CN117312293B - 一种面向电力多源异构的数据治理与智能分析方法及系统 - Google Patents
一种面向电力多源异构的数据治理与智能分析方法及系统 Download PDFInfo
- Publication number
- CN117312293B CN117312293B CN202311598647.4A CN202311598647A CN117312293B CN 117312293 B CN117312293 B CN 117312293B CN 202311598647 A CN202311598647 A CN 202311598647A CN 117312293 B CN117312293 B CN 117312293B
- Authority
- CN
- China
- Prior art keywords
- data
- index
- power system
- evaluation
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000013523 data management Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000004519 manufacturing process Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 62
- 230000004044 response Effects 0.000 claims description 59
- 238000003860 storage Methods 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005619 thermoelectricity Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- 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
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Sustainable Development (AREA)
- Combustion & Propulsion (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mechanical Engineering (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向电力多源异构的数据治理与智能分析方法及系统，涉及数据处理与分析技术领域，包括：采集电力系统多源异构的生产数据，并通过生产数据编制数据标准体系规范；根据数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动；通过电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率；本发明提供的方法将多源异构的数据进行采集、治理、存储和分析，提供统一指标口径和数据API标准接口，提升数据质量，解决多头上报，为生产主题分析以及后续开展深度应用提供平台支撑。
Description
技术领域
本发明涉及数据处理与分析技术领域，具体为一种面向电力多源异构的数据治理与智能分析方法及系统。
背景技术
电力企业的业务与信息化现状与未来能源企业发展的要求仍有一定的差距，具体体现在如下几个方面：①火电领域：火电领域数字化智能化相关标准不统一，对火电厂数据挖掘的深度、广度仍然有待提升。由于机组负荷、环境温度、燃料成分及操作方式等多种因素的影响，缺乏大数据算法的应用难以满足准确地反映机组运行特性及效率。②风电、光伏领域：集控中心目前只实现部分监视功能，而且缺乏自动化、智能化监视手段，未发挥数据汇集后的优势来挖掘出对机组可靠性、稳定性、安全性、经济性的提升有实际意义的价值。同时，在集控中心建设运行过程中，数据接入仍然缺乏统一标准。部分人员在集控中心模式下，远离现场，不能充分利用信息化、网络化系统提升生产率，更难以提出具有针对性、实用性、经济性的数据应用需求。③水电领域：要求远程发电集控、智能水情预报、智能大坝安全监测，实现了全流域水情信息自动预警，实现了跨流域大坝群及库区地质灾害的全天候安全监测，数据实时传到相关单位从而避免地质灾害带来的安全问题。
因此急需研发一种面向电力多源异构的数据治理与智能分析方法，解决传统技术中存在数据基础薄弱、数据不完整和不一致，且数据管理体制不健全、内部管理困难的问题。
发明内容
鉴于上述存在的问题，提出了本发明。
本发明实施例的第一方面，提供一种面向电力多源异构的数据治理与智能分析方法，包括：采集电力系统多源异构的生产数据，并通过所述生产数据编制数据标准体系规范；根据所述数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动；通过所述电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率。
作为本发明所述的面向电力多源异构的数据治理与智能分析方法的一种优选方案，其中，所述数据标准体系规范的编制包括：
采用自动化采集技术结合人工填报手段对电力系统多源异构的生产数据进行采集，并根据采集的生产数据对企业数据现状进行调研生成需求分析报告，基于所述需求分析报告编制生产类主数据标准体系规范、分类编码规范、KPI指标体系规范、数据共享服务接口标准规范，形成数据存储、分析主题和数据共享统一标准。
作为本发明所述的面向电力多源异构的数据治理与智能分析方法的一种优选方案，其中，所述数据接入包括：
根据所述数据标准体系规范自动化采集业务系统数据，完成数据接入及多源异构生产数据的融合；
其中，若采集的数据有业务系统支持，则所述业务系统数据的范围包括项目研究范围内公司下属水电、火电、风电、光伏电厂的生产数据，数据来源基于已接入公司的电厂SIS系统数据、电厂监控系统、电厂水情系统数据及公司综合业务信息管理系统，数据类型包括但不限于结构化数据、半结构化数据、关系型数据库数据、应用系统数据、生产实时数据；若采集的数据无业务系统支持，则提供统一的数据填报入口。
作为本发明所述的面向电力多源异构的数据治理与智能分析方法的一种优选方案，其中，所述数据处理包括：
获取电力系统数据处理中心的运行状态信息，所述运行状态信息包括响应频率、平均响应时间以及各个节点的信息实时采集频率，通过采集的运行状态信息计算宕机指数，表示为：
；
其中，表示宕机指数，/>、/>和/>表示权重系数，/>表示节点总数，/>表示响应频率，/>表示平均响应时间，/>表示各个节点的信息实时采集频率，/>表示常数；
根据所述宕机指数判断所述电力系统数据处理中心的运行状态，即若所述宕机指数超过预设阈值，则所述电力系统数据处理中心处于宕机状态，需启动电力系统云端服务器与各个节点重新建立连接，再获取各个节点的设备信息和运行状态信息，基于设备信息和运行状态信息进行数据处理；
若所述宕机指数未超过预设阈值，则所述电力系统数据处理中心处于正常状态，在标准模式下对来自多种数据源的不同类型数据进行数据预处理，所述预处理包括一致性检查、去重、校验、缺失值处理操作，并进行噪声数据辨析及清洗，提取有效数据。
作为本发明所述的面向电力多源异构的数据治理与智能分析方法的一种优选方案，其中，包括：
所述响应频率的获取包括根据时间间隔生成检测信号，检测一个间隔周期内的各个节点的响应请求和响应结果，将响应结果与响应请求进行比值计算得到响应频率，表示为：
；
其中，表示节点i在时间间隔内的响应结果数量，/>表示节点i在时间间隔内的响应请求数量；
所述平均响应时间的获取包括根据时间间隔生成检测信号，检测一个间隔周期内的各个节点接收到响应结果的响应时间，并基于各个节点接收到响应结果的响应时间的平均值得到平均响应时间，表示为：
；
其中，表示节点i的响应时间；
各个节点的信息实时采集频率的获取包括根据时间间隔生成检测信号，检测一个间隔周期内电力系统数据处理中心实际采集的节点信息个数以及预期采集的节点信息个数，计算实际采集的节点信息个数占预期采集的节点信息个数比例得到信息实时采集频率，表示为：
；
其中，表示实际采集的节点信息个数，/>表示预期采集的节点信息个数。
作为本发明所述的面向电力多源异构的数据治理与智能分析方法的一种优选方案，其中，所述电力系统风电机组运行性能评估分析体系的建立包括：
通过相关性分析法确定经过所述数据处理的电力系统数据中风电机组运行性能评估参数，根据运行性能评估参数间的相互关系确定所述评估参数的主观判断矩阵，并根据所述主观判断矩阵得到各评估参数对应的主观权重；
利用所述评估参数对应的参数数量及采样时间构建所述评估参数对应的评价矩阵，并根据所述评价矩阵得到各评估参数对应的客观权重；
根据所述主观权重及客观权重确定组合权重，并基于所述组合权重动态分析电力系统风电机组的运营效率。
作为本发明所述的面向电力多源异构的数据治理与智能分析方法的一种优选方案，其中，所述主观权重的获取包括：
对所述评估参数的主观判断矩阵进行归一化处理，并对归一化处理后的主观判断矩阵进行行相加处理，利用按行相加处理后的主观判断矩阵，得到待验证主观权重，并根据所述待验证主观权重，确定所述主观判断矩阵对应的最大特征根；
根据所述主观判断矩阵对应的阶数及最大特征根，确定所述主观判断矩阵对应的一致性指标；
若所述一致性指标小于预设值，则将所述待验证主观权重作为所述评估参数的主观权重，否则更新所述主观判断矩阵，直至所述主观判断矩阵对应的一致性指标小于预设值。
本发明实施例的第二方面，提供一种面向电力多源异构的数据治理与智能分析系统，包括：
规范编制单元，用于采集电力系统多源异构的生产数据，并通过所述生产数据编制数据标准体系规范；
数据治理单元，用于根据所述数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动，所述数据处理包括获取电力系统数据处理中心的运行状态信息，通过采集的运行状态信息计算宕机指数，根据所述宕机指数判断所述电力系统数据处理中心的运行状态，即若所述宕机指数超过预设阈值，则所述电力系统数据处理中心处于宕机状态，需启动电力系统云端服务器与各个节点重新建立连接，再获取各个节点的设备信息和运行状态信息，基于设备信息和运行状态信息进行数据处理；若所述宕机指数未超过预设阈值，则所述电力系统数据处理中心处于正常状态，在标准模式下对来自多种数据源的不同类型数据进行数据预处理，所述预处理包括一致性检查、去重、校验、缺失值处理操作，并进行噪声数据辨析及清洗，提取有效数据；
评估分析单元，用于通过所述电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率。
本发明实施例的第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置为调用所述存储器存储的指令，以执行本发明任一实施例所述方法的步骤。
本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，包括：
所述计算机程序指令被处理器执行时实现如本发明任一实施例所述方法的步骤。
与现有技术相比，本发明的有益效果为：
①本发明通过采用自动化采集技术并结合人工填报手段，将多源异构的海量数据进行采集、治理、存储、分析和管理，提供统一指标口径和统一的数据API标准接口，提升数据质量，解决多头上报，为生产主题分析以及后续开展深度应用提供平台支撑；
②本发明通过电力系统的运行数据治理结合从层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率，实现风机设备健康状态可洞察，为电厂运维及技术人员提供机组性能优化建议；并且机器学习技术具有更强的泛化能力，可适用于更多的场景中，并对不同环境进行自适应调节；
③本发明通过生产数据治理及分析应用建设，能够实现企业在数据应用方面进一步增强跨业务的综合的智能决策体系，为管理决策者提供更全面、高效和便捷的智能可视化服务。
附图说明
为了更清楚地说明本发明实施例的技术方案，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它的附图。
图1为本发明提供的一种面向电力多源异构的数据治理与智能分析方法的整体流程图；
图2为本发明提供的一种面向电力多源异构的数据治理与智能分析方法的数据处理流程示意图；
图3为本发明提供的一种面向电力多源异构的数据治理与智能分析系统的模型架构示意图；
图4为本发明提供的一种面向电力多源异构的数据治理与智能分析方法及系统的计算机设备的内部结构图；
图5为本发明提供的一种面向电力多源异构的数据治理与智能分析方法及系统的三个不同电压等级的工程风电机组运行性能综合评价得分示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
实施例1
参照图1~图4为本发明的一个实施例，提供了一种面向电力多源异构的数据治理与智能分析方法，解决传统技术中存在数据基础薄弱、数据不完整和不一致，且数据管理体制不健全、内部管理困难的问题。具体包括以下步骤：
S1：采集电力系统多源异构的生产数据，并通过生产数据编制数据标准体系规范。需要说明的是：
采用自动化采集技术结合人工填报手段对电力系统多源异构的生产数据进行采集，并根据采集的生产数据对企业数据现状进行调研生成需求分析报告，基于需求分析报告编制生产类主数据标准体系规范、分类编码规范、KPI指标体系规范、数据共享服务接口标准规范，形成数据存储、分析主题和数据共享统一标准。
S2：根据数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动。需要说明的是：
数据接入包括根据数据标准体系规范自动化采集业务系统数据，完成数据接入及多源异构生产数据的融合；
具体的，若采集的数据有业务系统支持，则业务系统数据的范围包括项目研究范围内公司下属水电、火电、风电、光伏电厂的生产数据，数据来源基于已接入公司的电厂SIS系统数据、电厂监控系统、电厂水情系统数据及公司综合业务信息管理系统，数据类型包括但不限于结构化数据、半结构化数据、关系型数据库数据、应用系统数据、生产实时数据；若采集的数据无业务系统支持，则提供统一的数据填报入口。
进一步的，如图2所示，数据处理的过程包括获取电力系统数据处理中心的运行状态信息，其中运行状态信息包括响应频率、平均响应时间以及各个节点的信息实时采集频率，通过采集的运行状态信息计算宕机指数，表示为：
；
其中，表示宕机指数，/>、/>和/>表示权重系数，/>表示节点总数，/>表示响应频率，/>表示平均响应时间，/>表示各个节点的信息实时采集频率，/>表示常数；
根据宕机指数判断电力系统数据处理中心的运行状态，即若宕机指数超过预设阈值，则电力系统数据处理中心处于宕机状态，需启动电力系统云端服务器与各个节点重新建立连接，再获取各个节点的设备信息和运行状态信息，基于设备信息和运行状态信息进行数据处理；
若宕机指数未超过预设阈值，则电力系统数据处理中心处于正常状态，在标准模式下对来自多种数据源的不同类型数据进行数据预处理，预处理包括一致性检查、去重、校验、缺失值处理操作，并进行噪声数据辨析及清洗，提取有效数据。
应说明的，响应频率的获取包括根据时间间隔生成检测信号，检测一个间隔周期内的各个节点的响应请求和响应结果，将响应结果与响应请求进行比值计算得到响应频率，表示为：
；
其中，表示节点i在时间间隔内的响应结果数量，/>表示节点i在时间间隔内的响应请求数量；
应说明的，平均响应时间的获取包括根据时间间隔生成检测信号，检测一个间隔周期内的各个节点接收到响应结果的响应时间，并基于各个节点接收到响应结果的响应时间的平均值得到平均响应时间，表示为：
；
其中，表示节点i的响应时间；
应说明的，各个节点的信息实时采集频率的获取包括根据时间间隔生成检测信号，检测一个间隔周期内电力系统数据处理中心实际采集的节点信息个数以及预期采集的节点信息个数，计算实际采集的节点信息个数占预期采集的节点信息个数比例得到信息实时采集频率，表示为：
；
其中，表示实际采集的节点信息个数，/>表示预期采集的节点信息个数。
进一步的，数据存储包括实现各类数据的集中存储与统一管理，满足大量、多样化数据的存储需求，并支持后续数据分析、数据挖掘所需数据。数据存储支撑层能够支撑PB级工业大数据的存储，能够支持对结构化数据、半结构化数据和非结构化数据的存储能力，支持国产数据库的接入、支持数据存储可横向扩展。
应说明的，针对不同类型、不同时效要求的数据，需要采用多种不同的采集、传输与集成技术。对于大量的结构化、半结构化和非结构化数据，在存储数据的效率、可扩展和安全上提出了更高的要求，目前没有单一技术和平台能够满足大数据的存储，应采用混合架构模式。使用关系型数据库保证数据的安全、可靠；使用时序数据库保证传感器数据采集和存储的高性能。使用空间数据库管理引擎，实现对矢量数据和栅格数据等空间数据库的管理。使用分布式文件系统实现相关数据的分布式存储。
进一步的，数据驱动包括结合先进的人工智能、大数据分析、数据驱动建模技术以及工业互联网理念，针对风力发电机组的状态智能识别系统的研究，实现了风电资产的智能化整体升级。
具体的，基于历史及实时的运行数据对机组运行状态进行评估，同时通过连接设备资产和运维及技术人员，实时获取资产全面信息，优化机组运行性能; 通过机组设备的远程监控，结合智能化算法，建立完备的故障智能分析诊断系统，洞察设备的健康状态，预警即将发生的故障。
S3：通过电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率。需要说明的是：
通过相关性分析法确定经过数据处理的电力系统数据中风电机组运行性能评估参数，根据运行性能评估参数间的相互关系确定评估参数的主观判断矩阵，并根据主观判断矩阵得到各评估参数对应的主观权重；
具体的，主观判断矩阵的计算包括：
；
其中，表示指标i相对指标j的相对权重，/>表示指标i的权重，/>表示指标j的权重，/>表示两两比较求得判断矩阵A的各元素；
具体的，权重矩阵的计算包括：
；
其中，表示指标i的权重。
应说明的，主观权重的获取包括：
对评估参数的主观判断矩阵进行归一化处理，并对归一化处理后的主观判断矩阵进行行相加处理，利用按行相加处理后的主观判断矩阵，得到待验证主观权重，并根据待验证主观权重，确定主观判断矩阵对应的最大特征根；
根据主观判断矩阵对应的阶数及最大特征根，确定主观判断矩阵对应的一致性指标，表示为：
；
其中，表示一致性指标，/>表示判断矩阵A的最大特征根，/>表示一致性比率，/>表示随机性指标；
若一致性指标小于预设值，则将待验证主观权重作为评估参数的主观权重，否则更新主观判断矩阵，直至主观判断矩阵的一致性指标小于预设值。
进一步的，利用评估参数对应的参数数量及采样时间构建评估参数对应的评价矩阵，并根据评价矩阵得到各评估参数对应的客观权重；
具体的，评价矩阵的计算包括：
；
其中，表示评价矩阵/>中的元素，/>表示标准化矩阵中的元素，/>表示评价对象的个数，/>表示评价矩阵，/>表示评价指标的个数；
具体的，各评估参数对应的客观权重的计算包括：
；
其中，表示权重矩阵元素，/>表示客观评价指标权重矩阵，/>表示第n个指标的权重，/>表示熵值矩阵/>中的元素。
进一步的，根据主观权重及客观权重确定组合权重，并基于组合权重动态分析电力系统风电机组的运营效率。
由上述可得，本发明的有益效果为：①本发明通过采用自动化采集技术并结合人工填报手段，将多源异构的海量数据进行采集、治理、存储、分析和管理，提供统一指标口径和统一的数据API标准接口，提升数据质量，解决多头上报，为生产主题分析以及后续开展深度应用提供平台支撑；②本发明通过电力系统的运行数据治理结合从层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率，实现风机设备健康状态可洞察，为电厂运维及技术人员提供机组性能优化建议；并且机器学习技术具有更强的泛化能力，可适用于更多的场景中，并对不同环境进行自适应调节；③本发明通过生产数据治理及分析应用建设，能够实现企业在数据应用方面进一步增强跨业务的综合的智能决策体系，为管理决策者提供更全面、高效和便捷的智能可视化服务。
本发明公开的第二方面，提供一种面向电力多源异构的数据治理与智能分析系统，包括：
规范编制单元，用于采集电力系统多源异构的生产数据，并通过生产数据编制数据标准体系规范；
数据治理单元，用于根据数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动，数据处理包括获取电力系统数据处理中心的运行状态信息，通过采集的运行状态信息计算宕机指数，根据宕机指数判断电力系统数据处理中心的运行状态，即若宕机指数超过预设阈值，则电力系统数据处理中心处于宕机状态，需启动电力系统云端服务器与各个节点重新建立连接，再获取各个节点的设备信息和运行状态信息，基于设备信息和运行状态信息进行数据处理；若宕机指数未超过预设阈值，则电力系统数据处理中心处于正常状态，在标准模式下对来自多种数据源的不同类型数据进行数据预处理，预处理包括一致性检查、去重、校验、缺失值处理操作，并进行噪声数据辨析及清洗，提取有效数据；
评估分析单元，用于通过电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率。
应说明的，如图3所示为面向电力多源异构的数据治理与共享服务模型的架构，从图中可以看出该模型主要包括异构数据源、数据治理与共享服务中心和企业应用三个部分和层次。其中，异构数据源主要是指电力企业在以往不同时期基于不同目的开发的相应信息系统或者当前企业运行中相关数据的产生渠道，是数据治理及共享服务模式运行中的基础性资源，也是数据治理及共享服务的内容主体；数据治理与共享服务中心是面向电力多源异构的数据化集成平台，其主要是接收异构数据源传送的相关数据信息，并为接收的数据提供相应的存储空间，在系统需要的时候，对相关的数据信息进行格式或者结构的转换，最终输出可以直接供企业应用的数据信息；企业应用主要是为企业管理者提供直接性的数据应用功能操作的面板、终端等内容，其是实现多源异构数据治理与共享的前端，也是数据共享服务效果的最终呈现方式。
本发明公开的第三方面，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种终端设备与载波模块的档案同步方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本发明公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，包括：
计算机程序指令被处理器执行时实现前述中任意一项的方法。
本发明可以是方法、装置、系统和/或计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
实施例2
参照图5为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种面向电力多源异构的数据治理与智能分析方法及系统的验证测试，为对本方法中采用的技术效果加以验证说明。
本实施例首先采用自动化采集技术结合人工填报手段对电力系统多源异构的生产数据进行采集，并根据采集的生产数据对企业数据现状进行调研生成需求分析报告，基于需求分析报告编制生产类主数据标准体系规范、分类编码规范、KPI指标体系规范、数据共享服务接口标准规范，形成数据存储、分析主题和数据共享统一标准。根据数据标准体系规范自动化采集业务系统数据，完成数据接入及多源异构生产数据的融合。
其次，将网络条件划分为稳定与不稳定两大类别，以模拟实际运行环境中可能出现的网络延迟和中断问题，进一步模拟数据处理中心的多种宕机场景，包括计划内宕机和突发性宕机，以全面评估系统在各类情境下的恢复能力。本实施例利用传统方法和本发明提供的方法进行检测对比，其检测对比结果如表1所示；
表1：传统方法和本发明提供的方法的数据对比。
通过上述对比结果可以看出，本发明提供的方法在系统宕机恢复时间、数据处理延迟、数据丢失率以及平均响应时间上相较于传统方法都有着明显的提升。因此本发明通过采用自动化采集技术并结合人工填报手段，将多源异构的海量数据进行采集、治理、存储、分析和管理，提供统一指标口径和统一的数据API标准接口，提升数据质量，解决多头上报，为生产主题分析以及后续开展深度应用提供了支撑。
进一步的，本实施例还分别对110千伏、220千伏及750千伏三个不同电压等级的新建电力系统工程开展风电机组运行性能评估实例分析。首先，通过相关性分析法确定经过数据处理的电力系统数据中风电机组运行性能评估参数，根据运行性能评估参数间的相互关系确定评估参数的主观判断矩阵，并根据主观判断矩阵得到各评估参数对应的主观权重；然后，利用评估参数对应的参数数量及采样时间构建评估参数对应的评价矩阵，并根据评价矩阵得到各评估参数对应的客观权重；采用层次分析法，结合专家意见及群体反馈，对C1、C2、C3指标两两对比，比较结果如下，C1 比C2稍微重要，C2比C3稍微重要，C1比C3强烈重要；根据1-9标度法得到判断矩阵，求得基于层次分析法的权重矩阵为：
；
同理可计算出其余风电机组运行性能评估参数，如表2所示列出了评价随机一致性指标的具体评价指标；
表2：评价随机一致性指标列表。
判断矩阵的一致性比率分别为：
；
可以看出，上述式中的数值均小于0.1，满足一致性检验要求。最后根据主观权重及客观权重确定组合权重，并基于组合权重动态分析电力系统风电机组的运营效率，三个不同电压等级的工程风电机组运行性能综合评价得分如图5所示。
由上述可知，本发明通过电力系统的运行数据治理结合从层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率，实现风机设备健康状态可洞察，为电厂运维及技术人员提供机组性能优化建议；并且机器学习技术具有更强的泛化能力，可适用于更多的场景中，并对不同环境进行自适应调节。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种面向电力多源异构的数据治理与智能分析方法，其特征在于，包括：
采集电力系统多源异构的生产数据，并通过所述生产数据编制数据标准体系规范；
根据所述数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动；
所述数据处理包括：
获取电力系统数据处理中心的运行状态信息，所述运行状态信息包括响应频率、平均响应时间以及各个节点的信息实时采集频率，通过采集的运行状态信息计算宕机指数，表示为：
其中，表示宕机指数，/>和/>表示权重系数，/>表示节点总数，/>表示响应频率，/>表示平均响应时间，/>表示各个节点的信息实时采集频率，/>表示常数；
根据所述宕机指数判断所述电力系统数据处理中心的运行状态，即若所述宕机指数超过预设阈值，则所述电力系统数据处理中心处于宕机状态，需启动电力系统云端服务器与各个节点重新建立连接，再获取各个节点的设备信息和运行状态信息，基于设备信息和运行状态信息进行数据处理；
若所述宕机指数未超过预设阈值，则所述电力系统数据处理中心处于正常状态，在标准模式下对来自多种数据源的不同类型数据进行数据预处理，所述预处理包括一致性检查、去重、校验、缺失值处理操作，并进行噪声数据辨析及清洗，提取有效数据；
通过所述电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率；
所述电力系统风电机组运行性能评估分析体系的建立包括：
通过相关性分析法确定经过所述数据处理的电力系统数据中风电机组运行性能评估参数，根据运行性能评估参数间的相互关系确定评估参数的主观判断矩阵，并根据所述主观判断矩阵得到各评估参数对应的主观权重；
所述主观判断矩阵的计算包括：
其中，表示指标i相对指标j的相对权重，/>表示指标i的权重，/>表示指标j的权重，/>表示两两比较求得判断矩阵A的各元素；
权重矩阵的计算包括：
其中，表示指标i的权重；
利用所述评估参数对应的参数数量及采样时间构建所述评估参数对应的评价矩阵，并根据所述评价矩阵得到各评估参数对应的客观权重；
所述评价矩阵的计算包括：
其中，表示评价矩阵P中的元素，/>表示标准化矩阵中的元素，m表示评价对象的个数，P表示评价矩阵，n表示评价指标的个数；
所述各评估参数对应的客观权重的计算包括：
其中，表示权重矩阵元素，/>表示客观评价指标权重矩阵，/>表示第n个指标的权重，/>表示熵值矩阵E中的元素；
根据所述主观权重及客观权重确定组合权重，并基于所述组合权重动态分析电力系统风电机组的运营效率；
所述主观权重的获取包括：
对所述评估参数的主观判断矩阵进行归一化处理，并对归一化处理后的主观判断矩阵进行相加处理，利用按行相加处理后的主观判断矩阵，得到待验证主观权重，并根据所述待验证主观权重，确定所述主观判断矩阵对应的最大特征根；
根据所述主观判断矩阵对应的阶数及最大特征根，确定所述主观判断矩阵对应的一致性指标，表示为：
其中，CI表示一致性指标，表示判断矩阵A的最大特征根，CR表示一致性比率，RI表示随机性指标；
若所述一致性指标小于预设值，则将待验证主观权重作为评估参数的主观权重，否则更新主观判断矩阵，直至主观判断矩阵的一致性指标小于预设值。
2.如权利要求1所述的面向电力多源异构的数据治理与智能分析方法，其特征在于，所述数据标准体系规范的编制包括：
采用自动化采集技术结合人工填报手段对电力系统多源异构的生产数据进行采集，并根据采集的生产数据对企业数据现状进行调研生成需求分析报告，基于所述需求分析报告编制生产类主数据标准体系规范、分类编码规范、KPI指标体系规范、数据共享服务接口标准规范，形成数据存储、分析主题和数据共享统一标准。
3.如权利要求2所述的面向电力多源异构的数据治理与智能分析方法，其特征在于，所述数据接入包括：
根据所述数据标准体系规范自动化采集业务系统数据，完成数据接入及多源异构生产数据的融合；
其中，若采集的数据有业务系统支持，则所述业务系统数据的范围包括项目研究范围内公司下属水电、火电、风电、光伏电厂的生产数据，数据来源基于已接入公司的电厂SIS系统数据、电厂监控系统、电厂水情系统数据及公司综合业务信息管理系统，数据类型包括但不限于结构化数据、半结构化数据、关系型数据库数据、应用系统数据、生产实时数据；若采集的数据无业务系统支持，则提供统一的数据填报入口。
4.如权利要求1所述的面向电力多源异构的数据治理与智能分析方法，其特征在于，包括：
所述响应频率的获取包括根据时间间隔生成检测信号，检测一个间隔周期内的各个节点的响应请求和响应结果，将响应结果与响应请求进行比值计算得到响应频率，表示为：
其中，表示节点i在时间间隔内的响应结果数量，/>表示节点i在时间间隔内的响应请求数量；
所述平均响应时间的获取包括根据时间间隔生成检测信号，检测一个间隔周期内的各个节点接收到响应结果的响应时间，并基于各个节点接收到响应结果的响应时间的平均值得到平均响应时间，表示为：
其中，表示节点i的响应时间；
各个节点的信息实时采集频率的获取包括根据时间间隔生成检测信号，检测一个间隔周期内电力系统数据处理中心实际采集的节点信息个数以及预期采集的节点信息个数，计算实际采集的节点信息个数占预期采集的节点信息个数比例得到信息实时采集频率，表示为：
其中，表示实际采集的节点信息个数，/>表示预期采集的节点信息个数。
5.一种实施如权利要求1~4任一所述的面向电力多源异构的数据治理与智能分析方法的系统，其特征在于，包括：
规范编制单元，用于采集电力系统多源异构的生产数据，并通过所述生产数据编制数据标准体系规范；
数据治理单元，用于根据所述数据标准体系规范自动化采集业务系统数据，完成数据接入、数据处理、数据存储与数据驱动，所述数据处理包括获取电力系统数据处理中心的运行状态信息，通过采集的运行状态信息计算宕机指数，根据所述宕机指数判断所述电力系统数据处理中心的运行状态，即若所述宕机指数超过预设阈值，则所述电力系统数据处理中心处于宕机状态，需启动电力系统云端服务器与各个节点重新建立连接，再获取各个节点的设备信息和运行状态信息，基于设备信息和运行状态信息进行数据处理；若所述宕机指数未超过预设阈值，则所述电力系统数据处理中心处于正常状态，在标准模式下对来自多种数据源的不同类型数据进行数据预处理，所述预处理包括一致性检查、去重、校验、缺失值处理操作，并进行噪声数据辨析及清洗，提取有效数据；
评估分析单元，用于通过所述电力系统的运行数据治理结合层次分析法，建立电力系统风电机组运行性能评估分析体系，动态分析电力系统风电机组的运营效率。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1~4中任一所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1~4中任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311598647.4A CN117312293B (zh) | 2023-11-28 | 2023-11-28 | 一种面向电力多源异构的数据治理与智能分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311598647.4A CN117312293B (zh) | 2023-11-28 | 2023-11-28 | 一种面向电力多源异构的数据治理与智能分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117312293A CN117312293A (zh) | 2023-12-29 |
| CN117312293B true CN117312293B (zh) | 2024-04-05 |
Family
ID=89281431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311598647.4A Active CN117312293B (zh) | 2023-11-28 | 2023-11-28 | 一种面向电力多源异构的数据治理与智能分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117312293B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117971818B (zh) * | 2024-03-29 | 2024-06-21 | 中国标准化研究院 | 一种基于大数据的数据治理任务运行方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑系统 |
| CN110571792A (zh) * | 2019-07-29 | 2019-12-13 | 中国电力科学研究院有限公司 | 一种电网调控系统运行状态的分析评估方法及系统 |
| CN114064746A (zh) * | 2020-07-30 | 2022-02-18 | 国网吉林省电力有限公司信息通信公司 | 一种信息设备运行状态评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8972761B2 (en) * | 2012-02-01 | 2015-03-03 | Lsi Corporation | Systems and methods for idle clock insertion based power control |
-
2023
- 2023-11-28 CN CN202311598647.4A patent/CN117312293B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑系统 |
| CN110571792A (zh) * | 2019-07-29 | 2019-12-13 | 中国电力科学研究院有限公司 | 一种电网调控系统运行状态的分析评估方法及系统 |
| CN114064746A (zh) * | 2020-07-30 | 2022-02-18 | 国网吉林省电力有限公司信息通信公司 | 一种信息设备运行状态评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于区块链的电网稳控参数实时在线管理体系设计与实践;柯贤波;《电气应用》;第41卷(第7期);第80-90页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117312293A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107918830B (zh) | 一种基于大数据技术的配电网运行状态评估方法 | |
| CN117312293B (zh) | 一种面向电力多源异构的数据治理与智能分析方法及系统 | |
| CN105069025A (zh) | 一种大数据的智能聚合可视化与管控系统 | |
| CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
| CN112884452A (zh) | 一种智能运维多源数据采集可视化分析系统 | |
| CN112612819A (zh) | 一种抽水蓄能电站大数据分析挖掘方法及系统 | |
| CN108647860A (zh) | 基于OpenStack的电力设备状态监测与评估云平台 | |
| CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
| CN107885156A (zh) | 用于精益监测电站设备的智能前端多媒体信息采集系统 | |
| Ju et al. | The use of edge computing-based internet of things big data in the design of power intelligent management and control platform | |
| CN106649765A (zh) | 基于大数据技术的智能电网全景数据分析方法 | |
| CN111460027B (zh) | 一种适用于能源互联网的智能动态监测方法及系统 | |
| CN116796633A (zh) | 一种基于数字孪生技术的电网监测模型校正方法 | |
| CN111709602A (zh) | 一种泛在电力物联网系统中可靠性的评价方法 | |
| CN110990382A (zh) | 一种信息运营监测用数据溯源管理系统 | |
| Xu et al. | RETRACTED ARTICLE: Safety Collection Algorithm of Big Data for Blockchain-Based Power Grid Systems | |
| Xie et al. | Comprehensive benefit evaluation method of energy Internet platform based on cloud model | |
| CN116894568B (zh) | 一种充电桩的碳排放综合管理预测方法及存储介质 | |
| Ma et al. | Constructing reliability analysis model of complex systems based on FMEA-FTA-BN | |
| CN207529205U (zh) | 用于精益监测电站设备的智能前端多媒体信息采集系统 | |
| CN117934209B (zh) | 一种基于知识图谱的区域电力系统碳排放大数据分析方法 | |
| Zhao | Fault Prediction Method and System of Acquisition Terminal Based on Bayesian Network Optimization Algorithm | |
| Katz | The role of Big Data and analytics in utility innovation | |
| Weijie et al. | Research on the big data construction of equipment support | |
| Song | Research on the design of a target control platform for engineering projects under big data |
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 |