损、所述零电量电能表所属台区在目标日期的线损率、所述零电量电能表所属台区在目标日期的总供电量、所述零电量电能表采集的目标日期的前一天的用电量、所述零电量电能表所属台区在目标日期的前一天的线损、所述零电量电能表所属台区在目标日期的前一天的线损率、以及所述零电量电能表所属台区在目标日期的前一天的总供电量。
在本发明实施例的一个可选实施方式中,可选的,概率确定模块303具体用于:判断所述第一概率和所述第二概率是否大于预设概率阈值;若所述第一概率和所述第二概率都大于所述预设概率阈值,则将所述第一概率和所述第二概率中的较大值确定为所述零电量电能表是故障电能表的目标概率。
在本发明实施例的一个可选实施方式中,可选的,概率确定模块303还用于:若所述第一概率或所述第二概率小于等于所述预设概率阈值,则对所述第一概率和所述第二概率进行加权相加,得到所述零电量电能表是故障电能表的目标概率。
在本发明实施例的一个可选实施方式中,可选的,电能表确定模块304具体用于:判断所述零电量电能表是故障电能表的目标概率是否大于预设概率阈值;若所述目标概率大于所述预设概率阈值,则确定所述零电量电能表是故障电能表;若所述目标概率小于等于所述预设概率阈值,则确定所述零电量电能表是正常电能表。
在本发明实施例的一个可选实施方式中,可选的,电能表确定模块304还用于:将所述零电量电能表的电能表信息发送至目标用户。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
上述电能表检测装置可执行本发明任意实施例所提供的电能表检测方法,具备执行电能表检测方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实现本发明实施例的电能表检测方法的电子设备10的结构示意图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11网络通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18构建到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在随机访问存储器(RAM)13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、只读存储器(ROM)12以及随机访问存储器(RAM)13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至输入/输出(I/O)接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电能表检测方法。
在一些实施例中,电能表检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由只读存储器(ROM)12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序构建到随机访问存储器(RAM)13并由处理器11执行时,可以执行上文描述的电能表检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电能表检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的电能表检测方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种电能表检测方法,其特征在于,包括:
定时检测目标台区中的各个电能表中是否存在零电量电能表;
若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率;
根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率;
根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
2.根据权利要求1所述的电能表检测方法,其特征在于,定时检测目标台区中的各个电能表中是否存在零电量电能表,包括:
定时获取目标台区中的各个电能表采集的目标日期的用电量;其中,所述目标日期为当前日期的前一天;
检测各个电能表采集的目标日期的用电量是否为0;
若检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中存在零电量电能表,将采集的目标日期的用电量为0的电能表确定为0电量电能表;
若没有检测到采集的目标日期的用电量为0的电能表,则确定所述目标台区中的各个电能表中不存在零电量电能表。
3.根据权利要求2所述的电能表检测方法,其特征在于,所述预先训练的梯度提升树模型包括第一梯度提升树模型和第二梯度提升树模型;
将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,包括:
将所述零电量电能表的用电特征输入至所述第一梯度提升树模型,并获取所述第一梯度提升树模型输出的所述零电量电能表是故障电能表的第一概率;
将所述零电量电能表的用电特征输入至所述第二梯度提升树模型,并获取所述第二梯度提升树模型输出的所述零电量电能表是故障电能表的第二概率;
其中,所述零电量电能表的用电特征包括:所述零电量电能表采集的目标日期的用电量、所述零电量电能表所属台区在目标日期的线损、所述零电量电能表所属台区在目标日期的线损率、所述零电量电能表所属台区在目标日期的总供电量、所述零电量电能表采集的目标日期的前一天的用电量、所述零电量电能表所属台区在目标日期的前一天的线损、所述零电量电能表所属台区在目标日期的前一天的线损率、以及所述零电量电能表所属台区在目标日期的前一天的总供电量。
4.根据权利要求3所述的电能表检测方法,其特征在于,根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率,包括:
判断所述第一概率和所述第二概率是否大于预设概率阈值;
若所述第一概率和所述第二概率都大于所述预设概率阈值,则将所述第一概率和所述第二概率中的较大值确定为所述零电量电能表是故障电能表的目标概率。
5.根据权利要求4所述的电能表检测方法,其特征在于,在判断所述第一概率和所述第二概率是否大于预设概率阈值之后,还包括:
若所述第一概率或所述第二概率小于等于所述预设概率阈值,则对所述第一概率和所述第二概率进行加权相加,得到所述零电量电能表是故障电能表的目标概率。
6.根据权利要求1所述的电能表检测方法,其特征在于,根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表,包括:
判断所述零电量电能表是故障电能表的目标概率是否大于预设概率阈值;
若所述目标概率大于所述预设概率阈值,则确定所述零电量电能表是故障电能表;
若所述目标概率小于等于所述预设概率阈值,则确定所述零电量电能表是正常电能表。
7.根据权利要求6所述的电能表检测方法,其特征在于,在确定所述零电量电能表是故障电能表之后,还包括:
将所述零电量电能表的电能表信息发送至目标用户。
8.一种电能表检测装置,其特征在于,包括:
电能表检测模块,用于定时检测目标台区中的各个电能表中是否存在零电量电能表;
概率获取模块,用于若检测到所述目标台区中的各个电能表中存在零电量电能表,则将所述零电量电能表的用电特征输入至预先训练的梯度提升树模型,并获取预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率;
概率确定模块,用于根据预先训练的梯度提升树模型输出的所述零电量电能表是故障电能表的概率,确定所述零电量电能表是故障电能表的目标概率;
电能表确定模块,用于根据所述零电量电能表是故障电能表的目标概率,确定所述零电量电能表是否是故障电能表。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器网络通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电能表检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电能表检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235417.1A CN116990744B (zh) | 2023-09-25 | 2023-09-25 | 一种电能表检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235417.1A CN116990744B (zh) | 2023-09-25 | 2023-09-25 | 一种电能表检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116990744A true CN116990744A (zh) | 2023-11-03 |
CN116990744B CN116990744B (zh) | 2023-12-05 |
Family
ID=88532359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311235417.1A Active CN116990744B (zh) | 2023-09-25 | 2023-09-25 | 一种电能表检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116990744B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109474067A (zh) * | 2018-08-14 | 2019-03-15 | 国网浙江省电力有限公司湖州供电公司 | 一种电网调度故障处理辅助决策方法 |
CN112256735A (zh) * | 2020-10-23 | 2021-01-22 | 北京合众伟奇科技股份有限公司 | 一种用电监测方法、装置、计算机设备和存储介质 |
CN112595918A (zh) * | 2020-12-26 | 2021-04-02 | 广东电网有限责任公司广州供电局 | 一种低压集抄故障的检测方法及装置 |
US20210286995A1 (en) * | 2018-10-15 | 2021-09-16 | ZhuZhou CRRC Times Electric Co., Ltd. | Motor bearing failure diagnosis device |
CN113591266A (zh) * | 2021-06-15 | 2021-11-02 | 国家电网有限公司大数据中心 | 一种电能表故障概率的分析方法及系统 |
CN115508672A (zh) * | 2022-11-22 | 2022-12-23 | 中国电力科学研究院有限公司 | 电网主设备故障溯源推理方法、系统、设备及介质 |
CN116256602A (zh) * | 2023-05-15 | 2023-06-13 | 广东电网有限责任公司中山供电局 | 一种低压配电网状态异常的识别方法和系统 |
-
2023
- 2023-09-25 CN CN202311235417.1A patent/CN116990744B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109474067A (zh) * | 2018-08-14 | 2019-03-15 | 国网浙江省电力有限公司湖州供电公司 | 一种电网调度故障处理辅助决策方法 |
US20210286995A1 (en) * | 2018-10-15 | 2021-09-16 | ZhuZhou CRRC Times Electric Co., Ltd. | Motor bearing failure diagnosis device |
CN112256735A (zh) * | 2020-10-23 | 2021-01-22 | 北京合众伟奇科技股份有限公司 | 一种用电监测方法、装置、计算机设备和存储介质 |
CN112595918A (zh) * | 2020-12-26 | 2021-04-02 | 广东电网有限责任公司广州供电局 | 一种低压集抄故障的检测方法及装置 |
CN113591266A (zh) * | 2021-06-15 | 2021-11-02 | 国家电网有限公司大数据中心 | 一种电能表故障概率的分析方法及系统 |
CN115508672A (zh) * | 2022-11-22 | 2022-12-23 | 中国电力科学研究院有限公司 | 电网主设备故障溯源推理方法、系统、设备及介质 |
CN116256602A (zh) * | 2023-05-15 | 2023-06-13 | 广东电网有限责任公司中山供电局 | 一种低压配电网状态异常的识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116990744B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN116090605A (zh) | 一种管网预警方法、装置、电子设备及存储介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
CN116183490A (zh) | 一种设备检测方法、装置、设备和存储介质 | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
CN117112445B (zh) | 一种机器学习模型稳定性检测方法、装置、设备及介质 | |
CN117249036B (zh) | 一种抽水蓄能系统、水轮发电机组状态评估方法及装置 | |
CN116991684B (zh) | 一种告警信息处理方法、装置、设备及介质 | |
CN115373449B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN117493127B (zh) | 一种应用程序检测方法、装置、设备及介质 | |
CN117195704A (zh) | 一种检测模型训练、设备故障检测方法及装置 | |
CN116482565A (zh) | 一种电源异常检测方法、装置、设备和存储介质 | |
CN117216699A (zh) | 一种基于样本数据的异常检测方法、装置、设备及介质 | |
CN116340098A (zh) | 一种服务器检测方法、装置、设备及介质 | |
CN115792628A (zh) | 一种动力电池安全性评估方法、装置、设备和存储介质 | |
CN116819416A (zh) | 一种蓄能电厂末端传感器检修方法、设备及存储介质 | |
CN116796620A (zh) | 一种抽水蓄能机组油温预测方法、装置、设备及存储介质 | |
CN117538643A (zh) | 电梯部件检测方法、装置、电子设备和存储介质 | |
CN117632294A (zh) | 一种应用程序配置方法、装置、设备及介质 | |
CN115361308A (zh) | 一种工控网络数据风险确定方法、装置、设备及存储介质 | |
CN117453466A (zh) | 一种图形处理器测试方法、装置、设备及介质 | |
CN115453271A (zh) | 一种配电网问题诊断方法、装置、设备及存储介质 | |
CN117649115A (zh) | 一种风险评估方法、装置、电子设备和存储介质 | |
CN116409609A (zh) | 光伏设备故障感知方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |